AI 時代的最小作戰單位

作者： Wisely Chen 日期： 2026-02-28 系列： AI 企業轉型實戰觀察 關鍵字： Deloitte, Block, 人才架構, 鑽石型組織, AI 轉型, 技能標籤化, 全端人才

來源：

目錄

  1. Deloitte 到底改了什麼？
  2. Block 裁掉一半員工：Jack Dorsey 的 AI 賭注
  3. 金字塔 → 鑽石型：Deloitte 的組織結構翻轉
  4. 我的不同觀點：不是一顆大鑽石，是多個小三角形的生態系
  5. 80/30 判斷法則：你在鑽石的哪個位置？
  6. 個人該怎麼回應
  7. 坦白說
  8. 結語：從規模走向密度

Deloitte 到底改了什麼？

2026 年，Deloitte 做了一個震撼業界的決定：全面廢除助理、經理、總監等傳統職稱，取而代之的是技能標籤 + 英數編碼制（如 L45, L55）。

這不是 HR 為了 KPI 玩的年度改名遊戲。這是一家擁有 18 萬名員工、服務財富 500 大企業的巨獸，對 AI 時代遊戲規則的徹底重構。我之前在〈AI 勞資雙方破局的全端人才〉裡面提過的觀點，現在 Deloitte 用 181,500 人的實驗驗證了。

三個關鍵變革：

1. 技能標籤化。 你不再是「經理」，你是「專案管理 Level 3 + 數據分析 Level 5」。當 AI 能處理大量基礎工作時，「你會什麼」比「你是什麼」重要太多了。

2. 英數編碼制（L45、L55）。 像軟體版本號一樣，刻意消解「頭銜光環」。iOS 18 跟 iOS 17 的差別，你關注的是功能更新了什麼，不是版號的尊貴程度。Deloitte 要的就是這個效果：讓組織關注能力的迭代，而不是層級的攀爬。

3. 新增 Leader 層：不管人也能當 Leader。 這是最關鍵的變革。傳統組織裡晉升幾乎必然要「管人」，但很多頂尖專才不適合也不想管人。Deloitte 正式承認：「深度專業」跟「管理能力」是兩條平行的價值路徑。 在這種結構下，晉升不再必然等於升任經理。「你會不會指揮數位工人」已經遠比你的頭銜是什麼重要太多。

Block 裁掉一半員工：Jack Dorsey 的 AI 賭注

就在 Deloitte 重組職稱的同時，另一個震撼彈在 2026 年 2 月 27 日落下。

Block（前身是 Square，Jack Dorsey 的金融科技公司）宣布裁員超過 4,000 人——從 10,000 人直接砍到不到 6,000 人，接近砍掉一半。

這不是因為 Block 虧錢。事實上，Block 同時上調了 2026 年的財務預測。Dorsey 的邏輯很直白：更小的團隊搭配 AI 工具，能做更多事，而且做得更好。 他甚至預測，未來一年內大多數公司都會得出相同的結論。

被裁員工的遣散條件是：20 週薪資 + 每年資加一週、5 月底前的股票照常 vest、6 個月健保、公司設備保留、另加 5,000 美元轉職支援金。以裁員來說，這算是相對體面的方案。

但真正值得注意的不是遣散條件，而是這件事的信號意義：

Deloitte 選擇的是重組——不裁人，但重新定義每個人的價值。Block 選擇的是直接砍半——用 AI 填補空缺，讓剩下的人做更多。

兩條路，同一個終點：金字塔的底座，正在被 AI 吃掉。

差別只在速度。Deloitte 給了 5 個月的過渡期。Block 直接拉閘。不管哪種方式，對身在底座的人來說，結果是一樣的。

金字塔 → 鑽石型：Deloitte 的組織結構翻轉

過去的職場是金字塔型，大量基層做執行，中層做協調，高層做決策。但當 AI 已經能輕鬆處理 60% 的入門級工作——資料整理、報表產出、初步分析、文件撰寫——金字塔的底座開始鬆動。

Deloitte 提出的新結構是鑽石型：

1
2
3
4
5
6
7

        /\          ← 願景型領袖（小頂端）
       /  \
      /    \
     /      \       ← AI 指揮官 + 產業專家（最厚）
      \    /
       \  /
        \/          ← AI 數位工人（窄底座）
  • 小頂端：願景型領袖。
  • 厚中段：懂業務又能指揮 AI 的專家——也是未來最缺的人。
  • 窄底座：被大幅壓縮的數位工人。

人才密度從「量」轉向「能力濃度」。這跟我在做 AI 顧問時觀察到的完全一致：企業最缺的不是會寫 prompt 的人，而是懂業務又懂 AI 的人。

我的不同觀點：不是一顆大鑽石，是多個小三角形的生態系

我在這個 AI 時代剛好都是管理職，我看到的是未來的戰場很可能是「小三角形生態系」。

Deloitte 的鑽石模型很漂亮，但我認為這仍是大公司的舊思維。AI 真正改變的不只是組織形狀，更大的改變在組織的最小有效單位。

為什麼是小三角形？

未來，我們不需要 18 萬人的龐大編制來完成任務。現在一人公司的概念雖然很夯，但回歸商業交付的複雜度與容錯率，我認為「微型團隊」才是更合理的終極型態。

我們需要的是無數個 3～15 人的「小三角形」。為什麼是 15 人？因為根據鄧巴參數，人類生理上最有效率維持單層匯報、信任密度最高、溝通零內耗的極限。（另外一個有參考的鄧巴參數是人的大腦最多只能跟 150 人維持穩定朋友關係，超過大腦也記不住。）

更直白地說：15 人就是一層匯報關係的上限。一個領袖直接帶 15 個人，每個人都直接跟領袖溝通，不需要中間再插一層主管。一旦超過 15 人，你就不得不加第二層匯報關係——然後管理成本、溝通損耗、政治角力就全都回來了。AI 時代最不需要的就是這些東西。

這裡值得多說一點：做過 startup 的人都知道，從一層匯報關係跨到兩層匯報關係，90% 的公司都會大傷。不是業務出問題，是組織內耗突然暴增——資訊傳遞變慢、決策鏈變長、中間主管開始「管理管理者」而不是做事。很多原本有戰鬥力的團隊就是在這一步垮掉的。

所以我的觀點是：與其讓一個團隊膨脹到需要第二層匯報，不如在 15 人的邊界直接複製團隊。 保持每個小三角形在一層匯報關係內，然後用契約關係把多個小三角形串起來。這樣每個團隊都維持最高戰鬥力，整個生態系的規模靠「團隊數量」而不是「單一團隊人數」來擴張。

至於超過 15 人的需求？就使用公司跟公司的契約關係，將一個 startup 跟另一個 startup 綁定在一起組織。為何不用兩層人員組織匯報結構？因為我之前看到種種 startup 在擴張時，大量的 startup 卡死在一層匯報擴張到二層匯報的關節點上。這時候保留一層匯報通常比較好。

而且別忘了，小三角形的底座是 AI Agent——這是可以低成本擴充的數位勞動力。當業務量成長，你第一個該 scale 的不是人，是 AI Agent。多開幾個 Agent 跑並行任務、多接幾條自動化流程，邊際成本遠低於多請一個人。人力 scale 靠複製團隊，產能 scale 靠擴充 AI Agent。 兩條軸線獨立運作，這才是小三角形生態系真正的擴張彈性。

在 AI 時代，這個限制不但沒被打破，反而更重要了——因為 AI 接管了執行層，剩下的人與人之間的協作全都是高密度的判斷與決策，恰好是最需要信任的工作。

每個小三角形長什麼樣？

1
2
3
4
5

        /\              ← 願景型領袖 + AI 專家（1-2 人）
       /  \
      /    \            ← Full Stack 人才（PM, Eng, CSM, BD）（3-10 人）
     /      \
    /________\          ← AI Agent（數位勞動力，無上限）

每個小三角形的組成：

層級 角色 人數 職責
頂端 願景型領袖 + AI 專家 1-2 人 策略方向、AI 架構設計、關鍵決策
中段 Full Stack 人才 3-10 人 PM、工程師、CSM、BD——每個人都是全端，能獨立交付
底座 AI Agent 不限 執行、產出、資料處理、初稿生成

這裡的關鍵是中段的 Full Stack 人才。這些人不是「什麼都會一點」的通才，而是在自己的專業領域夠深，同時能跨到相鄰領域交付的人。PM 能做 POC，工程師能面對客戶，CSM 能看懂技術架構，BD 能估算技術可行性。

這就是我在〈全端人才〉那篇文章裡說的：目標是「獨立交付」，你不需要是每個領域的頂級專家，但你必須具備在每個領域達到 60%～70% 水準並完成交付的能力。

生態系：小三角形之間的契約組合

重點來了。這些小三角形不是孤立的，它們以契約關係組合成生態系：

生態系契約模式：小三角形之間的對等合作

每個小三角形是一個獨立的作戰單位，有自己的願景領袖、Full Stack 團隊、AI Agent。它們之間不是層級關係，而是對等的契約合作——按專案、按成果、按時間週期組合。

傳統模式是內部調配，依賴上級指令。生態系模式是對等的契約合作（Protocol-based），按專案、成果與時間週期組合。

這個模式的效益：

  • 速度：決策鏈極短，3-15 人的團隊決策速度遠快於 181,500 人的組織
  • 信任：鄧巴數內的高密度信任，小團隊內每個人都互相了解，溝通成本極低
  • 槓桿：全端人才直接指揮 AI，沒有中間管理層的損耗，AI 槓桿最大化

Deloitte 的鑽石 vs 我的生態系

維度 Deloitte 鑽石型 小三角形生態系
組織單位 一家大公司 多個 3-15 人團隊
協作方式 內部調配 契約組合
管理邏輯 技能標籤 + 動態匹配 獨立交付 + 生態系合作
AI 的角色 取代底座人力 每個團隊的執行底座
信任基礎 系統化評估 鄧巴數限制內的人際信任
適合場景 大型諮詢/金融機構 科技公司、新創、專業服務

坦白說，Deloitte 的做法是在大組織框架內的最優解。但我認為 AI 最終會讓組織的最小有效單位變得更小、更獨立。未來的商業世界不是幾顆大鑽石在競爭，而是無數個小三角形在生態系裡協作。

80/30 判斷法則：你在鑽石的哪個位置？

回到現實，很多企業的底座已經在被 AI 默默掏空，但大家為了組織政治心照不宣。如果你想知道自己現在到底安不安全，可以用這個直覺的法則盤點一下：

如果 AI 能處理你 80% 以上的工作，你在金字塔底層。

如果 AI 只能處理 30%，剩下 70% 需要你的判斷，你在鑽石型的核心。

這個法則簡單到殘忍。

你可以拿你現在的工作內容做個盤點：

工作內容 AI 可取代比例 你在哪裡
資料整理、報表產出 80-90% 底座
客戶溝通、需求判斷 20-30% 中段核心
策略制定、風險評估 10-20% 頂端
跨部門協調、政治操作 5-10% 頂端
Prompt 工程、AI 工具操作 60-70% 底座（沒錯）

注意最後一項。單純的「AI 工具操作」本身也是可被 AI 取代的。 請記住：單純會下 Prompt 也是會被淘汰的，工具會快速迭代，但用 AI 解決特定業務問題的「判斷力」不會過期。

個人該怎麼回應

面對這個趨勢，個人的回應來自以下三種能力：

1. 從執行者變成 AI 指揮官

AI 是一個頂級外包團隊，但你需要有足夠的領域知識，來判斷它給的是「真知灼見」還是「一本正經地胡說八道」。能將模糊的商業需求轉化為精準的自動化工作流，本身就是最稀缺的技能。

具體行動： 列出你目前的技能清單，誠實評估每項技能的 AI 可取代程度。如果超過 60%，你需要加速學習 AI 不容易取代的技能（判斷力、溝通、領域知識）。

2. 跨域溝通的「情境翻譯」能力

AI 不懂公司內部的政治角力，也不懂大客戶發脾氣的潛台詞。能在工程師與業務吵架時找出解法，在客戶提出不合理需求時判斷技術可行性——這種帶有高度人際脈絡與情緒價值的跨域協調，AI 完全做不到。

具體行動： 每個月花 10% 的時間學習新工具或新方法。不是看文章，是實際用在工作中。刻意練習站在不同角色的立場思考問題。

3. 扛責任的能力

這是最現實的一點：AI 不會坐牢，也不會被扣薪水。當 AI 給出策略建議時，最終拍板定案、承擔風險、並拿著結果去跟董事會報告的，還是人類。你能不能利用 AI 的建議，但是願意基於經驗與直覺，做出那個「即使失敗我也能扛下來」的決策？

具體行動： 開始把自己想成一個「技能組合」而不是一個「職位」。你的下一步不是「升經理」，而是「配到什麼有挑戰的專案」。

坦白說

Deloitte 的變革和我的生態系觀點，都有各自的問題，我得誠實講：

1. Deloitte 的執行落地是最大的挑戰。 181,500 人的組織要在 5 個月內（1 月到 6 月）完成這種等級的結構變革，坦白講難度極高。文化的改變不是改個編碼就能完成的。

2. 技能標籤化的陷阱。 把人拆成技能組合，聽起來很科學，但可能忽略了「整體大於部分之和」的效果。一個人的價值不只是他的技能清單，還包括他的人脈、對組織的理解、跟特定客戶的信任關係。這些東西很難標籤化。

3. 小三角形生態系的風險也不小。 契約關係意味著不穩定。沒有大組織的品牌庇護，小團隊要自己找客戶、自己承擔風險。不是每個人都適合這種模式——它需要極高的自驅力和不確定性承受力。而且，大型基礎建設（銀行、電信、政府）仍然需要大組織來承接，小三角形在這些場景的適用性有限。

4. 兩種模式可能會共存。 大組織走鑽石型，小團隊走三角形生態系，兩者以契約關係互相嵌合。Deloitte 內部可能也會逐漸出現「小三角形」式的專案團隊，只是外殼還是一家大公司。

5. 台灣離這兩步都有距離。 不是因為能力不夠，是因為文化和法規環境不同。但趨勢的方向是一致的——技能比頭銜重要，小而精比大而全有效率，持續進化比年資有價值。

結語：從規模走向密度

組織的邏輯正在從「規模」轉向「密度」。

不管你信的是 Deloitte 的一顆大鑽石，還是我說的多個小三角形生態系，底層邏輯是一樣的：

  • 金字塔底座被 AI 吃掉了
  • 真正值錢的是能「指揮 AI 解決業務問題」的 Full Stack 人才
  • 組織的最小有效單位在變小，信任和判斷力的價值在變大

問問自己：如果明天你要加入一個 15 人的特種部隊，你能扮演什麼角色？

答案如果讓你不舒服，那恭喜你，這正是改變的起點。

如果 AI 能替代 50% 的人，你還會保留現在的架構嗎？

延伸閱讀