不是單純裁員，而是在測試『沒有厚重中層』的公司能不能成立

Jack Dorsey 與 Sequoia 合夥人 Roelof Botha 在 From Hierarchy to Intelligence 裡提出的，不只是另一篇『AI 讓員工更有效率』的企業宣言，而是一個更具野心的命題：如果模型已經能持續讀取公司內部的文件、訊息、程式碼、設計稿、工單與決策痕跡，那麼原本負責資訊上傳下達的管理層，是否可以被大幅壓縮？

這也是 Block 這波裁掉超過 4,000 名員工、把人數從約 1 萬名規模砍到不到 6,000 人時，市場沒有先把它視為營運失控，反而把它解讀成某種『新公司形態測試』的原因。根據 Reuters，消息公布後 Block 股價盤後一度大漲約 25%，顯示投資人願意先把這件事視為效率革命，而不是求生裁員。

對資本市場來說，這種反應很有代表性：科技公司過去兩年最受歡迎的敘事，就是『AI 不只會帶來新收入，還能壓縮既有組織成本』。與其說投資人立刻相信 Block 已經建立了真正的 AI 公司，不如說他們願意先為這個方向性的可能性付錢。

Dorsey 真正想證明的不是『AI 可以幫你做更多事』，而是『AI 可以接手階層原本負責的資訊路由功能』。一旦這件事成立，企業作業系統就不是優化，而是改寫。

為什麼偏偏是 Block？因為它同時擁有組織資料、交易資料，還有強烈的文化偏好

很多公司都在談 AI 重構，但真正有資格把 AI 拉到組織設計層來談的公司並不多。前提有兩個：第一，公司本身必須高度數位化，讓工作過程可被持續觀測；第二，公司要有足夠高品質的客戶訊號，讓模型不只理解內部流程，還理解外部世界。Block 恰好兩者兼具。

Dorsey 在文中強調 Block 是 remote-first。這意味著決策、討論、設計與協作本來就會留下機器可讀的痕跡。另一方面，Block 透過 Square 看見商家端，透過 Cash App 看見消費者端，透過 Afterpay 看到分期與信用行為；而金流資料比點擊、問卷或口頭回饋更誠實，因為『有沒有花錢、借錢、還錢』本身就是最直接的偏好揭露。

更重要的是，Block 不是在業績崩壞時才突然拿 AI 當遮羞布。Reuters 指出，Block 2025 年第四季 毛利年增 24%，其中 Cash App 毛利成長 33%；公司還預估 2026 年第一季毛利將達 28 億美元，全年毛利增速指引從 17% 小幅上修至 18%。換句話說，這不是一間失速公司在喊口號，而是一間仍有成長動能的公司，主動把 AI 推進到治理論述。

這裡還有一層常被忽略的文化因素：Dorsey 一直不是那種熱愛程序、相信層級的 CEO。無論是早年的 Twitter，還是 Square 後來改名為 Block，他都偏好更工程師驅動、更反官僚、也更相信小團隊的公司形態。也就是說，AI 對他來說不是突然發現的新信仰，而是終於找到可拿來拆解舊管理機制的工具。這讓這場實驗比一般『企業跟風 AI』更有內在一致性。

Dorsey 的核心論點：兩千年組織史，本質上都是資訊傳輸史

這篇文章最聰明的地方，是它不是從 ChatGPT 或 agentic coding 開始講，而是從羅馬軍團、普魯士參謀本部、美國鐵路、Taylor 主義、曼哈頓計畫、矩陣組織，再一路講到 Spotify squads、Zappos holacracy 與 Valve。潛台詞很明確：公司結構從來不是神聖不可動的東西，它是通訊技術與控制成本共同塑造的產物。

當一個主管有效管理的人數有限，組織一大就只能堆層級；而每多一層，就多一次延遲、多一次失真、多一次政治化的風險。這也是為什麼中層在大型組織裡長期扮演的，不只是監督，而是彙整脈絡、翻譯訊息、協調依賴、向上匯報與向下對齊。Dorsey 的賭注是：這整套『資訊中繼站』功能，第一次有機會被模型接手。

它不是把組織問題視為文化口號，而是把它翻譯回技術約束。若通訊與理解成本下降，組織自然會重排。問題不在於『管理是不是邪惡』，而在於『管理中有多少工作其實只是舊時代的資訊摩擦』。

從這個角度看，AI 之所以可能真正改變公司，不是因為它會寫文案或寫程式，而是因為它有機會在比任何人都更完整的上下文裡，同時看到設計、工程、客服、風控、銷售與財務之間的連動。當上下文第一次可以被機器大規模持續理解，階層存在的理由自然會被重新審判。

但 Dorsey 也有意忽略的一面：管理不是只有資訊計算，還有責任與情境

問題在於，這套理論只精準處理了管理工作的 可被記錄部分，卻沒有完整處理 不可被記錄部分。很多真正關鍵的管理判斷，不是在 Jira、Notion 或 Slack 上完成，而是在模糊、帶情緒、帶風險的場景裡完成：哪個產品要硬推、哪位高潛力員工快離職、哪個主管適合背責任、哪個衝突要先壓住、哪個監管風險不能賭。

AI 當然可以整理脈絡、發現阻塞、模擬方案，但它未必能承擔後果。尤其在支付、借貸、匯款與 KYC／AML 等受監管業務裡，模型就算能提出建議，最後也仍需要有人類負責簽字、背鍋、面對監理機關與客訴。這不是技術細節，而是公司治理最核心的責任問題。

這也是為什麼很多『AI 將取代管理』的說法，聽起來很俐落，落到現實卻沒那麼乾淨。管理工作的價值，很多時候不在於整理資料，而在於在資訊不完整時仍然做出決定，並願意承擔副作用。模型可以把選項列得更漂亮，但最後要不要承認某個方向錯了、要不要停止某條產品線，仍然是權力與責任的問題。

Block 想蓋的不是 AI Copilot，而是 AI Company

Dorsey 描述的未來 Block，大致可以拆成四層：第一層是支付、借貸、發卡、薪資、BNPL 等能力模組；第二層是公司世界模型與客戶世界模型；第三層是用來動態組裝解法的智能層；第四層則是人類的高價值邊界，角色被收斂成個別貢獻者、直接負責人與 player-coach。

這裡最激進的，不只是裁員，而是它暗示 產品路線圖本身也會被 AI 侵蝕。過去是 PM 做市場研究、排優先序、開規劃會，再用季度節奏推進；Dorsey 的說法則接近：當智能層替客戶組合解法卻失敗時，那個失敗訊號本身就是下一個產品需求。不是人先猜要做什麼，而是系統從失敗模式反推出該補哪一塊能力。

如果這套做法走得通，它會比『每個員工配一個 copilot』更具顛覆性。因為 copilot 只是在原流程上加速，Block 談的是 直接拿掉流程中的人類中繼站。從投資視角看，這比單純省工時更有估值想像力，因為它同時指向更高人均產出與更快決策速度。

而且這裡有個很現實的經濟學含義：如果公司的核心競爭力不再只是『誰擁有最好的人才組合』，而是『誰能最有效率地把能力模組與上下文餵給模型』，那麼未來公司的邊界會變得更鬆。很多今天需要部門會議與 PM 對齊的事情，明天可能只需要更好的資料層與更清楚的責任定義。

資本市場為什麼買單？因為這套敘事同時滿足『成長』與『效率』兩種需求

華爾街近兩年的最愛，是那種一邊增加 AI 資本支出、一邊壓縮白領成本，最後把毛利率與營益率都講得更漂亮的故事。微軟、Google、Meta 都在不同程度上示範過：資料中心與模型投入向上，人力與管理層厚度向下。Block 只是把別人做得比較含蓄的事，說得更露骨。

這套敘事對投資人近乎完美，因為它一手提供 短期成本下降的可見性，一手提供 長期組織加速的想像力。投資人當然知道理論未必立刻兌現，但只要市場願意先相信『同樣的收入可以由更小的團隊支撐』，估值就有機會先重評。股價先漲，往往不是因為真相已被證明，而是因為敘事夠迷人。

這與近期更大的就業背景也連得上。The Guardian 引述高盛研究指出，AI 採用速度加快，可能已在美國勞動市場造成每月 5,000 到 10,000 個淨工作流失。單看一家公司時，這像個別事件；放進宏觀背景時，它更像白領勞動市場開始被重新定價的前兆。

看多論點：Block 也許真的比外界更接近『AI 協調層』落地

若從 bullish 角度看，Block 的條件確實比大多數企業更好。支付與金融科技天然會生成連續、高頻、低噪音的交易訊號；而這類訊號一旦與商家經營、貸款需求、消費者資金流轉結合，就能形成比一般 SaaS 更接近現實經濟的觀測網。

根據多家支付產業報導與公司揭露，Cash App 在 2025 年底的 monthly actives 已來到 5,900 萬。這意味著它不只是偶爾轉帳工具，而是有機會成為更深的日常金融入口。資料越深、場景越多，AI 在風險預測、產品推薦與資源編排上的價值就越高。

此外，支付產業本身也正在從單點工具競爭，轉向 能力平台競爭。商家不只需要收款，還要貸款、薪資、庫存、會員與行銷；消費者不只需要轉帳，還要分期、儲值、信用與理財。當競爭變成誰能更快把模組組成完整方案時，AI 作為協調層就不是炫技，而是可能真正改變產品迭代速度與交叉銷售效率。

還有一個被低估的因素是工程端的可衡量成果。Guardian 報導裡提到，管理層在財報電話會議上表示，自 2025 年 9 月以來，Block 每位工程師交付到正式環境的程式碼量提高了 超過 40%。這個數字未必能直接轉化成商業價值，但至少顯示 AI 已在某些可量化環節帶來明顯槓桿。對支持者來說，這就是『先從工程效率開始，之後再延伸到組織設計』的證據。

看空論點：這更像 AI-washing，還是對過度招聘與策略漂移的精緻粉飾？

但 bearish 的質疑同樣強，而且不能被輕輕帶過。最直接的問題是：這到底是 AI 革命，還是對先前組織膨脹的事後包裝？ 2025 年 Block 曾有一輪裁員，當時外部說法並不是『AI 取代人』；到了 2026 年，敘事突然升級成『公司層級都該被 AI 重寫』，這種敘事成熟速度，明顯快於外界能驗證的技術落地速度。

更麻煩的是，員工端的觀察與管理層論述之間存在落差。根據 The Guardian 採訪，多名現任與前任員工認為目前工具遠不到能替代大規模知識工作的程度；報導甚至提到，約 95% 的 AI 產生程式碼修改仍需要人類微調。這不是在否認 AI 的價值，而是在提醒一件事：『能提高效率』與『能獨立承擔責任』是兩回事。

更何況金融科技不是內容農場，也不是無後果的軟體玩具。只要牽涉放貸、匯款、反洗錢、消費者保護與信用決策，模型就不可能被當成完全自主的執行者。AI 可以是高槓桿副駕，但離『法遵可接受的主駕』仍有明顯距離。

還有一個現實問題是士氣。若員工普遍相信自己正在訓練會替代自己的工具，短期可能帶來配合，長期卻可能削弱信任、降低知識分享意願，甚至把最有判斷力的人逼走。對任何知識密集公司來說，最昂貴的從來不是 headcount 本身，而是高品質判斷力與隱性知識的流失。這一點若處理不好，AI 效率紅利很可能會被組織信任赤字抵消。

歷史也沒有完全站在 Dorsey 這邊：去管理化實驗通常都比口號更痛苦

Dorsey 在文中提到 Spotify、Zappos 與 Valve，這其實很誠實，因為它等於承認自己不是第一個想拆階層的人。問題是，這些案例沒有一個提供了完美的樂觀樣板。外部回顧普遍指出，Spotify 的 squad 模式在組織放大後，仍得回到更傳統的治理與對齊機制；Zappos 導入 holacracy 時，曾出現約 18% 員工選擇離開；Valve 的極度扁平結構則一直被認為難以複製到更大規模。

Dorsey 的回答是：過去失敗，不代表未來仍會失敗，因為以前缺少真正能承接協調工作的技術。這個回答在邏輯上成立，但也只成立一半。因為歷史案例真正暴露的，不只是資訊協調問題，還包括權責不清、內部政治轉地下化、績效評估失準，以及高情境密度工作無法被正式流程完全吸收。AI 可以修復其中一部分，但未必能一次解決全部。

中立一點看：最先被取代的不是『所有管理者』，而是資訊中繼站型管理

比較可能成立的中間路徑是：AI 不會消滅管理，但會重新定價管理。未來最先被壓縮的，不是所有主管，而是那些主要工作內容建立在開會、抄送、催進度、彙報、拆任務、追流程的人。資訊中繼站型管理者 的價值會明顯下降，因為模型在摘要、分類、搜尋脈絡、追蹤依賴與產生草案上，本來就比人更便宜、也常常更快。

相對地，真正稀缺的管理會往兩端移動：一端是 高判斷力的資源配置，例如在逆風中決定哪條線該砍、哪個市場該打；另一端是 高情境密度的人才領導，包括招募、說服、建立信任、處理衝突、塑造文化。這些工作不是沒有資料，而是資料永遠不完整，且需要有人願意承擔後果。

因此，Block 的實驗真正值得觀察的，未必是它能不能『完全沒有中層』，而是它能不能把管理工作從流程管理，升級成更高槓桿的判斷管理。如果最後只是用更少的人扛更多會議與更多壓力，那只是瘦身；若能讓決策更快、更準，而且責任更清晰，那才算真正跨過分水嶺。

把 Block 放回支付產業看，這場實驗才真正有意思

如果只把這件事看成一間公司裁員，就太小看它了。更精準的框架應該是：支付產業正在從功能競爭，走向編排能力競爭。PayPal 2024 年總支付量約 1.68 兆美元；Adyen 2025 年上半年處理量約 6,490 億歐元；Visa 與 Mastercard 仍把持更上游、利潤更高的網路位置。Block 的難題一直不是產品不夠多，而是商家端與消費者端雖然都碰到了，卻還沒完全把雙邊資料與能力編排成真正強大的閉環。

因此，Block 最需要的不是再多幾個零碎功能，而是 更低摩擦地把能力模組與資料流串起來。如果 AI 真能成為這個中介層，讓商家融資、收款、行銷、會員經營與消費者支付、分期、儲值、信用行為更快互相餵養，那麼 Block 才有機會從『很多產品的集合』，升級成『資料驅動的金融操作系統』。這才是 Dorsey 想賣給市場、也是最值得驗證的故事。

從競爭格局看，這件事尤其重要。PayPal 的優勢在既有規模與品牌信任，Adyen 的優勢在單一全球平台與大型企業客戶，Visa／Mastercard 的優勢則在網路層控制力。Block 若想用不同方式突圍，最合理的方向就是把商家與消費者資料轉成更高效率的能力編排引擎。也就是說，AI 不是附屬功能，而是它試圖重寫護城河的方式。

為什麼這很重要：這可能是白領工作的第一個結構性訊號

科技業過去兩年一直在談 AI 對工作的影響，但大多停留在效率工具層。Block 的案例真正值得注意，是因為它把 組織層級壓縮 講得極其直白，而且來自一間仍有成長性的上市金融科技公司。若連支付公司都敢公開主張中層可被 AI 大幅替代，那麼流程更重、資訊工作更多的白領產業，接下來只會更積極複製。

對員工而言，這代表職涯防線正在改變。過去很多人把升管理職當成穩定路徑，因為那意味著能見度、權力與不可替代性；但未來真正安全的，也許反而是那些 能定義問題、承擔判斷、擁有深度專業，並能與 AI 協作放大產出的個體貢獻者。中層若只是管流程，確實危險；若能轉成 player-coach，反而可能比以前更值錢。

對董事會與投資人來說，Block 也提供了一組新的提問方式：你們的資料是否足夠建立世界模型？你們的管理層在創造判斷，還是在轉運資訊？你們有多少層，其實已經能被 AI 所替代？一旦這些問題成為主流，AI 就不再只是產品專案，而會變成企業治理問題。

延伸思考：真正的分水嶺，不是裁掉多少人，而是剩下的人能不能做出更好的判斷

我對這件事的判斷是：Dorsey 在方向上大致正確，但時間點明顯前傾，敘事中也帶著漂亮的資本市場修辭。他抓到了一個很深的事實——公司階層本質上是舊通訊時代的產物，而 AI 確實正在削弱其中一部分必要性；但他也低估了管理工作中那些無法被完全結構化的部分。

因此，未來一到兩年真正該觀察的，不是 Block 能不能繼續講 AI，而是三件更硬的事：第一，產品與工程速度是否真的持續提升；第二，法遵、風控與客服品質是否出現裂縫；第三，留下來的組織是否能在更少層級下做出更好的資源配置。如果答案是肯定的，那麼這篇文章會被回頭看成下一代公司的宣言；如果不是，它就更像 2026 年 AI 狂熱裡最精緻的一次粉飾。

但不管最後是哪一種，有一件事已經幾乎確定：從現在開始，中層管理不再被視為理所當然的組織基礎，而是需要重新證明價值的成本項。這一點本身，就足以讓科技公司、白領主管與投資人重新思考自己的位置。

延伸閱讀