AI转型中，高管在畅想、基层在提速，但真正承压的是中层管理者。研究发现，他们既要验证AI输出、指导新人，又要应对不变的交付压力——这些新职责只是叠加，而非替代原有工作。当学习时间被吞噬、激励机制错位、上下认知脱节，中层就成了AI转型的“隐形牺牲品”。问题不在技术，而在于组织是否保护了让AI落地的人。

    大多数组织将AI的应用视为一个技术难题，认为这是一场由信息技术部门主导实施、高层领导为之庆贺的软件推广行动。一些组织甚至把它看作是削减人员编制的捷径。
    为了了解AI在实际应用中的具体情况，我们对两家大型咨询公司的合伙人、经理和初级顾问进行了18次半结构化访谈。我们没有调查笼统的态度，而是询问每个层级的人：他们实际如何使用AI，获得了哪些支持，以及遇到了哪些阻碍。
    结果发现，这并非单纯的技术问题，而是一个组织层面的问题。两家公司的压力点是一致的。我们的研究揭示了AI应用成败的关键所在：中层管理者。
    设想一下一家咨询公司经理的综合画像：她的一天从学习新的提示技巧开始，然后才正式开始当天的工作。接着，她参加客户会议，回答关于如何使用AI、或者她的团队如何利用AI完成交付成果的问题。
    到了中午，她在检查AI生成的客户交付件有无错误，指导一名从未独立做过演示文稿的初级分析师，还要费力揣摩合伙人对一份“AI增强”备忘录的要求——几乎没有任何明确说明。一天结束时，她记录下有效的方法，以便团队下次可以复用他们关于AI的新发现。
    在访谈中，类似这样的故事反复出现。我们描绘的这位经理并非个例，如今她或许代表了普遍情况。虽然我们的研究聚焦于咨询行业，但我们发现的模式——夹在高管雄心与运营现实之间、几乎得不到正式支持的中层管理者——很可能在知识密集型行业的领导者眼中并不陌生。

能力与现实的鸿沟
    调查数据显示，AI的应用广泛但不够深入，价值创造参差不齐。大约88%的组织现在至少在某个业务职能中使用了AI，但只有约四分之一已经具备了在初始试点之外产生切实价值的能力。
    麦肯锡的研究指出，AI产生影响的主要驱动力是工作流程的重新设计，而非技术的先进性，而我们的访谈有助于解释原因。在高层，领导者着眼于AI的战略潜力，扩大业务范围，以更精简的团队加快交付，并重新构想服务。在基层，顾问们表示生产力大幅提升：过去需要数天的案头研究现在只需30分钟；过去耗费数周的分析现在只需几个小时。从前期工作中解放出来后，初级员工得以在职业生涯早期就参与战略综合分析，并参加调研访谈，这在以往任何一代都不曾有过。
    但基层的效率提升和高层的战略雄心汇聚到了一个压力点上：中层管理者。我们的访谈和研究揭示，中层管理者正被压得喘不过气来——因为他们要负责识别“垃圾作品”，也就是那些看起来专业、但空洞无物、对推进实际任务毫无帮助的AI生成内容。他们需要去验证AI输出、找出错误、指导团队掌握AI技能和基本的职场原则，还要守住质量底线——而这一切都伴随着更大的交付压力，并且没有任何正式的支持体系。
    这种负担正在加剧一个早在AI出现之前就已存在的危机。中层管理者本就承担着比以往更多的责任，因为裁员和重组剥离了层层支持，留下更少的人去监督更多的员工。高德纳预测，2026年将有20%的组织利用AI来扁平化其结构，削减超过一半的现有中层管理岗位。而盖洛普发现，中层管理者的敬业度从2023年的30%急剧下降到2025年的仅22%，是所有员工群体中降幅最大的。AI并非导致中层管理者职业倦怠的根源，但却加速了这一问题。
    让中层管理者超负荷运转会造成结构性风险。领导者面临的问题不应该是是否要精简这一层，而是如何加强它，因为当中层无法良好运转时，基层的效率提升和合伙人层面的战略抱负都无法转化为客户价值。

AI转型需要加大投入尤其是在中层管理者身上
    AI可以将员工解放出来从事更高价值任务的观点早已深入人心。我们观察到的是更具体的东西：一种我们称之为“角色提升”的模式。在转型顺利的团队中，AI被用来向上转移工作，而不是消除某些岗位。初级人员在从事更高价值的工作，比如解读数据、参与以前只有更资深员工才能参与的战略讨论。合伙人不再兜售方法论，而是兜售AI增强的判断力。
    但中层管理者并没有经历角色提升。他们的新职责——AI带来的监督、指导和质量控制要求——只是简单地叠加到了他们现有的工作上。没有组织支持，管理者不会被提升，而是被压垮。
    我们的访谈表明，AI应用的重担正在从三个方面压垮中层管理者:
一：学习是非正式的，而交付任务却源源不断
    在我们研究的公司中，许多团队中AI节省的时间立即被客户工作和交付压力吞噬了。管理者需要去尝试、学习和教导他人，但他们的正式职责并未改变。结果，团队反复解决同样的问题。有效的提示词、工作流和治理实践仍然分散在个人手中，而非制度化。
    处理得更好的团队始终做出了两项运营上的改变。他们预留出学习时间，并让其他团队更容易找到和复用他们已经摸索出的东西。领导层在AI转型期间暂时降低了利用率目标，正式确定了专门的分享时间（例如，设立每周例会，让初级顾问与团队分享他们学到的东西），并将绩效评估与员工记录和分享AI用例的情况挂钩。当学习时间被列入日程表后，AI的应用开始产生累积效应。
    我们的研究中，团队之间的差异因素不在于他们能接触到哪些AI工具，而在于团队是否建立了一个集中化的内部中心，整合了工具、用例和治理指南，并配备了强大的搜索功能，让员工确切地知道去哪里找。最有效的AI实践通常源于一线团队解决眼前项目问题，但只有当公司拥有基础设施来捕获和重新分配他们所学到的东西时，这些实践才能规模化。这样一来，团队减少了重复实验，增加了跨项目复用。

二：现在的激励机制，奖错了对象
    AI正在重新定义良好绩效的标准，但大多数评估体系尚未跟上。在我们研究的公司中，传统指标仍然奖励计费工时和个人产出。与此同时，那些真正推动AI成功落地的好做法——比如在团队之间分享好用的提示词、指导同事、为内部工具添砖加瓦——反而得不到认可。有些情况下，我们发现员工连自己工作中用了AI都不敢承认，这暴露出一个深层问题：现有的激励机制仍然把“个人苦干”等同于“专业价值”。
    解决这个问题需要各个层面的转变，但尤其是对中层管理者而言。高级领导者必须认清一个事实：中层管理者现在扛着三座大山——管AI实验、保客户交付、带人育人。因此，奖励的不应该是单纯的交付，而应该是他们的指导、团队建设和知识分享。在激励结构反映这一现实之前，管理者只能去做那些被考核的东西，比如利用率指标，而真正能让AI采用产生复利效应的指导和知识沉淀，就只能靠边站了。

三：领导者和中层管理者所处的现实不同
    波士顿咨询的数据显示，高管眼中员工对AI的热情，比员工自己感受到的高出一倍。我们的研究证实了这种感知差距，并发现这个差距带来的冲击在管理者身上最为剧烈。
    合伙人往往不太了解AI如何改变日常运营工作，造成了战略愿景与日常现实之间的脱节。这种差距很重要，而中层管理者正在独自试图填补它。他们要自己判断：AI的输出什么时候算合格了？哪些事情初级员工还得学会用手动完成？对客户交付的东西该用什么标准？客户要是觉得所有活儿都是AI干的，该怎么应对？转型期间，如果没有公司统一的方向或标准，这些决策就只能由各个团队独自做出。
    缩小这一差距需要领导层的切实参与，并以中层管理者的需求为中心来构建。当领导者参与到工作会议中时，中层管理者反映，他们一直以来独自承受的“翻译”负担终于开始减轻——公司层面的统一方向取代了各自的猜测。领导者也因此更清楚地看到了管理者每天都在面对的那些实际取舍，这有助于他们把期望调到更合理的水平。
    同时，公司需要直接对中层管理者进行专门的AI培训。提供有针对性的AI监督培训，比如幻觉检测、提示词评估以及对AI生成的分析进行事实核查。设立中层管理者之间的学习论坛，以便审核技术能够在团队间传播，而不是每个团队都独自摸索。至关重要的是，明确公司范围内对AI使用的期望，这样每个管理者就不必独自解读规则。

保护人才培养通道
    在中层管理者受压之下，还有一个更深层次的问题值得关注：如果中层管理者花更多时间验证AI输出和救火，那么谁来培养下一代领导者？
    在传统的咨询业中，初级人员通过近距离观察中层管理者来学习：他们如何制定工作计划、如何进行压力测试分析、以及如何处理棘手的客户对话。混合办公模式已经削弱了这种师徒传承关系。而AI可能会进一步削弱它，因为在培养判断力之前，技术任务就被压缩了。初级人员现在可以快速制作出精美的交付成果。但仍然需要时间去学习的是：如何判断一个分析看似合理实则薄弱，建议是否有意义，或者如何在不让客户失去信任的情况下提出质疑。
    这不仅仅是一个工作流程问题，更是一个领导力人才培养通道的问题。如果公司能够减少中层管理者花在反复检查AI输出上的时间，他们就可以将部分能力重新导向指导和培养。那些找到方法保护这一能力的公司，在五年后仍将拥有完善的领导力人才培养通道。那些做不到的公司将会发现，AI加快了初级人员的产出，却抽空了从执行者到领导者的成长阶梯。
    对中层进行投入，可以推动整个公司的AI应用产生累积效应。团队在彼此的工作基础上再接再厉。随着中层管理者熟练度的提高，工作质量得到提升。初级人员成长得更快。合伙人能够自信地与客户谈论AI，因为他们亲眼目睹了AI在自己团队中的实际运作，而不仅仅是基于想象。
    AI应用的差异不在于技术本身，而在于领导层是否围绕那些将AI付诸实践的人建立了支持体系。每位领导者都应该问自己三个问题：在你的组织中，谁在为你的AI雄心付出代价？你是否为他们提供了足够的支持？你是否保护了中层管理者培养下一代领导者所需的能力？