Amazon L7 的观察 + 最近 Amazon 动向 + 自己的判断
职场感言
最近看到 Amazon 一边继续强调组织效率，一边又在 AI infrastructure 上投入非常激进。把这两件事放在一起，我觉得背后其实有一个挺重要的变化。
作为一个在 Amazon 做过 8年L7 Senior Manager、经历过多轮 OP planning / HC planning 的人，分享一个个人观察：
AI 时代，大厂的资源配置正在从 HC 向 Compute 倾斜。
以前做 planning，一个非常核心的问题是 HC。
你想做更多事情，最自然的逻辑通常是：
业务增长 → workload 增加 → 需要更多 HC → 写 justification → leadership 决定给不给人。
所以很多 manager 的一个重要能力，就是争取 HC。
但我觉得 AI 正在慢慢改变这个逻辑。
现在 leadership 更容易反过来问：
为什么这件事情需要这么多人？
以前一个项目需要 10 个人，也许大家讨论的是应该给你 8 个还是 10 个。
以后讨论的可能是：
有了 AI，为什么不能 5–6 个人做？
这个变化看起来只是 productivity improvement，但我觉得对 corporate employee 的影响会比很多人想象得深。
第一，AI 对白领工作的短期影响，可能不是直接 replace 一个完整的 job。
很多讨论都在问：
“AI 到底能不能替代 software engineer？”
“AI 能不能替代 analyst？”
“AI 能不能替代 PM？”
我觉得这个问题可能问错了。
AI 不需要100%替代一个职位，就可以产生巨大的 workforce impact。
举个简单的例子：
以前一个组织需要100个人。
如果 AI 让每个人 productivity 提高20%，公司不一定会 fire 20个人。但下一次 planning 的时候，原本申请增加20个 HC，可能只批5个。
然后有人离职，也不一定 backfill。
过几年以后，这个组织可能自然就从120人变成了90人。
所以 AI 对 employment 的影响，很可能首先发生在 incremental HC 和 backfill，而不是大家想象中的某一天突然宣布“这个职位被 AI 替代了”。
第二，manager 的价值也会重新被定义。
以前 manager 很容易用这些东西描述 scope：
我有多少 direct reports；
我的 org 有多少人；
我下面有多少 managers；
我负责多少个 teams。
但如果 AI 真正提高 knowledge worker productivity，以后“管理50个人”本身未必比“用15个人产生过去50个人的 output”更 impressive。
甚至可能反过来。
一个 senior leader 如果能够建立 mechanism，让一个小团队通过 AI 获得很大的 leverage，可能比单纯扩大 org 更有价值。
所以我觉得未来 senior manager / director 的一个重要能力会变成：
不是你能 build 多大的 team，而是你能用多小的 team 做多大的事情。
第三，performance bar 可能也会跟着变化。
这是我觉得很多员工还没有充分意识到的一点。
假设以前一个 L6 engineer 一周完成 X 的 output 是 strong performance。
如果 AI coding tools 让大部分 engineer 都能够更快完成类似工作，那么一年以后，X 可能就不再是 strong performance，而只是新的 baseline。
也就是说：
AI 带来的 productivity gain 不一定全部变成员工的“free time”，其中相当一部分最后可能会被吸收到 performance expectation 里面。
这个事情其实以前也发生过。
工具变好以后，组织通常不会长期保持原来的 output expectation。
新的工具最终会形成新的 bar。
所以我觉得现在真正值得问的，不是：
“我要不要学 AI？”
而是：
“如果所有和我同 level 的人都会用 AI，我的 differentiated value 是什么？”
这个问题对越 senior 的人越重要。
因为到了 senior level，真正稀缺的通常已经不是单纯 execution，而是：
判断什么问题值得解决；
在 ambiguity 下做 decision；
定义 strategy；
跨组织 influence；
知道什么时候应该相信 AI，什么时候应该 challenge；
把一次性的 productivity improvement 变成 scalable mechanism。
第四，我觉得未来 headcount 本身甚至可能从“资产”慢慢变成一种需要解释的成本。
以前一个 manager org 从20人增长到50人，很多时候大家会自然理解成 scope 变大了。
以后未必。
Leadership 可能会问：
为什么需要50个人？
哪些工作可以 automate？
哪些工作 AI agent 可以完成？
哪些岗位真的需要 human judgment？
如果另外一个 leader 用25个人产生类似甚至更大的 business impact，谁的组织设计更好？
这可能会改变很多大公司的 management culture。
所以如果现在还在 Amazon 或其他大厂，我个人会做三件事情：
第一，不要只把 AI 当成一个提高自己 productivity 的工具，要想办法用它改变整个 workflow。
第二，不要把 team size 当成 career growth 的主要 proxy。真正应该积累的是 scope、decision quality、business impact 和 organizational leverage。
第三，每隔几个月问自己一个有点残酷的问题：
如果公司要求我的团队明年少20% HC，但 output 不能下降，我会怎么重新设计这个组织？
如果你已经能够回答这个问题，而且能够主动去做，而不是等 leadership 要求你做，我觉得你在 AI 时代反而可能更有价值。
我自己现在越来越觉得，AI 对大厂最大的改变可能不是“机器替代人”这么简单。
更准确的描述可能是：
过去公司用 HC 来购买更多 output；未来公司会越来越多地用 Compute + 少量高杠杆人才来购买 output。
如果这个趋势继续下去，未来几年大厂对 engineer、manager，甚至 director 的定义可能都会发生变化。
个人观察，不代表 Amazon 官方观点。
也很好奇还在 Amazon / Meta / Google / Microsoft 的同学有没有类似感觉：你们最近 planning 的时候，有没有明显感觉到 leadership 对新增 HC 的问题已经从“为什么需要这个人”，变成了“为什么 AI 不能把这部分工作吃掉”？
作为一个在 Amazon 做过 8年L7 Senior Manager、经历过多轮 OP planning / HC planning 的人，分享一个个人观察：
AI 时代，大厂的资源配置正在从 HC 向 Compute 倾斜。
以前做 planning，一个非常核心的问题是 HC。
你想做更多事情，最自然的逻辑通常是：
业务增长 → workload 增加 → 需要更多 HC → 写 justification → leadership 决定给不给人。
所以很多 manager 的一个重要能力，就是争取 HC。
但我觉得 AI 正在慢慢改变这个逻辑。
现在 leadership 更容易反过来问：
为什么这件事情需要这么多人？
以前一个项目需要 10 个人，也许大家讨论的是应该给你 8 个还是 10 个。
以后讨论的可能是：
有了 AI，为什么不能 5–6 个人做？
这个变化看起来只是 productivity improvement，但我觉得对 corporate employee 的影响会比很多人想象得深。
第一，AI 对白领工作的短期影响，可能不是直接 replace 一个完整的 job。
很多讨论都在问：
“AI 到底能不能替代 software engineer？”
“AI 能不能替代 analyst？”
“AI 能不能替代 PM？”
我觉得这个问题可能问错了。
AI 不需要100%替代一个职位，就可以产生巨大的 workforce impact。
举个简单的例子：
以前一个组织需要100个人。
如果 AI 让每个人 productivity 提高20%，公司不一定会 fire 20个人。但下一次 planning 的时候，原本申请增加20个 HC，可能只批5个。
然后有人离职，也不一定 backfill。
过几年以后，这个组织可能自然就从120人变成了90人。
所以 AI 对 employment 的影响，很可能首先发生在 incremental HC 和 backfill，而不是大家想象中的某一天突然宣布“这个职位被 AI 替代了”。
第二，manager 的价值也会重新被定义。
以前 manager 很容易用这些东西描述 scope：
我有多少 direct reports；
我的 org 有多少人；
我下面有多少 managers；
我负责多少个 teams。
但如果 AI 真正提高 knowledge worker productivity，以后“管理50个人”本身未必比“用15个人产生过去50个人的 output”更 impressive。
甚至可能反过来。
一个 senior leader 如果能够建立 mechanism，让一个小团队通过 AI 获得很大的 leverage，可能比单纯扩大 org 更有价值。
所以我觉得未来 senior manager / director 的一个重要能力会变成：
不是你能 build 多大的 team，而是你能用多小的 team 做多大的事情。
第三，performance bar 可能也会跟着变化。
这是我觉得很多员工还没有充分意识到的一点。
假设以前一个 L6 engineer 一周完成 X 的 output 是 strong performance。
如果 AI coding tools 让大部分 engineer 都能够更快完成类似工作，那么一年以后，X 可能就不再是 strong performance，而只是新的 baseline。
也就是说：
AI 带来的 productivity gain 不一定全部变成员工的“free time”，其中相当一部分最后可能会被吸收到 performance expectation 里面。
这个事情其实以前也发生过。
工具变好以后，组织通常不会长期保持原来的 output expectation。
新的工具最终会形成新的 bar。
所以我觉得现在真正值得问的，不是：
“我要不要学 AI？”
而是：
“如果所有和我同 level 的人都会用 AI，我的 differentiated value 是什么？”
这个问题对越 senior 的人越重要。
因为到了 senior level，真正稀缺的通常已经不是单纯 execution，而是：
判断什么问题值得解决；
在 ambiguity 下做 decision；
定义 strategy；
跨组织 influence；
知道什么时候应该相信 AI，什么时候应该 challenge；
把一次性的 productivity improvement 变成 scalable mechanism。
第四，我觉得未来 headcount 本身甚至可能从“资产”慢慢变成一种需要解释的成本。
以前一个 manager org 从20人增长到50人，很多时候大家会自然理解成 scope 变大了。
以后未必。
Leadership 可能会问：
为什么需要50个人？
哪些工作可以 automate？
哪些工作 AI agent 可以完成？
哪些岗位真的需要 human judgment？
如果另外一个 leader 用25个人产生类似甚至更大的 business impact，谁的组织设计更好？
这可能会改变很多大公司的 management culture。
所以如果现在还在 Amazon 或其他大厂，我个人会做三件事情：
第一，不要只把 AI 当成一个提高自己 productivity 的工具，要想办法用它改变整个 workflow。
第二，不要把 team size 当成 career growth 的主要 proxy。真正应该积累的是 scope、decision quality、business impact 和 organizational leverage。
第三，每隔几个月问自己一个有点残酷的问题：
如果公司要求我的团队明年少20% HC，但 output 不能下降，我会怎么重新设计这个组织？
如果你已经能够回答这个问题，而且能够主动去做，而不是等 leadership 要求你做，我觉得你在 AI 时代反而可能更有价值。
我自己现在越来越觉得，AI 对大厂最大的改变可能不是“机器替代人”这么简单。
更准确的描述可能是：
过去公司用 HC 来购买更多 output；未来公司会越来越多地用 Compute + 少量高杠杆人才来购买 output。
如果这个趋势继续下去，未来几年大厂对 engineer、manager，甚至 director 的定义可能都会发生变化。
个人观察，不代表 Amazon 官方观点。
也很好奇还在 Amazon / Meta / Google / Microsoft 的同学有没有类似感觉：你们最近 planning 的时候，有没有明显感觉到 leadership 对新增 HC 的问题已经从“为什么需要这个人”，变成了“为什么 AI 不能把这部分工作吃掉”？
已获得 45 大米
+2
共68条回复
✨ 您正在体验新版论坛UI
