2026 年初開始 Meta 內部就開始推行所謂「1 名經理管理 50 名工程師」的極端扁平化新管理理念，雖然一開始不是在所有部門全面推行(如果係，不計CEO，7萬名員工大約3層架構共約1,230名經理級就可以了），但5月開始的8000人大裁員就肯定了Meta在這方面的決心。美國企業近年比例平均大約1：11.5，矽谷公司大概上限是1：25。
這個「扁平化公司」模型首先被部署在 Applied AI Engineering 等相關團隊，這些單位本身就圍繞著模型訓練、工具鏈優化與數據閉環運作，工作高度模組化、可量化，也最容易被 AI 系統接管與監控。
在這些 AI 原生團隊中，這種高跨度管理之所以可能運作，很大程度依賴 AI 工具與流程標準化。Meta 在內部推動「AI for Work」計畫，鼓勵甚至要求員工在文件撰寫、程式碼生成、測試、報告與分析上廣泛使用 AI 輔助工具。當周報、進度追蹤、程式碼審查與績效指標可由系統自動生成或彙整時，管理者便不需要逐一檢視細節，而是透過Dashboard 掌握團隊整體狀態。這種「管理工具化」使得單一經理可以處理更多人員資訊，Appraisal時間，降低傳統面對面管理的時間成本。
只是換個頭銜？
而且Meta 並未讓 50 人直接向一名經理進行日常匯報，而是採用「Pod 化」的小型自治結構。雖然名義上是一對五十，但實際運作中，工程師被拆分為多個 5 至 8 人的小型單位，每個 Pod 內部通常設有技術負責人或資深工程師，負責技術決策與日常協調。經理的角色從傳統的任務分派與細節監督，轉為目標設定、資源調度與障礙排除。換句話說，管理並未消失，而是從「人事管理」轉向「系統管理」。許多原本屬於管理職的功能，改由資深個人貢獻者（IC）承擔，只是未必配有正式的管理頭銜。
這種結構的出現，也直接改寫了職位價值的排序。未來三年內，最危險的並不是執行層工程師，而是那些處於資訊流中間層的人。中階管理者首當其衝，因為他們長期以來的核心職能——整理資訊、分配任務與監控進度——正好是 AI 最擅長的領域。隨著系統可以即時整合數據並生成決策建議，中階主管的重要性快速下降，甚至出現被「結構性移除」的現象。這種趨勢並非 Meta 獨有，研究也指出，越來越多企業正在利用 AI 壓縮管理層級並削減中間職位。
緊隨其後的是專案經理與流程協調角色。當任務依賴關係、排程與進度同步都由系統自動完成，這些職位的價值迅速縮水。未來只剩下少數能夠上升到策略層的高階 PM，其餘則面臨被邊緣化的風險。相比之下，工程師群體雖然不會消失，但會出現劇烈分化。頂尖人才因為能夠放大 AI 能力而變得更加關鍵，而中間層工程師則可能因效率提升而供過於求。Meta 內部也觀察到，AI 已經讓部分任務從「一個團隊」縮減為「一個人就能完成」，這意味著總體人力需求下降。
Google和Microsoft會跟隨嗎？
這樣的結構自然引發一個問題：其他科技巨頭會不會跟進？從目前態勢來看，答案是肯定的，但形式會更保守。Google 已經在推動 AI coding 及組織扁平化，其工程文化本身就強調高自主性與 peer collaboration，因此擴大管理跨度是合理方向。不過，由於其仍重視研究導向與技術審查機制，較可能發展到 15:1 或 20:1 的範圍，而非直接走向 50:1 的極端比例。
Microsoft 則會採取另一種路徑。由於其業務高度依賴企業客戶與合規要求，大規模削減管理層可能帶來過高風險。該公司更可能透過 Copilot 與 workflow automation 強化員工效率，同時逐步增加管理跨度，但仍保留較完整的人類監督結構。換句話說，它會吸收 Meta 的「AI 驅動理念」，而不是複製其「極端組織形式」。
放眼整個產業，可以看到一個更清晰的趨勢，組織正在從金字塔轉向更扁平的結構。數據顯示，美國企業平均團隊規模近年來已顯著增加，這代表扁平化不是單一公司現象，而是整體演進方向。 只是 Meta 把這個趨勢推到了極限，成為一個前所未有的實驗樣本。
然而，這個模型的風險同樣巨大。當一名經理面對 50 人時，其注意力無可避免地集中在最突出或最吵鬧的人身上，其他人容易被忽略。研究已指出，在如此寬的管理寬度下，初階員工與內向型人才特別容易失去支持與發展機會。 同時，過度依賴數據與自動化，也可能讓組織失去對複雜情境的敏感度，甚至形成新的「隱性層級」，也就是在表面扁平之下出現非正式權力結構。
從更深層的角度來看，Meta 的實驗正在重新定義企業的存在方式。過去企業是透過階層與分工來協調人力，而現在則是透過 AI 系統來協調流程，人類逐漸轉為監督與決策角色。這不僅改變了管理，也改變了員工與公司的關係：從被管理的個體，轉變為接入系統的節點。當這種模式逐步擴展時，真正被重塑的，將不只是組織結構，而是整個知識型工作的運作方式。
發表迴響