Leading the Machine: Transitioning from AI User to AI Manager
投行分析師讓AI同時跑數據清洗、行業對標和報告初稿，自己只負責審核與決策。律所合夥人用AI幾分鐘完成過去實習生一整天的盡職調查檢索。這些已不是想像。據《財富》雜誌報道，Anthropic和OpenAI的頂級工程師已實現代碼工作100%由AI完成，但他們並未因此失業，而是轉向更高層次的判斷與協調。AI接管的遠不止編程。從設計、數據分析到文案撰寫、財務建模，曾需多年訓練才能勝任的執行性工作，正被AI系統性滲透。
隨着AI能力持續進化，我們必須面對一個更根本的問題：當執行性工作被大規模接管之後，人類與AI的協作關係將是什麼？人類真正稀缺的能力又是什麼？
在傳統組織中，管理職能集中於少數崗位，多數人承擔執行與交付。管理者能有效監督的下屬數量有限，管理學中稱為“管理幅度”（span of control）。這一限制的本質是人際協調的複雜性。而AI作為下屬，高效且經濟，協調成本遠低於人類團隊，甚至可以搭建層級式結構讓AI管理AI，使一個人的有效管理幅度被大幅拓展。
這意味着，當執行性工作被大量委託給AI，每個人都能扮演“超級管理者”角色：向AI定義目標、拆解任務、審核產出、給出反饋。工作的基本單元不再是“一個人完成一項任務”，而是“一個人帶領一組AI完成一組任務”。
委派、協調、評估、迭代，這些過去主要由管理者承擔的能力，正在成為先行一步的知識工作者的日常操作。而管理 AI 團隊與管理人類團隊之間，也表現出驚人的相似性。哈佛大學經濟學家 Weidmann、Xu 與 Deming（2025）的實驗發現，領導者管理 AI 團隊的表現與其管理人類團隊的能力高度相關：好的領導者在兩種情境下都展現出一致的行為模式：提出更多問題，更頻繁地對話，更傾向於説“我們”而非“我”。
沃頓商學院教授 Ethan Mollick 也曾指出，在AI時代真正稀缺的將不再是執行本身，而是清楚知道要什麼、能否判斷好壞，並把這些標準表達清楚的能力。那些長期被輕視的所謂“軟技能”，正在重新顯示出它們重要的一面。
香港的教育傳統中，英語環境、通識訓練和跨文化溝通的經驗，為這類能力提供了一定的土壤。而當生成式 AI 把價值創造的重心從執行投入轉向判斷與協調時，這些能力的權重只會繼續上升。對香港而言，這意味着它在人才結構上的特點，即國際化、重溝通、習慣處理模糊性，有可能在 AI 時代被進一步放大為真正的競爭優勢。但優勢不會自動兑現，它需要被有意識地識別和強化，否則只是一張沉睡的底牌。
AI 正在深刻改變工作的結構。先行者已經在這樣做，而隨着工具門檻持續降低，每一個知識工作者都有潛力從“執行者”轉變為“管理者”。未來最有價值的勞動者，未必是事必躬親的人，而是能夠搭建正確系統的人。
這種轉變不需要等待。如果你已經用ChatGPT或Claude回答過問題，下一步不妨試試把一項完整的工作任務交給它：不是問它一個問題，而是讓它幫你完成一個流程，然後把精力放在審核和判斷上。你會發現，“管理AI”比想像中更接近你已經擅長的事。
參考文獻
[1] Weidmann, B., Xu, Y., & Deming, D. J. (2025). Measuring Human Leadership Skills with AI Agents. NBER Working Paper No. 33662.[2] Mollick, E. (2026, January 27). Management as AI Superpower. One Useful Thing. https://www.oneusefulthing.org/p/management-as-ai-superpower
[3] Top Engineers at Anthropic, OpenAI Say AI Now Writes 100% of Their Code. (2026, January 29). Fortune. https://fortune.com/2026/01/29/100-percent-of-code-at-anthropic-and-openai-is-now-ai-written-boris-cherny-roon/
童欣教授
港大經管學院創新與資訊管理教授及港大經管學院經濟學教授
傅禹銘
港大經管學院研究助理
（本文同時於二零二六年四月四日載於《經濟一週》明德者言專欄）
