杠杆置换：写在 2026 从管理者回归 IC 的前夜

此时，我正处于一个职业生涯的观测期：在Google担任几年基层管理者之后，我正在认真考虑并筹备在 今年重新回归个人贡献者（IC）的角色。

必须说明的是，这一转型尚未正式开启。目前的这些思考，更像是我在实战转型前的一份“思想蓝图”。我希望记录下此时此刻的判断逻辑，以便在转型完成并工作一段时间后，能写出一篇“姊妹篇”，以复盘视角来检验这些假设是否成立。

而这所有假设的核心，都指向一个关键词：杠杆（Leverage）。

观察与假设：旧时代的算术还灵吗？

在管理学的经典语境中，影响力几乎等同于对他人的调动。安迪·格鲁夫在 「格鲁夫给经理人的第一课」 (High Output Management) 中提供了一个严谨的公式：经理人的产出 = 他直接领导部门的产出 + 他施加影响的邻近部门产出。 这是一种“规模效应”的博弈。为了实现这一公式，我们需要经历 「领导梯队」 (The Leadership Pipeline) 中所说的“价值观置换”：停止对个人产出的执着，转而通过授权和辅导来实现 「倍增者」 (Multipliers) 中所述的“人才指数级增长”。

然而，在我的日常观察中，这种人力杠杆并非纯粹的物理加成，它混合了极高昂的“沟通熵”。

我曾遇到过一个极端的例子：某位成员冲劲十足，却有个致命的习惯——信息捕捉极不完整。群里问两个问题，他只回一个；任务书里的要点，他只看一半。这迫使我不得不陷入‘补问、确认、再开会’的死循环。最让人头疼的是，一旦他在理解前提时断章取义，成果便会南辕北辙。几次折腾下来，每逢分配重要且紧急的任务，我都会感到一种深深的焦虑，生怕历史重演，拖累大局。

传统的管理论的解决方案是通过提供反馈和指导，帮他改善或者把他放在更能发挥他优势的地方。但这些都是为了“协调人力”而付出的成本。我开始产生一个怀疑：在技术环境剧变的今天，这种以“协调人力”换取的杠杆，其维护成本是否正在吞噬它的产出收益？

AI 会成为更纯粹的杠杆吗？

基于对 AI 能力的迭代观察，我准备在未来的转型中测试以下三个关键假设：

1. 从“倍增他人”到“倍增自我”：追求协作的“逃逸速度”

在物理学中，逃逸速度（Escape Velocity） 是一个令人着迷的概念：只有当速度足够快，才能摆脱地球引力的束缚冲向深空。我一直认为，一个顶尖团队需要这种由“速度”与“质量”双重保障的动力。但在传统的管理实践中，团队中那些不善于沟通、反馈迟缓的成员，往往像是在飞船尾部挂上了巨大的阻力伞，极大地拖慢了整体的推进效率。

丽兹·怀斯曼在 「倍增者」 (Multipliers) 中鼓励经理人通过提问来激发团队潜能。但在我的实验假设里，AI 是一个更纯粹的、无情绪波动的“被倍增者”。

• 假设： 相比于管理一个表现参差不齐、沟通损耗巨大的团队，通过 AI 编排，可以将信息传递的效率提升数倍。这种“零阻力”的沟通让个人产出的速度极速飙升，从而让“个人贡献”更有可能达到摆脱平庸引力的逃逸速度。

2. 资本配置的效率：从“补齐短板”到“配置优长”

这是一个关于“时间”这一硬通货的资源博弈。作为一个大厂基层经理，我的职责要求我必须将大量的时间投入到那些表现不佳的成员身上，因为管理者的 KPI 包含“辅导”与“人才成长”。

但在我关于 2026 年 IC 转型的构想中，我将拥有这种**“选择性协作”的自由**。

• 假设： AI 的介入像是一个高效的金融系统，它大幅降低了“单兵执行”的门槛。这让时间像金钱一样在系统中更高效地流转——我不再有道义上的义务去修补低效的协作链路，而是可以精准地挑选和享用别人最优质的时间产出。如果协作达不到预期，我可以迅速撤回投入，转向利用 AI 自行解决，从而确保我的“时间资产”始终配置在 ROI 最高的地方。

3. 从线性延展到非线性创新：深耕业务的“大局观 IC”

传统逻辑认为，经理人站在高处看全局，而 IC 只是低头干活。但管理者往往受困于团队当前的资源边界和排期，他们的决策逻辑通常是“线性的延展”——在现有轨道上多加一点资源。而一个由 AI 释放了执行负担的顶尖 IC，反而拥有了观察全局的“奢侈时间”。

• 假设： 正因为 IC 不必陷入无穷的会议，他们可以利用 AI 快速阅读跨团队的代码、梳理复杂的业务链条。这种深度和广度的结合，让他们能提出具有“非线性”特征的方案。这种创新不是在旧系统上修补，而是通过看穿系统底层的逻辑缺陷，实现结构性的重构。正如 「非线性成长」 (The Staff Engineer’s Path) 所暗示的，真正的 Staff Engineer 价值在于：他们能用一个精妙的、跨团队的技术方案，解决掉经理人即便雇佣十个人也解决不了的系统僵局。

预备期的心态演练

因为转型尚未发生，我目前的工作重点是“心态的预置”。我正在通过阅读和实操，尝试回答这些令我忐忑的问题：

• 关于“权力感”的去魅： 我是否能接受失去行政上的“决定权”，转而通过 「非线性成长」 (The Staff Engineer’s Path) 中提到的“专家影响力”来推动事情？也就是lead without authority。
• 关于“专注力”的戒断： 我是否已经准备好告别那种管理者的、被 「深度工作」 (Deep Work) 批判的“碎片化忙碌”，重新建立起需要高度耐力的产出习惯？
• 关于“反馈感”的重构： 朱莉·卓（Julie Zhuo）在 「成就」 (The Making of a Manager) 中提到，经理人的反馈回路极度延迟（你可能要半年才知道团队带得好不好）。回归 IC 意味着我将重新拥抱那种“极短、确定”的反馈感。我是否准备好重新习惯这种由于个人直接交付而带来的即时成就感（或挫败感）？

我目前还在逐渐加大AI工具在我日常工作流的比重和效率，以我目前vide coding的感受，可以很放心地将AI coding agent视为一个非常有能力的初级工程师——给它一个有清晰的目标的明确任务，它可以完成地非常好。但缺乏中级工程师的主动以及任务的范围一旦扩大就有改坏代码库的可能性，在修改混杂对的和错的代码的过程中，往往会丧失更多的时间。这当然有可能是因为我目前AI工具的“融合度”不高，所以我很期待AI可以基本完成中级工程师性质工作的那一天到来。

写在转型之前

这篇文字是我在 2026 年转型前夜的一份“立此存照”。现在的我，倾向于认为 AI 是一种比人力管理更高效、更低损耗的杠杆。但这究竟是一个深刻的洞察，还是一个对管理压力产生的过度乐观的逃避？我尚不知道答案。

在Google这一环境决定了我的视野，也决定了我的局限性。在大厂这种人才极度密集、组织高度复杂的环境下，我所感受到的“管理杠杆”与“沟通损耗”具有其特殊性。管理工作的重心往往在于确保千百个微小的节点能够合力推向同一个方向。正是在这样的背景下，我开始反思：当 AI 赋予了个人前所未有的执行深度时，这种传统的大型组织管理模式是否依然是影响力输出的最优解？

我将在 2026 年正式启动这个实验。届时，我会带着这一年的实操经验回到这里，写下那篇“姊妹篇”。在那之前，我会继续通过主题阅读和 AI 实践，为这次杠杆置换积累足够的砝码。