人不会全失业，但公司中层会被干掉

企业内部最贵的东西之一，是协调。开会、对齐、汇报、审批，本质全是"人传人"。
AI 代理能直接把协调干掉。
人不会全失业，但公司中层会被干掉。站在一线、离问题最近的人最吃香，开始像小老板一样派活、验收。

前几天读到一篇长文，讲一家叫Databricks 的公司。

数字先摆出来：一年70 亿美元的进账，一年涨80%，估值1900 亿美元。

1900 亿什么概念，就不用换算了。

但你到街上问一圈，十个人里未必有一个听过它的名字。

我读完那篇长文，感受最深的是两点。一是这家公司干的事，恰好踩在 AI 时代最要命的位置上。二是顺着它这一路走过来的历史看，"我们以后上班到底在上什么班"这个问题，它比谁答得都清楚。

先说它干嘛的。

一句话：给 AI 建粮仓的。

企业里最值钱的东西是数据——客户记录、交易流水、库存、报表。可这些数据从来都是乱的：有的存在这套系统里，有的存在那套系统里，格式不一样，记账的规矩也不一样，谁也用不了谁的。

Databricks 干的就是把粮仓统一起来这件事。

它的历史特有意思，四步，一步比一步大。

第一步，2010年前后，伯克利的一帮研究员搞了个工具叫 Spark，能让老机器跑数据快上10 倍。这工具没锁起来，谁都能免费用、随便改。2013年，他们拿着它创办了公司。

第二步，2020年，他们提出Lakehouse，直译叫"湖仓一体"。这得先说行业里的两套老大难：数据仓库，东西码得整整齐齐，查起来快，就是死板，新格式的东西放不进去；数据湖，啥都往里扔，能装，可一多就乱，要用的时候捞不出来。企业两套系统各养一摊，钱花两份。Lakehouse 干的就是把这两摊并成一摊：又整齐，又能装。这一步让公司年收入超过15亿美元，一年翻倍。

第三步更有意思。2025年，他们收购了一家公司，做了个叫 Lakebase 的东西。以前企业动数据库，跟高空走钢丝差不多，改错一个数，底下全出事。Lakebase 让你先复制一份出来，随便改、随便试，试好了再换回去——就跟写文章先存个副本，改砸了也不怕。

第四步，也就是现在：AI 代理上场了。AI代理，就是能自己领任务、自己动手干活的 AI，不是你问一句它答一句那种。

长文里有个数字，我盯着看了半天。

每天，有1700 多万个数据库，是被AI 代理自己启动的。

不是人开的。是 AI 自己开的。

这个数字背后是一件事：AI 不再只是回答问题的工具，它开始在企业里干活了。干活，就得有地方放东西、记东西、查东西。

长文里那位创始人 Ali 说了句话，我把大意记下来了：他们的 Lakehouse，是"代理的系统记录"。翻译一下：AI 代理在企业里干活，得有个户口本。它干了什么、依据什么数据、花了多少钱、做对了还是做错了，全都得记在企业的账上。

谁掌管这本账，谁就在 AI 时代说了算。

为此他们做了一整套东西：Genie，让不懂技术的业务员，用大白话就能查数据；一个管着 AI 干活的平台；还有个门禁系统，每个 AI 进来先发工牌、发预算——这是谁的 AI、干了多少活、花了多少钱，一笔笔都算得清。还有个细节特别妙：他们提前把公司的门道整理成手册，AI 回答前先翻一遍，准确率从50%提到84.5%。

光这一下，就是一个产品。

然后是这家公司最传奇的一段。

大约十年前，有人出价收购 Databricks，开的价是当时估值的6 倍左右。

Ali 拒绝了。

长文里说，这是他这辈子最好的决定。当年看是疯了，现在看——公司涨到了1900 亿。

但这段故事里，真正在意的不是"拒绝收购"这个动作本身。

是长文往下走的那几段判断。

它引用了一个人几十年前的说法：现代企业是被"专业的管理层"接管的——老板出钱，职业经理人管事，员工干活，层层汇报，一层对一层负责。

而 AI 代理正在拆的，就是这个结构。

因为企业内部最贵的东西之一，是协调。开会、对齐、汇报、审批，本质全是"人传人"。

AI 代理能直接把协调干掉：任务描述清楚，它去拆解、执行、盯结果。同时它还能替企业出去找供应商、谈价格、盯交付。

而最终的判断是：人不会全失业，但公司会变扁——中间那几层薄了，站在一线、离问题最近的人，重新能自己拍板、直接干活。文章管这个叫"第二次管理革命"。说白了，不是人人都得去学写代码，而是更多人开始像小老板一样派活、验收。