Alexandr Wang 為何讓200多人直接匯報?Meta AI 團隊的扁平管理與技術分工
Alexandr Wang 在 David Senra 訪談自述兩百多位直屬,仍保留研究小組與技術領導。分清人數範圍、探索與固定作業,思考小團隊如何減少等待而不省略責任。
Alexandr Wang 在訪談中說,有兩百多人直接向他匯報,這是刻意設計的組織方式。
這段來自十月十一日 David Senra 的完整訪談,討論他如何經營 Meta 的 AI 研究團隊,最近又隨剪輯在 X 流傳。
只看直屬人數,很容易把他的主張理解成不要主管,但原話同時保留了研究小組與技術負責人的決策角色。
因此,這個案例值得拆開看的是行政匯報、技術方向與工作環境如何分工,而非把兩百當成理想管理幅度。
對想減少層層核准的團隊,可以借用明確決策與減少等待的思路,卻不能省略指導、協調與成果責任。
先回到完整訪談的用詞,才知道這種扁平設計到底拿掉了什麼。
Alexandr Wang 說的200多位直屬,範圍是什麼?
他描述的是 TBD研究群組的匯報關係,並非公布 Meta 全公司的組織圖。
Wang 是 Meta 首席 AI 官。David Senra 官方單集頁將這場訪談列於 2026 年 10 月 11 日,討論他如何讓研究人才專注工作。
原片約一小時九分二十九秒,他回答主持人的人數問題,語氣是估計有兩百多位直屬。接著才解釋,他聘入TBD研究群組的研究者,直接向他匯報。
因此,這個數字應連著說話者與群組範圍閱讀。它是 Wang 的親述,能支持他如何描述自己的研究組織,無法用來推估 Meta 全公司的人資規模。
直屬人數,沒有直接告訴我們每天怎麼工作
匯報關係回答的是工作往哪裡回報,不會單獨說明每個研究問題由誰判斷。一張平面的組織圖,仍可能包含不同任務、合作與技術分工。
假設一個團隊的研究者都向同一位負責人匯報,平常仍可能和不同同事共同實驗。正式直屬關係相同,不代表每件事都要等最高負責人逐項指示。
這也是只截人數容易產生的誤會。若把直接匯報理解成所有技術細節都由一個人親自決定,就會忽略訪談後面保留的小組結構。
他想拿掉的是什麼摩擦
Wang 把這項安排連到反官僚與高人才密度,也就是讓團隊集中有能力的成員。他希望研究者能做出自己的工作,不必靠細密的日常控制才開始行動。
官僚在這裡可以理解成層層轉述與程序造成的負擔。減少這種負擔,不等於取消必要的協調,更不等於任何人都不需要對成果負責。
對讀者較有用的問題,是一個決定原本為什麼需要經過那麼多人。如果每層都補上必要資訊,拿掉層級未必更好;若只是重述同一內容,才值得調整。
先把人數與實際決策路徑分開,才能看出這個案例談的是哪種管理選擇。否則複製相同直屬數,可能只是讓等待集中到同一個人身上。
匯報關係變得扁平,仍需要有人決定技術方向。
扁平匯報為什麼仍保留技術負責人?
訪談把人事管理與技術領導分開,小組負責人仍需處理技術取捨。
在官方完整訪談的相關段落,Wang 說團隊仍有 pods,也就是分組工作的研究小組,並由 technical leads 設定清楚方向、處理技術決策的取捨。
技術負責人不只是把消息往上傳的人。他需要對研究方法與路線有判斷,當選項不能同時成立時,協助小組形成可以執行的決定。
這讓兩種工作分開:人事與行政匯報可以直接,技術討論則在適合的小組內展開。扁平組織因此仍有領導角色,只是不能只從直屬關係推算。
討論可以開放,決定仍需要落點
Wang 也提到團隊重視辯論與集體判斷,希望聽取成熟研究者的看法。這與小組技術負責人拍板並不衝突,因為提供意見與決定如何推進是不同工作。
假設小組要比較兩種模型訓練方法,成員可以各自提出證據。若資源只夠做其中一項,就需要有人說明選哪個、捨棄什麼,以及什麼結果會讓選擇改變。
如果沒有這個落點,開放討論可能一直重複,沒有人知道是否可以開始。反過來,若只剩命令而沒有討論,也可能讓熟悉細節的人無法提出重要反例。
因此,值得借用的不是討論越少越好,而是讓資訊能進來,決定也能出去。最後要留下的是採取哪條路線,以及下一次用什麼證據回看。
技術領導需要貼近正在發生的問題
同一位最高負責人不一定有足夠時間理解每個實驗細節。讓熟悉工作的技術領導處理取捨,有助於避免所有小問題都排隊等同一個人處理。
但小組之間若共享資料、運算資源或模型版本,就仍需要協調。單一小組做出合適選擇,不代表其他小組能立即配合,所以決定還要連回依賴關係。
這些關係沒有在組織圖上消失,只是需要另外寫清楚。誰能決定方法、誰需要知道變更、遇到跨組衝突找誰,會比多一個職稱更直接影響工作。
這種分工能否成立,也取決於人才與工作性質。
研究探索與固定作業,為什麼不能照同一套管理?
探索需要容納不確定的嘗試,固定作業則更依賴穩定流程與持續優化。
在一小時八分附近,Wang 用找鑽石與蓋高樓作比喻。研究探索可能依賴少數重要發現,資料作業則較像持續把流程做穩、把每一步改善。
這是在解釋他看待兩種工作的差異,不是把所有研究與資料業務都分成固定定律。同一個團隊也可能同時有探索與必須穩定交付的任務。
探索要保留試錯,還要知道學到什麼
假設小組正在尋找新的模型方法,第一次實驗沒有變好,仍可能排除一個不適合的方向。若只把成功或失敗當成唯一評價,就可能漏掉有用的研究資訊。
因此,可以先說清楚這次嘗試要回答哪個問題。結果出來後,再看哪些假設被支持、哪些需要放棄,避免把沒有成果與沒有學習混成同一件事。
但允許試錯也不代表無限投入。研究仍有資源與時間限制,需要決定何時停止一條路線,以及何時把有希望的線索交給更多人驗證。
技術負責人在這裡的重要性,是幫助分辨哪種失敗值得繼續追,哪種只是重做相同嘗試。這種判斷很難由一個固定日報數量取代。
固定作業需要另一種可靠性
假設同一組人也負責每天交付一批資料,接收方需要的是格式、版本與時間穩定。今天採用一種新方法,若讓後續程式無法讀取,就不能只說探索值得鼓勵。
這時流程的價值在於讓大家知道預期結果與異常處理。每次都重新討論最基本做法,反而可能增加等待,因為合作對象無法提前安排。
因此,扁平與流程不必二選一。探索部分可以保留方法自由,固定交付部分仍可有共同格式與完成條件,兩者解決不同的不確定。
對小團隊而言,先辨認哪種工作在探索、哪種工作已承諾交付,比直接套同一套管理口號更有用。決策方式應跟問題走,而不是只跟組織圖走。
工作不同,減少管理層級後需要補上的支持也會不同。
少一層主管後,哪些工作仍然需要有人負責?
協調、指導、資源安排與衝突處理不會隨組織圖變平而消失。
當正式匯報變得直接,研究者仍可能遇到卡關、資源不足或合作意見不同。若沒有清楚接手的人,問題可能從一層主管桌上,轉到所有人的聊天訊息裡。
Wang 在訪談末段也承認,若說自己是兩百多人的最佳管理者,並不真實。他的理由是這些成熟人才更需要好環境,讓他們有空間發揮。
這個前提值得保留。能自行判斷工作方向的人,與剛進入領域、需要密集回饋的人,對支持的需求可能不同,不能只因職稱相同就用一種安排。
自主與指導要能同時存在
假設新同事接手一項實驗,沒有任何人負責檢查資料與方法。他或許能自由開始,卻可能直到很晚才發現方向不符,返工反而變多。
因此,可以讓工作者保有方法上的選擇,同時指定誰協助釐清目標、何時回看重要結果。這種支持不一定要靠增加匯報層級,但不能沒有人做。
成熟成員也需要回饋。當不同小組對同一份資料有不同理解,若彼此只管自己的結果,最後仍可能產出無法接在一起的成果。
資源分配不能只靠誰比較會催
運算資源、資料與跨組協助都是有限的。若每個人直接找最高負責人,回應速度可能取決於誰先傳訊息,而不是哪項工作最重要。
團隊可以把衝突條件寫清楚,例如哪種任務有已承諾的交付、哪種實驗可以稍後重跑。這是本文的管理分析,並非 Meta 公布的內部規則。
另一項容易被忽略的工作,是決定後把背景交給需要配合的人。小組內已經討論完,外部合作方卻不知道版本改變,仍可能造成同樣多的返工。
所以,少做一輪形式上的報告,最好同時留下更短、更可用的決策記錄。記下目標、採用理由與影響範圍,接手者才不用重新找每位參與者問一次。
把這些責任寫清楚,才適合用小範圍比較新的工作方式。
一般 AI 團隊可以借什麼,又不該照搬什麼?
可以先縮短一項決策的等待,不必直接複製兩百人直屬的數字。
第一步可以選一項經常等待的決定,例如某類實驗是否可以開始。先觀察它從提出到可行動,中間經過哪些人,每位參與者補上了什麼資訊。
如果其中幾步只是把相同內容往上送,便可以試著把決定權移到較貼近問題的人。但若某一步在檢查其他團隊的依賴,就要先保留這項功能。
用一個可回看的決策做比較
假設小團隊要改一項資料處理方法,可以先由指定技術負責人比較選項,再通知受影響的同事。目標是縮短等待,同時讓相關人知道何時需要配合。
這是小範圍的試行建議。開始前先記下原本的等待、需要補問的問題與返工原因,改變後再用相同口徑觀察,才知道改善發生在哪裡。
不必一開始就設定漂亮的提升百分比。若原本連等待發生在哪一步都不清楚,先把流程看見,就比直接宣稱扁平可以加速更有用。
快一點之外,也看有沒有把工作推給別人
一項決定很快作出,後續卻要其他小組臨時配合,總等待未必減少。因此應把提出問題到成果能被接手的整段時間一起看。
也要看指導與衝突處理是否仍找得到人。如果成員因為不知道問誰,只好反覆猜測,自主增加的同時也可能增加孤立,這不是想保留的結果。
當新安排讓等待變短,但重要背景沒有漏掉,才值得擴大到其他決定。若卡點只是從中層移到最高負責人,就需要重新分配決定權,而不是增加直屬人數。
對一般團隊,最值得帶走的是技術領導、行政匯報與合作支持可以分開設計。每一種安排都應回答某個實際問題,不必全部綁在同一位主管身上。
最後保留一個清楚的檢查:下一位接手的人,能否說出誰決定、依據是什麼,以及遇到例外找誰。這些答案比組織圖上畫了幾層,更能說明工作是否容易推進。
當等待變短、責任仍清楚,扁平才成為工作改善,而非一張新的組織圖。
Alexandr Wang 扁平管理常見問題
Alexandr Wang 的兩百多位直屬代表 Meta 全公司嗎?
不是。他在訪談描述 TBD研究群組的匯報關係,人數也是他的親述,不能當成 Meta 全公司的人資統計。
直接匯報代表沒有技術負責人嗎?
訪談仍保留研究小組與技術領導,由後者設定方向、處理技術取捨,也重視成員討論與集體判斷。
一般小團隊應該照搬兩百人直屬嗎?
應先找出哪一項決定在等待,再看能否縮短流程。直屬數本身沒有證明指導、協調與成果交付已改善。
怎麼判斷扁平安排是否有用?
比較同類決策的等待、依賴與返工,同時確認指導和例外仍有負責人,不能只看會議或主管數量。
先減少等待,再討論管理幅度
這段訪談提供的是一種研究組織的思路:把技術決策留在適合的位置,替成熟人才減少不必要的阻礙。一般團隊可以先改一項經常等待的決定,保留支持與交付責任,再用自己的工作紀錄判斷是否值得擴大。
想持續看 AI 團隊、工具與研究如何走到實際工作,可以免費訂閱 AI 郵報。
延伸閱讀
延伸閱讀:AI 創業機會在哪?Alexandr Wang 談小團隊如何把模型能力變成生意
延伸閱讀:Palantir 為何發給新人一本表演書?Alexandr Wang 舊訪談引熱議,揭示企業 AI 的信任門檻