曾鸣：制度越是根深蒂固，越会成为用AI的障碍

来源：市场资讯

（来源：华夏基石e洞察）

AI是场生产力的大变革，也必将催生组织的大变革。当AI智能体越来越强大，开始成为人的全面合作者，而不仅仅是工具时，基于传统科层制管理的公司制度将坍塌。我们将迎来智能组织的时代：组织的核心目标不再是提高管理效率，而是架构人和AI高效协同的学习系统，推动组织智能的发展，全面提升决策质量。

01

从公司到智能组织：

AI 时代的组织范式变革

如果你是一位管理者，过去一两年里，可能已经反复遇到这样的时刻。

一方面，你清楚地知道世界在变。AI的能力在快速提升，很多过去需要几个月甚至几年才能完成的事情，现在几周就能看到结果。你也在努力推动变化：引入新工具、强调创新、鼓励学习。

但效果甚微。AI的投入越来越高，员工使用AI的比例在上升，AI编码的比例也在上升，但企业的实际效能并没有多少改变。而另一方面，那些年轻的AI创业者们正在以越来越恐怖的速度改变着这个世界。

到底怎么办才能真正拥抱AI，成为这个新世界的弄潮儿？

首先，我们必须理解，AI这场技术革命的本质是让海量供给智能的成本趋向于零。其次，这样一场远超工业革命的生产力大变革，必然推动生产关系的大变革，推动相应的组织大变革。我们如此熟悉的公司制度，才是我们用好AI的最大障碍。

02

公司的起源

“公司”看起来如此自然，以至于很少有人追问：为什么人类要用这种方式协作？但在工业革命之前，手工作坊、行会、松散的项目协作才是常态。师傅带徒弟，靠经验、默契与个人判断。

工业革命改变了一切。蒸汽机、纺织机、流水线出现后，人类第一次需要在大规模上，把大量并不熟悉的人、资本和机器稳定组织起来，持续生产标准化产品。最大的挑战不是“如何更聪明”，而是如何不出错、保持一致、可控。工厂制度、岗位分工、层级结构、流程控制由此成形——它们的核心价值不在于激发创造力，而在于压缩不确定性。

后来，随着生产活动从体力劳动转向脑力劳动，这套制度被不断精细化。目标分解、绩效考核、矩阵结构，本质上都在回答同一个问题：如何在更大规模上，协调人类有限而不稳定的智能？IT革命进一步把这些管理逻辑嵌入系统，让公司可以跨部门、跨区域、跨时区运行。到这个阶段，“公司”已完全成为大家生存的环境，与资本市场、科层制管理高度耦合。

然而，这次我们面对的是生产力结构的根本变化。

03

AI 改变的不是效率，

而是价值从哪里产生

过去几年，AI 被大量讨论，但很多讨论都集中在“效率提升”上：写代码更快、做分析更便宜、生成内容更容易。这些变化当然重要，但它们并不足以解释，为什么组织层面会出现如此强烈的失衡感。

真正关键的变化，在于智能本身的生产方式发生了改变。

在人类历史上，判断、推理、创造、组合知识，一直是高度依赖个体经验和长期训练的能力。它们稀缺、昂贵、不可复制。因此，组织才需要围绕“人”来设计复杂的结构：谁负责判断，谁负责执行，谁来协调，谁来兜底。组织竞争力主要来自两点：一是人力规模，二是管理效率。谁能更好地管理更多的人，谁就能创造更大的价值。

而AI 的出现，正在打破这一前提。当判断可以被模型部分承担，当分析可以被系统持续生成，当执行可以被智能体接管，智能开始以接近零边际成本被生产出来。大量原本依赖人类完成的知识性、判断性工作，开始系统性地被AI接管。真正稀缺的人类能力，反而变成了高质量的判断、价值取舍与原创性探索。换句话说，价值不再主要产生于“把事情做对”，而是产生于决定做什么、不做什么，以及如何在高度不确定的环境中持续修正方向。

当执行不再稀缺，管理执行的价值就会下降；当智能可以被规模化生产，组织的竞争力就不再取决于“控制得有多严”，而取决于人和AI如何协同，才能推动群体智慧涌现的速度与高度。

04

组织的三次跃迁：

从生产力革命、管理革命，

到正在到来的创造力革命

如果只从眼前的技术变化来理解AI 对组织的冲击，很容易低估它的深度。因为组织形态的变化，从来不是由某一项技术直接触发的，而是由生产力结构发生根本变化之后，被迫进行的整体重构。

要理解今天正在发生什么，有必要把视角拉回到更长的历史周期中。

管理学大师彼得·德鲁克曾经用一个非常有启发性的框架，把现代社会的组织演化分成三个阶段：生产力革命、管理革命和知识革命。这个框架并不是为了划分年代，而是为了说明：每一次组织形态的根本变化，背后都有一次生产力要素的结构性转移。

第一阶段：生产力革命：当机器取代体力，工厂取代作坊

第一次真正意义上的组织革命，发生在工业革命时期。蒸汽机、纺织机、内燃机等动力机械的出现，使得人类第一次可以稳定、持续地把自然能量转化为生产力。但问题随之而来：这些机器只有在规模化、连续化的运作中才具备经济性。

这直接催生了工厂制度。在工厂里，最重要的不是个体能力，而是整体合作的稳定性。于是，标准化流程、岗位分工、层级结构成为必然选择。它们的核心目的，并不是让每个人更聪明，而是让系统整体不出错。在这个阶段，组织的本质是一台机器，人是机器的一部分。

管理的任务，是让这台机器稳定运转。

第二阶段：管理革命：当协作规模扩大，管理成为通用技术

进入20 世纪之后，企业规模迅速扩大，跨部门、跨区域、跨供应链的协作成为常态。问题不再只是“怎么生产”，而是“怎么协同”。

这时，管理本身开始成为一门专业。目标管理、职能制、事业部制、矩阵结构、预算体系……这些管理创新，并不是为了追求更复杂，而是为了回答同一个问题：当协作规模不断扩大时，如何让组织依然可控？

在这一阶段，管理的价值在于解决内部合作的复杂性。通过层级、流程和制度，把分工和合作，评估和激励等根本矛盾处理好。可以说，现代公司制度，正是在这一阶段被彻底定型的。

第三阶段：知识革命：知识工作者登上舞台

从20 世纪下半叶开始，IT 革命推动人类社会进入知识密集型阶段。软件、信息系统和专业知识，成为企业竞争力的核心来源。德鲁克在这一阶段提出了“知识工作者”的概念，并预见到一个重要变化：当知识掌握在个体手中，组织必须用不同于工厂时代的方式来激励和协同他们。期权制度、项目制、扁平化尝试，都是这一阶段的组织创新。但需要注意的是：即便在知识革命中，公司制度并没有被颠覆。原因很简单——尽管知识变得重要，但知识的生产、整合与应用，依然高度依赖人类个体本身。管理依然围绕“人”展开，只是管理对象从体力劳动者，变成了知识工作者。

05

正在发生的第四次跃迁：创造力革命

AI 的出现，使我们第一次站在一个完全不同的门槛上。

它并不是简单地提高了知识工作的效率，而是开始直接介入判断、推理、组合和生成知识本身。换句话说，智能这一过去高度稀缺、只能附着在人身上的能力，开始以接近零边际成本被生产出来。

这意味着什么？意味着过去支撑公司制度存在的一个最根本前提，正在松动——“智能只能来自人，而且稀缺。”当这个前提不再成立，围绕它构建起来的一整套组织逻辑，就必然会出现结构性张力。

在这个新的阶段，人类的价值创造主要通过：提出真正有价值的问题；定义价值观；在多种可能性之间做判断和取舍；在高度不确定的环境中承担责任；以及持续学习和重构认知框架等。

这正是为什么，我把正在发生的这一阶段称为创造力革命。这里的“创造力”，并不只是狭义的灵感，而是指：在不确定环境中，持续生成新理解、新结构、新路径的能力。

06

为什么公司制度在这一阶段必然失配

回到组织层面，就会发现一个非常清晰的结论：公司制度，是为前三次革命设计的。而今天，我们已经进入了一个它从未被设计来应对的阶段。当执行可以被系统接管，当判断需要在更靠近现实的地方发生，当学习速度决定组织生死，层级、流程和控制，就不再是效率工具，而开始成为摩擦源。传统科层制管理在价值创造中的作用大幅降低。智能组织开始崛起。

理解这一点，对管理者来说非常重要。因为它意味着：我们面对的，并不是一个“改进管理方法”的问题，而是一次组织范式层级的迁移。管理者的角色也需要发生根本性的变化。接下来要讨论的是：当智能成为核心生产力之后，组织这一物种，正在向什么方向演化。

07

从知识工作者到创智人才

由于AI正在逐步取代越来越广泛的知识工作，传统意义上的知识工作者正在被“创智人才”取代。创智人才可以是顶尖专家，能够创造新的知识，拓展人类知识的边界；或者特别擅长跨界链接和创造，能够打破人类原有的认知结构；第三类是领导者，能够推动协同和决策。

他们今天常被称为“超级个体”，都有很强的主观能动性：面对困难，不是被动接受，而是主动突破。这种积极主动性来自最底层的好奇心和改造世界的原动力。其次，他们的元认知能力强，擅长学习，擅长抽象建模，关心并且能看到问题的本质，习惯第一性原理的思考。

这样的人才，再加上强大的AI工具，产生了两个关键变化：一人多岗和一人多能，结果是一将顶千军。在传统的科层制公司里，岗位分工非常明确：需求拆解、方案设计、代码实现、测试验证、数据分析……做一件事情，往往要有七八个岗位配合才能完成。工业时代最强调分工与合作，分工越来越精细化，但合作越来越挑战。在AI时代，可能是完全反过来的。我们重新回到了一个通才时代。一个人借助好的AI工具，也就是调度不同的agent，可以把开发、测试这些全部做完，不需要七八个人围绕着你转。新型的AI公司甚至都没有这些传统岗位。

第二个变化是，一个人能够做很多事情，不受传统专业的限制。我熟悉的一位创业者，自己动手做了很多AI agent——从达人销售到产品经理的面试，再到财务和运营。同时他也带动公司员工主动学习做agent。

由于AGI消化吸收了人类所有的已知知识，顶尖人才的学习成本大幅下降。他们可以利用自己超强的元认知能力和AI工具，快速学习各个领域的知识，提出原创的解决方案。历史上，丰富的经验是重要的壁垒，但现在，快速学习能力使得高认知碾压高经验。顶尖人才的时间稀缺性部分被打破，个人能力优势被极大地放大。

一人多岗和一人多能，成就了越来越强大的“超级个体”。而超级个体的出现大大减少了扯皮的事情——没有必要跟这个经理谈怎么分配资源，跟那个人聊“你为什么不配合我”。这些合作上的问题都没有了，一个人通过AI就把这些都干了。

管理成本急剧下降，组织规模大幅缩减。几个人，甚至一个人就能做很大的事情，所以才有“一个人的独角兽”的提法。

08

从“管理人”，到“设计人机协同系统”

在传统管理语境中，组织设计的核心问题始终围绕着“人”：如何分工？如何激励？如何考核？如何控制风险？管理，本质上是一套围绕人类执行力展开的技术体系。

但当AI 开始承担越来越多执行性、规则性、可形式化的工作之后，这个前提发生了变化。组织中的关键瓶颈，不再是“人是否愿意做、能否做好”，而是：人类与人工智能之间，如何协同判断、协同学习、协同进化。

把AI 当作工具嵌入旧流程，只能带来局部效率提升。真正的结构性变化，来自于让 AI 成为组织运行的一部分。当AI 智能体能够独立完成完整任务、能够在多个任务之间被调度、能够持续吸收反馈并优化行为时，组织开始呈现出一种新的运行形态：人不再是流程中的执行节点，而是协同系统的设计者与判断者。

在这种结构下，人类的核心价值不在于“亲自把事情做完”，而在于：

• 定义目标与约束

• 提供价值判断与优先级

• 设计人机协同的边界

• 对不可形式化的问题负责

管理的角色，也随之发生变化：它不再是分配任务、监督进度、纠正偏差，而更像是在设计一套能持续产生高质量判断的协同系统。

09

组织OS：未来组织的智能基础设施

这套协同系统，要解决的一个非常底层的问题是：组织如何记忆、如何学习、如何持续进化。

所谓组织OS，并不是某一款具体的软件，而是一整套支撑组织协同、决策与学习的基础设施。它至少需要承担四类功能：

第一，组织记忆。重要的决策背景、假设、分歧、失败与复盘，需要被结构化地沉淀下来，成为组织可以反复调用的资产，而不是随人流动。

第二，协同调度。无论是人还是AI 智能体，都应当被视为"能力节点"，其调用与组合不再依赖固定岗位，而依赖任务本身的需求。

第三，反馈与归因。组织必须能够持续把真实世界的反馈接入系统，理解哪些判断有效、哪些假设失效，从而调整下一轮行动。

第四，治理与边界。权限、安全、责任归属、审计机制，并不会因为AI 而消失，反而会变得更加重要。自由度越高，越需要清晰的边界设计。

在这样的系统中，组织开始呈现出一种类似“神经网络”的形态：个体与智能体是节点，协作是连接，反馈驱动权重调整，整体行为不断被优化。

AI原生组织天然是一种学习型组织。过去几十年，许多公司都在努力打造“学习型组织”，但收效甚微，根本原因就在于缺乏必要的技术与机制支持。当学习无法被系统性地记录、回放和改进，它就只能停留在口号层面。当组织 OS 成为基础设施，学习才第一次从“人的自觉”，变成“系统的属性”。

没有组织OS，“共创”不过是高级形式的开会——依赖默契、损耗信息、难以沉淀。正如1960年代提出的“隐性知识”困境：我们知道的比说出的多，说出的比记录的多，而AI只能处理被记录的。打破这一困境，需要人做“不舒服”的事：知识数据化、讨论结构化、实验可追踪、决策模块化、反馈输入系统。这也是为什么现在各种AI录音、AI文字处理工具变得如此重要：你希望把所有说出来的话都能实时记录下来，被处理。只有能被处理的知识才有价值。

组织OS的目标就是建立一个组织的数字孪生。个人的经验、知识、认知、能力都在工作过程中自然地被组织吸收、转化、运用，成为组织的知识库和能力。而组织的所有这些知识和能力都可以被所有人问询和调用（当然有安全和权限设置）。组织系统本身就提供了完整的context for everything。

因此，人机协同真正难的，不是单个个体对AI工具的使用，而是组织的记忆能不能沉淀下来。每个人的思考和行动，人与人之间的各种互动，能不能被组织OS沉淀下来、处理好并及时被调用，是未来智能组织的关键。在新型组织里，员工离职带来的损失大幅减少，新员工入职后快速融入的时间和成本也大幅降低。这是新组织的运行特征使然。因为员工的日常工作就包含和各种agent互动，所以他们的知识，经验，认知，能力，都通过一次次决策和交互，自然在系统中沉淀下来。

未来组织是协同创智人才和智能体的复杂网络系统，核心目标是群体智慧的涌现。组织的主导原则是共创——一群志同道合的创智人才一起努力，持续学习提高，协同实现一个共同的目标。共创需要建立相应的文化、制度和工具。最重要的工具就是组织OS。

群体认知能达到的高度和提升的速度，决定了组织的竞争力。过去我们说，一个组织成长的上限是CEO突破自己的能力；现在其实是整个团队和这个有机的组织系统，决定了群体智慧涌现的速度和高度。这是一个更高、更难的挑战。未来组织就是能够持续共创、持续演进、持续增强的智能网络。正如Sam Altman去年所说，未来能够发光的组织，是能够让人和AI一起共同演化的组织。我把这种“共同演化”具体化为：能够共创这样一个新的协同智能网络。

10

前沿创新的样本

Anthropic是最成功的几家大模型公司之一。Steve Yegge在访问了Anthropic内部几十名员工后，提出这家公司如此成功的原因是他们找到了AI时代新的运行模式。组织很像蜂巢：一群快乐的蜜蜂，都在积极地工作，贡献自己的想法。每个人都要努力减少自我的意识，并尽可能地透明。他们愿意这么做，因为他们知道他们在改变世界，而且周边都是同样优秀的同事。

公司没有中心化的决策系统，也没有常规的组织结构。表面上很混乱，但实际上非常高效。真正的协同是靠"vibe"（内部人都理解的各种信号）。一旦有个想法被认同，资源就会快速向这里集中，大家就像围坐在一堆篝火旁，即兴创作，一起把这个产品雕琢出来。整个公司通常围绕着几堆篝火在共创，而新的想法也不断产生，并被尝试和选择。他们今年的大爆品Claude Cowork，在有了最初的想法后，十天就上线了。

而一些传统大公司，也在试图创造类似智能组织的各种机制。Nvidia就是个案例。黄仁勋维持了一个灵活的组织架构，没有设立固定的部门或等级制度。高管团队没有常见的COO、CTO、CMO这样的角色，相反，他直接领导一度达到60余人的直接下属团队，其中大多数人承担着灵活多变的职责。

黄仁勋强调极度透明的重要性：“我的职责就是确保每个人都接收到了同样的信息”。未来领导者的重要责任，是让员工尽可能有完整和一致的决策背景信息，从源头对齐。从2020年开始，黄仁勋要求公司每位员工每周五提交一份清单，列出他们手头最重要的五件事，供他随机查阅。其核心目的就是在公司常规信息流之外，了解员工当下的判断。这种分布式判断既有可能提供非常有价值的决策启发，也可以帮助了解员工的能力。

11

智能组织发展五个阶段

智能组织的本质是人和AI协同的学习系统。现在大部分人理解的“公司AI化”，只是让更多的人用好AI工具，但这仅仅是第一步。单个个体用好AI工具，是大家当前努力的重点，但不是未来。

第二步是让AI自主完成一项完整的工作，也就是AI智能体能够取代人独立工作，或称为硅基员工上岗。麦肯锡全球CEO在2026年一月的公开对谈中提到，公司目前有四万人类员工和2.5万的AI智能体。AI已经超过其整体“劳动力”的三分之一。麦肯锡内部并不把这些AI智能体当作IT工具，而是嵌入日常工作流程的“长期协作者”。作为传统公司中知识密集型的代表，今天的麦肯锡，正在向一种人机混合的智能型组织。

第三步，AI agent之间需要实现高效的协同。不同类型的任务可能依赖不同AI的技术，但关键在于：不同的agent之间如何互相合作？如何调用彼此的结果？在人不干预的情况下，它们将完成越来越复杂的任务。最终，运营性的工作都将由AI完成，也就是由一个复杂的agent系统来承担。

第四步，人类员工与AI之间该如何合作？什么东西该由人做，什么东西该由AI做，人与AI之间如何配合，权限如何设定，安全如何保证？这些领域会涌现出大量创新。

第五步，在上述变化发生的过程中，也就是硅基员工大量上岗的过程中，还能在这样的组织中发挥作用的人应该具备什么能力？人的身份感、成就感、驱动力会如何重构？人与人之间又该如何合作？这又是一个全新的课题。

真正的AI原生组织，是要回答这五个问题，而不仅仅是第一个问题。而且这五个问题是紧密关联的。组织OS就是同时实现3，4，5而需要的技术基础设施。

12

结语

回顾整篇文章，我们讨论的并不是某一种“更先进的管理方法”，而是一场更深层的变化：当AI 成为核心生产力之后，组织这一制度形态，正在经历一次系统性的重构。

新型组织相对于传统公司的优势，并不仅仅体现在降本增效上，而在于：它们能够通过不同的运行机制，实现整体效能的数量级跃迁。原本需要大量协调与管理成本的复杂任务，开始被更小规模、更高密度的人机协同系统完成。

更重要的是，这种组织会随着时间推移不断积累知识、经验与能力，其学习效果并非线性，而是呈现出持续增强的特征。传统公司的扩张，依赖人的规模化增长；而智能组织的成长，则更多依赖系统学习能力的指数级提升。

需要提醒的是，本文讨论的是最前沿的组织演化方向。即便在AI 创业公司中，真正走到这一阶段的也仍是少数。对大多数组织而言，这些变化并不是“当下必须完成的任务”，而是未来几年无法回避的大趋势。

对于创业者而言，它们意味着：组织不再是“等产品稳定后再考虑”的问题，而是决定学习速度与方向修正能力的底层结构。谁越早意识到这一点，谁越有可能在不确定性中保持主动。

对于广大管理者而言，它们意味着：真正的风险，并不在于今天是否转型，而在于是否仍然用工业时代的管理语言，去理解智能时代的组织问题。