返回首页
2025.07.06 02:57 约 9 分钟 中国 AI 力量

组织结构图还是博格结构图?

组织结构图还是博格结构图?

我们会欢迎我们的新机器人主宰吗?

阿里巴巴前董事长兼首席执行官马云在2017年曾著名地表示,他预计在未来30年内,会看到人工智能作为“年度首席执行官”登上《时代》杂志封面。

“30年后,《时代》杂志封面上,年度最佳CEO很有可能是一个机器人,“它记得比你牢、算得比你快,根本不会对竞争对手生气”。”——马云

时间表有些偏差,而且对于许多高管来说,变化的速度正在加快,远超他们的应对能力。

管理着全球最大对冲基金、资金规模高达1600亿美元的桥水基金,已经开始通过算法自动化公司大部分高层管理工作。创始人、亿万富翁雷·达利欧希望确保即使自己不在,公司也能继续按照他的指导原则和愿景运作。

总部位于香港的风险投资公司 Deep Knowledge Ventures(DKV)于 2014 年任命了一个人工智能为董事会成员。到 2017 年,“Vital”(Validating Investment Tool for Advancing Life)被认为使公司起死回生,并且 Vital 2.0 的开发工作已经开始。

2023 年,有报道称中国的网龙网络公司于当年 8 月任命 AI 程序“唐宇”为首席执行官,负责支持公司日常运营的决策。自被任命以来,这位“AI 驱动的虚拟人形机器人”在六个月内的业绩超过了香港恒生指数。

那么,如果高管职位都岌岌可危,当 AI 敲门时,处于他们之下的职位又有多少希望呢?

教别人做事

最简单的理解方式是从最底层看起。看看普通的职位描述,里面充满了关于职责和目标的项目符号——本质上,这些都是你在所属职能中必须执行的流程,而这些流程又包含了无数的任务。

这些任务可能需要多次交接给同一个职能或其他职能中的另一个人,也可能完全不需要交接。如此反复,直到流程结束,任务完成。然后我们又要重新开始。不可避免地,总会有人在流程中添乱,我们就得处理例外情况,也就是在我们精心设计和定义的流程中出现的异类。

组织结构图还是博格结构图?

一个典型组织可能执行的部分任务片段(流程分类框架,APQC)

当人们提到 AI 取代工作时,在目前这个阶段,他们真正想表达的是 AI 正在取代一份工作中的任务 。这是一种比以往更高级别的自动化——通常像 Blue Prism、Pega、Appian 这样的工具自动化了工作的流转 ,而人们仍然需要完成许多琐碎且令人烦恼的任务。在我看来,这些任务常常被错误地称为“无意义的工作”,实际上它们只是无意义的任务,许多人希望 AI 能让这些任务消失。工作本身可能有更高的价值,但不幸的是,许多细枝末节的内容都是无意义的。

但是,当 AI 真正介入时,情况会有所不同。

以上图为例;这是一个更大功能流程集中一小部分的任务和子流程。每一个流程都会有自己的一套任务、交接、业务规则、合规指令、数据、审批权限等,虽然这些内容听起来无穷无尽(且无聊),但无论是否有自动化,它们都需要被定义。

如果我们接受 AI 以及具备代理能力的 AI 可以执行上述部分或全部任务,那么接下来会发生什么?想象一下,上述 25%的任务“消失”了,由 AI 来完成。这就要求你接受,不仅是同一部门或职能,连上下游的任务和流程最终也会面临同样类型的颠覆,而且还会跨职能地发生。

这是一个问题。问题在于,这要求你以不同于当前被描绘的方式来看待 AI。

AI 并不在意你的部门本位思维。

如果一个部门或职能引入了 AI,而另一个没有,那么实际效果并不像宣传的那样积极,你只是在已经臃肿的企业技术堆栈上又叠加了一层自动化工具。如果你决定在一个部门实施代理型 AI A,在另一个部门实施代理型 AI B,尤其是当它们的模型训练方式不同的时候,问题会进一步加剧。你的企业和各职能的数据、流程和任务的解释和处理方式会立刻出现细微差别和不一致。

杂草

不管怎样,我们在这里陷入了细节,这留到以后再说。

让我们回到裁员的话题。我们用超级智能的代理平台成功地“消灭”了任务和流程,这对我们的组织结构和职业晋升通道意味着什么?

组织结构图还是博格结构图?
其中有两点指向了未来,你能猜到是哪两点吗?

首批受害者是入门级岗位。这些岗位的任务最容易被 AI 自动化。但如果你再看看流程清单,会发现这些流程中也有被归类为入门级的任务,那些无聊又繁琐的行政工作,所以受影响的不仅仅是入门级的工作岗位,还有更复杂工作中的“入门级”任务。

被取代的低层员工通过再培训转向更复杂、更有成就感的工作的想法是一种误导——这些岗位早已由其他人担任,而这些人现在只是在智能 AI 的帮助下完成这些任务。他们无处可去,无法轻松晋升,如果 AI 的使用本应提升生产力,那么他们就成了多余的人。

下次在就业中心见。

现在,那些幸运地处于下一个阶梯、与 AI 一起从事更复杂、更有挑战性工作的员工,能在这些岗位上待得足够久,直到他们训练出自己的接班人……没错,就是 AI。通过持续不断地执行这些任务和流程,他们实际上为训练下一批能够处理更复杂工作的 AI 代理提供了行为和情境数据。

我们有一种类似于双层代理的系统——随着时间的推移,任务接任务、流程接流程、职能接职能,随着 AI 在处理复杂工作方面变得越来越熟练,它会逐步取代越来越多的员工。AI 坚守自己的职责范围,在任务层面上变得更加精通。这类系统才会在企业竞争中胜出,而不是那些单一庞大的平台。

在实施代理型解决方案时存在一个风险,那就是随着 AI 越来越能适应个人员工的需求,它会学习他们的行为,根据历史数据和使用情况过滤信息,因此有可能会把一条至关重要的信息判定为非关键,从而未能及时传递。

“嗯,我是中层管理者,我的工作非常重要,需要管理很多事情,所以我很安全。”

哈哈

也许正是在这里,一些最为痛苦的转变将会发生。随着 AI 开始逐步渗透到组织的高层,原本依靠多年服务或作为职业晋升和发展的管理层和监督层员工,其职位安全的观念开始瓦解。AI 同样可以处理他们的大部分工作——报告、监控、基础决策、排班等,因此我们需要重新思考这些职位究竟应该承担什么职责。

或者重新思考这些职位的价值。

他们是什么?事实核查员?AI 看护员?我们要让他们离开吗?还是要提拔他们?

我们已经到了这样一个节点,可以分开讨论低层职位和更多管理岗位被淘汰所带来的经济影响,因为这些职位传统上占据了经济支出的很大一部分——他们大多会花掉可支配收入,而不是储蓄。

但我会把这个想法留到另一篇文章再说。

财富500强之轮

所以,我们实际上已经去掉了一些职业阶梯,这反过来又改变了我们对传统组织层级结构的看法。

组织结构图还是博格结构图?
Apple 组织结构,约 2011 年

随着我们不断减少任务、流程、职能壁垒,最终减少岗位,组织结构图也会从自上而下的层级结构变为更加灵活、扁平的结构。

这在非典型企业结构中尤为明显,传统的自上而下的层级体系无法支撑组织日益增长的迈向自主未来的需求。无能、各自为政和混乱占据主导地位。

“目前由管理者完成的例行工作中有69%将被完全自动化”

Gartner 认为,人工智能将使管理者能够专注于更高价值的工作。但正如我已经为他们下属的员工解释过的那样,事情并没有那么简单。更高价值的工作已经由他们上级完成,而这些工作现在被认为是较低级别的任务,将由 AI 代理执行。

有价值的工作不断向上流动,剩下的都成了算法的“饲料”,而被留下的人要么面临裁员,要么只能接受大幅缩减的岗位和薪水。这意味着晋升的机会也随之消失,因为你根本没有机会在更高层级的工作中积累经验。

我们所熟知的职业生涯这一概念将会消亡(关于这一点将在另一篇文章中详细讨论)

从长远来看,传统的金字塔型组织结构被认为会变得更像钻石形或柱状——初级岗位会更少(甚至没有),中间层则是由 AI 增强的广泛中层知识工作者,愿意培训下一批智能体,而顶层则是战略领导者。管理人员和初级员工一样都变得多余。

但我认为它们根本不会是这个样子。

我在 2010/2012 年左右看到这一点时才恍然大悟,那时“社交型企业”风靡一时,大家认为公司更像网络而不是层级结构。经典的企业层级结构,拥有多层管理者和自上而下的权威,正被更为灵活、网络化的模式所挑战,这种模式是让 AI 得以蓬勃发展的必要条件。

Holacracy、Wirearchy 和 Valve 公司“Cabal”模式是我过去研究过的三种更适合的替代方案,但我认为还有第四种选择,是它们三者的融合。史蒂夫·乔布斯时代的苹果公司旧有结构暗示了这一点,上面表格中展示的 Facebook/Meta 模型也是如此。

在这种第四种模式中,存在一个“领导力之轮”,类似于苹果的模式,但所有领导力都在这里,被扁平化且没有层级。这一结构包围着类似于 Facebook/Meta 的网络模型,更接近于 Wirearchy 或 Cabal 模式。每种模式固有的缺陷(由于篇幅限制,我可能得在别处详细讨论)可以通过在企业中使用 AI 以及新的组织结构来加以缓解。

所有这些都暗示着,AI 作为一个协调者(AI 本身需要一个协调者才能真正实现跨职能,这一悖论并未被忽视),可以填补正式管理缺失所留下的一些空白,协调任务、传播信息,甚至即时做出一些小决策,从而让自组织和自我管理的团队更加高效。

后人类组织

这是一段非常高层次的前瞻,内容不针对任何特定行业、国家或政治立场,只是我头脑风暴的总结,因为如果我一直写下去,最后可能会写成一本书。我之所以要这样梳理,是为了让你做好准备——为你在这场变革降临到你的公司、你的工作、你的部门时,能够自行做出决策做好准备。

而且它一定会到来。

这不一定会在今年发生,你会看到许多失败的实验和跌跌撞撞,AI 工具和相关思维都需要经历一段成熟的过程,但要实现这一切,需要的是流程思维,而不是数据驱动思维——这是一个误区,数据其实是最容易的部分,更难的是确保任何 AI 平台都能理解流程背后的本质。

而那些懂得流程的人,在即将到来的腥风血雨中存活下来的机会会更大。

了解 RecodeX 的更多信息

立即订阅以继续阅读并访问完整档案。

继续阅读