传统组织为适应人类认知局限(如遗忘、沟通损耗)而设计了汇报链、流程审批等机制。AI Agent的引入动摇了这一基础,因其无疲劳、无情绪、低切换成本。转型核心瓶颈常是信息形态陈旧,需将隐性经验、非结构化流程转化为AI可操作的基础设施(如测试、文档、工具接口)。资深工程师角色将更关键,负责将领域经验编码为规则与可复用评估。管理工作中的信息传递与协调部分将被系统承接,但人员激励、文化建设等仍需人力。需警惕过度结构化可能扼杀创新,理想组织应是底层高度结构化以支持AI高效执行,上层保持开放松散以容纳人的探索与试错。
阿里这篇关于 AI Native 时代组织研发的思考非常值得一读。它在思路一个非常重要的底层问题:过去两千年的组织形态,都是围绕人的局限建立起来的。
人会遗忘,会疲惫,会误解,会有情绪。一个人能够稳定协作和管理的人数有限,信息在层级之间传递一定会衰减,所以组织才需要汇报链、部门边界、经理角色、需求评审、流程审批和各种协调机制。很多我们习以为常的管理制度,本质上不是先进设计,而是对人类认知带宽的妥协。
AI Agent 进入组织之后,这个前提开始松动。它不是普通工具。普通工具只是延伸人的手脚,Agent 则开始参与理解、执行、调用系统和交付结果。它没有疲劳,没有情绪,没有传统意义上的沟通损耗,也几乎没有上下文切换成本。于是,旧组织里大量围绕人设计出来的结构,都会被重新审视。
这并不意味着人马上被替代。更准确的说法是,组织过去长期依赖人的地方,第一次被暴露出来了。
很多系统之所以能运转,并不是因为它们真的清晰、完备、结构化,而是因为人在中间做了太多隐性修补。需求写得不完整,可以开会问。接口约定不一致,可以找熟人确认。代码缺少说明,可以凭经验猜。业务规则藏在老员工脑子里,也可以靠人肉沟通补齐。这些动作太常见,以至于我们忘了它们本身就是成本。
当 AI 接管更多执行工作之后,问题就变得尖锐。AI 需要清晰的上下文、稳定的接口、可执行的测试、完整的文档、明确的权限和可追踪的结果。传统系统没有为 AI 留出这些入口,所以员工反而变成了人肉中间件:从系统里复制数据,贴给 AI,再把 AI 的输出搬回系统。看起来是在用 AI,实际是在用人弥补系统对 AI 的不友好。