AI时代：组织变革的新挑战与机遇

对组织理论的研究者来说，核心问题一直是：组织如何适应环境？组织设计旨在明确内部分工协作，构建应对环境变化的机制。

如今，许多组织已发展为跨领域、内外兼容的大型生态系统，复杂度倍增。然而，组织设计面临人类理性的局限。正如詹姆斯·马奇（James March）与赫伯特·西蒙（Herbert Simon）在《组织》中所言，应将组织视为有限理性的决策与学习系统，它们基于惯例、依赖历史路径并具有目标导向性。

因“有限理性”，企业需分化部门，设置岗位，形成各种工作流程。分工产生协调需求，分工越细，协调越难，循环流程让企业形成路径依赖，管理问题频出。

马奇和西蒙提出，组织理论发展的关键是如何通过提升组织智能克服人类有限理性的约束。在AI时代，答案似乎浮现。

AI参与组织决策

通常，人们从决策角度观察组织设计。我们对环境的认知也来自对专业化决策的解读。

决策过程分为IPO模型：输入（input）—处理（process）—输出（output）。对人类决策者而言，这三个环节可解释为感知（perception）、解释（interpretation）、行动（actions）。所有组织设计都镶嵌在这一过程，这是基本逻辑。

进入AI时代，决策对组织设计的重要性更加凸显。上一轮技术革命主要影响感知环节。AI则聚焦于解释和行动环节。大模型能给出答案，但解释逻辑被封装，我们并不清楚。这与人做战略决策时部分过程被“封装”相似。AI大模型是一个基于启发式规则的大脑，我们不清楚解释逻辑，但结果有效。

在行动环节，AI如何替代和补充人的角色？目前研究多集中于此。《机器与人》一书将组织行为分为14类，其中适应、预测、迭代、处理可由机器替代，判断、创作、共情、领导仍需人类承担。剩余部分适合人机协作完成，但分工存在差异。

图1 人类和机器在组织中的分工

总体上，决策对情境感知依赖程度越低，机器替代性越强；依赖程度越高，替代性越弱。

自然语言模型与过去AI技术不同在于，工程师对应用过程的干预大幅减少，用户直接与数据打交道。商业中，交互变得容易。技术赋能由工程师主导转为用户主导。

应用AI于组织实践，将产生新的决策模式。一家游戏开发公司提供样本：AI参与图片与视频生成降低70%美术成本，提高50%效率；分析剧本和角色扩大创意搜索范围；招募玩家测试和改进游戏功能；AI加持下，程序开发效率提升30%。但AI局限显著：缺乏真实美感；能提供创意但市场判断仍依赖人；无法根据具体情境做出决策。

员工最普遍问题是：如何给AI下指令？AI像公司里能力但爱偷懒的同事。有趣的是，当让AI画自画像时，得到的是在会议室打瞌睡的形象。

图2 AI 自动生成的自画像

AI驱动组织形态创新

早在20世纪80年代，专家系统为核心的第二轮AI热潮兴起。专家系统逻辑是“知识+推理”，解决特定领域复杂问题。

现在的AI解决数据、规则、答案之间的关系问题，改变三个要素的排列方式。人类给AI注入大量知识，AI通过计算摸索规则。这意味着，知识越多，规则越清晰且能不断调整改善。

预测是，未来组织设计也将沿袭这种动态模式。制度过时对企业可能是致命问题。但如果规则能基于当前情况自动调整，就能解决效率和灵活性之间的平衡问题。

我们已经从企业样本中得出结论：随着组织规模扩大，协调问题导致管理成本和沟通成本增加，抵消规模经济收益。由实时数据而非预先设计步骤驱动的组织将有效化解流程标准化与灵活性矛盾。

组织变革理论范式的转变

在以往管理学应用中，组织变革遵循计划式变革理论。企业需要设定改革愿景和目标，规划路径再实施。然而数字化转型难题已对这一模式提出质疑。在组织AI化道路上同样问题被放大。

最大问题在于数据资源生成性特点和技术采纳带来的组织适应性调整导致难以一开始就规划清楚变革目标和路径。计划变革理论在数字化情境中不成立。因此我们发现面对新技术时规划越细致失败率越高。

需要转变思路“摸着石头过河”是应对变数更有效方式：一步一步前进调整方向在这个过程中不断靠近最终愿景和目标使其变得更加清晰。领导者不再是改革推动者而是调控者通过制度设计让组织能够随着技术发展不断迭代自我进化。