版本:V1.0|2026-09-12
写作缘起:基于近期对 AI 原生组织、未来工作形态与管理范式变化的持续观察写作素材来源:结合张小郡与曾鸣的一期深度对谈、和一位00 后从业者的对谈、格鲁夫《格鲁夫给经理人的第一课》中关于产出、团队与管理杠杆率的经典框架。
讨论话题:AI 时代组织基本单元如何从“岗位”转向“任务”,以及这一变化对人才、管理、协作、战略与公司形态带来的系统性影响。
最近和一位 00 后聊未来的工作,她说了一句话让我印象很深:
“以后 by 项目制的合作,可能会大于 full-time 的合作。”
她做过 freelancer,也有过创业经历,恰好经历了 GPT 出现前后个人生产力的变化。她的判断很直接:未来公司的人会越来越少,远程工作会越来越普遍,一个人甚至可能同时拥有几份工作。
她还提出一个问题:今天很多企业都在找所谓“复合型人才”,希望一个人既懂业务,又懂产品,还懂技术,但这样的人既难找,效率也未必最高。既然如此,为什么不让专业的人做专业的事,只是在需要的时候围绕项目动态组合?
这个来自年轻一代的朴素直觉,和曾鸣最近关于 AI 原生组织的讨论,恰好指向了同一个变化:
组织的基本单元,可能正在从“固定岗位”转向“动态任务”。
今天我们习以为常的公司,本身就是工业时代的产物。一个人进入企业,先获得一个岗位,再由岗位定义职责,职责决定工作。随着人数增加,组织又需要主管、经理、总监和更复杂的汇报关系,由此形成典型的科层制。
这套制度曾经非常有效。规模化生产需要稳定分工,岗位可以把复杂工作拆成可以训练、可以复制、可以替换的标准单元,管理层则负责协调不同岗位之间的关系。
所以过去组织的基本逻辑是:
岗位 → 职责 → 工作 → 产出。
但 AI 正在动摇这个逻辑。
越来越多过去必须由人完成的认知型工作,可以通过 AI 随时调用。信息搜集、资料整理、文档撰写、数据分析、代码生成、方案初稿,甚至部分判断与决策支持,都开始变成可以按需获得的能力。
当执行能力越来越容易获得之后,组织首先要回答的就不再是“这个岗位由谁来做”,而是:
现在最重要的任务是什么?完成这个任务需要哪些人、哪些 AI、哪些知识和资源?
于是组织逻辑开始反过来:
目标 → 任务 → 动态调用人和 AI → 产出。
这看起来只是顺序发生了变化,但它背后实际上意味着公司制度的一次深层重构。
从“岗位管理”重新回到“产出管理”
几十年前,格鲁夫在《格鲁夫给经理人的第一课》中提出过三个重要概念。
第一个就是产出导向管理。
无论生产线工人、工程师、销售、财务还是管理者,每个人都有自己的产出。管理的核心不应该只是关注员工做了多少事情,而应该关注最终创造了什么结果。
这个观点放到今天反而更值得重新理解。
过去的知识工作很难直接衡量产出,所以组织不得不管理过程:工作时间、会议数量、汇报频率、项目节点、团队规模。
但 AI 正在压缩大量过程型劳动。
当一个人配合几个 Agent 就可以完成过去一个小团队的工作时,“忙不忙”“带多少人”“做了多少过程动作”的意义会越来越下降。
组织会重新回到一个更直接的问题:
这个人到底创造了什么价值?
所以从岗位制走向任务制,本质上也是格鲁夫“产出导向”在 AI 时代的一次进一步贯彻。
过去企业更像是在购买一个人的长期劳动时间,未来越来越可能变成围绕具体任务和结果组织能力。
这也是为什么 freelancer、项目制、一人公司、多重职业身份开始受到关注。
人与组织之间的关系,可能从:
“我属于哪家公司、担任什么岗位”
逐渐转向:
“我参与什么任务、创造什么结果”。
AI没有消灭团队,而是在重新定义团队
格鲁夫第二个重要概念是团队意识。
他强调,大部分复杂的人类活动都依赖团队,一个经理人的产出,是其管理和影响范围内团队产出的总和。
这个判断在 AI 时代并没有失效。
相反,真正发生变化的不是“团队消失”,而是团队的构成发生变化。
曾鸣谈到未来的 AI 原生组织,本质上是一种“碳基 + 硅基”的协同系统。
过去团队几乎完全由人组成。
未来,一个任务团队里可能同时存在少量高能力的人类成员,以及大量 AI Agent、数字分身和自动化系统。
因此所谓“一人公司”,并不意味着一个人孤立完成所有工作。
更准确的理解是:
一个人开始拥有自己的数字班子。
他可以调用研究 Agent、数据 Agent、编程 Agent、内容 Agent,再根据需要与其他专业人才合作。
这也解释了那位 00 后关于“项目制合作大于 full-time 合作”的判断。
未来组织未必要求所有能力永久固定在一个公司内部,而是可以围绕具体任务快速组合。
团队依然存在,只是从固定团队逐渐走向动态团队。
曾鸣用专业球队来比喻未来组织也很有启发性。真正重要的成员并不是高度同质化,而是每个人都具备差异化能力,通过能力互补形成整体。
AI 则进一步承担那些标准化、通用化的部分。
因此未来真正稀缺的,未必是一个什么都会的“全才”,而可能是那些能够找到自己的核心能力,同时能够与其他人和 AI 高效协同的人。
管理不会消失,但“管人”会越来越少
格鲁夫第三个核心概念是管理杠杆率。
管理者真正重要的工作,不是自己完成多少事情,而是通过少数高杠杆活动,提高整个团队的产出。
在工业时代,管理杠杆主要来自“一个经理人影响多少人”。
到了 AI 时代,这个概念可以进一步延展。
一个人的杠杆不仅来自人类团队,也来自 AI、知识系统和数字工具。
所以未来最强的人才,未必是“自己做得最多的人”,而是:
能够调动最多有效能力完成结果的人。
这也解释了为什么传统中层管理岗位可能受到巨大冲击。
过去很多中层管理的主要作用是上传下达、分配任务、追踪进度、汇总信息。
但当组织的信息网络越来越透明,AI 可以自动完成大量信息整理、任务追踪和经营分析之后,这一类管理价值会迅速下降。
管理不会消失。
但管理会从“监督别人做事”,越来越转向:
定义问题、做出判断、配置资源、协调冲突、建立共识。
曾鸣关于未来组织的一个重要判断,就是从 Control 走向 Context。
过去组织依靠层层控制保持一致,未来更重要的是把完整上下文提供给团队。
让每个人都知道:
我们现在要解决什么问题,为什么要做这件事,什么最重要,哪些边界不能突破。
当 Context 足够充分,高能动性的人就可以自主决策。
这也是为什么 AI 时代越来越强调 high agency。
AI 不会自动让组织变高效。
只有当成员具备强烈的主动性和自我驱动力,AI 才能真正成为杠杆。
从“雇佣关系”走向“协作关系”
如果岗位开始松动,人与组织之间的关系也会随之改变。
曾鸣提出,未来组织会越来越具有“全员合伙人”的特征。
这里真正重要的并不是形式上所有人都拥有股份,而是人与组织的关系正在从单纯的雇佣关系,向更强的协作关系变化。
工业时代强调的是岗位标准化。
一个岗位最好可以被另一个人快速替代。
但 AI 承担大量标准化工作以后,人真正有价值的部分,反而越来越集中在差异化能力上:
判断、创造、行业经验、审美、信任、领导力、关系和责任。
所以未来组织里,人可能反而更不像“标准零件”。
一个好的组织会越来越像一支球队,每个人有不同的位置和能力,真正依靠能力互补而不是人员同质化形成竞争力。
与此同时,数字化和 AI 还会提高贡献透明度。
谁提出了关键问题,谁解决了核心瓶颈,谁形成了可复用能力,谁真正推动了结果,会比过去更容易被识别。
这也意味着传统按岗位、职级和工龄分配利益的方式,可能逐渐向更加基于贡献的分配机制移动。
战略也会从“规划”走向“涌现”
组织变化的另一面,是战略生成方式的变化。
曾鸣认为,AI 时代的战略越来越难完全依靠自上而下的规划,而会更多从组织的持续互动中“涌现”出来。
但战略涌现并不等于不要战略。
格鲁夫很早就说过:
无法预测未来,不等于应该放弃计划。
他用消防队做比喻:消防员永远不知道下一场火灾发生在哪里,但正因为不知道,更需要持续训练,保证自己随时能够应对未知。
这恰好适合今天的 AI 时代。
过去战略往往强调预测:
预测市场、制定路线图、分解目标、层层执行。
但在快速变化的技术环境中,真正重要的能力越来越不是预测得最准,而是:
感知得最快、学习得最快、试错成本最低、重新达成共识最快。
因此战略正在从一次性的规划行为,变成一个持续学习过程。
曾鸣提出“看十年、想三年、干一年”,其实也是在强调同一个问题:长期方向仍然重要,但中期判断必须持续创造,短期执行又必须足够坚决。
组织真正需要建立的是一套能够持续感知、学习和更新认知的神经网络。
未来真正的竞争,是组织智能之间的竞争
把这些变化连接起来,曾鸣所说的“共生智能体”就容易理解了。
未来的组织并不仅仅是一群人的集合,而是由人、AI Agent、知识、数据和数字系统共同构成的智能系统。
工业时代的公司更像机器。
岗位是零件,流程是传动机构,管理者负责控制机器运行。
未来的 AI 原生组织可能更像一个生命体。
成员持续感知环境,信息快速共享,任务动态生成,能力不断重组,人和 AI 共同完成认知与执行。
因此,未来公司真正的竞争优势可能不再只是人数、规模或者层级,而是:
组织学习速度、认知更新速度和资源重组速度。
同样是 100 人的公司,有的组织信息高度割裂,需要几个月才能完成一次决策;有的组织却可以借助 AI 实时沉淀知识、共享上下文,一周完成一次认知迭代。
真正拉开差距的,是组织整体的智能水平。
结语:
AI 正在改变我们组织工作的基本方式。
过去,组织围绕岗位建立。
未来,组织可能越来越围绕任务运行。
过去,人先进入公司,再被分配工作。
未来,任务先出现,再动态寻找最合适的人和 AI。
过去,管理者的杠杆主要来自管理更多的人。
未来,杠杆来自组织更多的智能。
过去,战略依靠规划和控制。
未来,战略越来越依靠感知、学习和涌现。
公司不会消失,组织也不会消失。
真正会发生变化的,是工业时代形成的那套固定岗位、固定层级、固定边界的公司形态。
而最终,未来组织真正需要回答的问题,可能不再是:
“我们应该有多少岗位?”
而是:
“面对这个目标,我们应该如何组织最合适的人、AI和能力,把事情做到最好?”
这也许才是 AI 对组织真正深远的改变。