AI時代的組織革新：突破有限理性的新路徑
對于組織理論研究者而言，核心議題之一便是組織如何適配環(huán)境。組織設計的本質，在于梳理內部分工協(xié)作體系，構建應對環(huán)境波動的機制。
如今，眾多組織已演變?yōu)楦采w多專業(yè)領域、內外融合的大型生態(tài)系統(tǒng)，復雜度持續(xù)攀升。但組織設計面臨現實困境：人類理性存在上限。正如詹姆斯·馬奇與赫伯特·西蒙在《組織》中所述，組織應被視為有限理性的決策與學習系統(tǒng)，以慣例為基礎、受歷史路徑影響且具有目標導向性。
正是“有限理性”促使企業(yè)分化出不同部門，部門內設置不同崗位，形成各類工作流程。分工必然帶來協(xié)調需求，分工越細，協(xié)調難度越大；重復的流程易讓企業(yè)陷入路徑依賴，滋生管理問題。
馬奇和西蒙提出，組織理論發(fā)展的關鍵在于如何通過提升組織智能克服人類有限理性約束。在AI時代，這一問題的答案逐漸清晰。
AI融入組織決策流程
通常，人們從決策視角觀察組織設計。對環(huán)境的認知常源于對專業(yè)化決策的解讀。
決策過程一般分為輸入、處理、輸出三階段（IPO模型），對應人類決策的感知、解釋、行動環(huán)節(jié)：感知環(huán)境獲取信息，大腦解釋信息并指導行動。所有組織設計都嵌入這一邏輯。
AI時代，決策（尤其是戰(zhàn)略決策）對組織設計的重要性愈發(fā)凸顯。上一輪技術革命（如互聯網、連接技術）主要影響決策的感知環(huán)節(jié)，改變了信息獲取與感知世界的方式。
AI技術更多聚焦于解釋和行動環(huán)節(jié)。大模型能給出答案，但解釋邏輯被“封裝”，這與人類戰(zhàn)略決策中依賴經驗、直覺的“拍腦袋”模式相似——均源于有限理性，在信息不全、時間緊迫或問題復雜時，大腦會用啟發(fā)式規(guī)則快速判斷。
某種程度上，AI大模型是外接的啟發(fā)式規(guī)則大腦，雖解釋邏輯不明，但結果有效。
在行動環(huán)節(jié)，AI如何替代或補充人類角色？管理學界對此研究較多?！稒C器與人：埃森哲論新人工智能》將組織行為分為14類：機器可替代適應、預測等4類；人類需承擔判斷、創(chuàng)作等4類；展現、交互等6類適合人機協(xié)作，分工各有不同（圖1）。
圖1 人類和機器在組織中的分工（資料來源：[ 美] 多爾蒂,[ 美] 威爾遜.機器與人:埃森哲論新人工智能[M].趙亞男,譯.北京：中信出版社,2018）
總體而言，決策對情境感知依賴越低，機器替代性越強；依賴越高，替代性越弱。
自然語言模型與傳統(tǒng)AI的顯著差異在于，工程師干預減少，用戶可直接與數據交互，技術賦能從工程師主導轉向用戶主導，商業(yè)交互更便捷。
將AI能力應用于組織實踐，會形成新決策模式。某游戲公司調研顯示：AI生成圖文降低70%美術成本，效率提升50%；AI分析劇本角色擴大創(chuàng)意范圍，推動策劃與研發(fā)崗位調整；玩家參與測試提供數據，AI助力營銷分析；程序開發(fā)效率提升30%。但AI也有局限：生成內容有“AI味”，缺乏真實美感；營銷創(chuàng)意需人類做市場判斷；無法結合企業(yè)具體情境決策。
員工普遍困惑如何給AI下指令——AI像有能力卻偷懶的同事，能解決問題但不主動思考，依賴準確指令和激勵。讓AI畫自畫像，結果是會議室打瞌睡的形象（圖2）。因此，AI用得好的人是懂業(yè)務痛點的人，優(yōu)秀員工才能用好AI。
圖2 AI 自動生成的自畫像
當AI進入董事會等高層，問題更復雜。AI是否具有主體性仍存爭議，它缺乏責任感、同理心等管理者必備能力。需建立新治理機制應對AI參與戰(zhàn)略決策的問題，至少包括三層面：一是責任主體虛化與追責難——AI建議的戰(zhàn)略失敗，責任由誰承擔？現有法律和治理框架缺乏對非人類決策參與者的問責路徑；二是決策“黑箱”與倫理風險——AI解釋邏輯不明，可能基于偏見數據導致不公平行為，給企業(yè)合規(guī)和聲譽帶來挑戰(zhàn)；三是人類判斷力弱化風險——需設計“人在環(huán)中”模式，界定人機協(xié)作邊界，避免管理者依賴AI而放棄直覺與經驗。
AI推動組織形態(tài)革新
20世紀80年代，以專家系統(tǒng)為核心的第二輪AI熱潮中，其邏輯是“知識+推理”，將人類專家知識編碼成規(guī)則庫，解決特定領域問題，不追求通用智能。
如今的AI仍解決數據、規(guī)則、答案的關系，但改變了要素排列：人類注入大量數據和答案，AI通過計算自行摸索規(guī)則，知識越多規(guī)則越清晰，且能隨知識更新調整。
未來組織設計或沿襲這種動態(tài)模式。制度過時時企業(yè)可能面臨危機，若規(guī)則能基于當前情況自動調整，就能平衡效率與靈活性。比如，紅綠燈根據實時車流量動態(tài)調整，可緩解交通擁堵。
20世紀初流水線解決了標準化問題，60多年前計算機普及實現自動化，AI或將解決組織流程自適應問題。企業(yè)樣本顯示，規(guī)模擴大導致協(xié)調成本增加，抵消規(guī)模經濟收益；由實時數據驅動的組織，能化解流程標準化與靈活性的矛盾。
部分企業(yè)已出現變化：游戲公司策劃用AI生成圖文后，與研發(fā)的溝通流程改變，崗位、部門業(yè)績分配傾斜，衍生新組織形態(tài)。
過去以人數衡量組織規(guī)模，AI時代可能出現5名人類員工加大量AI員工的超大型企業(yè)。人類對組織的預設被顛覆，帶來組織變革，如組織設計順序改變——以往先設崗位再定流程，未來需從流程出發(fā)，尋找適配任務的人力資源。
更細化的任務單元和彈性制度，是自適應流程化組織的特征。在此基礎上，AI驅動的流程再造、新分工協(xié)調機制、新效率邊界，將催生新組織變革理論。
組織變革理論范式的轉型
以往管理學中，組織變革遵循計劃式變革理論：設定愿景目標、規(guī)劃路徑、自上而下實施。但數字化轉型的難題讓這一模式存疑，組織AI化會放大問題。
核心問題在于，數據的生成性和技術采納帶來的組織調整，使企業(yè)難在初期規(guī)劃所有變革目標和路徑。計劃變革理論的假設在數字化情境中不成立，現實案例顯示，企業(yè)對新技術規(guī)劃越細，失敗率越高。寶潔前副總裁薩爾德哈反思數字化轉型失敗時提到，初期戰(zhàn)略定位錯誤，無法預估技術應用情境，應著眼業(yè)務支撐的轉型任務。
此時需轉變思路，“摸著石頭過河”更有效：逐步前進、調整方向，在過程中清晰愿景目標。領導者從改革推動者變?yōu)檎{控者，通過制度設計讓組織隨技術發(fā)展迭代進化。
企業(yè)已有相關實踐，但理論支持不足，暫稱“持續(xù)變革理論”。與“解凍-變革-再凍結”的計劃式變革不同，它沒有預設清晰靜態(tài)的目標，認為AI時代的變革是自下而上、數據和實踐驅動的涌現過程，愿景目標是迭代探索中逐漸清晰的產物。領導者角色從設計者推動者，變?yōu)閯?chuàng)新生態(tài)的設計者調控者，需設計激勵創(chuàng)新的制度環(huán)境，讓組織在試錯中自我進化、動態(tài)適應。
技術已先行，組織變革理論范式需轉型，以賦能企業(yè)適應AI時代。
本文來自微信公眾號“復旦商業(yè)知識”（ID：BKfudan），作者：井潤田 朱芳圣，36氪經授權發(fā)布。
本文僅代表作者觀點，版權歸原創(chuàng)者所有，如需轉載請在文中注明來源及作者名字。
免責聲明：本文系轉載編輯文章，僅作分享之用。如分享內容、圖片侵犯到您的版權或非授權發(fā)布，請及時與我們聯系進行審核處理或刪除，您可以發(fā)送材料至郵箱：service@tojoy.com