AI时代：组织变革与智能决策的新篇章

对于组织理论的研究者而言，一个核心议题是：组织如何适应环境？组织设计旨在明确内部分工与协作，以建立应对环境变化的机制。

当前，许多组织已演变为跨领域、内外融合的庞大生态系统，复杂性日益提升。然而，组织设计面临一个现实挑战：人类理性存在局限。正如詹姆斯·马奇（James March）与赫伯特·西蒙（Herbert Simon）在《组织》（Organizations）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、依赖历史并具有目标导向。

由于“有限理性”，企业需划分不同部门与岗位，形成各种工作流程。分工产生协调需求，分工越细，协调越难，循环流程导致路径依赖，管理问题频出。

马奇和西蒙提出，组织理论的核心在于如何通过提升组织智能克服人类理性的局限。在AI时代，答案似乎逐渐显现。

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源于对专业决策的解读。

决策过程一般分为IPO模型：输入（input）—处理（process）—输出（output）。对人类而言，这三个环节可解释为感知（perception）、解释（interpretation）、行动（actions）。组织设计无论大小，都嵌入此IPO过程，这是其基本逻辑。

进入AI时代，决策尤其是战略性决策对组织设计至关重要。上一轮技术革命主要影响感知环节，而AI则聚焦解释与行动环节。大模型能给出答案，但解释逻辑被封存，类似人的“拍脑袋”决策。AI如同基于启发式规则的外接大脑，虽不知其解释逻辑，但结果有效。

在行动环节，AI如何替代与补充人类角色？目前研究多集中于此。《机器与人:埃森哲论新人工智能》将组织行为分为14类，其中适应、预测等可由机器替代，判断、创作等需人类承担，其余则适合人机协作。但人机分工存在差异（图1）。

总体上，决策对情境感知依赖越低，机器替代性越强；依赖越高，替代性越弱。

自然语言模型减少工程师干预，赋予用户直接处理数据的能力，使商业交互变得更易。技术赋能由工程师主导转向用户主导。

应用AI于组织实践，将形成新的决策模式。某游戏开发公司案例显示：AI降低美术成本、提高效率、扩大创意搜索等。但AI局限亦显著：缺乏真实美感、市场判断仍依赖人等。员工普遍疑问：如何给AI下指令？AI依赖准确指令与激励。

当AI进入高层管理时，问题更复杂。外界对AI主体性存疑。需建立新治理机制应对AI参与战略决策的新问题：责任主体虚化、决策过程“黑箱”、人类判断力弱化等。

AI驱动组织形态创新

早在20世纪80年代，专家系统引领第二轮AI热潮。其逻辑是“知识+推理”，通过编码专家知识解决特定领域问题。

当前AI仍处理数据、规则、答案关系，但改变其排列方式。人类注入大量知识后，AI通过计算摸索规则，知识越多，规则越清晰且能调整。

预测未来组织设计将沿袭这种模式。制度过时对企业可能是致命问题，但自动调整规则可解决效率与灵活性平衡难题。例如，红绿灯根据车流量调整可缓解交通。

流水线解决标准化问题，计算机解决自动化问题，AI或解决流程自适应问题。企业样本显示：规模扩大导致管理成本增加，抵消规模经济收益。由实时数据驱动的组织可化解标准化与灵活性矛盾。

已见企业变化：游戏公司策划部门用AI工具后，沟通流程变化，衍生新组织形态。未来超大型企业可能仅有人类员工与大量AI员工。

组织设计顺序也将改变：从流程出发寻找人力资源而非先设岗位再定流程。更细任务单元与更富弹性制度将是自适应流程组织的特征。

组织变革理论范式的转变

以往管理学应用遵循计划式变革理论：设定愿景、规划路径、实施变革。但数字化转型期间难题质疑此模式。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的生成性与技术采纳带来的适应性调整使组织难以清晰规划变革目标与路径。计划变革理论在数字化情境中不成立。企业越细致规划未来，失败率越高。

“摸着石头过河”是更有效方式：逐步前进、调整方向、靠近愿景目标。领导者不再是推动者而是调控者，通过制度设计让组织随技术迭代、自我进化。

实践已显现但理论支持不足，称为“持续变革理论”。与计划式变革不同，它认为在AI组织中变革非自上而下指导工程而是自下而上、数据与实践驱动的涌现过程。愿景目标非变革起点而是探索过程中清晰化的“产物”。领导者角色转变为创新生态设计者与调控者。

技术领先一步，亟需看到组织变革理论范式的转变以赋能企业适应不可避免的AI时代。