「柳林商学院：中国教育行业创新、价值品牌」

近期学习了李宁教授的《AI原生组织》，以及麦肯锡关于AI如何改变组织结构的报告。读完后最大的一个感受，是殊途同归。我们都知道AI智能体会改变组织结构，但为什么改变、怎么改变、目前改变到什么程度了、数据呈现的现状背后的底层逻辑是什么、未来将如何发展，市场上只有一个模糊的感受。

通过对《AI原生组织》以及麦肯锡最新报告的学习，能够对现状有一个更清晰的认知。但通过AI提升经营效率，从来不是一蹴而就。它依然绕不开一些基础规律，而其中最重要的是企业一把手对这个事情的态度和认知，其本质上就是一把手工程。AI智能体落地过程中，如何做到效率、风险、成本可控，且所有经验可沉淀、可复用，都是管理者们需要回答的问题。

一、麦肯锡的洞察：从“静态组织架构”到“动态编排架构”

2026年10月5日，麦肯锡发布了一篇题为《AI is changing work. Now it has to change the organization》的研究报告，其核心洞见振聋发聩：AI正在改变工作，但组织本身也必须随之改变。报告中一组数据揭示了严峻的现实：80%的受访者表示AI提升了个体生产力，但只有6%的企业可被归类为“AI高绩效者”。更关键的是，近四分之三的AI高绩效者大幅重新设计了工作流程，而其他组织中这一比例仅为四分之一。这正是“使用AI”与“围绕AI重新设计组织”之间的鸿沟。

报告中最具突破性的概念，是“动态组织架构”（Orchestration Chart）对传统“静态组织架构”（Org Chart）的替代。传统组织架构图回答的是“谁向谁汇报”“部门边界在哪里”，其底层逻辑是：工作是按照职能和层级来分配的。而动态组织架构回答的是一个截然不同的问题：为了交付一个成果，哪些人和哪些智能体应该被组合在一起，各自做什么，哪些交接和接口仍然必要？

这一转变的本质，是组织设计的起点从“职能”转向了“成果”。麦肯锡指出，在AI原生的组织中，组织的设计越来越成为一个“编排”问题，而不是一个“管控”问题。一个具体的案例是：某组织的产品开发团队从传统的8-10人小组，转变为4-6人加上AI智能体支持的混合团队。新的动态编排架构清晰地显示：哪些工作已转移给智能体，哪些人类角色现在跨越了更广泛的产品开发流程，哪些交接已经消失，以及人类判断力和问责制在哪里最为重要。

麦肯锡还提出了一个更深层的判断：组织不再需要那么多人来协调。过去五年，“协调者角色”（如项目管理）的增长速度是业务角色的1.5到2.0倍，这反映了组织复杂性的膨胀。而AI的机会在于减少这种复杂性，而非增加它。但报告也警告：更扁平的金字塔只有在下层协调被“更好的智能、更清晰的决策权和更强的人类判断力”所替代时，才能创造价值。

二、李宁的框架：从“劳动分工”到“判断分工”

李宁教授在其新书《AI原生组织》中，从组织管理学的第一性原理出发，给出了与麦肯锡高度呼应的判断，但在底层逻辑上更进一步。

李宁指出，当前企业普遍陷入“个体提效、组织低效”的困境，其根源在于将AI仅视为效率工具，而未触及组织底层逻辑的系统性变革。他提出了一个根本性的追问：当AI让信息传递成本几乎归零时，我们熟悉的“组织”还有存在的必要吗？

李宁的核心命题是：分工的逻辑正在从“人不能做所有事”变为“人加AI可以做几乎所有事”。这意味着，传统组织赖以存在的三大假设正在同时失效：有限理性、人的不确定性和人的成长性。过去一个世纪的组织设计——岗位、层级、会议、KPI——本质上都是对这些人类局限的妥协产物。而AI改变了这些约束，组织设计的前提就必须被重写。

李宁提出了一个极具操作性的判断框架：任务应按“可生成性”与“可验证性”来分类，而非按难度分类。在这个框架下，“谁判”比“谁会做”更重要。当生成能力趋于丰裕后，组织瓶颈转向验证与验收，人的价值更体现在定义问题、创造需求和判断成果价值。他还预测，未来人与人的交易将升级为智能体与智能体的交易（A2A），传统大组织不会消失，只会变得更少，而OPC（一人公司）和小型网络化组织会填补大量空间。

得到App在推荐此书时，用了一个生动的比喻来概括这种转变：如果说智能体是马，那么组织未来的核心竞争力，不在于拥有多少匹马，而在于一套成熟的“马鞍工程”。这个比喻并非李宁书中的原话，而是二次提炼，但它精准地抓住了李宁的核心判断：AI时代的组织竞争力，不在于拥有多少AI“骏马”，而在于是否具备一套能驾驭、约束和协同这些智能体的“马鞍”系统。

三、“动态编排架构”落地的三大支柱

将麦肯锡的“动态编排架构”与李宁的“判断分工”框架结合，可以提炼出AI Agent时代组织变革的三个核心推进方向。

第一，以任务为起点重组工作流，而非以职能为边界

传统组织的工作流是“先建部门，再分配任务”。AI原生组织的工作流是“先定成果，再编排人机”。麦肯锡提出的“动态编排架构”正是这一逻辑的可视化工具：它不再显示部门层级，而是显示哪些工作由智能体执行、哪些由人类执行、哪些由人机协作完成。

李宁对此给出了更具体的分类：可自动化任务（智能体独立完成）、增强型任务（人机协作）、以人为中心的任务（人类独立完成）。组织需要做的，是将这三类任务重新组合成端到端的工作流，而非将它们分散到不同的职能部门中。一个值得注意的数据是，AI高绩效组织中近四分之三大幅重新设计了工作流程，这正是“任务驱动”替代“职能驱动”的直接证据。

第二，建立“使命工厂”式的变革引擎，并让经验持续积累和迭代

麦肯锡在报告中提出了一个关键的执行机制：“智能体使命工厂”（Agentic Mission Factory）。它的运作逻辑是：从一个有重大商业影响的成果（使命）出发，重新设计人机混合工作流，构建所需的智能体和控制机制，启动新的工作方式，并为下一个使命留下可复用的资产。

这个机制的核心价值在于，它解决了组织变革中最棘手的“谁来做”问题。AI转型跨越业务、技术、人才、风险等多个组织边界，没有任何单一现有部门有天然授权来端到端地交付它。因此，需要一个具有跨域权威的领导者来推动议程、调动资金和稀缺人才、解决优先级冲突。使命工厂将业务、技术、产品、设计、数据、风险、合规、安全、法律、变革和人力资源从一开始就整合在一起，控制机制被内置于工作流中而非事后追加。

麦肯锡报告中还有一个常常被忽视却至关重要的维度：经验积累与迭代。报告明确指出，使命工厂不仅完成当前任务，还会创建一个“AI操作系统”，该系统通过“学习回路”（learning loops）来复合化组织智能——当单个智能体执行任务时，它们的经验被系统性地捕获、沉淀和复用。更具体地说，每一个完成的使命都会留下可复用的智能体、组件、控制机制和决策，从而缩短下一个使命从重新设计到生产部署的路径。麦肯锡用一句话概括这一机制的本质：“让每一个使命都产生复利”（Make each mission compound）。

这意味着，AI原生组织的竞争力不仅在于它当下能做什么，更在于它学习和迭代的速度。传统组织的经验积累往往依赖人的记忆和文档，容易流失、碎片化、难以复用。而使命工厂通过将经验嵌入智能体和AI操作系统，使组织智能具备了“复利增长”的属性：每完成一次任务，下一次任务就更高效、更可靠、更智能。这正是麦肯锡所说的“将一系列AI部署转化为组织再造”的关键所在。

李宁的观点与此高度互补：他强调，组织需要从“人力驱动”转向“智能体驱动”，将任务知识封装为可复用的智能体能力，使个体经验沉淀为组织知识。使命工厂正是这种“封装”和“沉淀”的制度化载体，而“学习回路”和“可复用资产”则是其持续进化的引擎。

第三，重新定义人的价值：从执行者到判断者

这是所有变革中最困难、也最关键的部分。麦肯锡的报告以客户服务代表为例，展示了一个典型的“AI生产力红利”分配困境：AI释放了40%的容量，组织可以选择“少人做同样的事”（裁员）、“同样的人做更多的事”（扩张覆盖）、或“转向更高价值的工作”（客户成功、质量知识专家）。斯坦福经济学家Erik Brynjolfsson在与麦肯锡的对话中指出，仅仅关注裁员会错失更大的机会——重新配置和重组工作，使其围绕人现在能借助AI做什么来展开。

李宁的判断与此一致：当生成能力变得丰裕，组织瓶颈转向验证与验收，人的价值更体现在定义问题、创造需求和判断成果价值。这意味着，中层管理的默认职业终点将被削弱。如果AI吸收了更多的状态跟踪、综合、路由和协调工作，那些曾经为管理层级提供正当性的工作将萎缩。组织需要新的职业路径，奖励工艺精通、判断力、人机编排能力、客户信任，以及在AI支持下做出高质量决策的能力。一个能够在复杂商业成果中领导智能体的高级个人贡献者，可能创造与一个管理大团队的传统经理同等的价值。

四、人力带宽、专业知识、沟通协调的三大转变

综合麦肯锡与李宁的框架，AI Agent时代对三个经典组织约束的改写可以概括为：

人力带宽Human Capacity：从“容量约束”到“判断力约束”。过去，组织的产能受限于人类的工作时间、精力和认知带宽。AI改变了这一点——智能体可以全天候运行、大规模并行、以人类无法企及的速度处理信息。但这也意味着，人的“容量”不再体现在执行量上，而体现在能做出多少高质量判断上。麦肯锡的数据显示，70%的受访者表示个人已准备好迎接AI，但只有27%的领导者认为其组织准备好做出智能体未来所需的转变。这个差距的核心，不是技能差距，而是判断力准备度的差距。

专业知识Expertise：从“积累经验”到“设计学徒制”。这是最容易被忽视的风险。如果智能体接管了初级工作——研究、起草、编码、分析——那么人们传统上通过做这些工作来建立专业知识的路径就被切断了。麦肯锡警告：今天生产力的红利，可能变成明天的判断力缺口。组织需要重新设计人们建立专业知识的方式，让管理者花更少的时间协调活动，更多的时间创造练习、反馈和日益重要的判断机会。李宁对此的回应是，组织需要建立新的“判断分工”体系，使人能对相对完整的任务负责，而非被碎片化地分配到某个职能环节中。

沟通协调Coordination：从“人际协调”到“人机编排”。传统组织中，协调成本是组织规模扩张的主要制约。会议、汇报、审批、跨部门对齐——这些本质上都是信息转移和决策协调的机制。AI Agent可以越来越多地追踪已做出的决策、仍待完成的工作和下一步需要注意的事项。会议不会消失，但其目的将从常规信息传递转向建立判断力、承诺和信任。麦肯锡的“动态编排架构”正是这一转变的可视化工具：它不再显示“谁向谁汇报”，而是显示“为了这个成果，人和智能体如何组合”。

结语

麦肯锡的报告和李宁的框架，从两个不同的起点——一个从企业实践出发，一个从组织理论出发——抵达了同一个判断：AI Agent时代的组织变革，不是给旧组织装上AI工具，而是以成果为起点，重新编排人、智能体和数据的工作流。

“动态编排架构”替代“静态组织架构”，不只是图表形式的变化，而是组织设计哲学的根本转向。它意味着，组织的核心能力不再是管控和协调，而是设计和编排——设计什么人机组合能交付最佳成果，编排什么工作流能让判断力在最关键的地方发挥作用。而“使命工厂”和“学习回路”则让这种能力具备了复利增长的可能：每一次任务完成，都在为下一次任务积累可复用的智能体、组件和决策，使组织智能在持续迭代中不断进化。

用“马鞍工程”来形容这种能力，虽然不是李宁书中的原话，但这个比喻抓住了变革的精髓：智能体是马，组织需要的是能让马匹稳定、可控、高效协作的“马具系统”。而真正的考验，不是部署了多少智能体，而是组织是否具备了“做以前做不到的事”的能力，以及在不断迭代中持续进化的能力。

文献参考：

https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai

https://www.mckinsey.com/capabilities/people-and-organization/our-insights/ai-is-changing-work-now-it-has-to-change-the-organization

李宁新书：一份关于“AI原生组织”的物种学报告丨开卷有益https://www.thepaper.cn/newsDetail_forward_34103448#1

值得一读：《AI原生组织》 https://mp.weixin.qq.com/s/9wlpOgBXIX8uh7VECTnxzg

文章来源 |吾等正觉

当AI从“尝鲜”走向“深耕”

企业里真正稀缺的

还是那个“会写提示词的人”吗？

不是，真正稀缺的

是既懂经营战略

又懂AI落地的复合型人才

↓↓↓