原生组织 - 我们不是缺 AI 工具,而是缺一种新的组织想象

过去一年，几乎每家公司都在谈 AI。有的公司给全员开通了 ChatGPT、Claude、Copilot；有的公司搭了内部知识库；有的部门开始用 AI 写周报、做图、生成代码、整理会议纪要。再往前一点的团队，已经开始尝试 Agent、自动化工作流、多模型协作。

但一个更尴尬的问题也随之浮现出来：客户问题的响应周期变短了吗？新产品从想法到上线的时间缩短了吗？会议变少了吗？决策链变短了吗？组织结构真的重新设计了吗？还是说，我们只是把 AI 塞进了原来的流程里，然后继续用过去的方式开会、审批、汇报、等待？

旧传动轴与新工作流：工具升级不等于组织重构

今天的企业并不缺 AI 热情。老板在战略会上讲 AI，市场部在海报里写 AI，技术部在试模型，人力部门在安排培训，业务团队也确实开始用 AI 提效。表面上看，一切都在发生变化。

但如果把镜头拉远一点，会发现许多变化仍然停留在个人层面：一个运营同事写文案快了，一个分析师做资料快了，一个程序员补代码快了，一个客服回复客户快了。

这些当然有价值，但它们很可能只是岗位级效率提升。问题在于，公司的真正瓶颈往往不在某一个岗位，而在岗位与岗位之间。一个需求写完之后，仍然要等评审；评审之后，仍然要等排期；排期之后，仍然要等设计；设计之后，仍然要等开发；开发之后，仍然要等测试；测试之后，仍然要等上线批准。

于是，每个人都更快了，但公司整体没有更快。

很多 AI 书会从模型能力讲起：大模型如何推理，Agent 如何调用工具，多模态如何改变交互。但《原生组织》采取了另一种写法。

它不断提醒读者：AI 原生不是技术选型，而是组织底层逻辑。

因为在很多企业里，AI 转型天然会被交给技术部门。选模型、做平台、搭知识库、上系统，这些当然重要。但如果 AI 只被理解为 IT 项目，它就会天然停留在工具层。

真正困难的地方不在于「用哪家模型」，而在于：哪些任务应该由 AI 默认启动？哪些决策可以由 Agent 先推演？哪些节点必须由人类审核？哪些岗位需要被拆成任务流？哪些中层职能本质上只是信息传递？哪些流程存在大量等待，却从未被记录为成本？

这些问题都不是单纯的技术问题。它们牵涉组织结构、权力边界、绩效评价、人才标准与文化契约。因此，作者提出一个很有启发性的判断：这是 CEO 必须亲自打的仗。

这本书里我最喜欢的概念之一，是它对组织语法的重写。

过去一百多年，现代公司大多建立在一种默认语法上：岗位 × 人。公司先定义岗位，再找人填进去。销售负责销售，运营负责运营，客服负责客服，财务负责财务。组织架构图画出来，就是一个个岗位和汇报关系。

但 AI 出现之后，这种语法开始松动。因为很多工作不再天然对应一个完整岗位，而可以被拆成更细的任务单元。

一个「客服经理」的工作，可能被拆成基础问答、工单分类、情绪识别、历史记录检索、复杂问题升级、客户关系维护等多个任务。其中一部分可以交给 Agent，一部分需要人来判断，一部分需要人机协作。

《原生组织》中有一个非常值得企业管理者反复看的视角：等待。

在传统组织里，等待常常不被看作成本。一个流程拖了 60 天，大家会以为是工作复杂、部门多、审批严。但如果拆开看，真正工作的时间可能只有 20 天，剩下 40 天都在等。

等会议，等排期，等审批，等回复，等老板拍板，等下一个部门接手。

这类等待不会出现在利润表里，也很少被绩效系统记录。但它真实吞噬了公司的速度。AI 的真正价值之一，并不是让某个人写报告快 30%，而是让组织中的大量等待可以被压缩。

从 Human-in-the-loop 到 AI-in-the-loop：谁发起，谁兜底

Agent 可以先整理信息、推演方案、补齐材料、发起流程、标记异常，让人类不再从零开始。这就是书里所谓 Loop 的反转：过去是人发起，AI 辅助；未来可能是 AI 先推进，人类审核和兜底。

这件事对组织的冲击很大。因为一旦 AI 可以持续推进任务，许多中层角色的价值就会被重新审视。过去靠传递信息、催进度、协调接口产生的职位，会面临结构性变化。

书中提出 CAO，Chief Agent Officer，首席 Agent 官。这个名字可能会有争议，因为现实里 CAO 已有其他含义。但重要的不是缩写，而是背后的问题：当一个公司拥有几十个、上百个 Agent，谁来管理它们之间的关系？

CTO 管技术基础设施，业务负责人管业务结果，产品经理管产品路线。但 Agent 网络的目标函数、权限边界、接口协议、升级规则、审计机制，往往横跨多个部门。

如果没人负责，Agent 越多，混乱越多。每个部门都做自己的自动化，最后公司内部形成一堆互不理解的半自动系统。短期看很热闹，长期看像一座没有交通规则的城市。

所以 CAO 真正代表的，是一种新的组织能力：编排能力。

坦白说，《原生组织》不是一本严谨学术著作。它有大量历史类比、企业家访谈、趋势判断，也有一些未来预测。读者不应该把其中每一个数字都当作定律，也不应该把每一个案例都当成可复制模板。

但这并不削弱它的价值。因为这本书真正有用的部分，不是告诉你「未来一定长这样」，而是逼你承认：如果 AI 是通用目的技术，那么组织不可能保持原样。

就像互联网早期，没有人能准确预测今天的移动支付、短视频、电商直播、云计算和全球协作平台会以怎样的顺序出现。但在 1995 年之后，仍然坚持「互联网只是宣传渠道」的公司，后来大多付出了代价。

我推荐《原生组织》，不是因为它给出了所有答案，而是因为它提出了一个足够重要的问题，并且给出了足够多可以开始行动的语言。

它让我们从「模型好不好」转向「组织变不变」；从「员工会不会用」转向「流程有没有重写」；从「AI 能不能替代人」转向「任务如何重新分配」；从「买哪个工具」转向「谁来设计目标函数、边界与编排」。

对于企业家和管理者来说，这本书最适合作为一次内部讨论的起点。你可以不完全接受它的结论，但可以拿它的问题去问自己的公司。

如果这些问题问完，会议室里开始安静，那这本书就已经发挥作用了。

《原生组织》最好的读法，不是一次读完，然后放回书架。更好的方式是：读一章，拿一个概念去公司里验证。

比如先画一张等待地图，看看某条核心流程到底卡在哪里；或者把一个岗位拆成任务清单，看看哪些任务可以交给 Agent，哪些必须由人负责；或者让 CEO 亲自用 AI 完成一天里最重要的一项工作，而不是只听汇报。

如果你的公司已经开始用 AI，却仍然没有变快、没有变轻、没有变聪明，那么《原生组织》值得放到高管书单里。

它未必让你舒服，但会让你更难继续自欺。而对正在经历 AI 转型的公司来说，这可能比安慰更重要。