智能从来不是工具,是结构:Copilot 救不了组织

发布时间:2026/10/28 19:01:11
智能从来不是工具,是结构:Copilot 救不了组织

WGA 在 2026 年 10 月发布的一份组织设计报告里引过一项覆盖 5179 名客服的研究:AI 辅助让人均处理量涨了 14%,新手和低技能员工涨了 34%。WGA 据此判断,工作流、排队、升级路径与汇报线,四样一样没碰。

人更快了,组织却没跟着动。活怎么流转、谁拍板、卡在哪一层,一点没变。

配了助手的组织和没配的,差的不在谁更快。差在责任与知识到底归在哪儿。这件事,组织一直让它停在一个人身上。

这不是孤例。世界经济论坛与埃森哲 2026 年的组织转型调研显示,仅 15% 的组织真正用 AI 重构了工作方式,其余大多把助手挂在旧流程上,容器照旧。

对 HR 和 OD 来说,定编、权责、交接本来就是这门手艺天天要面对的老问题。AI 只是把它们推到了必须重画的位置。

一·旧容器是「人」

一个完整的业务结果,落在一个对它负责的人头上。这不是自然规律,是工业时代沿用至今的默认设置。HR 按人头定编,就是这套默认最直白的体现。

组织把三样东西压在同一个人身上:上下文、判断、问责。人脑同时记上下文、做判断、扛问责,三件事由一人一体承担。为什么是这个人?因为旧时代人慢、执行稀缺,协调成本只能绑在活人身上。一个经理盯 8 个下属,不是因为 8 是最优数,是因为人的注意力和决策带宽就这么多,组织只能按人头去分摊责任。这条上限,清华团队称之为监督带宽。说白了,一个人能盯住、能纠错的人头数有天花板,AI 铺得越广,这个天花板越先被撞上。

二·AI 把容器打碎

AI 把执行拆成散落各系统的碎片之后,这个默认设置就失效了。

以日常审批为例(跨度示意):常规请求由 agent 闭环,经理只接管真正例外的部分,管理跨度从 1:8 拉到 1:30。拉大的不是人头,是例外覆盖。前提是 agent 真吃掉了低判断密度的活。没吃透,拉大的只是监督缺口。

上下文散在系统里,判断被拆给算法,问责却还挂在那个人的头上。三样装不下同一个人了,可组织还没想好把它们装去哪儿,中间只留下一笔编排债。每多接一个 AI 工具却没想好谁负责,就多一笔说不清、接不上的糊涂账,工具越多,账越乱。

三·新容器长什么样

责任与知识,归在哪儿

新容器不是一张新的组织架构图,是让责任与知识以能参与、能留存的方式重新找到归属,这本质是在积攒协议资本,让判断口径能穿越人员流动。换成大白话,就是把员工脑子里的隐形经验,变成写在系统规则和提示词里的条文,人走了,这套判断标准还留在组织里。同一件事,问责与记忆这两道变化已经在发生,扩展是它跑通之后才释放的效应。

问责落在 agent 的身份与系统默认里,而不是某个经理的头,责任不再折返到个人身上。出了错,系统能说出是哪一步、谁授权,不用再翻某个人的记忆。Block 给每个 agent 配了独立身份、权限和上下文(内部工具叫 Buzz),agent 的每一步判断都带着身份,问责就有处挂靠。一次修正沉淀进底层指引,下次不必重来。2026 年上半年,Block 重做职能架构、让 agent 与人共享公司上下文之后,Square 上线功能数约为上年同期的 3 倍。人没多,活却走通了。

以一笔通用赔偿为例(示意):5000 元的赔偿判错了,旧做法是一个人记在心里,他离职,教训就带走。新做法让这次修正沉进底层指引,下次系统自动不重犯。10 次、100 次修正叠起来,系统能调用的判断口径,就比任何单个人都厚。人脑的长记性跟着人走,系统的长记性留在这套组织里,而且越用越厚。

扩展不靠堆人,靠循环转起来。Dorsey 在 2026 年 2 月宣布裁减约 40% 员工时写过一句被反复引用的话:100 个人加 AI,等于 1000 个人。这句话成立要一个前提。组织真的跑起了让 agent 持续参与、持续修正的循环,数字才成立。循环没转,AI 只是把同样的错发生得更快。一旦循环转起来,曾鸣所说的黑洞效应就启动了,硅基员工比例越高,系统越能吸附私有知识自我进化。AI 上岗越多、用得越顺,越能吸住团队的私有知识和客户,自己越用越聪明,后来者越难追。

反过来看 Cloudflare。首席战略官 Stephanie Cohen 的原话是:不重设计工作方式,就改不了 Cloudflare 内部真正的运转;重画工作现场唯一的办法,是砍掉整块职能。他们当年招了 1111 名实习生,让新人带着系统视角去挑旧流程里不合理的地方。编制表上的人数从来不是杠杆,工作本身的判断密度才是。只砍人头、不重设计容器,工厂车间不会变。

四·HR 重写定编算法

可现实是,HR 自己常不在 AI 战略的桌前。SHRM 2026 调研显示,52% 的组织在 AI 战略与愿景上不让 HR 参与。恰恰是这群被排除的人,要重画定编算法。

Cloudflare 砍职能的反例说明,只动编制表没用。HR 要重画的,是定编背后的算法,不是人头数本身。

定编算法要重画的,不是人头数,是算人头的那套公式。这里有两把常被混为一谈的尺子:经理管人的跨度 1:8(人盯人,旧上限),和 HRBP 服务覆盖比 1:200(一个 HRBP 服务多少员工,旧按人头硬摊)。它们是两条不同的轴。新算法让定编跟着事务的判断密度走,拆成两种模式:

按判断密度的动态定编模型

这不算减人,是算编制的公式换了。HRBP 的注意力从例行事务转到例外,能管得过来的,是例外,不是人头。Box 2026 对 1640 位 IT 决策者的调研印证了同一方向:58% 预期三年编制增长、仅 9% 认为代理主要在淘汰岗位,44% 已在招聘 agent operator 这类新岗:agent 吃掉的是职能,不是人头。

给 HRD 与 OD 的落地动作入口

重新审视组织的 AI 重构,不必急着画新的组织架构图。先把定编算法从按人头切换到按判断密度,从这三件事入手:

1.查例外率:找出团队里耗时最多、判断密度却最低的前 3 个流程(如差旅审批、基础简历筛选),交给 agent 闭环,人只接管系统标记的例外。

2.划问责线:检查已上线的 AI 工具,出了错责任落在谁头上,把决策权和升级路径显式写进系统,而不是悬在某人记忆里。

3.留长记性:确保每一次人工对 AI 错误的修正,都沉淀为可继承的系统规则,而不是某个员工私下的口头经验。

数据刻度

结语

那 5179 名客服,人快了 14%,新手和低技能员工快了 34%,但工作流、排队、升级、汇报线,这四样没动。

不是组织笨。是「责任与知识到底归在哪儿」这个最底层的物理问题,还没人认真面对。配了助手的组织和没配的,差的不在谁更快,在于谁把知识与责任,变成了离开谁都能继续运转的东西。

麦肯锡 2026 的就绪度研究给了一个量级:组织就绪度能解释的方差(48%),是个人就绪度(25%)的近两倍。这意味着组织那一档的重建,靠工具撬不动。翻译成人话,组织层面的准备程度,比个人会不会用工具,更能决定 AI 到底有没有用。Copilot 救得了个人那一档效率。组织那一档,它救不了。

至于「一个完整业务结果落在一个责任人手里」这条 OD 老规矩,它没作废,只是责任人从「某个人」变成了「人加系统」。组织要重画的,是让这个组合真的扛得起结果,而不是把责任悄悄推给谁都找不到的算法。

关联阅读:

Cursor人才负责人:AI时代如何组建高密度人才团队?

先组织后硅基:联想AI组织转型指南

麦肯锡的最新“判词”:AI转型,CEO是唯一杠杆

AI-Native组织的"操作系统"与“复利飞轮”

如何判断是否真正AI Native?