AI时代的组织革新：突破有限理性的新路径
对于组织理论研究者而言，核心议题之一便是组织如何适配环境。组织设计的本质，在于梳理内部分工协作体系，构建应对环境波动的机制。
如今，众多组织已演变为覆盖多专业领域、内外融合的大型生态系统，复杂度持续攀升。但组织设计面临现实困境：人类理性存在上限。正如詹姆斯·马奇与赫伯特·西蒙在《组织》中所述，组织应被视为有限理性的决策与学习系统，以惯例为基础、受历史路径影响且具有目标导向性。
正是“有限理性”促使企业分化出不同部门，部门内设置不同岗位，形成各类工作流程。分工必然带来协调需求，分工越细，协调难度越大；重复的流程易让企业陷入路径依赖，滋生管理问题。
马奇和西蒙提出，组织理论发展的关键在于如何通过提升组织智能克服人类有限理性约束。在AI时代，这一问题的答案逐渐清晰。
AI融入组织决策流程
通常，人们从决策视角观察组织设计。对环境的认知常源于对专业化决策的解读。
决策过程一般分为输入、处理、输出三阶段（IPO模型），对应人类决策的感知、解释、行动环节：感知环境获取信息，大脑解释信息并指导行动。所有组织设计都嵌入这一逻辑。
AI时代，决策（尤其是战略决策）对组织设计的重要性愈发凸显。上一轮技术革命（如互联网、连接技术）主要影响决策的感知环节，改变了信息获取与感知世界的方式。
AI技术更多聚焦于解释和行动环节。大模型能给出答案，但解释逻辑被“封装”，这与人类战略决策中依赖经验、直觉的“拍脑袋”模式相似——均源于有限理性，在信息不全、时间紧迫或问题复杂时，大脑会用启发式规则快速判断。
某种程度上，AI大模型是外接的启发式规则大脑，虽解释逻辑不明，但结果有效。
在行动环节，AI如何替代或补充人类角色？管理学界对此研究较多。《机器与人：埃森哲论新人工智能》将组织行为分为14类：机器可替代适应、预测等4类；人类需承担判断、创作等4类；展现、交互等6类适合人机协作，分工各有不同（图1）。
图1 人类和机器在组织中的分工（资料来源：[ 美] 多尔蒂,[ 美] 威尔逊.机器与人:埃森哲论新人工智能[M].赵亚男,译.北京：中信出版社,2018）
总体而言，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。
自然语言模型与传统AI的显著差异在于，工程师干预减少，用户可直接与数据交互，技术赋能从工程师主导转向用户主导，商业交互更便捷。
将AI能力应用于组织实践，会形成新决策模式。某游戏公司调研显示：AI生成图文降低70%美术成本，效率提升50%；AI分析剧本角色扩大创意范围，推动策划与研发岗位调整；玩家参与测试提供数据，AI助力营销分析；程序开发效率提升30%。但AI也有局限：生成内容有“AI味”，缺乏真实美感；营销创意需人类做市场判断；无法结合企业具体情境决策。
员工普遍困惑如何给AI下指令——AI像有能力却偷懒的同事，能解决问题但不主动思考，依赖准确指令和激励。让AI画自画像，结果是会议室打瞌睡的形象（图2）。因此，AI用得好的人是懂业务痛点的人，优秀员工才能用好AI。
图2 AI 自动生成的自画像
当AI进入董事会等高层，问题更复杂。AI是否具有主体性仍存争议，它缺乏责任感、同理心等管理者必备能力。需建立新治理机制应对AI参与战略决策的问题，至少包括三层面：一是责任主体虚化与追责难——AI建议的战略失败，责任由谁承担？现有法律和治理框架缺乏对非人类决策参与者的问责路径；二是决策“黑箱”与伦理风险——AI解释逻辑不明，可能基于偏见数据导致不公平行为，给企业合规和声誉带来挑战；三是人类判断力弱化风险——需设计“人在环中”模式，界定人机协作边界，避免管理者依赖AI而放弃直觉与经验。
AI推动组织形态革新
20世纪80年代，以专家系统为核心的第二轮AI热潮中，其逻辑是“知识+推理”，将人类专家知识编码成规则库，解决特定领域问题，不追求通用智能。
如今的AI仍解决数据、规则、答案的关系，但改变了要素排列：人类注入大量数据和答案，AI通过计算自行摸索规则，知识越多规则越清晰，且能随知识更新调整。
未来组织设计或沿袭这种动态模式。制度过时时企业可能面临危机，若规则能基于当前情况自动调整，就能平衡效率与灵活性。比如，红绿灯根据实时车流量动态调整，可缓解交通拥堵。
20世纪初流水线解决了标准化问题，60多年前计算机普及实现自动化，AI或将解决组织流程自适应问题。企业样本显示，规模扩大导致协调成本增加，抵消规模经济收益；由实时数据驱动的组织，能化解流程标准化与灵活性的矛盾。
部分企业已出现变化：游戏公司策划用AI生成图文后，与研发的沟通流程改变，岗位、部门业绩分配倾斜，衍生新组织形态。
过去以人数衡量组织规模，AI时代可能出现5名人类员工加大量AI员工的超大型企业。人类对组织的预设被颠覆，带来组织变革，如组织设计顺序改变——以往先设岗位再定流程，未来需从流程出发，寻找适配任务的人力资源。
更细化的任务单元和弹性制度，是自适应流程化组织的特征。在此基础上，AI驱动的流程再造、新分工协调机制、新效率边界，将催生新组织变革理论。
组织变革理论范式的转型
以往管理学中，组织变革遵循计划式变革理论：设定愿景目标、规划路径、自上而下实施。但数字化转型的难题让这一模式存疑，组织AI化会放大问题。
核心问题在于，数据的生成性和技术采纳带来的组织调整，使企业难在初期规划所有变革目标和路径。计划变革理论的假设在数字化情境中不成立，现实案例显示，企业对新技术规划越细，失败率越高。宝洁前副总裁萨尔德哈反思数字化转型失败时提到，初期战略定位错误，无法预估技术应用情境，应着眼业务支撑的转型任务。
此时需转变思路，“摸着石头过河”更有效：逐步前进、调整方向，在过程中清晰愿景目标。领导者从改革推动者变为调控者，通过制度设计让组织随技术发展迭代进化。
企业已有相关实践，但理论支持不足，暂称“持续变革理论”。与“解冻-变革-再冻结”的计划式变革不同，它没有预设清晰静态的目标，认为AI时代的变革是自下而上、数据和实践驱动的涌现过程，愿景目标是迭代探索中逐渐清晰的产物。领导者角色从设计者推动者，变为创新生态的设计者调控者，需设计激励创新的制度环境，让组织在试错中自我进化、动态适应。
技术已先行，组织变革理论范式需转型，以赋能企业适应AI时代。
本文来自微信公众号“复旦商业知识”（ID：BKfudan），作者：井润田 朱芳圣，36氪经授权发布。
本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。
免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com