★ FEATURED ARTICLE 第三次看十年公开课曾鸣教授讲组织这一条线时话收得很紧只压成一句单元从岗位转向任务。我记下的是他整场反复回到的那个词Learning Loop学习闭环商业、组织、战略都绕回这一个机制。这个转变他放在前提的位置讲当组织先问这活能不能由 Agent 完成岗位作为管理单元的角色就得重新定义依据从编制变成任务。顺着组织这条线他举的几个例子比结论更经得起拆解恰好是 AI 原生组织从概念落到结构的三块拼图一人加 agent 干完研发、环形认领的结构、AI 独立上岗的 60 分奇点。经验退场判断力上位一人加 agent 干完研发曾鸣教授举过一个例子一家创业公司的老总说这两年研发部门所有的活他一个人加 AI agent 就能把活全干完。他由此引出创智人才能选方向、定义问题、能把人机智能组织起来并落到业务上的人靠高能动性和超强学习放大自身能力而不是靠资历堆出来的经验。案例一的第一性原理是资历溢价的来源被抽掉了表面看是AI很强根子不在这里。工业组织里经验值钱是因为知识沉淀在人的脑子里、传递靠师徒和年限年长者天然占着信息差的优势。当 AGI 消化吸收了人类已知知识、agent 把调用知识的成本压到秒级经验的信息壁垒塌了。一个人能走多远取决于他能否定义对的问题、能否编排人机他本人的学习速度不再是那道天花板。落到人身上AI 没有替代人它把人的稀缺性从经验迁移到了判断力组织要抢的是能定义问题的人不是资历深的人。这个案例成立有个前提就是工作必须足够前沿只有在任务足够复杂、反馈足够真实、agent 真的在干核心活的地方创智人才才会碾压资历。对绝大多数还把 AI 当辅助工具的公司资历仍然有效因为真正的闭环根本没有建立。曾鸣教授举的是标杆式个案不能直接当作普遍现状。把它解读成经验不值钱了、到处套用是把一个边界极窄的机制误判成普遍规律。层级退场任务池立环形认领抽掉岗位容器他描述的前沿公司里二三十人定义方向和架构外围几百人认领和拆解任务更外层有几千人处理具体事六到七成的任务分发是主动认领。认领意味着责任也意味着成长。这套机制里没有传统的组织结构只有任务池和责任人。第一性原理是协调取代控制。工业组织靠层级做两件事把信息在上下层级间搬运、按职级分配资源。曾鸣教授说的认领结构用谁认为自己的能力匹配、任务重要、能负责谁就认领替代了上级分派。协调从垂直命令变成网络自组织。岗位之所以消失是因为岗位原本就是为固定盒子装固定人、方便替代和预测而设计的粗略划定的容器当任务可以实时拆解、能力可以实时调用这个容器变成多余的包装。认领结构让组织脱去僵化活不再卡在某个岗位等人对人是从占一个坑变成被需要时能力被调用能动性由具体事件触发而不是绑定在某个角色上。它的代价是三个前提必须同时成立任务池足够真实丰富、人的能力信号足够透明、组织信任足够高。缺任何一个认领就退化成抢容易的活或无人认领。曾鸣教授描述的是前沿公司的超前形态不是所有公司去掉层级就能复制的模板。他说得很克制中层单纯做信息中转、进度汇总的活会减少但人才成长、能力建设、关键判断和利益协调仍然重要。把中层消失当口号是对机制成熟度的误判层级收缩的是搬运职能不是协调职能。还有一个绕不开、却常被略过的缺口是对价怎么算。岗位模糊之后薪酬不能再锚定在固定职级上而要锚定在任务闭环的结果证明与贡献度上从为在岗工时付费转向为任务跑通付费。这一条不解决认领结构推行两步就会退回层级因为人不会为一套算不清自己贡献的系统持续认领。人退被调用loop 立60 分奇点标记结构转折尽量让 agent 把活干完干不了时临时调用人的能力人是被调用的工具。关键是只要把活移交给人这件事就脱离 AI 的学习闭环省人力反而是次要的。直接负责人DRI与岗位脱钩对结果负责。曾鸣教授把 AI 独立上岗、对结果负责的那个点叫 60 分奇点。案例三的第一性原理落点在学习闭环本身机器学习的本质是基于反馈的闭环使用过程必须成为学习过程资产才能越用越强。传统资产越用越旧AI 系统越用越强根子在这一条。但闭环要转起来必须让 AI 拥有完整的结果责任。只要人在中间兜底AI 拿到的就是被筛选过的二手反馈它学的是人想让它看的不是真实世界的全部因果。所以 60 分奇点不评技术好坏它标记的是一个结构性转折跨过去从六十到九十的升级可能只要两周跨不过去永远是个需要人盯的辅助工具。企业能沉淀下来的资产是自己跑起来的 loop不是买来的模型。对组织升级人退到被调用不构成降级它恰恰是把人的能力送进 loop 成为养料的前提。但张力在另一个地方loop 要复利必须连失败一起承担不能只报赢不报输否则系统学出来的就是一个有偏差的世界。曾鸣教授点到了对结果负责没展开失败归属这正是管理者真正要设计的边界什么交给 loop 负责什么留作人的例外。这个边界比上多少个聊天机器人都更接近战略。学习闭环越用越强的资产三个案例是同一个机制的三面把三个案例放回曾鸣教授的 AI 原生组织框架会看见它们指向同一个机制的三个截面而非三条并列的观察。学习闭环是新的协调技术案例二的组织升级是旧协调技术层级被这个新协调技术吸收后剩下的形态案例三的人退到被调用是闭环要真正闭合、必须拿走结果责任时人在系统里的位置变化。岗位到任务、人从固定到被调用、中层收缩全都是层级被 loop 替换这一件事在不同层面的显形谈不上三条独立预言。岗位已死任务当立三次位移这场分享在曾鸣教授思想脉络里的位置是《智能商业》的网络协同加数据智能向这次《看十年》的智能复利加愿景驱动的战略发现跃迁的关键转折节点不是一场孤立演讲。从网络效应到智能复利的跳跃和从组织是信息网络到组织是学习机器的跳跃是同一回事。结语曾鸣教授给的是一个机制不是操作手册。把 AI 当工具采购的公司优化的是一个正在被替换的协调技术。看清 loop 才是新协调层的公司会从任务出发向上重建单元和人的位置。窗口期的意义是早重建的公司在定义结构晚重建的公司要等结构被别人建好再进去时角色已经由系统定好了。关联阅读智能从来不是工具是结构Copilot 救不了组织麦肯锡发布的《2026年组织状况报告》深度解读AI时代的组织进化论Cursor人才负责人AI时代如何组建高密度人才团队如何用WorkBuddy手搓一个AI招聘工作台先组织后硅基联想AI组织转型指南AI-native转型路径端到端附路线图
阅读完成 · 觉得有帮助？
