文 / 郭伟，J9九游会高级合伙人、副总裁，首席组织变革专家
来源：J9九游会e洞察（ID：chnstonewx）
本文根据郭伟在2024J9九游会第十一届十月管理高峰论坛上的演讲整理，文章仅代表作者本人观点（未经本人审核）

 
今天的论坛依然秉持了J9九游会的基本理念——坚持长期主义，坚持价值创造。上午，吴春波老师讲到，不管技术如何变化，企业发展的本质是不会发生变化的，所以华为才会愿意持续多年投入于内部各个系统的建设。下午，苗兆光老师讲到，在当前的经济拐点下，企业与其追求成功，不如追求长久经营。夏惊鸣老师告诉我们，每个行业要根据自身的情况，打造不能的能力，构建不同的体系。我想说的是，一个企业长久不变的方向到底是什么？我认为是组织能力的建设。只要自身做强，在外界的变化和任何不确定的情形之下，都会有我的一席之地，都会有自身的生存空间。所以，构建适合自己的组织能力建设，才是企业经营持久不变的主题。

曾经有一位企业家非常感慨地谈到：不怕远，只要走在正确的道路上，快一点、慢一点，有一些小的波折，都不重要。那么在AI技术出现之后，在它的驱动之下，虽然不会改变组织能力发展的根本逻辑，但是对我们组织能力的发展和建设会造成哪些影响呢？这是我今天要跟大家汇报和交流的内容。具体包括三项：

•  AI的本质。技术人员看AI，和做企业管理的人看AI是不一样的。从企业管理的视角看，如何理解AI的本质、特性？
•  组织逻辑。不论是AI，还是互联网、大数据，可以看到组织的底层逻辑和发展趋势是不变的，工具和方法只是加速和调整了组织演进的逻辑和速度。那么，组织发展的基本逻辑是什么？
•  面向未来，如何加速AI组织的升级？
关于AI的发展历史，专业的解释非常多。诸如它的萌芽时期、初代人工智能、机器学习时期的半监督的学习，以及深度学习期等。包括通过多层神经网络，构建起自动通过数据的学习系统。

这里引入一段较为详细的发展简史，供大家参考：

AI（人工智能）的发展史是一个充满创新和突破的历程，经历了多个重要阶段，每个阶段都伴随着技术上的重大进步和应用领域的扩展。概述地说：

一、萌芽阶段（20世纪50年代至60年代）

概念提出：1950年，阿兰•图灵（Alan Turing）在其论文《计算机器与智能》中提出了图灵测试，探讨了机器能否表现出类似人类的智能行为。1956年，由约翰•麦卡锡（John McCarthy）组织的达特茅斯会议被认为是人工智能作为独立学科的诞生标志，会上提出了“人工智能”这一术语，并启动了一系列基础研究。

理论基础建立：科学家们开始围绕逻辑推理、问题求解等核心议题展开研究，并开发了基于规则的系统，如专家系统，来模拟人类智能行为。

代表性成果：艾伦：纽厄尔（Allen Newell）和赫伯特西蒙（Herbert Simon）开发的第一个人工智能程序“逻辑理论家”（Logic Theorist），能够证明数学定理。此外，DENDRAL专家系统在化学领域的成功应用也奠定了AI发展的基础。

二、应用探索阶段（20世纪60年代至70年代）

深入研究与应用尝试：研究者们在不同领域进行深入的理论研究与应用尝试，使AI从一个抽象的概念逐渐发展成为可以用于解决实际问题的工具。

专家系统的兴起：专家系统是AI早期的重要发展之一，利用规则和知识库模仿人类专家的推理过程。早期的代表有DENDRAL（用于化学分析）和不同阶段的挑战和机遇。

局限与挑战：虽然专家系统在特定领域取得了一定成功，但它们的局限性也逐渐显现，特别是在处理复杂、不确定环境时的不足。

三、复苏与成长阶段（20世纪80年代至90年代）

技术突破与应用拓展：此前受到技术和计算能力限制的领域在这一阶段迎来了新的发展机遇，特别是专家系统的兴起和神经网络的复苏，为AI的发展注入了新的活力。

商用专家系统的应用：随着计算机硬件的进步，专家系统在工业界再次获得关注，如R1（又名XCON）是一个用于配置计算机系统的成功专家系统。

新挑战与机遇：尽管专家系统在商业应用中取得了一定成功，它们仍难以适应动态环境和不确定性。同时，反向传播算法（Backpropagation）的提出为训练多层神经网络提供了有效的方法，使得神经网络技术再次受到关注。

四、现代化阶段（21世纪初至今）

飞速发展与变革：得益于计算能力的显著提升、大数据的广泛应用，以及深度学习等新兴技术的突破，AI取得了惊人的进展。

技术革新与应用普及：AI技术不仅在学术研究中实现了多项里程碑式的突破，更在实际应用中获得了广泛普及，从自动驾驶、自然语言处理到医疗诊断、智能推荐系统等，几乎渗透到各个行业和日常生活的方方面面。

深度学习：在大数据、高性能计算和算法创新的推动下实现了神经网终的复兴，通过端到端学习直接从粉据中提即特征，广泛应用于图像识别、自然语言处理和语音识别等等领域。

大语言模型：如GPT系列和BERT模型等超大规模参数的大语言模型，凭借对自然语言的深刻理解和生成能力，正在改变内容创作、智能客服、教育、医疗等多个行业的面貌。

五、未来展望

技术演进与创新：随着技术的不断演进，AI将深入各行各业，推动自动化、智能化的发展，实现前所未有的创新和效率提升。

挑战与机遇并存：伴随技术进步而来的还有诸多挑战，如数据隐私和安全问题、算法偏见、法律法规的制定等。同时，AI也将为医疗、金融、交通、教育等领域催生颠覆性的应用。

综上所述，AI的发展史是一个不断突破、不断创新的过程。从最初的萌芽阶段到现在的现代化阶段，AI已经取得了巨大的进展，并将在未来继续发挥其巨大潜力，成为引领科技进步和社会变革的关键力量。

因此，直至今天，进入了AI大爆发的时代，核心的问题是AI走上了“生成式”的道路。生成式AI的特点是已经有了类人脑的神经网络，与以往的对人的模拟相比，算法的架构创新和数据量已经发生了本质的变化。但这个质变到底发生在哪个环节呢？其实就是从决策式的AI逻辑走向了生成式AI逻辑。

什么是决策式的AI逻辑？即在大量的数据支持之下，建立起数据和标签（或者说行为）的逻辑关系。通过大数据的积累和模型建设，AI可以代替人做出判断——这就是决策性的AI。

ChatGPT出现之后，生成式的AI逻辑出现，即输入非结构化的、碎片化的数据，之后建立起非结化的学习结构，进而产生新的、有创造性或创新性的内容。所以，生成式AI掀起了这一次的AI革命，这是它的本质特点。

那么未来会怎么样？AI的未来是AGI，即通用人工智能，它具备了与人类相似的认知能力，可以在不同领域进行学习、理解、推理等。可以看到，现在的生成式AI相当于三五岁或者七八岁的小孩，有一定的创造性，但是有限，不具备复杂的判断和创新能力。未来，当通用人工智能完全形成，就可以从数字神经网络走向生物神经网络，而且能实现二者之间的贯通。换句话说，AGI是完全类人化的，这是未来的方向。

很多人说，这是不是道德的，担心它会对人类造成危机。但是从技术发展的趋势看，这是一种必然。可以看到，2024年，通用人工智能AGI的发展规划已经进入了我们的政府工作报告，这意味着，我国正在全面部署这些系统，它是AI发展的未来趋势。

在这种发展逻辑之下，AI的本质是什么？它会对组织产生哪些影响？

第一大类，增强智能。根据BCG（波士顿咨询公司）的研究成果，AI的本质是辅助人类提高效率；第二大类，替代人类。即自动化智能，也就是硅基人。硅基人在简单判断、决策和行动的层面上，可以自动实现对人的替代。也就是说，在无法完全替代碳基人做判断的条件下，硅基人或者说AI类似于决策工具，为我们提供了一些辅助功能。

从中可以看到，这两个功能相互之间是会产生影响的。当辅助功能不断扩大，硅基人运用的领域，其深度和广度会不断扩大。就像一个孩子逐渐长大，原来由父母代替他做的事情，后来会逐渐变成一种自主行动。
可以看到，未来的组织，首先，总部是小而精的，是起引领作用的轻管控；第二，在组织内部，各类组织形态都会存在；第三，更重要的，每一家企业都会建立起自己的AI技术平台。它具备三层构架：第一层是底层模型，即大模型，是在大模型技术支持的基础上，基于自身行业积累的数据所形成的智能决策系统；第二层是模块化的AI功能，是研产销财等各个方面的能力；第三层是在简单劳动的情况下，实现硅基人的完全替代，而碳基人仅扮演中层以上的角色。

由此产生的人才结构也会发生很大变化，会从金字塔式的组织形态逐渐走向1-N的成熟形态，即松树型。什么是松树型的组织形态？基层由硅基人替代，可能包括一部分创新工作。但大量的创新是在中高层，是通过架构设计和创新性的内容指导硅基人工作。

这是AI的本质对组织的影响。换句话说，从组织建设、组织能力发展的视角看AI，其本质到底是什么呢？我很同意夏惊鸣老师“智替”的说法。这里存在两个层面，第一个层面是完全的智替，即硅基人；第二是决策的辅助智替，即增强智能。

从第二个层面看，AI对现代企业的组织和组织能力建设到底会产生哪些影响？会造成什么样的趋势？还是要回过头来看组织的底层逻辑和发展趋势。

什么是组织？教科书和互联网上有大量的解释，大家有兴趣的可以去看看。其中有一条很明确，就是完成特定目标，有特定结构的人的群体。这里面有三个关键词：特定目标、特定结构、人的群体。我们大家都是人，这一点无需解释。但是如何才能提高人的素质？可以把人进行细分，分为领导干部的领导力、专业技术人才以及底层员工，等等。那么，各类人员应该如何发展？如何供给？这都是人力资源领域需要研究的问题。

当然，特定目标是战略性决策，是指我们需要做哪些事情？如何为组织定目标？夏惊鸣老师也说过，每个行业都有自身的特点。那么，我们的战略如何保证自身走上正确的道路？凡此种种，是战略要解决的问题。

这时再来看战略和人，这两个要素都很好理解，但关于组织能力，各个企业最容易出现的问题是，不同的能力要建设在哪儿？我们认为，要构建在组织结构之上。

那么如何理解组织结构？现代的组织是建立在专业分工的基础上的。《国富论》一书在开篇就阐述了一个观点：由于专业分工而产生了现代型组织。原来的组织，是一个人可以完成整个工序，比如一个裁缝可以从头至尾做好一件衬衫。而现代型组织是什么？是有人制版，有人裁剪，有人上袖子，有人钉扣子。为什么要做这样的专业分工？因为这样做能够更好地提升效率，其背后的逻辑是效率，是组织能力。因为人存在学习的局限性，不可能成为所有环节、各个方面的“达人”，无法做到全流程的贯通。专业化分工带来的一个便捷方式，就是在纵向能力建设的线条上，可以让所有同一工种的人聚集起来，使效率得到更好的提高。因而在流程贯通之后，每个工序的效率更高了——同样是100个人，与原来的组织结构相比，所产生的效率是完全不一样的。这就是现代组织的由来。

我们的老祖宗对此早有认识。“组织”一词出自《辽史·食货志》，其中所讲到的组织是“饬国人树桑麻,习组织”。所以中国人在最早讲到组织的时候，指的就是纺织的过程。既然是纺织，就会有经线，有纬线。对应现代的组织，经线即部门、层级，纬线即流程，并由此形成了矩阵式的组织。由此，组织建设的一些基本命题即可以被勾勒出来——建流程、建层级、建结构、建形态。这也是现代组织建立在专业分工基础之上的底层逻辑。企业能否成为一个组织，能否形成组织力量，既取决于经线与纬线的编法，也取决于每个部分、每条线自身的力量。

这里面出现了几个概念。什么是流程？流程是为了实现组织目标而存在或者设计的，两个以上的业务步骤，是过程节点及执行方法被有序组织的过程。比如，为了生产一件衬衣。并且，流程是要产生目标和创造价值的。那么，在我们组织架构的“经纬”中，横向的是部门，按照专业化的分工，部门的任务从一开始就是为了能力的提升，是为专业能力获得最大的提升而作出一种设置。

一旦产生这样的社会分工，就会产生如何协同以及如何治理的问题。传统组织的管理有两大核心命题，第一，组织结构会根据业务量和专业化的要求，始终处于动态裂变当中。当组织规模增大，分工就会越来越细，流程就会越来越长，而且也会变得不一样；第二，因分工而产生的协同问题。如何有效协同？层级多了就需要授权，授权之后，如何才能实现有效治理？基于这两个命题，可以说，在任何背景之下，组织其实并没有发生变化。

我们不妨了解一下管理科学对组织理论的研究。组织和组织管理的研究均是从经济学和管理学角度入手，以组织为研究中心，分别沿着社会环境中组织间的关系和组织内部的结构与协调两条主线探讨组织结构、组织行为和组织绩效三方面的内容。也就是说，所有组织理论的研究都是围绕着组织结构如何设计，组织结构设计之后如何协同的问题展开，进而探讨组织绩效，是延续在如何产生高绩效目标这一主线之上的。

在这条主线当中，有非常关键的三种学说：第一，巴纳德提出，组织是一个协调系统，是横向的专业分工和纵向的流程之间如何有效协同的问题；第二，西蒙提出，组织是一个决策系统。我们说，纵向的流程如何设计？资源在流程当中如何配置？如何分工？组织是在这些方面的有效的决策系统；第三，资源配置系统。在有效配置资源的情况下，如何使得组织的协同成本最小化？这是组织能力的特点。

有的组织配置得好，效率就高；有的配置得不好，效率就低。由此产生了一个概念——组织能力。什么是组织能力？组织能力就是以更少的资源，更高的效率，实现目标的能力。

1994年，‌戴维·尤里奇提出了组织能力的14项指标‌：

1.人才‌：吸引、激励和保留胜任且对企业具有认同度的员工‌。
2.‌速度‌：让重要的变革快速启动‌。
3.‌共同的思维方式‌：保持组织在客户和员工心中的积极形象，并使客户和员工从组织中获得良好的关系体验‌。
4.‌问责制‌：当战略被转化为可衡量的绩效标准，同时，员工所获得的回报与这些可衡量的绩效标准相挂钩时，问责制就产生了。
5.‌协同‌：跨越边界开展工作，为获取效率和杠杆效应提供保障‌。
6.‌学习‌：产生有影响力的创意并在组织内进行推广‌。
7.‌领导力‌：当组织中从上到下的领导者都拥有与客户预期相一致的独特标识时，该组织就拥有了领导力品牌‌。
8.‌客户链接‌：与目标客户建立持久的信任关系‌。
9.‌创新‌：创新聚焦于创造未来而赢得机会，而不只是依赖于过往的成功‌。
10.‌战略一致性‌：企业可以通过认知、行为、流程、衡量指标的计划来创造“战略一致性”‌。
11.‌精简化‌：保持战略、流程和产品的精简化‌。
12.‌社会责任‌：为社区或者更广泛的公众利益做出贡献‌。
13.‌风险‌：通过管理风险，组织预测未来的能力可以得到加强‌。
14.‌效率‌：有效管理运营成本‌。

我们提出了以一个数据化的指标系统构建起来的7个要素。

1.‌基础通用‌：这是数据标准体系的基础部分，涵盖了数据标准的基本概念、定义和分类等内容‌。
2.‌数据基础设施‌：涉及数据存储、处理和分析的基础设施建设，确保数据的可靠性和可用性‌。
3.‌数据资源‌：包括数据的采集、整理和存储，确保数据的完整性和准确性‌。
4.‌数据技术‌：包括数据处理技术、数据汇聚技术等，用于提高数据处理效率和质量‌。
5.‌数据流通‌：涉及数据的交换和共享机制，确保数据的流动性和可用性‌。
6.‌融合应用‌：将数据应用于各个业务场景，实现数据价值最大化。
7.‌安全保障‌：确保数据的安全性和隐私保护，防止泄露和滥用‌。

这些要素共同构成了数据标准体系，旨在推动数据的标准化、规范化管理，提升数据处理和应用的效率和效果。

从本质上讲，组织能力是全要素的提高。公认的一点是，组织能力可以分为四大类，也是组织能力的四个层次：一、所拥有的资源；二、生存的技能，即盈利能力；三、竞争力；四、持续更新和创新能力。

比如能力的创新。因为业务流程创造企业价值，所以华为前端（代表处）的流程一直在无限贴近客户，探寻为客户创造价值的最小经营单元。其后端全部是赋能单元，为前端赋能和实现管控，所以形成了业务流程、赋能流程、管控流程、决策流程等一系列的运作模式。
由此导出，任何一个组织单元，从性质的角度可分为三种：一、业务单元，直接创造价值；二、赋能单元，为前线作战提供能力支持和保障；三、职能单元，对整个作战系统进行指挥和管控。

可以看到，从直线职能型组织到事业部型组织，再到矩阵型组织，推动组织形态变化的底层逻辑是什么？是能力的复用。从每一个经营单元提出相同或相近的能力，形成赋能单元，并形成组织能力复用的状态。矩阵型的组织整合起来，会形成平台的赋能能力，最终会走向平台型和生态型组织。

因此，未来组织发展的趋势，是在前述逻辑的基础上，实现了产品的相对固定化，客户和运作模式也实现了相对的固定化。换句话说，业务流程部分具有一定的稳定性，因而形成了组织的稳态结构。

假如我们遇到的每一位客户都不一样，每场战役的打法也都不一样，组织应该怎么办？美军的建设为我们提供了很好的参考。美军建立了三维的指挥系统，所有三维的组织系统都是建立在训练的基础之上的。首先，陆军学会了各种武器的使用；第二，模式之下，要适应网络化作战、太空作战、运营作战等作战方式。之后，比如在非洲战区或者其他不同的战区，对海陆空都有哪些具体要求？各自要变化出什么样的作战方式？通过什么样的方式合作？每一层，都有能力的叠加。

基于此，可以看到，因为能力要求的多维化，现代企业的部门分类已经越来越多维化了。或者说，在能力建设领域出现了多维度的趋势。而在任务端，美军建立了“侦-打-评-控”的作战流程，通过日常训练，最终形成了联合司令部的指挥系统。

综上，未来组织发展的基本趋势是什么？

第一，环境日益复杂，能力日趋多样。
第二，达成目标的方式更加综合化。
第三，形成能力的方式更加立体化。有可能是三维，还有可能是四维、五维、六维。
第四，组织的组合方式更加敏捷化。

可以看到，现代组织发展是一个不断变化的过程。在这个过程中，我们的组织能力能否形成一套指标体系和一套可供衡量的数字化表达？我们想到知道今天组织或者经营的进展，是不是需要一个量化指标？管理学提出，没有量化就没有管理，组织能力也是如此。
要如何建立一套企业组织能力的衡量评价体系呢？一定是有方法和成体系的。但是因为时间的原因，我们在未来的课程中再给予展开。
第一，基础建设。依然要回到前提条件。我们在讲AI驱动组织建设的时候，目标极其宏大，现实极其悲惨——既有很多像华为和赛力斯这样的头部企业，能够在实践中大规模地运用AI技术，大规模地进行组织变革。但是多达60%~70%甚至更多的企业，在基础组织能力的建设方面还不及格，更不要说AI的引进和改造了。

所以首先，要持续创新前线作战模式。如何根据企业面临的形态，持续性地贴近客户、理解客户，持续性地创新前线的作战单元和作战模式？在这一点上，我与苗老师刚才提到的“当前有很多组织提升效能只是在运营层面”的观点不谋而合，很多企业只能实现运营层面的提升。因此，除此之外，还要有两个层次：

其一，要丰富我们产品和服务，加强和供应链、渠道、客户的交互能力，提高资源的使用效率，扩大收入规模。换句话说，要扩大自己的链式经营和生态经营，才能真正实现降本增效。

其二，在更高的层次上，要重新回到产品的本质，重新定义产品，重新定义公司，要通过技术与商业模式的颠覆式创新，重构产品和服务的新逻辑。

产品的本质是什么？假如我们卖出了一个微波炉，那么客户需要的是什么？他们需要的是便捷地解决食品加热的问题。基于此，我们还有没有其他解决方案？是不是能够重新定义产品的本质？只有重新定义产品，通过技术与商业模式的颠覆式创新，重构产品和服务的逻辑，才能真正实现降本增效，这是战略层面、结构化层面的创新。

第二，重构价值管理体系，打通价值循环。很多企业秉持了一贯的老板驱动模式，企业的经营核算始终要依赖整个公司层面的拉通。因此，所有的高管都只是执层，没有承担经营责任和战略任务。在这样一种情形之下，何谈AI驱动的组织能力的建设？所以，还是要回到价值体系的重构。

在这里，传统的分配机制，比如价值创造、价值评价和价值分配，我们就不再详细阐述了。但需要指出的是，传统的分配机制是劳资双方在雇佣关系的基础之上建立起来的激励体系，其基本的逻辑是投资者投资，承担经营风险，并获得所有的剩余价值；投资者雇用劳动者，按照市场价格付以相应的劳动报酬。劳动者不承担经营风险。在这种体制之下，在雇用关系的基础上，薪酬总额的概念是“加总”，是所有劳动者价格的相加。但现代管理体系人力资源管理的核心是全力创造价值、科学/正确地评价价值、合理分配价值，构建价值创造、价值评价与价值分配的良性循环机制，并以此建立一支高素质、高境界和高度团结的队伍，创造一种自我激励、自我约束和促进优秀人才脱颖而出的机制，营造良好的组织氛围和企业文化。这样的分配体系的两端是“合伙”关系。在合伙的基础上，按照事先约定的分享机制创造价值、分享价值。这是我们所说的，价值体系的建设。

第三，贯通战略执行的主流程，实现上下左右的互锁。目前企业的战略执行方面常见的问题是：战略无共识、规划不完善、解码不系统、执行无管理、激励无效果。因此，贯通从战略到执行，只能打通战略、计划、预算、绩效、激励五个模块，使其成为完整的体系与流程。也就是说，只有在各自承担经营责任的基础上，战略任务从上向下的解码，实现上下贯通、左右互锁，才是真正有意义的。如果都是执行体系，做不做解码有什么区别？在日常经营、管理的过程中随时纠偏不就可以了吗？

第四，建立新标准，盘点规划，重构干部队伍。

第五、尽早将AI技术应用到组织当中。要构建组织、招募人才，尽快应用AI技术推动组织变革。

AI领航者——顶尖AI专家：负责AI战略制定、技术方向把控、技术创新与风险评估等，如首席人工智能官（CAIO）等高层。
Al设计师——技术与业务复合型人才：负责搭建底层模型、模块化AI能力平台，并结合特定用例设计AI产品与工具。
变革专家——管理与技术复合型人才：推动组织的流程再造与管理变革，负责AI的内部宣贯，推动部门与个人应用新技术。

可以看到，在引入AI之后，有些组织的管理工作是可以大幅下降的，但是有一些还需要大幅上升。在AI的管理系统当中，要从底层架构设计，到算法，到软件，到产品，到业务，形成一套有效的人才结构、有效的AI运行模式和方法。

最后，组织能力建设是企业长久不变的主题。越早引入AI，大家获得的成功的喜悦就会越早。

谢谢大家！

（编辑/整理 李泽慧）