AI Native的组织架构应该是怎么样的?Block CEO:每家公司都可以压缩成一个agent
现代公司的层级制度本质上是一套“信息路由系统”,其设计初衷是在通信受限的条件下协调大规模人力。从罗马军团的编制到19世纪铁路公司的管理图,这套基于人类管理跨度(约3至8人)的嵌套结构一直是大型组织的根本约束。尽管过去两百年间,从科学管理到科技公司的扁平化实验层出不穷,但受限于缺乏替代性的信息路由机制,组织规模扩大后最终仍回归层级协调,始终未能在“管理跨度”与“信息流速”的矛盾上取得突破。
01从“生产力工具”到“结构性替代”
Block CEO Jack Dorsey 认为,AI 对组织的影响不应局限于提升现有体系的生产力,而应从结构层面解决问题。目前的普遍做法是将 AI 视为 Copilot(副驾驶),叠加在既有层级之上。Block 的思路则是直接取代层级所承担的协调功能,将整个公司构建成一个迷你 Agent(智能体)。这并非简单地给员工配备 AI 助手,而是利用 AI 维护业务的持续更新模型,承担原本需要中层管理层层层传递的信息汇总、决策传导与协调功能。
02构建 AI 原生公司的四层架构
为实现这一目标,Block 提出了由“公司世界模型”和“客户世界模型”驱动的四层架构体系,不再依赖传统的产品路线图,而是通过模型与现实数据的互动来演化业务。
- 能力层
作为构建模块存在,涵盖支付、贷款、发卡等金融原语。这些要素不具备独立用户界面,但需满足高标准的可靠性、合规性与性能要求。 - 世界模型层
包括基于内部运营数据的公司模型和基于交易信号的客户模型。AI 系统在此持续构建全景图,取代了传统经理在指挥链中传递情境信息的职能。 - 智能层
负责将底层能力组合成特定解决方案并主动交付。例如,在识别到商户现金流紧张前自动组合贷款产品,或在用户搬家后推荐适应新社区的金融服务。 - 界面层
即 Square、Cash App 等前端应用。它们作为智能层交付解决方案的触点,其核心价值在于背后的模型与智能,而非界面本身。
在此架构下,路线图不再是产品经理的主观预设,而是当智能层因能力缺失无法满足客户需求时,产生的“失败信号”即自动转化为未来的开发任务。客户的真实行为(如交易数据)直接定义了产品的演进方向。
03人机分工:从“管理者”到“对齐者”
组织角色演变对比
传统组织角色
智能分布在人身上,依赖层级管控
- 中间管理层:负责信息路由、状态同步和优先级谈判
- 员工:在既定职能内执行任务,信息获取受限于层级传递
AI 原生组织角色
智能存在于系统,人类处于行动边缘
- 个体贡献者(IC):被 Agent 放大,依靠判断力、品味与创造力工作
- 直接责任人(DRI):拥有跨领域资源调动权限,对客户结果负责
- 玩家-教练(Player-Coach):取代传统经理,负责构建与人员成长,不负责信息路由
在这一体系中,人类位于系统的边缘,但这正是与现实接触、产生行动的核心位置。人类负责处理模型无法察觉的新颖情况、高风险决策以及道德判断。CEO 的职能也随之转变,不再进行微观管理,而是专注于设计公司智能体的架构,确保 AI 系统与公司目标保持“对齐”。最理想的状态下,客户的直接诉求将划定公司的发展方向,管理层的核心工作转变为判断该方向是否符合公司的长期愿景。
04落地成效与反思
基于上述逻辑,Block 在三周内完成了裁员 40% 的决定。这一决策源于 AI 工具在理解遗留代码库和处理幻觉问题上的显著成熟,使得公司只需极少数人即可维持核心业务的运转、满足合规要求并推进智能体重建。Jack Dorsey 表示,此举旨在主动拥抱变革,将组织层级深度从最大 5 层压缩至 2 到 3 层,甚至未来可能实现全员直接汇报。
在日常工作流中,Block 已摒弃了传统的 PPT 汇报模式,转而使用 AI 工具实时构建原型进行讨论。Jack 认为,工具可以承担 80% 的工作,但剩余 20% 依赖人类的创造力、品味和判断力。对于规模较小的公司,他建议从审视现有层级的必要性入手,并将日常产生的所有信息数据化、模型化,以提升对组织运营的理解深度。这种尝试不仅是对单一组织的优化,也是在回答“什么是公司”这一根本性命题。
当前文章无评论,是时候发表评论了