Jack Dorsey告別傳統公司層級藉助AI走向智能體架構

撰文：Jack Dorsey 及 Roelof Botha，Block

編譯：Yangz，Techub News

在紅杉，我們發現速度是創業成功的最佳預測指標。大多數公司都把 AI 視為一種生產力提升工具。但很少有人關注 AI 在改變我們協作方式上的潛力。而 Block 正在展現的，是對組織設計進行根本性重構，最終利用 AI 來提升速度，使其成為一種複利式的競爭優勢。

在企業第一張組織架構圖誕生的兩千年前，羅馬軍隊就解決了一個至今仍在困擾所有大型組織的問題：如何在溝通受限的情況下，協調分散在廣闊地域上的數千人？

他們的答案是一種嵌套式的層級結構，在每一級都保持穩定的管理幅度。最小的單位叫「八人組」（contubernium），由八名士兵組成，共用一頂帳篷、裝備和一頭騾子，由一名十人長（decanus）領導。十個八人組構成一個「百人隊」（century），共八十人，由一名百夫長（centurion）指揮。六個百人隊組成一個「支」」（cohort）。十個支隊組成一個軍團（legion），約五千人。在每一層，都有一個指定的指揮官，擁有明確的權威，負責從下級匯總資訊，並將決策傳達給下級。這種結構（8 → 80 → 480 → 5,000）本質上是一個資訊路由協議，其基礎是一個簡單的人類限制：一個領導者有效管理的人數大約在三到八人之間。羅馬人通過數百年的戰爭發現了這一點。即使在今天，美國陸軍的層級鏈條也遵循着類似的模式。我們現在稱之為「管理幅度」，它仍然是地球上每一個大型組織的核心制約因素。

下一個重大變革來自普魯士。1806 年，拿破崙的軍隊在耶拿戰役中摧毀了普魯士軍隊。之後，以 Scharnhorst 和 Gneisenau 為首的一批改革者圍繞一個令人不安的事實重建了軍隊：你不能依賴頂層個人的天才，你需要的是一個系統。他們創建了總參謀部，這是一個由訓練有素的軍官組成的專門階層，他們的工作不是作戰，而是規劃行動、處理資訊、協調各部隊。Scharnhorst 希望這些參謀軍官能夠「輔佐無能的將軍，提供領導者和指揮官可能缺乏的才能」。在「中層管理」這一術語出現之前，這就是其原型。這些專業人士的職責是在複雜的組織中路由資訊、預先計算決策並保持對齊。軍隊還正式區分了「直線」（line）和「職能」（staff）兩種職權。直線部門推進核心使命，職能部門提供專業支持。直到今天，每家公司仍然在使用這套術語。

這一軍事層級結構通過 19 世紀 40、50 年代的美國鐵路進入了商業世界。美國陸軍將西點軍校培養的工程師借調給私營鐵路公司，這些軍官帶來了軍事組織思維。職能與直線層級、事業部結構、官僚化的報告與控制體系：所有這些都是在軍隊中發展起來的，後來才被鐵路公司採用。19 世紀 50 年代中期，紐約和伊利鐵路公司的 Daniel McCallum 創建了世界上第一張組織架構圖，用以管理一個綿延 500 多英里、擁有數千名員工的系統。那些在小型鐵路上行之有效的非正式管理方式開始失效，火車相撞事故頻發，造成人員傷亡。McCallum 的架構圖將羅馬人使用過的層級邏輯正式化了：權力層級、明確的匯報關係、結構化的資訊流動。它成為了現代公司的藍圖。

後來，被稱為「科學管理之父」的 Frederick Taylor（1856-1915）優化了這套層級內部的工作方式。Taylor 將工作分解為專門化的任務，分配給經過培訓的專家，並通過測量而非直覺來進行管理。這催生了職能金字塔式組織，即一種針對資訊傳遞系統效率而優化的結構，最初由軍方開創，後被鐵路公司商業化。

第二次世界大戰期間，職能層級結構首次經受了真正的考驗。曼哈頓計劃需要物理學家、化學家、工程師、冶金學家和軍事人員在極端保密和時間壓力下，跨越學科界限，共同實現一個目標。奧本海默將洛斯阿拉莫斯實驗室組織為若干職能分部，但他堅持跨分部開放協作，抵制了軍方慣用的部門劃分模式。1944 年，當核爆問題成為關鍵瓶頸時，他圍繞這一問題重組了實驗室，創建了跨職能團隊，這在當時的美國企業界是前所未見的。這種做法奏效了，但這是在戰爭時期由一位非凡領導者主導的例外情況。戰後商界面臨的問題是：這種跨職能的協作能否成為常規？

隨著二戰後企業的成長與全球化，職能型設計的規模侷限性變得日益突出。1959 年，麥肯錫的 Gilbert Clee 和 Alfred di Scipio 在《哈佛商業評論》上發表了《創建世界級企業》一文，為將職能專長與事業部相結合的矩陣式組織結構提供了理論框架。在 Marvin Bower 的領導下，麥肯錫幫助殼牌、通用電氣等公司實施了這些原則，在中央標準與本地靈活性之間取得平衡。這便成為了推動戰後全球經濟發展的「專業化」或「現代」公司的雛形。

隨著時間的推移，其他框架也應運而生，以應對矩陣結構的複雜性、僵化和官僚化問題。20 世紀 70 年代末，由 Tom Peters 和 Robert Waterman 提出的麥肯錫 7S 框架，區分了「硬 S」（戰略、結構、系統）和「軟 S」（共同價值觀、技能、人員、風格）。其核心理念是：僅僅依靠結構要素是不夠的。組織效能需要文化特質以及決定戰略能否真正成功的人的因素之間實現對齊。

最近幾十年，科技公司在組織結構上進行了大膽的實驗。Spotify 推廣了採用短周期衝刺的跨職能小隊模式。Zappos 嘗試了合弄制，完全取消了管理頭銜。Valve 採用扁平化結構，沒有正式的層級。這些實驗都揭示了傳統層級結構的某些侷限性，但都沒有解決根本問題。Spotify 在規模擴大後又回歸了傳統管理模式。Zappos 則經歷了顯著的人員流失。而 Valve 的模式被證明難以擴展到幾百人以上。當組織規模增長到數千人時，它們都會回歸層級式協調，因為還沒有任何一種替代性的資訊路由機制足夠強大到能夠取代它。

這個制約因素與羅馬人曾經面對的、美國海軍陸戰隊在二戰中重新發現的如出一轍：縮小管理幅度意味著增加指揮層級，但層級越多，資訊流動就越慢。兩千年的組織創新，本質上都是在試圖規避這一權衡，卻始終未能打破它。

那麼，現在有什麼不同？

在 Block，我們正在質疑一個基本假設，即組織必須通過層級來構建，並以人作為協調機制。相反，我們打算取代層級所承擔的功能。如今大多數使用 AI 的公司，都是在給每個人配備一個「副手」，這使得現有結構在不改變其本質的前提下略微改善了運作。然而，我們追求的則截然不同：一個作為「智能體」（或迷你 AGI）來構建的公司。

我們並不是第一個試圖超越傳統層級的嘗試者。海爾的人單合一模式、平台型組織、「數據驅動」的管理都是針對同一個問題的真實探索。它們所缺乏的，是一種能夠真正執行層級所承擔的協調功能的技術。AI 就是那種技術。有史以來第一次，一個系統將能夠維護持續更新業務模型，並利用這個模型來協調工作。此前，這項工作需要人類通過層層管理來傳遞資訊。

要實現這一點，一家公司需要兩樣東西：一個是關於其自身營運的某種 「世界模型」 ，另一個則是足夠豐富的客戶信號，使這個模型變得有用。

Block 以遠程辦公為先。我們所做的一切都會產生工件（artifacts）。決策、討論、代碼、設計、計劃、問題、進展，都以被記錄的行動形式存在。這些就是構建公司世界模型的原材料。在傳統公司里，經理的職責是了解其團隊正在發生什麼，並將這些背景資訊在層級中向上和向下傳遞。而在一個工作已機器可讀的遠程優先公司里，AI 可以持續構建並維護這幅圖景：正在構建什麼、什麼被卡住了、資源如何分配、什麼有效、什麼無效。這些資訊過去由層級結構承載，現在則由公司世界模型承載。

然而，系統的能力，取決於輸入給它的客戶信號的質量。而金錢是世界上最誠實的信號。

人們在調查中會說謊，會忽視廣告。但當他們消費、儲蓄、轉賬、借貸或還款時，這就是事實。每一筆交易都是關於某個人生活的一個事實。Block 每天通過 Cash App 和 Square 分別獲取數百萬筆交易的買賣雙方數據，此外還有營運商戶業務所產生的數據。這賦予了客戶世界模型一種罕見的能力：建立在不斷累積的誠實信號之上的、對每個客戶、每個商戶的財務現實的理解。信號越豐富，模型就越好；模型越好，交易就越多；交易越多，信號就越豐富。

公司世界模型與客戶世界模型共同構成了一種新型公司的基礎。在這種公司里，不再是產品團隊去構建預先設定的路線圖，而是去構建四樣東西：

第一：功能，即原子化的金融原語。支付、借貸、發卡、銀行業務、先買後付、薪酬服務等基礎金融功能不是產品，它們是難以獲取和維護的基礎構件（有些具備網路效應，且需要監管許可）。它們自身沒有用戶界面。它們擁有可靠性、合規性和性能方面的目標。

第二：世界模型。這包含兩個方面。公司世界模型讓公司能夠理解自身及其營運、績效和優先事項，取代了過去在管理層級中流動的資訊。客戶世界模型則是基於專有交易數據構建的、對每個客戶、每個商戶、每個市場的表征。它從原始交易數據起步，隨著時間的推移，將逐步演化為完整的因果模型和預測模型。

第三：智能層。它負責將基礎金融功能組合成針對特定客戶、在特定時刻的解決方案，並主動交付。例如，一家餐廳的現金流在季節性低谷到來前趨緊，而模型此前已經見過這種模式。智能層灰從借貸功能中組合出一筆短期貸款，利用支付功能調整還款計劃，並在商戶甚至還沒想到要尋求融資時，就將方案呈現給他們。再如，一個 Cash App 用戶的消費模式發生了變化，模型將其與「搬到新城市」關聯起來。這時，智能層灰組合出一個新的直接存款設置、一張為新社區優化了返現類別的 Cash App 卡，以及一個根據其更新後的收入校準的儲蓄目標。沒有哪個產品經理決定去構建這兩個方案。基礎金融功能已經存在，而智能層識別到這些時刻，並將它們組合了出來。

第四：界面（硬體和軟體）。Square、Cash App、Afterpay、TIDAL、bitkey、proto。這些是交付界面，智能層通過它們來交付組合好的解決方案。它們很重要，但價值創造的核心並不在這裡。價值在於模型和智能層本身。

當智能層嘗試構建解決方案卻因功能缺失而失敗時，這種失敗信號就是未來的產品路線圖。傳統的路線圖，即產品經理對下一步開發內容進行假設，是任何公司最終的限制因素。而在這種模式下，客戶的實際需求直接決定了產品待辦事項列表。

如果這就是公司所打造的產品，那麼問題就變成了：員工們該做什麼？

新型的組織結構由此而來，且與傳統模式截然相反。在傳統公司中，人是智能體，層級負責路由各類資訊。而在新模型中，智能存於系統之中，人處於邊緣位置，而邊緣是實際行動發生的地方。

邊緣是智能與現實接觸的地方。人們可以深入到模型尚無法觸及的領域，感知模型無法感知的事物，例如直覺、有主見的判斷、文化背景、信任狀況、房間裡的氣氛等。他們可以做出模型不應獨自做出的決策，尤其是倫理決策、新情況、以及一旦犯錯代價關乎存亡的高風險時刻。一個無法接觸世界的世界模型，只是一個數據庫。但邊緣並不需要管理層級來協調。世界模型為邊緣的每個人提供了他們所需的背景資訊，使他們無需等待資訊在指揮鏈中上下傳遞，就能採取行動。

在實踐中，這意味著我們將角色規範為三種：

個體貢獻者（ICs）：他們構建和營運各類金融功能、模型、智能層以及界面。他們是系統特定層面的深度專家。世界模型提供了過去由經理提供的背景資訊，因此個體貢獻者可以在自己的層面做出決策，而無需等待指令。

直接責任人（DRI）：他們負責特定的跨領域問題、機會或客戶成果。一個直接責任人可能在一個為期 90 天的項目中負責某個細分領域的商戶流失問題，並擁有充分的權限，可以根據需要從世界模型團隊、借貸功能團隊和界麵糰隊調動資源。直接責任人可以持續專注於某些問題，也可以轉而去解決新的問題。

身兼管理及實幹雙重角色：他們既參與實際構建工作，也負責人員發展。他們取代了傳統上以資訊路由為主要職責的經理。這些人仍然會寫代碼、構建模型或設計界面。同時，他們也投入精力促進身邊人的成長。他們不會把時間花在狀態同步會、對齊會和優先級談判上。世界模型負責對齊，直接責任人結構負責戰略和優先級，而他們負責技術和人員管理。

這裡不再需要一個永久性的中層管理階層。舊層級所做的其他一切，都由系統來協調。每個人都被賦予了權力，其角色更貼近實際工作和客戶。

Block 正處於這一轉型的早期階段。這將是一條艱難的路，其中某些部分在真正奏效之前很可能會出問題。我們現在把它寫出來，是因為我們相信每家公司最終都需要面對我們曾面對過的同一個問題：你公司所理解的、真正難以被理解的東西是什麼？這種理解是否每天都在加深？

如果答案是「什麼都沒有」，那麼 AI 就只是一個成本優化的故事。你可以裁員，在幾個季度內提高利潤率，但最終會被更聰明的對手吞併。如果答案是在加深，那麼 AI 並不會僅僅增強你的公司，它將揭示你公司的本質。

Block 的答案是經濟圖譜，即數百萬的商戶和消費者，每筆交易的雙方，實時觀察到的金融行為。這種理解隨著系統運行的每一秒都在複利式增長。我們相信，這背後的模式——一個作為智能體而非層級來組織的公司——意義重大，足以在未來幾年重塑各類公司的運作方式。Block 目前的發展足以證明這一理念並非紙上談兵（當然，我們也歡迎各方討論和反饋，以檢驗並改進我們的想法）。

公司運轉的快慢取決於資訊流動，而層級和中層管理阻礙了資訊流動。兩千年來，從羅馬的「八人組」到今天的全球企業，我們從未有過真正的替代方案。八個共用一頂帳篷的士兵需要一個十人長，八十個人需要一個百夫長，五千人需要一個指揮官。問題從來不是你是否需要層級，而是：對於這些層級所承擔的職能，人是否是唯一的選擇？ 很明顯，現在已經不是了。Block 正在構建下一個時代的組織。

來源：金色財經

發佈者對本文章的內容承擔全部責任
在投資加密貨幣前，請務必深入研究，理解相關風險，並謹慎評估自己的風險承受能力。不要因為短期高回報的誘惑而忽視潛在的重大損失。