中層會被AI淘汰嗎？未來的公司結構會是什麼樣子

原文標題：從等級制到智能制

原文作者：Jack Dorsey

翻譯：Peggy，BlockBeats

編者按：當大多數公司仍將 AI 視為「提效工具」時，Jack Dorsey 把問題往前推進了一步：AI 是否正在改寫組織本身的運作邏輯？作為 X 的聯合創始人兼前 CEO、Block 的創始人，他長期關注技術與組織形態之間的關係。

本文從歷史出發，重新追問企業為何演化為今天的形態，以及這一結構為何開始鬆動。從羅馬軍團到現代公司，過去兩千年的組織演化，始終圍繞同一個約束展開：在有限的「管理幅度」下完成信息傳遞與協同。層級結構、中層管理、矩陣體系，本質上都是對這一問題的不同解法。

而 AI 的出現，第一次對這一前提形成衝擊。當信息可以被實時建模、理解與分發，組織是否仍需要以「人」為核心的協調機制？

類似的變化，已經在現實中出現。近期，《人物》報導稱，AI 公司「月之暗面」在一個超過 300 人的團隊中，沒有部門、沒有職級，也不設 OKR 或 KPI，協作依賴直接溝通而非層層匯報；5 位聯合創始人分別直接對接 40–50 名員工。同時，Agent 已嵌入日常工作流程，能夠在短時間內完成信息整理、產品設計乃至程式碼生成。這種結構並非簡單「去管理」，而是將複雜度前置到招聘、流動與工具系統之中。

相關閱讀：《月之暗面怎麼運轉：300 多人無部門無職級，5 位聯創各直帶 40 至 50 人》

以 Block 的實踐為切口，本文進一步提出一種更激進的設想：從「層級組織」走向「智能公司」，以「公司世界模型 + 客戶世界模型 + 智能層」替代傳統的信息路由系統，甚至重構中層管理本身。這不僅是效率問題，更可能是一次組織形態的重寫。

以下為原文：

在紅杉資本看來，「速度」是預測一家新創公司能否成功的最佳指標。大多數公司仍將 AI 視為提升生產力的工具，只有少數開始關注 AI 如何改變人們協作的方式。Block 正在展示一種全新的路徑：從根本上重構組織設計，並將 AI 用作持續放大「速度」的複利型競爭優勢。

層級組織的起點：從羅馬軍團到現代公司

在企業組織圖出現之前兩千年，羅馬軍隊就已經解決了一個至今仍困擾大型組織的問題：在溝通受限、距離遙遠的情況下，如何協調成千上萬的人。

他們的解法，是建立一套層層嵌套的指揮體系，並在各層維持相對穩定的「管理幅度」。最小單位是「帳篷組」（contubernium），由 8 名士兵組成，共用帳篷、裝備和一頭騾子，由一名十夫長（decanus）帶領。10 個帳篷組組成一個百人隊（century，實際約 80 人），由百夫長（centurion）指揮；6 個百人隊構成一個 cohort；10 個 cohort 則組成約 5000 人的軍團。

在每一層級，都有明確的指揮官，負責向上彙總信息、向下傳達指令。這個從 8 → 80 → 480 → 5000 的結構，本質上就是一套高效的信息傳遞機制，建立在一個簡單卻關鍵的前提之上：一個人能有效直接管理的人數，通常只有 3 到 8 個。羅馬人是在長期戰爭中逐步摸索出這一規律的。直到今天，美國軍隊的層級體系仍大體遵循類似邏輯。我們把這一約束稱為「管理幅度（span of control）」，它至今仍是所有大型組織繞不開的底層限制。

下一次重要變革來自普魯士。

1806 年耶拿戰役中慘敗於拿破崙之後，沙恩霍斯特（Scharnhorst）與格奈森瑙（Gneisenau）主導軍隊改革，提出一個不太令人舒適的現實：不能依賴個體天才，必須依賴系統。他們建立了「總參謀部」（General Staff），培養一類專職軍官，其職責不是作戰，而是規劃行動、處理信息、跨單位協調。沙恩霍斯特的初衷，是「彌補無能將軍的不足，為他們提供所缺乏的能力」。這實際上就是「中層管理」的雛形：一群專業人員，負責信息傳遞、預先計算決策，並維持複雜組織的協同。與此同時，軍隊也明確區分了「線」（line）與「參謀」（staff）職能：前者負責推進核心任務，後者提供專業支援。這一劃分至今仍被企業廣泛採用。

19 世紀 40 至 50 年代，美國鐵路公司將軍隊的層級體系引入商業世界。

美國陸軍向鐵路公司輸送了大量西點軍校訓練的工程師，他們將軍事組織思維一併帶入。線與參謀結構、事業部劃分、官僚化的匯報與控制系統，最初都誕生於軍隊。1850 年代中期，紐約伊利鐵路公司的丹尼爾·麥卡勒姆（Daniel McCallum）繪製了世界上第一張組織結構圖，用於管理一條橫跨 500 英里的鐵路系統和數千名員工。此前適用於小型鐵路的非正式管理方式已經失效，列車相撞事故頻發。麥卡勒姆將羅馬式層級邏輯制度化：明確權責層級、清晰匯報關係、結構化資訊流。這成為現代公司的原型。

隨後，弗雷德里克·泰勒（Frederick Taylor，被稱為「科學管理之父」）對這一體系內部進行優化。他將工作拆分為專業化任務，分配給受訓專家，並以量化指標而非直覺進行管理，由此形成了「職能金字塔」結構——一種在既有信息路由體系中最大化效率的組織形態。

這一職能型結構的第一次重大壓力測試，出現在二戰期間的「曼哈頓計劃」。該項目需要物理學家、化學家、工程師、冶金學家和軍方人員跨學科協作，在極端保密與時間壓力下完成單一目標。羅伯特·奧本海默在洛斯阿拉莫斯實驗室採用職能劃分，但堅持跨部門開放協作，抵制軍方的「隔離」倾向。1944 年，當「內爆問題」成為關鍵瓶頸時，他重組團隊，建立跨職能小組，這在當時的企業界幾乎沒有先例。這一模式奏效了，但它是戰時特例，由少數卓越人物推動。戰後企業界面臨的問題是：這種跨職能協作，能否常態化？

戰後企業規模與全球化擴張，使職能結構的局限愈發明顯。

1959 年，麥肯錫的吉爾伯特·克利（Gilbert Clee）與阿爾弗雷德·迪·西皮奧（Alfred di Scipio）在《哈佛商業評論》發表《Creating a World Enterprise》，提出「矩陣式組織」框架，將職能專業與事業部結構結合。在馬文·鮑爾（Marvin Bower）的推動下，麥肯錫幫助殼牌、通用電氣等公司落地這一模式，實現「中央標準」與「地方靈活性」的平衡。這一體系成為戰後全球經濟中的「現代企業」範式。

隨後，為應對矩陣結構的複雜性與官僚化問題，新的管理框架不斷出現。

麥肯錫在 20 世紀 70 年代提出「7-S 模型」，區分「硬要素」（戰略、結構、系統）與「軟要素」（共同價值觀、技能、人員、風格），強調僅靠結構無法保證組織有效性，還需文化與人性層面的協同。

進入近幾十年，科技公司對組織結構進行了更激進的實驗。

Spotify 推出跨職能小組（squad）與短周期迭代；Zappos 嘗試 Holacracy，取消管理頭銜；Valve 採用扁平結構，無正式層級。這些嘗試都揭示了傳統層級的局限，但都未能徹底解決問題：Spotify 在規模擴大後回歸傳統管理，Zappos 出現大量人員流失，Valve 模式難以擴展至數百人以上。當組織規模達到數千人時，仍不得不回到層級協調，因為尚無更有效的信息路由機制。

這一約束，與羅馬人和二戰中的海軍陸戰隊面對的問題完全相同：縮小管理幅度意味著增加層級，而層級增加則導致信息流變慢。兩千年來，組織創新始終在試圖繞開這一權衡，但從未真正打破它。

那麼，現在有什麼不同？

在 Block，我們開始質疑一個基礎假設：組織必須以人類為協調機制，採用層級結構。我們的目標，是用系統替代層級的功能。當前大多數公司只是為員工配備 AI 副駕駛，讓既有結構運轉得更好一點，但本質未變。我們要構建的是另一種形態：一家公司本身就是一個「智能體」（甚至是小型 AGI）。

我們並非首個嘗試超越層級的組織。海爾的「人單合一」、平台型組織、「數據驅動管理」等，都是類似探索。但它們缺乏一個關鍵要素：能夠真正承擔協調功能的技術。AI 正是這一技術。首次出現了一種系統，可以持續維護企業整體運行的模型，並基於此進行協調，而無需人類通過層級傳遞信息。

要實現這一點，公司需要兩樣東西：一個關於自身運作的「世界模型」，以及足夠豐富的客戶信號。

Block 以遠端辦公為主，一切工作都會留下可記錄的「痕跡」：決策、討論、代碼、設計、計劃、問題與進展。這些構成了公司世界模型的原材料。

在傳統公司中，管理者負責理解團隊狀態並上下傳遞信息；而在一個「機器可讀」的組織中，AI 可以持續構建這一全局視圖：在做什麼、哪裡卡住、資源如何分配、哪些有效、哪些無效。這些信息，過去由層級承載，如今由模型承載。

但系統能力取決於輸入信號的質量，而「金錢」是最真實的信號。人們可能在問卷中說謊，忽略廣告，放棄購物車，但當他們消費、儲蓄、轉帳、借貸或還款時，這些行為都是真實的。Block 每天同時看到交易的兩端：通過 Cash App 看到買方，通過 Square 看到賣方，並掌握商戶運營數據。這使其能夠構建一種罕見的客戶世界模型——基於真實交易信號的、逐個客戶與商戶的金融行為理解，而且這種信號會不斷累積與增強。

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。在這種模式下，公司不再由產品團隊圍繞既定路線圖運作，而是圍繞四個核心構建：

第一，能力（capabilities）：支付、借貸、發卡、銀行、先買後付、薪資發放等基礎金融能力。這些不是產品，而是底層模塊，沒有界面，但具備可靠性、合規與性能要求。

第二，世界模型：包括公司模型（理解自身運作）與客戶模型（基於交易數據構建的客戶與市場表徵），並逐步演化為具備因果與預測能力的系統。

第三，智能層（intelligence layer）：在特定時刻為特定客戶組合能力，主動提供解決方案。例如，當系統預測一家餐廳現金流即將緊張時，自動組合貸款與還款方案並提前推送；或當用戶行為變化暗示其搬家時，自動配置新的金融服務組合。這些都無需產品經理事先設計。

第四，接口（interfaces）：如 Square、Cash App、Afterpay、TIDAL 等，它們只是交付介面，價值真正產生於模型與智能層。

當系統嘗試組合方案卻發現缺乏某種能力時，這一「失敗信號」就成為未來的產品路線圖。傳統由產品經理設想需求的方式，被真實客戶行為直接取代。

在這種結構下，組織也隨之改變。傳統公司中，智能分佈在人身上，由層級進行路由；而在這裡，智能存在於系統中，人處於「邊緣」。邊緣是智能與現實接觸的地方。人可以感知模型無法捕捉的直覺、文化、信任與複雜情境，並在倫理與高風險決策中發揮作用。但他們無需通過層級協同，因為世界模型已提供所需上下文。

實踐中，組織將簡化為三類角色：

·IC（個體貢獻者）：構建能力、模型與介面的專家；

·DRI（直接負責人）：圍繞具體問題或客戶結果調動資源；

·Player-coach：既參與一線工作，又培養人才，取代傳統管理者。

不再需要固定的中階管理層，其餘協調工作由系統完成。

Block 目前仍處於這一轉型的早期階段，這將是一個艱難過程，部分嘗試可能會失敗。但我們之所以公開這一方向，是因為相信每家公司最終都會面臨同一個問題：你是否在不斷加深對某個複雜問題的理解？

如果答案是否定的，AI 只是降本工具；如果答案是肯定的，AI 將揭示公司真正的本質。

Block 的答案是「經濟圖譜」：連接數百萬商戶與消費者，實時理解交易兩端的行為，並不斷積累。我們認為，這種「以智能而非層級組織公司」的模式，將在未來幾年重塑各類企業的運作方式。

公司的快慢，本質取決於信息流動的速度。層級與中階管理，會拖慢這一流動。兩千年來，從羅馬軍隊到現代企業，我們沒有更好的替代方案。但現在，這一前提正在改變。Block 正在構建下一種形態。

[原文連結]