不要自动化组织架构图
350 位领导者、两天的构建，以及一位领导力传奇人物，让我重新思考组织的未来。
我刚在 Domination 度过了大半周，这是我们每年一度、聚集了来自世界各地约 350 位领导者的聚会。不同的国家、不同的职能、不同的业务板块——运营、制造、供应链、零售、销售、财务、技术、分销，以及介于其间的一切。我们把这群人聚在一起学习、对齐、挑战自己。最重要的是，我们在“接下来往哪里走”上取得了方向上的对齐。
今年不一样。
我们当然谈了战略和领导力。但我们也花了两天时间，把 AI 直接交到领导者手中，让他们在一个本质上是一场大规模 AI 黑客松的活动中，去处理真实的业务问题。不是理论用例。不是又一场关于 AI 将如何改变一切的演讲。不是舞台上带着完美脚本演示的供应商。而是来自业务各处的人在真正地构建、实验、搞砸、再试一次。
他们拿出自己比任何人都更了解的问题，问了一个非常不同的问题：现在，什么变得可能了？
目睹这一切改变了我自己对 AI 转型的一些想法。但在我讲到书呆子部分之前——没错，康威定律要登场了——我需要先告诉你这周早些时候发生的一件事。
约翰·C·麦克斯韦尔的 25 年
我们在 Domination 活动上请来了 John Maxwell 给我们的领导者演讲，这对我个人来说是一个圆满的时刻。我第一次听他演讲是 25 年前，那时正处在我职业生涯一个非常不同的阶段。我当时还在琢磨领导力到底意味着什么，很可能还把它和权威、专业、以及“做一个有答案的人”混为一谈。
在 2001 年的那场活动上，我买下了他的书 《Failing Forward》。事后看，这个理念似乎很简单：失败不是成功的反面。它是创造成功的那个过程的一部分——只要你愿意从中学习。但理念会因你处在人生哪个阶段而产生不同的落点。那一个理念留了下来。多年来，它成了塑造我如何看待领导力、实验、风险、人和变革的几本书之一。
二十多年后，我坐在那里再次听他演讲，身边围着数百位我有幸共事的领导者。时机再合适不过了。紧接着，我们就要请那些领导者去做《Failing Forward》多年前教会我的事：尝试些什么、构建些什么、搞错、学习、再试一次。这些在 AI 时代全都至关重要。
说一个非常私人的细节，我有幸得到一个既惊喜又让我谦卑的机会，和 John 以及我们部分高管团队共进晚餐。他在台上、在私下、以及书里的笔触，完全一致。我从来不是那种会“追星”的人——但此刻坐在我晚餐桌旁的这个人，在某种程度上塑造了今天的我。我非常荣幸和感激，能有这个机会握他的手并当面道谢。如果你有机会现场听他演讲，一定要去。他 79 岁了，指导领导者已超过 50 年，是个了不起的人。如果你没有这个机会，那至少去弄一本（或者 50 本）他的书——#每一分钱都值得。
好了，现在回到我的文章……
你无法靠 PowerPoint 真正理解 AI
过去几年，每个人都在谈论 AI。董事会、CEO、技术组织、咨询公司——有 AI 战略、AI 路线图、AI 委员会、AI 卓越中心、AI 治理委员会、AI 演示，可能还有一个评估你 AI 成熟度模型成熟度的 AI 成熟度模型。
但“听说 AI”和“亲身体验 AI 带来的可能性”之间有着巨大的差别。那两天里这一点变得很明显。当我们的领导者在黑客松环境中处理真实场景时，对话变了。人们不再问“AI 能做什么？”，而是开始问一个有趣得多的问题：“我们当初为什么要用这种方式做这个流程？”
然后是其余的问题。为什么需要这个审批？为什么这条信息要经过四个不同的组？为什么我们要录入这个数据两次？为什么这个决策不能发生在更靠近做这项工作的人那里？为什么两个团队在独立地解决本质相同的问题？这个流程为什么存在？
现在我们有进展了。因为 AI 真正的机会，不是简单地让今天的组织更快。而是有机会去质疑：今天的组织是否还应该以当前的形式存在。
第一个 AI 突破不是技术性的
那两天我最喜欢的，是看到来自业务完全不同板块的人一起协作。他们没在想模型、向量数据库或 token 数。（好吧，我们中有几个在想。我们是书呆子，控制不住自己。）大多数人在想的是结果。
他们了解业务。他们知道摩擦在哪里。他们知道那些人人抱怨却已学会忍受的流程。他们知道哪张电子表格每个周二被发来发去。他们知道哪个审批要花三天，尽管真正的决策只要三分钟。他们知道哪里有人得在四个系统之间来回切换才能回答一个客户问题。他们知道哪个流程需要六个人，因为做出决策所需的信息历来分散在六个不同的地方。
一旦他们开始理解 AI 和 agent 真正能做什么，有些东西就豁然开朗了。他们看到的不仅仅是自动化。他们开始看到一种不同的运营模式。我认为这正是我们在企业 AI 上严重低估的部分。
停止自动化组织架构图
很多组织正在用他们对待以往每一次技术变革的方式来对待 AI：保留现有的组织、现有的流程、现有的系统、现有的归属边界——然后在上面撒一层 AI。财务得到财务 AI，市场得到市场 AI，供应链得到供应链 AI。每个部门都得到 agent、copilot 和自动化。
恭喜。你刚花了数百万美元，构建了你现有组织问题的一个更快版本。
那不是转型，那是加速——而加速只有在你朝正确方向行驶时才有用。如果底层流程是坏的，AI 给你一个更快的坏流程。如果组织是孤岛化的，AI 给你极其高效的孤岛。如果归属是碎片化的，AI 就把碎片化自动化。如果你的数据语义不一致，AI 就以机器速度从那些不一致中生成答案。如果你的决策结构不必要地复杂，agent 就会以比人类快上千倍的速度执行那种不必要的复杂性。
到这里我们需要变得稍微更书呆子一点。因为有一条来自 1960 年代的计算机科学原理，突然变得重要得多。
康威定律登场
1967 年，计算机科学家 Melvin Conway 观察到后来被称为“康威定律”的现象：组织设计的系统，会映射其沟通结构。
四个很少沟通的团队？你最终会得到四个同样沟通不畅的系统。职责分散在七个组？架构最终会分散成七个服务。两个不信任彼此数据的部门？最终会有两份数据副本。架构成了创造它的组织的一面镜子。
几十年来，那一直被当作一个软件架构问题。在 AI 时代，我认为它变成了一个组织战略问题。因为 AI 不只是观察你的组织。AI 学习你的组织——并最终把你的组织编码进去。
AI 将会学会你的孤岛
想一想我们把 AI 引入公司时在做什么。我们把它连接到我们的数据、文档、流程、系统、工作流、组织知识、政策、决策、例外和审批链。本质上，我们在教 AI：“我们公司就是这么运作的。”
但当“我们公司的运作方式”实际上并不是它应有的方式时，会发生什么？AI 连这个也学会了。如果三个组对同一个业务概念有三种不同的定义，AI 就继承了这种歧义。如果部门囤积信息，AI 就会撞上那些边界。如果两个团队做着重叠的工作，agent 最终会复刻这种重叠。如果一个流程因 15 年前的决定而跨越七个组织边界，agent 不会自动知道那些边界是愚蠢的。它可能只会变得极其擅长在其中穿行。
这就是危险所在。AI 能把组织债务制度化。
放大问题
康威定律在这里变得有趣得多。历史上，想要改变结构的组织可能要花上好几年。AI 极大地压缩了这个时间线。当 AI 学习你的组织时，它不只是映射它——而是放大它。孤岛变得更快，碎片化变得更高效，组织债务以机器速度复利增长。
解药不是自动化组织架构图，而是修正组织架构图——流程、归属、语义——然后让 AI 去放大一个值得放大的东西。因为 AI 是一面镜子。如果你不喜欢它映照出的东西，答案不是一面更好的镜子，而是一个更好的组织。