AI时代的新组织架构：合馈制
引言：合弄制的现实鸿沟与ITPAO方法论
为了在复杂的商业环境中应对“变化是唯一的不变”，我曾经提出了一个介观的组织结构。在这个结构中，大型组织和小型组织之间是一个自相似的分型，从最小单位开始，每一个单位都有着ITPAO标准结构，I是input输入，由上层或平级输入，T是Target目标，本单位的工作目标；P是Plan计划，为了完成目标而制定的计划；A是Action行动 是对计划的具体执行；O则是Output输出，与开始的I对应。所有的单位都可以动态组合，组合成的更高一级则接受外部的输入，同时对外部输出，TPA则是动态生成。这个组织结构能够解决的最大难题就是这个“动态”，之所以要动态的设计目标，动态的制定计划，动态的完成执行，是因为输入的条件在动态的变化，而这样的一个分型体系，有着充足的应对变化的能力。但是在具体落地执行时，对于普通员工而言，难度非常大，尤其是在对各类“变化”的感知和应对上，人力有时而穷。无论是无法即时感受到变化，或是知道了变化而没有经验来应对，都是落地执行时的重大困难。
每个环节的定义和应对变化的逻辑。
内容 | 说明 | 逻辑与变化关系 | 数据、硬件及算力支持 |
|---|---|---|---|
I—输入 | 上一环节流入的资源、数据、信息、状态，同时定义输出的范围。 | 可被跟踪，可被拆解，可被汇总，传导冲突和变化问题 | 数据、资源、OLAP，存储 |
T—目标 | 目标往往会由于输入条件的变化，输出范围的变化而进行动态调整 | 动态目标调整、预测、资源冲突 | 知识库，清晰可定义，可量化的目标， |
P—计划 | 根据目标和能力，进行拆解，核心是时间维度和空间维度，规划用什么资源在什么时间做什么。 | 时序冲突、空间冲突、资源冲突、目标节点 | 可用资源、冲突关系、时序、实时计划表 |
A—行动 | 具体的行动，通过对资源消耗，行动的能力，进行具体的行动，以达到输出结果 | 现有资源、现有产出、偏差、预测 | 可用资源、行动能力波动、执行对象 |
O—输出 | 输出资源、数据、信息、状态，传导给下一层，并对I定义的输出进行反馈。 | 作为下一层的输入，可被拆解、可被汇总、可导出量化结果 | 数据、资源、OLAP、偏差 |
当AI智能体出现时，我发现由AI智能体构成的“数字员工”，似乎可以很好的解决这个问题。数字员工的组织、管理，肯定不能沿用传统的企业架构体系，那么是不是有什么可以借鉴的地方呢？作为一名物理系毕业生，心情差不多和爱因斯坦发现了相对论，却没有对应的数学工具来描述一样。
最近在陈果老师的启发下，研究了一下合弄制。合弄制（Holacracy）自2007年由Brian Robertson提出以来，曾被寄予“颠覆传统科层制”的厚望。其核心逻辑是通过动态角色分配与去中心化决策，构建敏捷型组织。
合弄制与传统科层制的主要差异如下表：
能力维度 | 传统科层制 | 合弄制 |
|---|---|---|
决策依赖 | 上级指令 | 自主判断与集体共识 |
技能需求 | 单一专业能力 | 多领域复合能力 |
协作模式 | 固定团队内分工 | 动态跨角色协作 |
风险承担 | 组织集中承担 | 个人与角色绑定 |
然而，现实中的合弄制实践却屡屡受挫：
- Zappos的困境：作为全球最大规模合弄制试验场，亚马逊旗下Zappos公司2015年推行后，14%员工因无法适应离职，2020年内部调研显示仍有63%员工认为角色冲突降低效率。
- 初创公司的高失败率：硅谷追踪数据显示，2018-2023年间采用合弄制的初创公司存活率仅为传统模式的67%，主因是决策效率低下与责任分散。
这些失败案例揭示了一个根本矛盾：合弄制的架构设计需要超人类的执行能力，而人类员工存在生理与认知局限。动态这个事，对于人类而言，真的很难。
既然我们认识到合弄制失败的根源在于人类能力的天然局限，我们从具体的维度来分析一下问题所在：
首先是动态角色分配的认知过载
传统合弄制要求员工同时承担3-5个动态角色（如产品设计、客户支持、跨部门协调）。神经科学研究表明，人类大脑在频繁切换任务时，错误率上升40%（MIT, 2022），且多角色记忆存储导致工作记忆带宽超载。
其次，去中心化决策会产生效率陷阱
- 共识形成耗时：治理会议中，人类员工平均需要45分钟讨论一个角色调整提案（HolacracyOne数据）。
- 情感干扰理性：人类在决策中受“损失厌恶”（Loss Aversion）影响，导致风险规避倾向。
最后，责任追溯的模糊性导致信任崩裂
人类员工在多重角色下易出现“责任稀释”。2021年欧盟对企业的诉讼案例显示，78%的合规事故无法追溯到具体责任人。
让我们再换成AI智能体看看，我们会发现AI智能体的技术特性与合弄制适配度非常高
AI的角色切换只是几行代码的事，数字员工可以是动态角色的完美承载者
- 并行处理能力：单个AI智能体可同时运行数百个角色实例。如IBM的Project Debater可并行执行市场分析、技术文档撰写、会议记录等角色。
- 实时角色重构：无论是访问新的业务知识库还是加载一个新的专业微调LoRA，AI都可以做到秒级响应。
数据驱动的决策机制解决本位主义
- 超理性决策：AI智能体通过蒙特卡洛树搜索（MCTS）评估数万种决策路径，规避人类认知偏差。
- 自适应规则演化：通过图神经网络（GNN），AI可自动修订合弄制章程条款。微软研究院的实验显示，AI优化后的治理规则使决策速度提升18倍。
责任追溯的可编程性
- 区块链化行动日志：每个AI智能体的决策过程可被加密记录，形成不可篡改的责任链。波音公司已将此技术用于飞机设计团队的协作。
- 因果推理引擎：因果森林（Causal Forest）算法，可精准定位问题根源。在丰田供应链事故中，AI智能体在3分钟内追溯到角色配置错误。
鉴于自相似的分形结构，合馈制不仅可以独立作为一个组织在法人层面存在，更可以作为传统企业里的任意一个子单元存在，企业完全可以使用传统的架构，但是某一个或几个部门作为合馈制的IPTAO子单元存在。在这些子单元中，又可以分为更小的子单元。通过ITPAO的输入与输出，和其他组织结构有机融合，而弥散于其间的粘合剂，则是“共识知识”，共识知识的物理载体就是企业的“数智库”。数智库通过网络、终端、抑或是未来的智能眼镜，连接各个专业的Agent智能体，人作为核心节点，达成了完整的融合。
一是出于合弄制这个名字实在难听，二是数字员工的加入使得它有了全新的形态和生命，我秉承着好传播首先要有个好名字的想法，利用Holacracy的读音（类似和啦馈惜），重新命名它为合馈制，合是指人和AI的有机结合，馈是指全链路的数据穿透与反馈。
鉴于自相似的分形结构，合馈制不仅可以独立作为一个组织在法人层面存在，更可以作为传统企业里的任意一个子单元存在，企业完全可以使用传统的架构，但是某一个或几个部门作为合馈制的IPTAO子单元存在。在这些子单元中，又可以分为更小的子单元。通过ITPAO的输入与输出，和其他组织结构有机融合，而弥散于其间的粘合剂，则是“共识知识”，共识知识的物理载体就是企业的“数智库”。数智库通过网络、终端、抑或是未来的智能眼镜，连接各个专业的Agent智能体，人作为核心节点，达成了完整的融合。
除了生理上的局限，人类还有精神上的局限。
当我们把这些对于人类来说有些奢侈的“品质”放到数字员工身上，我们发现问题迎刃而解。期权，在传统科层制企业结构中运转良好的升职加薪体系被完全抛弃，作为一种去中心化的管理模式，合弄制并没有领导与员工的区分。合弄制团队中的成员如果想去学习新的技能从而可以更好的胜任工作或更多的承担职能的时候，唯一能够依靠的就是自驱力。延迟关键产品迭代决策。
合弄制的一个重要前提就是理想主义的认知驱动业务前行，而不是靠KPI，靠奖金，靠期权，在传统科层制企业结构中运转良好的升职加薪体系被完全抛弃，作为一种去中心化的管理模式，合弄制并没有领导与员工的区分。合弄制团队中的成员如果想去学习新的技能从而可以更好的胜任工作或更多的承担职能的时候，唯一能够依靠的就是自驱力。
当我们把这些对于人类来说有些奢侈的“品质”放到数字员工身上，我们发现问题迎刃而解。
当我们把“弄”字改成了“馈“，也意味着我们可以从全新的角度来审视“数字员工”：他们不知疲倦，他们随时转换身份，他们的效率来自于算力支出，他们的能力来自于知识，而且可以持续高效迭代。
合馈制吸收了ITPAO的分形结构后，另一个好处在于可以非常灵活的部署，给了传统企业一个小步迭代的可能，落地时的阻力相对较小。
如果我们认识到：数据是生产资料，AI是一种新的生产力工具，那么未来的生产关系也将会变成人和AI之间的生产关系，而这种变革一定会有新的组织形式出现，我们认为合馈制就是适合新的生产力和生产工具的未来模式。
结论：AI智能体重构组织管理范式
当人类在合弄制中陷入“角色过载-效率下降-组织混乱”的恶性循环时，AI智能体凭借其超并行处理、数据驱动决策与精准责任追溯能力，正在成为合弄制的理想执行主体。人+AI组成了新的“合馈制“，未来的组织形态则是“人类定义规则，AI承载角色”的混合架构，这不仅是技术进化，更是生产关系的根本性变革。