Jack Dorsey：告别传统公司层级，借助 AI 走向智能体架构

撰文：Jack Dorsey 及 Roelof Botha，Block 编译：Yangz，Techub News 在红杉，我们发现速度是创业成功的最佳预测指标。大多数公司都把 AI 视为一种生产力提升工具。但很少有人关注 AI 在改变我们协作方式上的潜力。而 Block 正在展现的，是对组织设计进行根本性重构，最终利用 AI 来提升速度，使其成为一种复利式的竞争优势。 在企业第一张组织架构图诞生的两千年前，罗马军队就解决了一个至今仍在困扰所有大型组织的问题：如何在沟通受限的情况下，协调分散在广阔地域上的数千人？ 他们的答案是一种嵌套式的层级结构，在每一级都保持稳定的管理幅度。最小的单位叫「八人组」（contubernium），由八名士兵组成，共用一顶帐篷、装备和一头骡子，由一名十人长（decanus）领导。十个八人组构成一个「百人队」（century），共八十人，由一名百夫长（centurion）指挥。六个百人队组成一个「支」”（cohort）。十个支队组成一个军团（legion），约五千人。在每一层，都有一个指定的指挥官，拥有明确的权威，负责从下级汇总信息，并将决策传达给下级。这种结构（8 → 80 → 480 → 5,000）本质上是一个信息路由协议，其基础是一个简单的人类限制：一个领导者有效管理的人数大约在三到八人之间。罗马人通过数百年的战争发现了这一点。即使在今天，美国陆军的层级链条也遵循着类似的模式。我们现在称之为「管理幅度」，它仍然是地球上每一个大型组织的核心制约因素。 下一个重大变革来自普鲁士。1806 年，拿破仑的军队在耶拿战役中摧毁了普鲁士军队。之后，以 Scharnhorst 和 Gneisenau 为首的一批改革者围绕一个令人不安的事实重建了军队：你不能依赖顶层个人的天才，你需要的是一个系统。他们创建了总参谋部，这是一个由训练有素的军官组成的专门阶层，他们的工作不是作战，而是规划行动、处理信息、协调各部队。Scharnhorst 希望这些参谋军官能够「辅佐无能的将军，提供领导者和指挥官可能缺乏的才能」。在「中层管理」这一术语出现之前，这就是其原型。这些专业人士的职责是在复杂的组织中路由信息、预先计算决策并保持对齐。军队还正式区分了「直线」（line）和「职能」（staff）两种职权。直线部门推进核心使命，职能部门提供专业支持。直到今天，每家公司仍然在使用这套术语。 这一军事层级结构通过 19 世纪 40、50 年代的美国铁路进入了商业世界。美国陆军将西点军校培养的工程师借调给私营铁路公司，这些军官带来了军事组织思维。职能与直线层级、事业部结构、官僚化的报告与控制体系：所有这些都是在军队中发展起来的，后来才被铁路公司采用。19 世纪 50 年代中期，纽约和伊利铁路公司的 Daniel McCallum 创建了世界上第一张组织架构图，用以管理一个绵延 500 多英里、拥有数千名员工的系统。那些在小型铁路上行之有效的非正式管理方式开始失效，火车相撞事故频发，造成人员伤亡。McCallum 的架构图将罗马人使用过的层级逻辑正式化了：权力层级、明确的汇报关系、结构化的信息流动。它成为了现代公司的蓝图。 后来，被称为「科学管理之父」的 Frederick Taylor（1856-1915）优化了这套层级内部的工作方式。Taylor 将工作分解为专门化的任务，分配给经过培训的专家，并通过测量而非直觉来进行管理。这催生了职能金字塔式组织，即一种针对信息传递系统效率而优化的结构，最初由军方开创，后被铁路公司商业化。 第二次世界大战期间，职能层级结构首次经受了真正的考验。曼哈顿计划需要物理学家、化学家、工程师、冶金学家和军事人员在极端保密和时间压力下，跨越学科界限，共同实现一个目标。奥本海默将洛斯阿拉莫斯实验室组织为若干职能分部，但他坚持跨分部开放协作，抵制了军方惯用的部门划分模式。1944 年，当核爆问题成为关键瓶颈时，他围绕这一问题重组了实验室，创建了跨职能团队，这在当时的美国企业界是前所未见的。这种做法奏效了，但这是在战争时期由一位非凡领导者主导的例外情况。战后商界面临的问题是：这种跨职能的协作能否成为常规？ 随着二战后企业的成长与全球化，职能型设计的规模局限性变得日益突出。1959 年，麦肯锡的 Gilbert Clee 和 Alfred di Scipio 在《哈佛商业评论》上发表了《创建世界级企业》一文，为将职能专长与事业部相结合的矩阵式组织结构提供了理论框架。在 Marvin Bower 的领导下，麦肯锡帮助壳牌、通用电气等公司实施了这些原则，在中央标准与本地灵活性之间取得平衡。这便成为了推动战后全球经济发展的「专业化」或「现代」公司的雏形。 随着时间的推移，其他框架也应运而生，以应对矩阵结构的复杂性、僵化和官僚化问题。20 世纪 70 年代末，由 Tom Peters 和 Robert Waterman 提出的麦肯锡 7S 框架，区分了「硬 S」（战略、结构、系统）和「软 S」（共同价值观、技能、人员、风格）。其核心理念是：仅仅依靠结构要素是不够的。组织效能需要文化特质以及决定战略能否真正成功的人的因素之间实现对齐。 最近几十年，科技公司在组织结构上进行了大胆的实验。Spotify 推广了采用短周期冲刺的跨职能小队模式。Zappos 尝试了合弄制，完全取消了管理头衔。Valve 采用扁平化结构，没有正式的层级。这些实验都揭示了传统层级结构的某些局限性，但都没有解决根本问题。Spotify 在规模扩大后又回归了传统管理模式。Zappos 则经历了显著的人员流失。而 Valve 的模式被证明难以扩展到几百人以上。当组织规模增长到数千人时，它们都会回归层级式协调，因为还没有任何一种替代性的信息路由机制足够强大到能够取代它。 这个制约因素与罗马人曾经面对的、美国海军陆战队在二战中重新发现的如出一辙：缩小管理幅度意味着增加指挥层级，但层级越多，信息流动就越慢。两千年的组织创新，本质上都是在试图规避这一权衡，却始终未能打破它。 那么，现在有什么不同？ 在 Block，我们正在质疑一个基本假设，即组织必须通过层级来构建，并以人作为协调机制。相反，我们打算取代层级所承担的功能。如今大多数使用 AI 的公司，都是在给每个人配备一个「副手」，这使得现有结构在不改变其本质的前提下略微改善了运作。然而，我们追求的则截然不同：一个作为「智能体」（或迷你 AGI）来构建的公司。 我们并不是第一个试图超越传统层级的尝试者。海尔的人单合一模式、平台型组织、「数据驱动」的管理都是针对同一个问题的真实探索。它们所缺乏的，是一种能够真正执行层级所承担的协调功能的技术。AI 就是那种技术。有史以来第一次，一个系统将能够维护持续更新业务模型，并利用这个模型来协调工作。此前，这项工作需要人类通过层层管理来传递信息。 要实现这一点，一家公司需要两样东西：一个是关于其自身运营的某种 「世界模型」 ，另一个则是足够丰富的客户信号，使这个模型变得有用。 Block 以远程办公为先。我们所做的一切都会产生工件（artifacts）。决策、讨论、代码、设计、计划、问题、进展，都以被记录的行动形式存在。这些就是构建公司世界模型的原材料。在传统公司里，经理的职责是了解其团队正在发生什么，并将这些背景信息在层级中向上和向下传递。而在一个工作已机器可读的远程优先公司里，AI 可以持续构建并维护这幅图景：正在构建什么、什么被卡住了、资源如何分配、什么有效、什么无效。这些信息过去由层级结构承载，现在则由公司世界模型承载。 然而，系统的能力，取决于输入给它的客户信号的质量。而金钱是世界上最诚实的信号。 人们在调查中会说谎，会忽视广告。但当他们消费、储蓄、转账、借贷或还款时，这就是事实。每一笔交易都是关于某个人生活的一个事实。Block 每天通过 Cash App 和 Square 分别获取数百万笔交易的买卖双方数据，此外还有运营商户业务所产生的数据。这赋予了客户世界模型一种罕见的能力：建立在不断累积的诚实信号之上的、对每个客户、每个商户的财务现实的理解。信号越丰富，模型就越好；模型越好，交易就越多；交易越多，信号就越丰富。 公司世界模型与客户世界模型共同构成了一种新型公司的基础。在这种公司里，不再是产品团队去构建预先设定的路线图，而是去构建四样东西： 第一：功能，即原子化的金融原语。支付、借贷、发卡、银行业务、先买后付、薪酬服务等基础金融功能不是产品，它们是难以获取和维护的基础构件（有些具备网络效应，且需要监管许可）。它们自身没有用户界面。它们拥有可靠性、合规性和性能方面的目标。 第二：世界模型。这包含两个方面。公司世界模型让公司能够理解自身及其运营、绩效和优先事项，取代了过去在管理层级中流动的信息。客户世界模型则是基于专有交易数据构建的、对每个客户、每个商户、每个市场的表征。它从原始交易数据起步，随着时间的推移，将逐步演化为完整的因果模型和预测模型。 第三：智能层。它负责将基础金融功能组合成针对特定客户、在特定时刻的解决方案，并主动交付。例如，一家餐厅的现金流在季节性低谷到来前趋紧，而模型此前已经见过这种模式。智能层灰从借贷功能中组合出一笔短期贷款，利用支付功能调整还款计划，并在商户甚至还没想到要寻求融资时，就将方案呈现给他们。再如，一个 Cash App 用户的消费模式发生了变化，模型将其与「搬到新城市」关联起来。这时，智能层灰组合出一个新的直接存款设置、一张为新社区优化了返现类别的 Cash App 卡，以及一个根据其更新后的收入校准的储蓄目标。没有哪个产品经理决定去构建这两个方案。基础金融功能已经存在，而智能层识别到这些时刻，并将它们组合了出来。 第四：界面（硬件和软件）。Square、Cash App、Afterpay、TIDAL、bitkey、proto。这些是交付界面，智能层通过它们来交付组合好的解决方案。它们很重要，但价值创造的核心并不在这里。价值在于模型和智能层本身。 当智能层尝试构建解决方案却因功能缺失而失败时，这种失败信号就是未来的产品路线图。传统的路线图，即产品经理对下一步开发内容进行假设，是任何公司最终的限制因素。而在这种模式下，客户的实际需求直接决定了产品待办事项列表。 如果这就是公司所打造的产品，那么问题就变成了：员工们该做什么？ 新型的组织结构由此而来，且与传统模式截然相反。在传统公司中，人是智能体，层级负责路由各类信息。而在新模型中，智能存于系统之中，人处于边缘位置，而边缘是实际行动发生的地方。 边缘是智能与现实接触的地方。人们可以深入到模型尚无法触及的领域，感知模型无法感知的事物，例如直觉、有主见的判断、文化背景、信任状况、房间里的气氛等。他们可以做出模型不应独自做出的决策，尤其是伦理决策、新情况、以及一旦犯错代价关乎存亡的高风险时刻。一个无法接触世界的世界模型，只是一个数据库。但边缘并不需要管理层级来协调。世界模型为边缘的每个人提供了他们所需的背景信息，使他们无需等待信息在指挥链中上下传递，就能采取行动。 在实践中，这意味着我们将角色规范为三种： 个体贡献者（ICs）：他们构建和运营各类金融功能、模型、智能层以及界面。他们是系统特定层面的深度专家。世界模型提供了过去由经理提供的背景信息，因此个体贡献者可以在自己的层面做出决策，而无需等待指令。 直接责任人（DRI）：他们负责特定的跨领域问题、机会或客户成果。一个直接责任人可能在一个为期 90 天的项目中负责某个细分领域的商户流失问题，并拥有充分的权限，可以根据需要从世界模型团队、借贷功能团队和界面团队调动资源。直接责任人可以持续专注于某些问题，也可以转而去解决新的问题。 身兼管理及实干双重角色：他们既参与实际构建工作，也负责人员发展。他们取代了传统上以信息路由为主要职责的经理。这些人仍然会写代码、构建模型或设计界面。同时，他们也投入精力促进身边人的成长。他们不会把时间花在状态同步会、对齐会和优先级谈判上。世界模型负责对齐，直接责任人结构负责战略和优先级，而他们负责技术和人员管理。 这里不再需要一个永久性的中层管理阶层。旧层级所做的其他一切，都由系统来协调。每个人都被赋予了权力，其角色更贴近实际工作和客户。 Block 正处于这一转型的早期阶段。这将是一条艰难的路，其中某些部分在真正奏效之前很可能会出问题。我们现在把它写出来，是因为我们相信每家公司最终都需要面对我们曾面对过的同一个问题：你公司所理解的、真正难以被理解的东西是什么？这种理解是否每天都在加深？ 如果答案是「什么都没有」，那么 AI 就只是一个成本优化的故事。你可以裁员，在几个季度内提高利润率，但最终会被更聪明的对手吞并。如果答案是在加深，那么 AI 并不会仅仅增强你的公司，它将揭示你公司的本质。 Block 的答案是经济图谱，即数百万的商户和消费者，每笔交易的双方，实时观察到的金融行为。这种理解随着系统运行的每一秒都在复利式增长。我们相信，这背后的模式——一个作为智能体而非层级来组织的公司——意义重大，足以在未来几年重塑各类公司的运作方式。Block 目前的发展足以证明这一理念并非纸上谈兵（当然，我们也欢迎各方讨论和反馈，以检验并改进我们的想法）。 公司运转的快慢取决于信息流动，而层级和中层管理阻碍了信息流动。两千年来，从罗马的「八人组」到今天的全球企业，我们从未有过真正的替代方案。八个共用一顶帐篷的士兵需要一个十人长，八十个人需要一个百夫长，五千人需要一个指挥官。问题从来不是你是否需要层级，而是：对于这些层级所承担的职能，人是否是唯一的选择？ 很明显，现在已经不是了。Block 正在构建下一个时代的组织。