智能原生組織的存續(xù)與成長(zhǎng)：有邊界的無(wú)限可能

導(dǎo)語(yǔ)

AI為組織這艘航船提供了無(wú)限的動(dòng)力、實(shí)時(shí)的全球海圖、自動(dòng)駕駛系統(tǒng)與自我強(qiáng)化的船體，確保我們?cè)谌魏我阎Ｓ蚰芤岳碚摌O限的效率與魯棒性駛向既定目標(biāo)。然而，這艘船的航行意義、它所要追尋的彼岸以及在未知海域發(fā)現(xiàn)新大陸后如何定義其價(jià)值、如何建立規(guī)則，這些關(guān)乎初心、意義與創(chuàng)造的根本問(wèn)題，依然是船上人類領(lǐng)袖、探險(xiǎn)家與哲學(xué)家的專屬領(lǐng)域，也是人類智能最終不可替代的尊嚴(yán)所在。

文 | 侯宏、李智勇

隨著以大模型、智能體與多智能體系統(tǒng)為代表的AI技術(shù)的快速進(jìn)步，一種“全面替代”的輿論開(kāi)始流行。該敘事依托西蒙（Herbert A. Simon）有限理性概念，認(rèn)為隨著人工智能（AI）消除認(rèn)知瓶頸并顯著降低協(xié)調(diào)成本，組織作為“人類理性的補(bǔ)償機(jī)制”將逐步失去存在基礎(chǔ)；管理學(xué)也將隨著其服務(wù)對(duì)象——人類員工和管理者——的退場(chǎng)而失效。作為回應(yīng)，一些文章強(qiáng)調(diào)人類價(jià)值理性（vs AI工具理性）的彌足珍貴，另一些則強(qiáng)調(diào)人機(jī)協(xié)作（vs人機(jī)替代）對(duì)任務(wù)執(zhí)行的重要性。前者太過(guò)宏大，后者又太過(guò)微觀，我們?nèi)狈﹀^定組織這一中觀分析單元的系統(tǒng)性討論——這對(duì)正確理解智能原生組織至關(guān)重要！

智能原生是手段，組織存續(xù)與成長(zhǎng)才是目的。本文主張，理解智能原生組織首先需要重新審視組織存續(xù)與成長(zhǎng)的理論基礎(chǔ)，并以此為邏輯起點(diǎn)反推人機(jī)關(guān)系的合理安排。組織并非僅僅是行動(dòng)的集合，而是嵌入不確定環(huán)境、同時(shí)追求組織理性與技術(shù)理性的復(fù)雜系統(tǒng)。AI確實(shí)重塑了技術(shù)理性的高度，但并未消除環(huán)境不確定性，也未自動(dòng)回答“組織何以存在”“企業(yè)如何成長(zhǎng)”等根本問(wèn)題。相反，智能原生組織為經(jīng)典管理學(xué)理論提供了新檢驗(yàn)場(chǎng)景：哪些組織職能可以被技術(shù)系統(tǒng)吸收？哪些不確定性需要人的在場(chǎng)？AI嵌入會(huì)如何改變組織的存在形式與成長(zhǎng)路徑？

為了回答這些問(wèn)題，本文回到兩個(gè)經(jīng)典理論：湯姆森（James Thompson）于1967年提出的開(kāi)放理性組織理論與彭羅斯（Edith Penrose）于1959年提出的企業(yè)成長(zhǎng)理論。相較于基于西蒙有限理性假設(shè)的組織行為理論，這兩者屬于相對(duì)宏觀的組織理論，允許我們暫時(shí)懸置微觀層面對(duì)于人機(jī)關(guān)系的判斷。開(kāi)放理性組織理論從不確定性出發(fā)，將組織理解為在開(kāi)放環(huán)境中尋求確定性的理性系統(tǒng)；企業(yè)成長(zhǎng)理論從資源出發(fā)，將企業(yè)刻畫(huà)為通過(guò)發(fā)掘資源多用性實(shí)現(xiàn)內(nèi)生成長(zhǎng)的生產(chǎn)性組織。二者關(guān)于“存續(xù)”與“成長(zhǎng)”兩大組織目標(biāo)的洞察，為全面理解智能原生組織提供了互補(bǔ)性的理論錨點(diǎn)。

本文首先介紹問(wèn)題的背景，包括智能原生企業(yè)的崛起以及“人類退場(chǎng)論”與“管理學(xué)黃昏論”兩大相互承接的流行論斷。隨后錨定湯姆森和彭羅斯的理論進(jìn)行分析，指出AI在某些組織職能方面的局限以及智能原生組織的相關(guān)特征。最后，綜合上述洞察，我們把智能原生組織理解為AI與組織的辯證統(tǒng)一，指出其有邊界的無(wú)限可能。本文希望引發(fā)更多的思考：智能原生組織并非管理學(xué)的終點(diǎn)，而是其問(wèn)題意識(shí)的延展；AI不是組織的替代者，而是迫使我們更清晰地理解組織為何存在、如何行動(dòng)以及如何成長(zhǎng)的理論契機(jī)。

智能原生組織引發(fā)的管理學(xué)“危機(jī)”

智能原生企業(yè)的崛起

最初，出租車公司依賴人工調(diào)度。隨后，出行平臺(tái)引入算法調(diào)度。如今，無(wú)人駕駛服務(wù)不再需要司機(jī)，算法主導(dǎo)了車輛調(diào)度、路線規(guī)劃以及行駛?cè)^(guò)程。一些人堅(jiān)信，這種以無(wú)人化為特征的智能原生企業(yè)必將向各行業(yè)滲透。在他們看來(lái)，以大語(yǔ)言模型、智能體以及多智能體協(xié)同為代表的AI系統(tǒng)，正在從被動(dòng)工具演化為能夠承擔(dān)復(fù)雜任務(wù)的技術(shù)系統(tǒng)，呈現(xiàn)出自主性、組合性與進(jìn)化性等擬人特征。

自主性

傳統(tǒng)信息系統(tǒng)的運(yùn)行邏輯是過(guò)程導(dǎo)向的，其行為邊界由事先定義的規(guī)則與流程所嚴(yán)格限定。相較之下，在長(zhǎng)程推理與工具調(diào)用能力的加持下，AI系統(tǒng)開(kāi)始表現(xiàn)出顯著的自主性：系統(tǒng)不再僅僅響應(yīng)具體指令，而是能夠在給定高階目標(biāo)的情況下，自主生成行動(dòng)路徑，并在執(zhí)行過(guò)程中進(jìn)行必要的調(diào)整。在無(wú)人駕駛的案例里，車主只需給出目的地，剩下的執(zhí)行都交給AI。過(guò)去，用戶使用Photoshop進(jìn)行調(diào)整曲線、增加飽和度等操作；現(xiàn)在，只需告訴AI一個(gè)高階目標(biāo)，如讓這張圖片看起來(lái)更活潑，它便會(huì)自主規(guī)劃并調(diào)用不同工具來(lái)實(shí)現(xiàn)這一目標(biāo)。

組合性

智能原生組織并非依賴一個(gè)無(wú)所不能的單一模型，而是通過(guò)編排器（Orchestrator）將各種獨(dú)立的原子能力像樂(lè)高積木一樣靈活組合，形成一個(gè)完整的業(yè)務(wù)流程。例如，在典型的數(shù)字化營(yíng)銷或運(yùn)營(yíng)場(chǎng)景中，AI系統(tǒng)可以將內(nèi)容生成、用戶畫(huà)像分析、渠道投放與結(jié)果監(jiān)測(cè)等功能整合為一個(gè)連續(xù)流程，不再依賴人工在不同系統(tǒng)之間切換與協(xié)調(diào)。這種跨功能整合，使得原本需要通過(guò)組織層級(jí)來(lái)完成的協(xié)作，在技術(shù)系統(tǒng)內(nèi)部便可以實(shí)現(xiàn)。并且，自主性與組合性結(jié)合得到的不是一個(gè)個(gè)“寫死”的流程和慣例，而是隨需應(yīng)變的協(xié)作網(wǎng)絡(luò)。

進(jìn)化性

智能原生組織最令人興奮的特征在于其內(nèi)置的高速自我優(yōu)化能力。AI通過(guò)一個(gè)7x24小時(shí)不間斷的閉環(huán)實(shí)現(xiàn)持續(xù)進(jìn)化：執(zhí)行—反饋—學(xué)習(xí)—優(yōu)化。反饋，作為閉環(huán)學(xué)習(xí)的養(yǎng)料，至少來(lái)自三個(gè)方面：一是在高度數(shù)據(jù)化的環(huán)境中，AI系統(tǒng)可短時(shí)間測(cè)試大量策略組合或進(jìn)行仿真優(yōu)化，并根據(jù)結(jié)果反饋快速調(diào)整后續(xù)行動(dòng)路徑；二是AI智能體執(zhí)行任務(wù)能得到來(lái)自真實(shí)世界的反饋，比如客戶滿意度、業(yè)務(wù)績(jī)效波動(dòng)乃至需求側(cè)智能體的輸出等；三是通過(guò)強(qiáng)化學(xué)習(xí)人類專家的操作軌跡，AI甚至能習(xí)得專家解決問(wèn)題的默會(huì)知識(shí)。

管理學(xué)正在走向黃昏嗎

基于上述技術(shù)趨勢(shì)，有人斷言：由于管理學(xué)所服務(wù)的對(duì)象（碳基人）將被AI智能體替代，管理學(xué)存在的前提也會(huì)被物理性移除。這真是天大的誤會(huì)！大多數(shù)管理學(xué)者認(rèn)同，管理學(xué)的服務(wù)對(duì)象是組織而不是人。組織機(jī)器的隱喻，即通過(guò)組織“去人格化”以追求最優(yōu)效率，一直是一些管理學(xué)家堅(jiān)定的追求。組織系統(tǒng)技術(shù)化非但沒(méi)有顛覆這些理論，反倒是它們?cè)谛录夹g(shù)條件下的極限展開(kāi)。

比如，作為公認(rèn)的管理學(xué)鼻祖之一，泰勒（Frederick W. Taylor）在其提出的科學(xué)管理理論中認(rèn)定，一旦最優(yōu)流程被發(fā)現(xiàn)，執(zhí)行者的差異性應(yīng)被最小化。在這一意義上，工人從來(lái)只是執(zhí)行理性的載體。在泰勒所處的年代，這一載體只能是人；算法與智能體能夠更穩(wěn)定、更低偏差地執(zhí)行既定流程，正是科學(xué)管理邏輯的自然延伸。類似地，戰(zhàn)略管理大師波特（Michael E.Porter）提出價(jià)值鏈分析，將企業(yè)解構(gòu)為一組可分離、可重組的價(jià)值活動(dòng)，分析重心始終是活動(dòng)間的配置與協(xié)同，而非活動(dòng)由什么執(zhí)行。

相較于泰勒工業(yè)機(jī)器隱喻，西蒙的信息機(jī)器隱喻更貼近智能原生組織。西蒙基于有限理性的概念指出，組織之所以存在，正是為了通過(guò)流程、規(guī)則與組織結(jié)構(gòu)，將個(gè)體無(wú)法承載卻又是復(fù)雜決策所需的信息處理任務(wù)，轉(zhuǎn)化為可操作的行動(dòng)邏輯。那么，是不是組織賦能變成AI賦能后，西蒙式組織及其管理學(xué)便失去了存在價(jià)值？并非如此。“理性人假設(shè)”被反復(fù)抨擊仍無(wú)礙于經(jīng)濟(jì)學(xué)屹立不倒，這有助于論者審慎看待“有限理性”假設(shè)被顛覆的論斷及其后果。

西蒙及其追隨者的管理學(xué)研究成果對(duì)智能原生組織具有豐富啟示。比如，基于有限理性概念的注意力學(xué)派強(qiáng)調(diào)高管注意力分配結(jié)構(gòu)對(duì)企業(yè)績(jī)效的影響。表面上，智能原生組織顛覆了高管注意力稀缺的假設(shè)進(jìn)而使得此類研究失去意義。實(shí)際上，算力成本可能是智能原生組織的主要成本項(xiàng)，由于在相當(dāng)長(zhǎng)時(shí)間內(nèi)算力成本不會(huì)下降到零，在多事務(wù)之間分配算力資源的策略仍極具現(xiàn)實(shí)意義。類似地，如何通過(guò)任務(wù)層級(jí)結(jié)構(gòu)改進(jìn)多智能體協(xié)作效率是AI技術(shù)研究的前沿話題，而不是像有些人聲稱的層級(jí)結(jié)構(gòu)在AI時(shí)代將退出歷史舞臺(tái)。

可見(jiàn)，AI沒(méi)有顛覆管理學(xué)；恰恰相反，管理學(xué)受眾正在從管理者擴(kuò)展到AI研究員與工程師。管理學(xué)智慧將啟發(fā)AI工程師開(kāi)發(fā)出更具競(jìng)爭(zhēng)力的算法，這對(duì)智能原生組織的多智能體協(xié)作管理無(wú)疑具有深遠(yuǎn)意義。

人類終將退場(chǎng)嗎

上述觀點(diǎn)只算弱回應(yīng)，因其隱含了“管理學(xué)黃昏論”的前提——“人類退場(chǎng)論”，這一論調(diào)在西蒙的理論體系內(nèi)可得到支持。實(shí)際上，有限理性概念必然導(dǎo)向機(jī)器替代論，因?yàn)樵摳拍铛r明而單一地錨定在技術(shù)理性這一機(jī)器顯然超越人的維度上。也就是說(shuō)，機(jī)器替代是該概念的潛在假設(shè)，據(jù)此討論人機(jī)關(guān)系問(wèn)題，必然以循環(huán)論證的方式得出替代的結(jié)論。當(dāng)然，我們可以爭(zhēng)辯說(shuō)人機(jī)之間還存在諸多可比維度，但這種爭(zhēng)論瑣碎而難以系統(tǒng)展開(kāi)。值得強(qiáng)調(diào)的是，只有在與組織存續(xù)與發(fā)展相關(guān)的維度上，人機(jī)對(duì)比才有價(jià)值。這指引我們暫時(shí)擱置微觀層面的人機(jī)之爭(zhēng)，把眼光投向組織層面。

理解復(fù)雜組織有諸多維度，這方面管理學(xué)有豐富沉淀。在某些維度上人類可能退場(chǎng)，另一些維度上則不能。西蒙強(qiáng)調(diào)組織是信息處理機(jī)器，便是人類可能退場(chǎng)的一個(gè)維度。本文接下來(lái)要介紹兩個(gè)理論，即湯姆森的開(kāi)放理性組織理論和彭羅斯的企業(yè)成長(zhǎng)理論。前者強(qiáng)調(diào)不確定性維度，把組織視為在不確定環(huán)境中尋求確定性的理性系統(tǒng)；后者強(qiáng)調(diào)資源維度，把企業(yè)刻畫(huà)為具有內(nèi)生成長(zhǎng)機(jī)制的生產(chǎn)性資源集合。兩者高度互補(bǔ)，共同為智能原生組織的深入分析提供了理論腳手架。

智能原生組織如何存續(xù)

組織存續(xù)的本質(zhì)

組織存續(xù)的本質(zhì)是在不確定性環(huán)境中保持行動(dòng)能力。組織需應(yīng)對(duì)三類不確定性。一是一般不確定性，指的是在更廣泛的文化或知識(shí)體系中，對(duì)因果關(guān)系缺乏穩(wěn)定理解的一種狀態(tài)，即可靠的因果知識(shí)尚不存在。這意味著組織無(wú)法憑借結(jié)果自證合法性。比如，AI到底把人類引向繁榮還是毀滅？很大程度上取決于對(duì)話對(duì)象的信念。二是權(quán)變不確定性，源于他者行動(dòng)的不可控性。組織即便理解利益相關(guān)者的行動(dòng)邏輯，也無(wú)法控制他們的行為。這意味著組織永遠(yuǎn)無(wú)法100%控制結(jié)果，而只能通過(guò)情景規(guī)劃等手段提前作出應(yīng)對(duì)預(yù)案。三是技術(shù)不確定性。組織內(nèi)部技術(shù)系統(tǒng)相互依賴與耦合，一處波動(dòng)可能通過(guò)系統(tǒng)聯(lián)動(dòng)放大，對(duì)系統(tǒng)輸出形成巨大影響。這里，“技術(shù)”是廣義的“輸入－輸出”處理過(guò)程，其不確定性用來(lái)衡量何種程度上某種活動(dòng)能變成可重復(fù)的生產(chǎn)過(guò)程。

在不確定性下，組織本質(zhì)上是一個(gè)在“追求效率”與“應(yīng)對(duì)變化”之間尋找平衡的開(kāi)放理性系統(tǒng)。它既需要像一臺(tái)精密的機(jī)器，通過(guò)標(biāo)準(zhǔn)化的內(nèi)部運(yùn)作（技術(shù)理性）來(lái)確保產(chǎn)出的穩(wěn)定與高效；也需要像一個(gè)靈活的生命體，通過(guò)持續(xù)與外部環(huán)境交換資源并達(dá)成共識(shí)（組織理性）來(lái)獲取合法性。一方面，作為開(kāi)放系統(tǒng)，組織嵌入資源提供者、監(jiān)管者、客戶與社會(huì)公眾構(gòu)成的環(huán)境之中。組織得以存在的前提，在于其所處的行動(dòng)領(lǐng)域（domain）能夠獲得足夠的利益相關(guān)者共識(shí)與支持。在持續(xù)變化的環(huán)境中，這種共識(shí)始終處于不穩(wěn)定狀態(tài)，超出了組織控制范圍。因此，組織需要對(duì)多重外部動(dòng)態(tài)約束作出響應(yīng)以維持共識(shí)水平，即組織理性。另一方面，作為行動(dòng)機(jī)器，組織必須有持續(xù)的具體行動(dòng)與結(jié)果產(chǎn)出，否則也將無(wú)法存續(xù)。在這一意義上，組織可理解為在既定目標(biāo)與條件下，可靠而高效地將投入轉(zhuǎn)化為產(chǎn)出的技術(shù)系統(tǒng)。為此，組織發(fā)展出以規(guī)則、流程和因果知識(shí)為基礎(chǔ)的技術(shù)理性，追求可預(yù)測(cè)性、穩(wěn)定性與重復(fù)性。

為調(diào)和這種“既要穩(wěn)定又要靈活”的矛盾，組織演化出功能分層架構(gòu)，其核心邏輯并非消除不確定性，而是在不同層面之間進(jìn)行壓力轉(zhuǎn)移與風(fēng)險(xiǎn)緩沖。任何組織從功能上看，都具備負(fù)責(zé)穩(wěn)定執(zhí)行的技術(shù)層、負(fù)責(zé)直面環(huán)境不確定性的制度層以及負(fù)責(zé)居中協(xié)調(diào)二者的管理層。技術(shù)層負(fù)責(zé)實(shí)現(xiàn)將輸入穩(wěn)定地轉(zhuǎn)化為輸出，以可預(yù)測(cè)性與效率為導(dǎo)向。為實(shí)現(xiàn)這一目標(biāo)，組織往往通過(guò)標(biāo)準(zhǔn)化、規(guī)則化與邊界控制，盡可能將該層設(shè)計(jì)為一個(gè)“封閉系統(tǒng)”。制度層直面外部環(huán)境，負(fù)責(zé)與監(jiān)管者、資源提供者及社會(huì)公眾互動(dòng)以維系共識(shí)，因而需要靈活性。管理層通過(guò)緩沖、協(xié)調(diào)、預(yù)期和調(diào)整等策略，使組織既不被環(huán)境吞噬，也不因過(guò)度封閉而失去合法性。以平臺(tái)企業(yè)為例，技術(shù)層是追求極致效率的算法黑盒及其驅(qū)動(dòng)的交易流程；制度層是那個(gè)長(zhǎng)袖善舞，擅長(zhǎng)妥協(xié)、溝通的“社會(huì)公關(guān)”；管理層則是拼命在兩者之間調(diào)度的“翻譯官”，把制度壓力變成代碼邊界，同時(shí)也保護(hù)代碼邏輯不被外界瞬息萬(wàn)變的情緒輕易擊穿。注意，此處的“管理層”不同于日常用法，泛指組織功能分層，而非特定職能的崗位。

AI的局限：一般不確定性

秉持上述組織觀，回頭再看組織全面AI化的論斷，未免覺(jué)得幼稚。誠(chéng)然，應(yīng)對(duì)技術(shù)不確定性時(shí)，執(zhí)行技術(shù)細(xì)節(jié)的主體由有限理性的人替換為AI，不僅能降低出錯(cuò)概率，還能獲得壓倒性的效率優(yōu)勢(shì)。在處理權(quán)變不確定性時(shí)，AI可以高效搜集海量數(shù)據(jù)、完成仿真與敏感性測(cè)試，并未雨綢繆地制定應(yīng)變預(yù)案。以上，都與從有限理性推導(dǎo)出的觀點(diǎn)類似。然而，在應(yīng)對(duì)一般不確定性方面，AI存在一系列無(wú)法突破的局限。所謂“可靠的因果知識(shí)尚不存在”至少體現(xiàn)為兩種組織情形：利益相關(guān)者共識(shí)未達(dá)成與全新變量出現(xiàn)。

一方面，利益相關(guān)者共識(shí)達(dá)成是政治過(guò)程，而非計(jì)算或工程過(guò)程。利益相關(guān)者沖突往往并非源于對(duì)結(jié)果預(yù)測(cè)的不同，而是源于對(duì)“什么結(jié)果是正當(dāng)?shù)摹钡母痉制纭＠纾谄脚_(tái)用工問(wèn)題上，企業(yè)、勞動(dòng)者、監(jiān)管者與公眾并不只是對(duì)成本、效率或風(fēng)險(xiǎn)概率有不同判斷，而是對(duì)“平臺(tái)究竟是技術(shù)中介，還是事實(shí)上的雇主”持有不同規(guī)范立場(chǎng)。因此，共識(shí)的形成并不是一個(gè)“找到最優(yōu)解”的過(guò)程，而是一個(gè)說(shuō)服、妥協(xié)、象征性讓步與責(zé)任承諾交織的政治過(guò)程。組織在其中采取的行動(dòng)，諸如公開(kāi)表態(tài)、道歉、承諾補(bǔ)償、調(diào)整話語(yǔ)框架等，往往并不改變?nèi)魏渭夹g(shù)事實(shí)，卻深刻影響不同群體對(duì)組織的接受意愿。這類行動(dòng)的有效性取決于其象征意義，而非工程效率，這正是政治性的體現(xiàn)。

另一方面，變量若此前未出現(xiàn)過(guò)，則AI不具備相關(guān)知識(shí)。全新變量及其與行為、結(jié)果因果關(guān)系的不明確，顯著不同于在已知變量不同取值之間游走的權(quán)變不確定性。AI能力建立在既有表征空間之上：無(wú)論是監(jiān)督學(xué)習(xí)、強(qiáng)化學(xué)習(xí)還是大模型，前提都是某種形式的歷史經(jīng)驗(yàn)、反饋結(jié)構(gòu)或可枚舉的狀態(tài)空間。一旦出現(xiàn)超出既有經(jīng)驗(yàn)框架的新變量，AI既無(wú)法識(shí)別其重要性，也無(wú)法判斷應(yīng)當(dāng)將之納入哪個(gè)決策維度。典型案例是突發(fā)性制度或技術(shù)斷裂事件。以新冠疫情初期為例，大量依賴歷史數(shù)據(jù)進(jìn)行預(yù)測(cè)的系統(tǒng)在供應(yīng)鏈、需求模式和人員組織上迅速失效。最近，Waymo無(wú)人駕駛汽車在大街上“罷工”導(dǎo)致交通癱瘓，原因在于“大規(guī)模停電導(dǎo)致的紅綠燈不工作”對(duì)它是全新變量。

全面依賴AI的組織將無(wú)法應(yīng)對(duì)上述兩種情形。“全面AI化”敘事缺乏對(duì)外部環(huán)境深度不確定性的敬畏，往往僅代表運(yùn)營(yíng)層面的技術(shù)性理解。這類理解要么把組織視為封閉系統(tǒng)，要么把世界視為一個(gè)可計(jì)算空間。有趣的是，在管理學(xué)界內(nèi)部，組織行為學(xué)者與戰(zhàn)略學(xué)者的不確定性偏好也有所不同。前者相對(duì)微觀，重點(diǎn)關(guān)注“如何完成給定任務(wù)”，因而屏蔽了大量的環(huán)境不確定性；后者相對(duì)宏觀，重點(diǎn)關(guān)注“選擇什么任務(wù)完成”，因而對(duì)環(huán)境不確定性有深刻洞察。顯然，前者更容易接受“全面AI化”敘事。

對(duì)智能原生組織的啟示：AI非均勻滲透

如果“全面AI化”不可取，那么智能原生組織是怎樣的？湯姆森對(duì)此的啟發(fā)是：在智能原生組織中，AI的嵌入將呈現(xiàn)出以技術(shù)層為中心、向管理層遞減、在制度層受限的非均勻分布結(jié)構(gòu)。

在技術(shù)層，AI與技術(shù)理性的目標(biāo)高度一致。面對(duì)相對(duì)結(jié)構(gòu)化、可重復(fù)且可度量的任務(wù)環(huán)境，AI能夠顯著降低由有限理性與協(xié)作摩擦所帶來(lái)的技術(shù)不確定性，因此在這一層面的替代潛力最大。比如，機(jī)器已經(jīng)大面積替代制造業(yè)流水線上的體力工人,而AI智能體也日漸替代知識(shí)流水線上的初級(jí)知識(shí)工人。

制度層的情形恰恰相反。制度層處理的是意義尚未確定、規(guī)范持續(xù)演化的外生不確定性，核心要求并非計(jì)算最優(yōu)解，而是能夠作出承諾甚至刻意保持戰(zhàn)略模糊性。AI可以顯著增強(qiáng)組織對(duì)制度環(huán)境的感知與分析能力，但由于此類不確定性無(wú)法被還原為技術(shù)理性問(wèn)題，AI在制度層的替代潛力受到根本限制。某種程度上，AI是沒(méi)有“意義”的。比如，如果你見(jiàn)到一個(gè)博學(xué)多才的人，會(huì)肅然起敬、見(jiàn)賢思齊；當(dāng)你知道這不是人而是AI在表達(dá)，則波瀾不驚。可見(jiàn)，意義構(gòu)建作為制度層核心職責(zé)，是AI所不能的。

管理層則更可能演化為一種復(fù)雜的人機(jī)協(xié)同結(jié)構(gòu)。未來(lái)，管理層承擔(dān)著協(xié)調(diào)高度AI化的技術(shù)內(nèi)核與低度AI化的制度層的責(zé)任，因而需要整合組織理性與技術(shù)理性。其目的不是“算得更準(zhǔn)”，而是讓組織不過(guò)早走向不可逆的失敗、讓不同理性形式可以暫時(shí)共存、讓未來(lái)仍然保持開(kāi)放。誠(chéng)然，AI可以在信息整合、情景模擬與執(zhí)行支持等方面顯著增強(qiáng)管理能力；管理層也需要具備調(diào)整技術(shù)內(nèi)核的能力。在智能原生組織中，構(gòu)建企業(yè)知識(shí)庫(kù)、訓(xùn)練能力智能體、迭代多智能體協(xié)作規(guī)則等傳統(tǒng)意義上的技術(shù)工種可能與管理層深度融合；然而，管理層的核心職能——決定哪些不確定性可以被技術(shù)層吸收，哪些必須由制度層承擔(dān)——并不能被完全技術(shù)化。正如大模型從來(lái)不回答不知道，它很難識(shí)別哪些不確定性不適合它處理，因而無(wú)法履行上述核心職能。

智能原生組織如何成長(zhǎng)

企業(yè)成長(zhǎng)的本質(zhì)

企業(yè)是生產(chǎn)性資源的組合。資源的價(jià)值不在于資源本身，而在于資源所能提供的服務(wù)（用途）。一項(xiàng)資源可以提供多項(xiàng)服務(wù)，企業(yè)成長(zhǎng)的動(dòng)力正是源于未被充分利用的生產(chǎn)性服務(wù)。比如，迪士尼把IP與品牌資源注入多種商業(yè)模式獲得持續(xù)成長(zhǎng)，而在每種商業(yè)模式中，IP和品牌發(fā)揮作用的方式各不相同。在各種資源中，人力資源尤為關(guān)鍵，因其所提供的管理性服務(wù)與企業(yè)家服務(wù)是企業(yè)運(yùn)作與成長(zhǎng)所必需的。區(qū)分管理性服務(wù)與企業(yè)家服務(wù)是重要的，前者確保企業(yè)日常運(yùn)作與協(xié)調(diào)得以維持，后者則通過(guò)對(duì)資源用途的想象、發(fā)現(xiàn)與整合，引導(dǎo)企業(yè)探索新的生產(chǎn)性機(jī)會(huì)。

企業(yè)成長(zhǎng)是一個(gè)內(nèi)生的資源重組與擴(kuò)展過(guò)程。企業(yè)日常購(gòu)入資源時(shí)通常會(huì)產(chǎn)生冗余，因?yàn)橘Y源（包括原材料、人等）具有不可分性。比如，一臺(tái)機(jī)器的利用率達(dá)到80%已經(jīng)非常高了。更重要的是，資源可提供的服務(wù)范圍在特定組織情境中會(huì)發(fā)生變化。比如，疫情期間，一些工廠發(fā)現(xiàn)它們的產(chǎn)線經(jīng)過(guò)簡(jiǎn)單調(diào)整就能生產(chǎn)防疫物資。正是在資源、人與組織情景的持續(xù)互動(dòng)中，一家企業(yè)所特有的生產(chǎn)性機(jī)會(huì)集合被塑造出來(lái)，為企業(yè)成長(zhǎng)創(chuàng)造可能性。這一集合具有顯著的公司特定性，源于企業(yè)成員在具體運(yùn)營(yíng)過(guò)程中不斷積累的經(jīng)驗(yàn)與知識(shí)。隨著經(jīng)驗(yàn)的積累，企業(yè)得以認(rèn)知到更多潛在的資源用途，從而不斷開(kāi)拓新生產(chǎn)性機(jī)會(huì)。通過(guò)“機(jī)會(huì)是企業(yè)家對(duì)資源用途的想象”這一著名論斷，彭羅斯強(qiáng)調(diào)企業(yè)成長(zhǎng)的動(dòng)力并不主要來(lái)自外部環(huán)境變化，而是來(lái)自企業(yè)內(nèi)在資源。

企業(yè)成長(zhǎng)受到一定約束。企業(yè)擴(kuò)張不僅意味著資源數(shù)量的增加，更意味著對(duì)資源用途的重新理解、對(duì)新活動(dòng)的組織以及對(duì)既有能力的整合。這一過(guò)程高度受限于管理服務(wù)與企業(yè)家服務(wù)的供給。一方面，管理性服務(wù)的培育本身具有不可壓縮的時(shí)間結(jié)構(gòu)。比如，我們不能指望空降高管一夜之間就能有效供給特定企業(yè)需要的管理性服務(wù)。因此，即便企業(yè)擁有大量未被充分利用的資源，其增長(zhǎng)速度在短期內(nèi)仍然受到內(nèi)在組織性因素的限制。這就是關(guān)于企業(yè)增長(zhǎng)著名的“彭羅斯效應(yīng)”。另一方面，企業(yè)家精神是高度稀缺的。因此，即便企業(yè)的資源和管理服務(wù)都相當(dāng)充沛，也可能因?yàn)闊o(wú)法想象新的成長(zhǎng)方向而在原有業(yè)務(wù)成熟后陷入成長(zhǎng)的瓶頸。所謂的企業(yè)第二曲線，根植于企業(yè)家精神！

AI的局限：想象力與信念

在一些人眼里，AI資源是人力資源完美的替代。AI克服了有限理性，不僅能夠快速吸收歷史經(jīng)驗(yàn)，還能夠進(jìn)行多業(yè)務(wù)并行工作，且不會(huì)因注意力稀缺或經(jīng)驗(yàn)遷移成本形成明顯瓶頸。這似乎解決了管理能力難以短期內(nèi)擴(kuò)張的難題——文化融入的組織問(wèn)題變成了算力擴(kuò)容的技術(shù)問(wèn)題。與此同時(shí)，AI還能保留人力資源的公司特定性（Firm-specific）與經(jīng)驗(yàn)積累性（Experiential）：通過(guò)微調(diào)、強(qiáng)化學(xué)習(xí)等技術(shù)，AI可以深度融合企業(yè)獨(dú)特的背景知識(shí)（如行業(yè)理解、企業(yè)文化、公司戰(zhàn)略等），并在執(zhí)行任務(wù)、獲得反饋的過(guò)程中持續(xù)迭代學(xué)習(xí)。

然而，彭羅斯的理論指引我們洞察AI相對(duì)于人的局限性。彭羅斯對(duì)資源最關(guān)鍵的洞見(jiàn)在于強(qiáng)調(diào)其多用性，而人在發(fā)掘、利用資源多用性方面的企業(yè)家服務(wù)是AI難以替代的。一方面，機(jī)器擅長(zhǎng)單環(huán)學(xué)習(xí)，而人類擅長(zhǎng)雙環(huán)學(xué)習(xí)。單環(huán)學(xué)習(xí)與雙環(huán)學(xué)習(xí)是管理學(xué)中描述組織學(xué)習(xí)的概念。前者關(guān)注在不改變現(xiàn)有目標(biāo)、價(jià)值觀或規(guī)則的前提下，對(duì)行動(dòng)結(jié)果進(jìn)行校正，以保持系統(tǒng)穩(wěn)定運(yùn)行；后者則會(huì)質(zhì)疑、反思和修改現(xiàn)有目標(biāo)、規(guī)范和假設(shè)本身，以促進(jìn)根本性變革。強(qiáng)化學(xué)習(xí)本質(zhì)上是單環(huán)學(xué)習(xí)，在預(yù)設(shè)的獎(jiǎng)勵(lì)函數(shù)框架內(nèi)，通過(guò)試錯(cuò)不斷優(yōu)化行動(dòng)策略以最大化累積回報(bào)。與此相反，“現(xiàn)有資源還能用來(lái)做什么不同的事情”是典型的雙環(huán)學(xué)習(xí)問(wèn)題，因?yàn)樗枰伎颊咛霎?dāng)下的獎(jiǎng)勵(lì)函數(shù)。

另一方面，機(jī)器基于過(guò)去作出判斷，但企業(yè)家前瞻未來(lái)。企業(yè)家依賴?yán)碚摚ㄒ蚬?qū)動(dòng)的前瞻性思維，且敢于承擔(dān)風(fēng)險(xiǎn)。喬布斯發(fā)明iPhone不是靠用戶調(diào)研，萊特兄弟發(fā)明飛機(jī)需要頂住巨大的輿論壓力（包括來(lái)自科學(xué)界的嘲諷）。他們提前看到且堅(jiān)信尚未發(fā)生的未來(lái)——可稱為“想象力”或“信念”。與此相比，AI依賴于數(shù)據(jù)驅(qū)動(dòng)的后視性思維，其輸出以維護(hù)系統(tǒng)一致性（概率分布的一致性）為內(nèi)在機(jī)制。AI沒(méi)有主體性，難以表現(xiàn)出企業(yè)家對(duì)未來(lái)信念的堅(jiān)毅。AI產(chǎn)出的新奇性源于它提前習(xí)得了世界上已存在但某些用戶尚不知道的知識(shí)。但對(duì)整個(gè)人類而言，AI不具備創(chuàng)造新知識(shí)的能力，在湯姆森的理論里這是一般不確定性之所指，而在這里是想象力之所指。

對(duì)智能原生企業(yè)的啟示：成長(zhǎng)方向偏好

相對(duì)于前AI時(shí)代的企業(yè)，智能原生組織的AI化程度將大幅提升，對(duì)人的依賴將大大降低。對(duì)此類資源稟賦的企業(yè)，一個(gè)誘人的命題是：得益于AI極大提升了組織信息處理能力，智能原生組織面臨的成長(zhǎng)限制因管理瓶頸的移除而消失。值得注意的是，我們需要區(qū)分成長(zhǎng)速度與成長(zhǎng)方向。限制前者的是管理性服務(wù)，限制后者的是企業(yè)家服務(wù)。因此，智能原生企業(yè)初創(chuàng)期的增速固然遠(yuǎn)超傳統(tǒng)企業(yè)，但我們不能籠統(tǒng)地說(shuō)它們的成長(zhǎng)瓶頸消失了。在成長(zhǎng)速度之外，成長(zhǎng)方向更值得深入討論。

彭羅斯理論最大的啟示可能在于：智能原生組織將更傾向于縱向一體化的成長(zhǎng)方式，而非按照彭羅斯建議的橫向多元化。智能原生組織的成長(zhǎng)將主要體現(xiàn)為經(jīng)營(yíng)環(huán)節(jié)的擴(kuò)展以及核心業(yè)務(wù)市場(chǎng)份額的擴(kuò)大。一方面，AI總是渴望數(shù)據(jù)，尤其是上下游環(huán)節(jié)定義其業(yè)務(wù)環(huán)境的數(shù)據(jù)，以便作出更極致的優(yōu)化；另一方面，智能原生組織通常有很強(qiáng)的技術(shù)能力，這種能力向上下游外溢能夠發(fā)揮最大價(jià)值。在上述擴(kuò)張過(guò)程中，按照彭羅斯邏輯，企業(yè)購(gòu)入的資源未能充分利用，將誘發(fā)下一步橫向多元化。

然而，兩方面因素削弱了智能原生企業(yè)橫向多元化的沖動(dòng)。一方面，縱向一體化過(guò)程中，與傳統(tǒng)工業(yè)企業(yè)不同，智能原生企業(yè)投入的資源很大一部分是算力。在云模式下該資源按需取用，因而因資源不可分割性產(chǎn)生的資源冗余、橫向擴(kuò)張以實(shí)現(xiàn)資源再利用的沖動(dòng)都相應(yīng)較低。另一方面，業(yè)務(wù)規(guī)模化過(guò)程中人力資源的投入相對(duì)較少，更多依靠智能體完成。相對(duì)于人的跨場(chǎng)景泛化能力，為原有業(yè)務(wù)訓(xùn)練的智能體泛化到不同業(yè)務(wù)場(chǎng)景難度較大，進(jìn)而也制約了橫向擴(kuò)張沖動(dòng)。當(dāng)然，智能原生企業(yè)并非不會(huì)橫向多元化，但其內(nèi)生動(dòng)力會(huì)弱于彭羅斯的估計(jì)。由于上述因素的存在，與其在一家企業(yè)內(nèi)部橫向多元化，還不如在新領(lǐng)域開(kāi)創(chuàng)獨(dú)立的智能原生企業(yè)。

智能原生組織：

AI與人面向不確定性的共舞

AI的無(wú)限可能

“無(wú)限可能”本質(zhì)上是AI作為一種前所未有的“超級(jí)杠桿”，對(duì)傳統(tǒng)組織所面臨的四重剛性約束進(jìn)行的系統(tǒng)性突破。

一是對(duì)“有限理性”的終極補(bǔ)償。自西蒙以來(lái)，組織理論的核心命題之一便是如何通過(guò)結(jié)構(gòu)與協(xié)作，彌補(bǔ)個(gè)體在信息處理、計(jì)算能力和知識(shí)儲(chǔ)備上的固有局限。AI將這一補(bǔ)償機(jī)制推向了極致。AI不再僅僅是輔助工具，而是構(gòu)建了一個(gè)外在于人腦的、可無(wú)限擴(kuò)展的集體認(rèn)知器官。通過(guò)處理海量異構(gòu)數(shù)據(jù)、運(yùn)行多維度仿真模型、進(jìn)行復(fù)雜的敏感性測(cè)試，AI能夠?qū)⒁酝罟芾碚邿o(wú)從下手的“認(rèn)知不確定性”——那些模糊的、關(guān)聯(lián)復(fù)雜而造成個(gè)體認(rèn)知極限的因素——轉(zhuǎn)化為可量化、可模擬、可預(yù)案的風(fēng)險(xiǎn)圖譜。尤其是，AI將高管稀缺的“注意力資源”轉(zhuǎn)化為云基礎(chǔ)設(shè)施上近乎可按需取用的“算力資源”。進(jìn)而，決策瓶頸從人類心智極限轉(zhuǎn)移到了數(shù)據(jù)生態(tài)與計(jì)算網(wǎng)絡(luò)的邊界，而后者在理論上具有極大的彈性與可擴(kuò)展性。

二是對(duì)固化流程與組織壁壘的液態(tài)化重構(gòu)。當(dāng)認(rèn)知的基礎(chǔ)發(fā)生轉(zhuǎn)移，協(xié)作的結(jié)構(gòu)便隨之重塑。傳統(tǒng)自動(dòng)化是僵硬的腳本執(zhí)行，而現(xiàn)代AI智能體展現(xiàn)出“目標(biāo)導(dǎo)向”的自主性與樂(lè)高積木式的組合性。只需給定一個(gè)高階指令，AI便能自主規(guī)劃路徑、調(diào)動(dòng)資源、實(shí)時(shí)調(diào)整。更重要的是，其各種原子能力可以被一個(gè)智能“編排器”靈活組合，瞬間構(gòu)建起一個(gè)為特定任務(wù)量身定制的協(xié)作網(wǎng)絡(luò)。這意味著，跨部門的流程整合、隨市場(chǎng)變化而生的新業(yè)務(wù)單元、針對(duì)個(gè)性化需求的服務(wù)鏈條，其重組與構(gòu)建的成本和時(shí)間被急劇壓縮。組織從一個(gè)由固定部門、流程構(gòu)成的“精密機(jī)器”，向一個(gè)由智能模塊構(gòu)成、可隨時(shí)按需重構(gòu)的“液態(tài)網(wǎng)絡(luò)”演進(jìn)。協(xié)作的形態(tài)，從此擁有了近乎無(wú)限的動(dòng)態(tài)可能性。

三是獲得持續(xù)進(jìn)化的動(dòng)力，超越間斷式學(xué)習(xí)與知識(shí)損耗。傳統(tǒng)組織的學(xué)習(xí)是周期性的、項(xiàng)目式的，依賴于會(huì)議、復(fù)盤與培訓(xùn)，知識(shí)附著于個(gè)體，隨人員流動(dòng)而流失。AI驅(qū)動(dòng)的系統(tǒng)內(nèi)嵌了一個(gè)“執(zhí)行—反饋—學(xué)習(xí)—優(yōu)化”的永動(dòng)閉環(huán)。它從每一次交互、每一條數(shù)據(jù)、每一次仿真結(jié)果中汲取養(yǎng)分，進(jìn)行7x24小時(shí)不間斷的自我迭代。企業(yè)的知識(shí)資產(chǎn)不再局限于文檔庫(kù)或?qū)＜翌^腦，而是沉淀為可持續(xù)微調(diào)、強(qiáng)化和復(fù)用的算法模型與數(shù)據(jù)資產(chǎn)。這種超越人類生理周期的、可并行加速的經(jīng)驗(yàn)積累，使得組織能夠?qū)崿F(xiàn)一種近乎生物進(jìn)化般的持續(xù)適應(yīng)能力，打破了學(xué)習(xí)曲線與生命周期的傳統(tǒng)限制。

四是突破組織成長(zhǎng)速度瓶頸，克服“彭羅斯效應(yīng)”。企業(yè)擴(kuò)張的極限不在于市場(chǎng)或資本，而在于管理性服務(wù)的供給。AI正在將這一經(jīng)典約束轉(zhuǎn)化為技術(shù)問(wèn)題。AI通過(guò)提供協(xié)調(diào)、監(jiān)督、常規(guī)決策支持等可標(biāo)準(zhǔn)化的管理性服務(wù)，將增長(zhǎng)對(duì)高級(jí)人力資本的依賴，部分轉(zhuǎn)化為對(duì)算力與數(shù)據(jù)資源的配置。在智能原生企業(yè)中，規(guī)模的擴(kuò)張不再必然伴隨管理層的急劇膨脹與協(xié)調(diào)效率的斷崖式下跌。相反，對(duì)數(shù)據(jù)的渴求與對(duì)環(huán)節(jié)極致優(yōu)化的追求，驅(qū)動(dòng)企業(yè)沿著價(jià)值鏈進(jìn)行縱向一體化的無(wú)限深挖，從而獲得壓倒性的效率優(yōu)勢(shì)與市場(chǎng)控制力。增長(zhǎng)范式正在從依賴人力資本積累的線性模式，轉(zhuǎn)向依賴智能密度提升的指數(shù)模式。這正是智能原生企業(yè)獲得超高速增長(zhǎng)的緣由。

AI的功能邊界

然而，正是這種令人目眩的“無(wú)限性”，讓我們必須更加冷靜地審視其作用的“邊界”。這些邊界源于AI作為技術(shù)理性化身，與組織作為社會(huì)系統(tǒng)本質(zhì)屬性之間的鴻溝。

第一個(gè)根本邊界是不可計(jì)算性。AI的精髓在于在既定目標(biāo)函數(shù)下尋求最優(yōu)解，但并不是所有問(wèn)題都可以計(jì)算。當(dāng)問(wèn)題涉及“目標(biāo)本身是否正當(dāng)”“資源應(yīng)如何公平分配”“不同利益相關(guān)者的訴求如何權(quán)衡”時(shí)，便進(jìn)入了價(jià)值判斷與政治博弈的領(lǐng)域。這些領(lǐng)域沒(méi)有唯一的最優(yōu)解，只有基于不同立場(chǎng)、倫理框架與權(quán)力關(guān)系的協(xié)商與抉擇。AI缺乏內(nèi)在的價(jià)值立場(chǎng)，也無(wú)法獲得進(jìn)行此類政治裁決的合法性。它無(wú)法回答關(guān)于“意義”與“公正”的提問(wèn)。此外，當(dāng)出現(xiàn)了全新的變量，答案也無(wú)法計(jì)算。

第二個(gè)邊界是生成式理性與企業(yè)家精神的缺失。AI是卓越的“優(yōu)化者”與“適應(yīng)者”，擅長(zhǎng)在既有規(guī)則框架內(nèi)將事情做到極致，但其本質(zhì)上缺乏“生成式理性”，即那種質(zhì)疑框架本身、憑借想象力與信念重新定義問(wèn)題、發(fā)現(xiàn)資源全新用途的能力。這便是熊彼特所推崇的“創(chuàng)造性破壞”的核心，也是企業(yè)家精神的靈魂。AI可以生成前所未有的設(shè)計(jì)方案或文本組合，但其背后的邏輯依然是已有模式的延伸與重組，而非源于對(duì)未來(lái)的、非共識(shí)的信念投資。AI無(wú)法進(jìn)行雙環(huán)學(xué)習(xí)，無(wú)法獨(dú)自發(fā)起一場(chǎng)顛覆行業(yè)的價(jià)值革命。

第三個(gè)也是最關(guān)鍵的邊界是元管理職能的不可替代性。在AI時(shí)代，管理的核心職責(zé)正從“解決問(wèn)題”向“定義問(wèn)題性質(zhì)”演進(jìn)，即判斷一個(gè)挑戰(zhàn)究竟屬于可被模型化的技術(shù)性問(wèn)題（應(yīng)交由AI處理），還是涉及價(jià)值沖突、規(guī)則重構(gòu)的政治性或倫理性問(wèn)題（必須由人類介入）。這一“劃界”工作本身，需要深刻的情境理解、歷史洞察、道德責(zé)任感與政治智慧，決定了技術(shù)力量應(yīng)用的方向與限度，是確保組織不因追求效率而偏離其存在合法性的最終保障。這項(xiàng)職能無(wú)法外包給任何算法。

有邊界的無(wú)限可能

“有邊界的無(wú)限可能”八個(gè)字揭示了AI潛力的核心辯證關(guān)系：它在技術(shù)理性維度近乎無(wú)限的擴(kuò)張能力，與其在組織存續(xù)、價(jià)值創(chuàng)造根本維度上的功能邊界，共同構(gòu)成了AI時(shí)代最富張力的組織圖景，最終指向一種深刻的人機(jī)共生哲學(xué)。

AI潛力的釋放，并非一幅技術(shù)全面替代人類的均勻圖景，而是一種在“邊界”約束下的、非均勻的結(jié)構(gòu)性滲透。其影響力沿著組織的層級(jí)結(jié)構(gòu)形成清晰的梯度：在技術(shù)操作層，AI能實(shí)現(xiàn)深度替代與超級(jí)自動(dòng)化；在管理協(xié)調(diào)層，AI主要扮演增強(qiáng)人類決策與提高效率的人機(jī)協(xié)同伙伴；在戰(zhàn)略與制度層，AI更多地作為提供洞察的工具，目標(biāo)設(shè)定、價(jià)值塑造、終極責(zé)任等核心職能牢固地保留在人類手中。同時(shí)，這種能力分布也塑造了新的組織形態(tài)與成長(zhǎng)路徑。極度依賴數(shù)據(jù)閉環(huán)與垂直領(lǐng)域的智能原生組織，往往傾向于縱向一體化式的深度專業(yè)化，將單一價(jià)值鏈打磨至極致，而非進(jìn)行風(fēng)險(xiǎn)更高、依賴泛化能力的橫向多元化擴(kuò)張。

未來(lái)不屬于AI，也不屬于故步自封的人類，而屬于那些能深刻理解邊界并在其基礎(chǔ)上智慧地設(shè)計(jì)協(xié)同，從而將技術(shù)理性的無(wú)限可能導(dǎo)向人類價(jià)值星辰大海的卓越組織。AI為組織這艘航船提供了無(wú)限的動(dòng)力、實(shí)時(shí)的全球海圖、自動(dòng)駕駛系統(tǒng)與自我強(qiáng)化的船體，確保我們?cè)谌魏我阎Ｓ蚰芤岳碚摌O限的效率與魯棒性駛向既定目標(biāo)。然而，這艘船的航行意義、它所要追尋的彼岸以及在未知海域發(fā)現(xiàn)新大陸后如何定義其價(jià)值與建立規(guī)則這些關(guān)乎初心、意義與創(chuàng)造的根本問(wèn)題，依然是船上人類領(lǐng)袖、探險(xiǎn)家與哲學(xué)家的專屬領(lǐng)域，也是人類智能最終不可替代的尊嚴(yán)所在。

關(guān)于作者 | 侯宏：北京大學(xué)國(guó)家發(fā)展研究院管理學(xué)助理教授；

李智勇：智能跳越（北京）科技有限公司創(chuàng)始人。

編輯/排版 | 尚慧林

責(zé)任編輯 | 劉永選(liuyx6@sem.tsinghua.edu.cn)

《清華管理評(píng)論》聯(lián)系方式

訂閱、廣告及商務(wù)合作

010-62788163

shanghl@sem.tsinghua.edu.cn

點(diǎn)擊圖片，歡迎訂閱新刊