曾鸣：AI组织正在“远离”公司

• 原文链接：https://mp.weixin.qq.com/s/4LYiE4B4-Bb7pBl5QsIW6g
• 获取时间：2026-08-22

核心结论（一句话）

AI 的关键影响不只是提高执行效率，而是降低组织内认知传递与协同的成本，使公司从“层级化执行机器”向“人和智能体共同生成判断的认知网络”迁移。

分类提炼

• 场景：企业 AI 转型、组织设计与管理机制
• 标签： #主题/AI科技 #主题/组织转型 #场景/公众号长文
• 类型：组织战略观点；含二手案例与工作论文转述

知识节点

• 认知压缩：传统层级通过汇报、审批和岗位分工，把复杂信息压缩成可执行指令。
• 认知流动：AI 可辅助汇总、解释和分发信息，降低跨层级与跨团队的传递成本。
• 执行系统：工业组织擅长把已验证答案标准化、复制和规模化，而非持续重定义问题。
• 问题生成：AI 时代的问题、模型与解法会随真实反馈变化，组织需持续建模与修正。
• 认知网络：人、智能体和反馈共同构成可学习的协作网络，连接不只是任务转交。
• 创智人才：人的稀缺价值是设定目标、约束和价值判断，而不是重复的信息搬运。
• 组织学习：每次决策和纠偏若能沉淀为共同资产，系统未来的判断才会变好。

关联图谱

上游（基于 / 来自）

• [[06-ai-tech/麦肯锡-AI提效只是第一波红利]]：同样强调从提效走向组织重构；本文补充了层级为何会松动的认知机制。

下游（应用于 / 验证于）

• [[03-productivity/陈春花-从岗位到角色-AI时代组织设计的新逻辑]]：将认知网络转化为“人随任务动”的角色设计。

同级（横向 / 并列）

• [[06-ai-tech/OpenAI-AI原生组织-4条工作原则]]：从组织运行原则补充自主、快速更新和资源聚焦。

证据边界：文中“3 级对 4 级”和“低约 4 个百分点”均是对工作论文的二手转述；案例支持趋势观察，不足以证明 AI 必然导致去层级化。

正文要点

• 层级在信息稀缺时代承担方向下传与一线信息回传的压缩职责，因此流程、岗位边界与审批曾是规模协作的必要条件。
• 互联网提升连接速度，但大多仍围绕预先定义的问题优化执行；AI 的变化是可在复杂环境中理解、推理和从反馈中生成新解法。
• 扁平化应以更直接的证据、反馈和责任闭环为前提。只删管理层而不补治理，会将协调成本转移给一线。
• 管理者应从信息中转和流程监督，转向设计目标、边界、决策权与学习机制；人机分工的核心是判断权与责任归属。

标签： #主题/AI科技 #主题/组织转型 #场景/公众号长文 #节点/认知压缩 #节点/认知网络