人机协同团队的组织设计，90%公司搭反了

当AI智能体从“工具”变为“团队成员”，传统以自然人为默认成员的组织与人力资源管理理论正面临重构。本文节选自穆胜咨询合伙人、穆胜咨询研究院院长娄珺女士领衔主研的《AI时代，人机协同团队的组织与人力资源管理》研究报告第一部分：人机协同团队的组织设计。

第一期的文章《AI员工来了，团队怎么搭？》分析了人机协同团队的构成；第二期的文章《为什么AI越强，组织反而越乱》则说明了人机协同团队的运作方式。这些内容已经阐明，人机协同团队全面升级了纸面实力，但却是一个加载了重器的未知团队，一旦在组织和相关的机制层面未能取得突破，依然会陷入官僚主义的泥潭，甚至带来更大的官僚主义。本文我们将首先分析适配这类团队的组织设计，结论依然清晰——人机协同团队只能在一种新型组织模式中才能生根、发芽、开花，妄想用金字塔组织匹配AI，只会让企业收获无数的失望。

金字塔组织——“人”造的官僚主义

首先明确一个概念——组织构型（Organization Architecture）。这是一个内涵丰富的概念，穆胜咨询认为，其包括了横向上的商业模式，纵向上的业务流程，整体上的组织结构，个体上的岗位系统，从上述四个宏观到微观的维度，决定了企业内“谁做什么”的分工逻辑。

其中，除了商业模式涉及经营层，其余的业务流程、组织结构、岗位系统都是人力资源职能内的组织开发（Organization Development，OD）模块可以进行影响的。而在这些可以影响的维度里，组织结构又因为“易改变、影响大”而成为重中之重。换言之，大量企业涉及组织层面的变革，都是从组织结构调整开始的。

当前，绝大多数企业采用的都是金字塔组织（Hierarchy），其组织结构主要是通过横向分工和纵向分级形成了一个个“小方格”，理论上，每个方格里的任职者知道自己的职能边界是什么，也知道自己的层级拥有什么样的权力。

图1-1：金字塔组织，资料来源：穆胜咨询

显然，这样的组织结构必然导致一系列的官僚主义现象，穆胜咨询将其总结为四类：

横向分工不明的“部门墙”；

纵向授权不畅的“隔热层”；

考虑用流程来穿透两类障碍，流程也很容易成为“流程桶”；

考虑用考核来激发员工横向纵向协调的积极性，考核又容易被虚化为“真空罩”。

问题的症结在于，纯人类团队里都是“人-人”的协同关系，而只要有人，就有私心，就有能力限制，他们作为“信息路由”的节点，一定会让信息衰减。

横向分工时，大家都想少做事，都把看似两头沾边的“交叉职责”推给对方，于是就形成了部门墙；纵向授权时，上级迷恋权力，不愿授权，或者不信任下属，不敢授权，于是形成了隔热层；设置流程时，每个人都想在流程里获得话语权，于是流程节点越来越多，每个人都想通过“说不”来体现自己的影响力，于是流程效率越来越低；进行考核时，每个人都希望考核自己能完成的日常工作，而拒绝挑战性任务，于是，考核越来越虚。看来，“人”的确是造就官僚主义的根源。

考虑这种现状，为了限制人的“劣根性”，大多企业依然将金字塔组织视为“相对最靠谱”的选择。他们认为，小方格确认了责权，加之流程和考核的辅助，至少能确保组织的相对稳定。现实中，大多企业都愿意对金字塔进行小修小补，喊出了“明确责权”“优化流程”“严格考核”等口号，并伴有一些行动，但它们却不愿意进行组织变革或升级。金字塔组织制造的问题，最终要通过强化金字塔组织来解决，实在是有点讽刺。

注入AI——技术推动组织扁平化

但如果组织里加入了AI智能体，形成了“少量人，大量AI”的状态，“人-人”协同就变得稀少，“人-机”“机-机”的协同才是主流。这个时候，组织又会发生什么变化？

管理幅宽（Span of Control）是组织设计的经典命题，管理学界的经验法则是“一个管理者不能直接管理超过n个人”。关于这个n是多少，有不同管理学者进行过测算，结果各有不同，但都认为存在一个定额数字，因为管理者处理信息的能力是有限的。这个命题几乎是金字塔组织形成的基础。穆胜博士认为，正因为高层处理信息的能力有限，才形成分工，各管一块；也正因为各管一块后的高层依然无法有效处理庞杂信息，才需要建立中层来过滤信息，层级由此形成。

数智时代，技术的变量开始打破管理幅宽的定额。当各类工作已标准化并变成数据，管理者需要处理的信息被大大简化，处理信息的能力也被极度放大，他们能够驾驭的管理幅宽自然越来越大（穆胜，2025）。一旦管理者能够驾驭更大的管理幅宽，管理层级自然会被压缩，企业由此变得扁平。

根据穆胜咨询的《2025中国企业人力资源效能研究报告》，扁平化指数大于1的企业占比高达83.8%，扁平化指数大于1.5（即呈现出平台型组织结构特征）的企业占比依然高达56.4%，自2021年以来，这两项数据持续稳健增长。

企业进行组织扁平化，很大部分原因是中层的规模远远超过了实际的需要，反而成为了组织效能提升的最大障碍。在中国的互联网大厂里，部分中层被戏称为“PPT汇总师”，他们满嘴互联网黑话，工作上形式主义，丝毫不能产生实际价值，揽功、推过、争利，是官僚主义的重要症结。某头部互联网大厂，曾经尝试裁撤了大量P8岗位，结果发现，效率反而更高，原因是，以前P9出思路，P7做方案，直接连接后反而更好了。

更诡异的是，中层的膨胀速度特别夸张。相比之下，基层员工的增加和具体的工作量相关，有多少订单，有多少客户接待，有多少销售动作，就应该有多少基层员工；高层管理者就那么几个人，还都得被老板认可，再增加也增加不到哪里去。但对于中层管理人员来说，他们的工作没有那么具体，完全可以用各种理由来索要编制，扩大自己的队伍。现实中，强化某个风险领域的管理、强化某个关键领域的专业性、在创新领域提前布局、为下属拓展职业生涯通道等都会成为正当理由。

尽管在企业进行组织扁平化的过程中，有大量驱动因素，但AI带来的技术变革，无疑是最有力的驱动因素之一，或者说，AI技术的替代，直接让中层得以生存的根基被撼动了。不少企业以前还在纠结中层岗位有没有泡沫，现在直接用AI来替代他们。一位年营收50亿左右的企业老板在受访时表示：“就算你以前有用，现在也不用你了，AI多便宜、多好用。更何况，以前你的岗位本来就没有价值，我们只是没有动刀而已。”这就是大量企业的真实心态，这种心态会成为主流。

大量先锋企业在推动组织扁平化时，直接以“AI替代”作为理由，毫不遮掩。云服务公司Cloudflare在2026年5月裁员1100人（约占员工20%），而当季营收仍增长34%；CEO Matthew Prince称，被裁的绝大多数是所谓的“衡量者（measurers）”——中层管理、财务、法务、内部审计与收入确认等岗位，理由是AI可以用前所未有的、人类层级无法匹敌的精度衡量组织。在营收增长的同时裁掉“衡量者”，是一个值得所有组织设计者反复咀嚼的信号。

穆胜咨询也曾多次提出，AI时代，最可能被替代的首先是中层（MOM，manager of manager），因其主要功能是“上承下达”，而信息收集、综合决策、指令下达、结果监督等环节完全可以被AI覆盖。不仅如此，中层往往出于“领地利益”抵制AI变革，为了将权力转移至AI，企业必然会选择去除大部分中层。正在发生的趋势是，高层通过AI工具实施更大幅宽、更穿透式的管控；基层通过AI工具实现交付水平的极大提升——两端同时发力，把多余的中间层"挤"出去（穆胜，2025）。

哈佛商学院的一项研究完美地证实了这种趋势。基于50,000+名GitHub Copilot开发者的研究发现，编码活动占总工作的比例上升约5%，而项目管理活动下降约10%——AI让个体贡献者承担了更多“核心工作”，减少了“被管理”的需要，这直接推动了组织扁平化（HBR/HBS，2025）。

组织结构——从“小方格”到“工作流”

考虑AI作为技术变量进入组织，让组织走向了极致扁平化，我们还应该按照横向分工和纵向授权的传统逻辑来设计组织吗？

答案是否定的，因为人机协同团队的控制方式已经发生了根本转变。换言之，扁平化的作用，不是让管理幅宽变大，让管理层级变少，而是让组织以另一种方式来运作。传统控制依赖“层层审批”——默认节点越多越安全，俗称“人盯人”模式，代价是内耗和速度；人机协同的控制依赖“权限+阈值+审计”——控制点前置为规则，事后可完整追溯。

穆胜博士指出，金字塔组织是“保守的授权逻辑”，其结果是“一管就死，一放就乱”；组织变革的关键，是通过结构创新实现“管而不死，放而不乱”，是企业设计好平台的“游戏规则”，让有商业感觉的人能在这种规则下一边感知市场，一边组织资源，为企业创造出商业价值。平台的游戏规则，实际上就是“权限+阈值+审计”，这正是“管而不死、放而不乱”在AI时代的技术化表达。它确保了低风险动作放得开（放而不乱），高风险动作管得住（管而不死），全过程可追溯（责任可控）。

考虑AI时代的组织设计是要跳出传统横向分工和纵向分权，是要在明确平台的游戏规则的基础上，发动员工自主性，进而推动组织协同，我们需要转换到全新的视角。

传统组织设计的第一类问题是“这个部门管什么？”，第二类问题是“这个部门是几级部门，上级机构是哪里？下属部门有哪些？”但人机协同团队的组织设计，第一问是“这个作业单元要交付什么？需要哪些人类与哪些AI？决策权如何分配？”，第二问是“哪些作业单元需要连接在一起？这些作业单元组成的工作流指向什么业务场景，带来什么经营结果？”。

这一转变的直接后果是：团队边界从“部门边界”变为“任务边界”。代表部门和层级的“小方格”开始被打破，形成一个个“作业单元”，“作业单元”再根据经营需求连接，形成“工作流”。下图很明确地刻画了这种设计理念，作业单元成为了最基本的设计单位，作业单元的连接形成了指向客户的工作流。换言之，每个作业单元的工作都能通过一定方法换算成客户价值，这就避免了当前大量企业里的诸多部门不创造客户价值的尴尬。

图1-2：人机协同团队组织设计理念，资料来源：穆胜咨询，注：作业单元A、B、C是公共的模块，共同支持多条工作流。

一个团队可以只存在三个月，由数个人类与十余个AI智能体组成，完成任务后解散；另一个团队可能长期存在，但成员构成每季度调整。穆胜咨询对组织升级趋势的描述与此一致——智能体组织的内核是平台型组织（Platform-based Organization），这类组织具有如下特点：

以客户为中心，客户需求指挥企业供给；

根据客户需求，由前中后台调动匹配职能，组成的一个个小型经营单元进行对接；

每个经营单元都由能够80%闭环业绩的各个职能BP（业务伙伴）或BP团队组成；

经营单元内部是合伙关系，外部是和内外供应商建立的外包关系；

小型经营单元以最小编制，映射（调用）全司火力，实现产品、服务和解决方案。

图1-3：平台型组织原理示意图，资料来源：穆胜咨询

显然，经营单元指向业务场景，负责运行整个工作流，职能BP或BP团队就是作业单元，它们在经营单元里被聚合成一个经营闭环。

要实现这样的效果，企业必须搭建三台架构：前台即若干的经营单元；业务中台负责把企业的资源变成中间件，让前台随需调用；组织中台负责理解后台政策，再将政策在前台业务场景内本地化，确保资源调用的顺畅；后台则负责建设企业的资源池和锚定基础的政策方向。在这种架构里，部门并非不存在，但更像是一个个基地，他们的目的不是那些行政工作，而是输送弹药赋能前线，或派出战队奔赴前线。反过来说，如果他们不能参与到前线战事中，他们的“基地”自然会被抛弃。

穆胜咨询研究院预测，在2027—2030年期间，少量企业（先进行业里的领跑者）的组织架构将呈现“三薄一厚”：管理层级薄、职能部门薄、中间汇报环节薄，而“人机协同的作业网络”厚；在这些企业里，传统意义上的“MOM”岗位将减少一半以上，其中相当一部分将转岗为“AI训练师/人机协作设计师”。

规模上限——人机协同团队的边界

传统团队的规模受管理幅宽定额的约束，人机协同团队很大程度上跳出了这些约束，但又会进入新的约束空间。

变量一：AI 运行例外率。这是发生在AI智能体内部的例外事件，当AI智能体的运行结果不能达到预期时，就需要人类员工介入接管。客观来说，所有的AI智能体都会出现例外事件，只是随着其逐渐成熟，概率从大变小而已，但这种概率永远不可能为0。

团队中AI智能体承接任务的比例越高，人类成员的例外处理负担越不可预测。举例来说，若AI智能体处理的100个任务中有5个需要人工介入，例外率为5%，此时，1个人类员工足以控制；但如果这100个任务的例外率升至20%，就需要4个人类成员；进一步看，如果任务增加到500个，例外率并不会还维持在20%，而是会随着任务之间的交互，产生更高的例外率，如果基础的例外率控制不好（最初的5%），这种增加有可能是几何级数的。

也就是说，越是大量使用AI智能体，越会需要准备更多的人类员工，尤其是，人类员工还不是同比例增加。因此，团队的“人类规模”不取决于AI智能体的数量，而取决于“例外总量”。这也是客服场景的人机协同最先成熟的原因——其例外分布相对稳定可预测。

变量二：协作协议非标比。这是发生在“AI-AI”和“人-AI”两种关系之间的例外事件，当所有交互情形都纳入了协议，AI智能体就可以按事前约定进行决策和行动，而一旦有交互情形没有被协议纳入，就需要人类员工介入进行商议。

在人类团队中，当团队成员数量增加，协作关系的数量呈指数上升，直至超越人类处理信息的极限，这是管理幅宽被定额的数理逻辑。在人机协同团队中，协作协议（含API的标准接口）可以部分替代人际协调，从而放宽这一约束。但前提是，标准化的协作协议真的被建立起来了，否则，就会出现非标准化的部分仍然需要人际协调，人际协调一旦出现，且不加限制的话，在组织里很容易形成指数上涨。说白了，人际协调之后，人类员工不会本能地修订协作协议、增加标准化部分，反而会强调人际协调的重要性，从而保住自己的职位。这样一来，人类员工自然会迅速增加，AI智能体等“机器类”员工自然日渐式微，只能沦为工具，这就又回到了传统组织的逻辑里。

这意味着，标准化协作协议是关键，传统金字塔组织里那些说不清、道不明的“手感式”管理，都要让位于标准化协作协议。事实上，过去这些地方不能被标准化，一是因为前一代的数字化技术还没有能力支持，二是因为标准化会挤压人类的权力空间，大多任职者会以情况复杂为由，主张存在“灰度”，希望保持自己的“手动控制”。AI智能体大量普及，让这两种理由都开始站不住脚。

变量三：责任人嵌入深度。每一个AI智能体都需要绑定一个可问责的人类员工，如果“AI运行例外率”和“协作协议非标比”较低，理论上说，少量人类员工就可以驾驭大量的AI智能体。但是，我们不应该忽略了一个重要指标——员工的责任心。如果AI智能体的运作结果和负责它的人类员工没有关系，且不会影响到后者的切身利益，那么，企业只能选择堆砌更多的人类员工，建立复杂的分工和层级，企业就又回到了“人盯人”的模式。

人类员工的责任心不会因为企业的教育、呼吁就能产生并持续，关键还是要建立激励机制。“责任人嵌入深度”这个指标，衡量了责任人的薪酬总额中，受（其负责的）AI智能体绩效的影响比例决定。这意味着，企业需要重新设计人类员工的薪酬模式，尽量放大这个部分的比例，过去的“岗位工资+绩效工资+奖金+福利”的传统薪酬模式，需要被打破。

人机协同团队的规模上限，是一个由“AI 运行例外率—协作协议非标比—责任人嵌入深度”共同决定的动态值，不存在通用解。企业能做的是：把这三个变量显性化管理起来——降低例外率、把协作协议标准化，让责任人在经济上嵌入AI智能体。 这三项工作，恰恰是“组织设计”在AI时代的主流方向。

这三个指标的干预难度是由易到难的：“AI 运行例外率”最好干预，只要这项职能的负责人或负责团队愿意进行AI智能体的搭建、预训练、强化训练，就能让它逐渐成熟，降低例外率；“协作协议非标比”涉及到跨职能协调，不仅是一个职能负责人或团队的事，得同时影响两边（甚至三边），几方利益不同，协调难度可想而知；“责任人嵌入深度”则涉及到要修改整个企业的激励机制，绩效考核和薪酬模块都需要打破重构，已经是组织的深度变革了。

这也是大量企业的人机协同团队很难做大的原因：他们最多能够启动一两项职能的“AI化”，做出一两个AI智能体，但却不能让多个AI智能体进行标准化连接，自然无法影响一条工作流，无法打穿一个业务场景。就算是他们拼命做出一条“AI示范工作流”，他们也无法消解人类员工的对抗情绪，因为，基于传统的激励机制，AI就是来抢人类饭碗的。这也是AI提升了个体效率，却无法提升组织效率的原因。

本文来自微信公众号“穆胜事务所”（ID：hrm-yun），作者：穆胜咨询研究院，36氪经授权发布。