当人工智能智能体从单纯的“工具”进化为“团队伙伴”，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根本性重塑。本文内容源自穆胜咨询合伙人、穆胜咨询研究院院长娄珺女士主导的《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。
此前发表的第一期文章《AI员工来了，团队怎么搭？》剖析了人机协同团队的构成要素；第二期文章《为什么AI越强，组织反而越乱》则阐述了人机协同团队的运行机制。这些内容已表明，人机协同团队虽显著增强了纸面实力，却也是一个配备强大工具却充满不确定性的团队，若在组织架构及相关机制上未能实现突破，仍会陷入官僚主义的困境，甚至引发更严重的官僚现象。本文将聚焦于适配这类团队的组织设计方案，结论依然明确——人机协同团队唯有在一种全新的组织模式中才能真正发展壮大，若试图用金字塔式组织来匹配AI，企业将只会收获接连不断的失望。
金字塔组织——“人”造成的官僚主义
首先需明确一个概念——组织构型（Organization Architecture）。穆胜咨询认为，这一概念内涵丰富，涵盖横向上的商业模式、纵向上的业务流程、整体上的组织结构以及个体上的岗位系统。从这四个宏观到微观的维度，它决定了企业内部“谁做什么”的分工逻辑。
其中，除商业模式涉及经营层面外，其余的业务流程、组织结构、岗位系统均属于人力资源职能内的组织开发（OD）模块可以施加影响的范畴。在这些可影响的维度中，组织结构因“易于调整且影响深远”而成为重中之重。换言之，众多企业涉及组织层面的变革，往往从调整组织结构入手。
目前，绝大多数企业采用金字塔组织（Hierarchy），其结构主要通过横向分工和纵向分级形成一个个“小方格”。理论上，每个方格内的任职者清楚自己的职能边界，也知晓自身层级所拥有的权力。
显然，这种组织结构必然引发一系列官僚主义现象，穆胜咨询将其归纳为四类：
横向分工不清导致的“部门墙”； 纵向授权不畅引发的“隔热层”； 试图用流程穿透这两类障碍，但流程本身容易变成“流程桶”； 试图通过考核激励员工横向与纵向协调的积极性，考核却易被虚化为“真空罩”。
问题的核心在于，纯人类团队中只有“人-人”的协作关系，而只要有人的存在，就有私心和能力局限，他们作为“信息路由”的节点，必然导致信息衰减。
在横向分工时，每个人都想少做事，将看似两可的“交叉职责”推给他人，从而形成部门墙；纵向授权时，上级迷恋权力不愿放权，或出于不信任不敢授权，于是形成隔热层；设置流程时，每个人都希望在流程中获取话语权，导致流程节点增多，每个人都想通过“拒绝”来彰显自身影响力，流程效率随之下降；进行考核时，每个人都倾向于考核自己能够完成的日常任务，而回避挑战性工作，考核因此逐渐虚化。由此可见，“人”确实是官僚主义产生的根源。
鉴于这种现状，为限制人的“劣根性”，大多数企业仍将金字塔组织视为“相对最可靠”的选择。他们认为，小方格明确了责权，再辅以流程和考核，至少能保证组织的相对稳定。现实中，多数企业倾向于对金字塔进行小修小补，喊出“明确责权”“优化流程”“严格考核”等口号并采取相应行动，却不愿推动组织变革或升级。金字塔组织制造的问题，最终却要通过强化金字塔组织来解决，这实在颇具讽刺意味。
注入AI——技术推动组织扁平化
然而，如果组织中加入AI智能体，形成“少量人类，大量AI”的状态，“人-人”协作变得稀少，“人-机”和“机-机”协作成为主流，组织又将发生何种变化？
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n的具体数值，不同管理学者有过测算，结果各异，但均认为存在一个固定数字，因为管理者处理信息的能力有限。这一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，才需要分工，各自负责一块；也正因为各自负责后，高层仍无法有效处理庞杂信息，才需要建立中层来过滤信息，层级由此产生。
在数智时代，技术变量开始打破管理幅宽的固定值。当各类工作实现标准化并转化为数据时，管理者需要处理的信息被大幅简化，处理信息的能力也被极大放大，他们能驾驭的管理幅宽自然越来越大（穆胜，2025）。一旦管理者能驾驭更大的管理幅宽，管理层级自然会被压缩，企业因此变得扁平。
根据穆胜咨询发布的《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（即呈现平台型组织结构特征）的企业占比仍高达56.4%，自2021年以来，这两项数据持续稳健增长。
企业推动组织扁平化，很大一部分原因在于中层的规模远超实际需要，反而成为组织效能提升的最大障碍。在中国互联网大厂中，部分中层被戏称为“PPT汇总师”，他们满口互联网黑话，工作流于形式主义，无法产生实际价值，却擅长揽功、推过、争利，成为官僚主义的重要源头。某头部互联网大厂曾尝试裁撤大量P8岗位，结果发现效率反而提升，原因是以前P9出思路、P7做方案，直接连接后效果更佳。
更令人诧异的是，中层的膨胀速度尤为夸张。相比之下，基层员工的增加与具体工作量相关，有多少订单、多少客户接待、多少销售动作，就应有多少基层员工；高层管理者人数有限，且需获得老板认可，再增加也有限。但对于中层管理人员而言，他们的工作不够具体，完全可以利用各种理由索要编制、扩充队伍。现实中，强化某个风险领域的管理、提升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，都可能成为正当理由。
尽管企业推动组织扁平化有多重驱动因素，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技术的替代直接动摇了中层赖以生存的根基。不少企业以前还在纠结中层岗位是否存在泡沫，如今直接使用AI来替代他们。一位年营收约50亿元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，我们只是没动手而已。”这正是大量企业的真实心态，这种心态将成为主流。
众多先锋企业在推动组织扁平化时，直接以“AI替代”作为理由，毫不掩饰。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能以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”，这是一个值得所有组织设计者反复思考的信号。
穆胜咨询也曾多次指出，在AI时代，最可能被替代的首先是中层（MOM，manager of manager），因为他们主要功能是“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，将多余的中间层“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多名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”的需求，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”
考虑到AI作为技术变量进入组织，使组织走向极致扁平化，我们是否还应按照横向分工和纵向授权的传统逻辑来设计组织？
答案是否定的，因为人机协同团队的控制方式已发生根本转变。换言之，扁平化的作用并非只是让管理幅宽变大、管理层级变少，而是让组织以另一种方式运作。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”，即企业设计好平台的“游戏规则”，让有商业直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）。
考虑到AI时代的组织设计需要跳出传统横向分工和纵向分权，需在明确平台游戏规则的基础上，激发员工自主性，进而推动组织协作，我们必须转换到全新视角。
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？”。
这一转变的直接结果是：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”。下图清晰地刻画了这种设计理念，作业单元成为最基本的设计单位，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，这避免了当前大量企业里诸多部门不创造客户价值的尴尬。
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，外部是与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。
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：前台即若干经营单元；业务中台负责将企业资源转化为中间件，供前台随需调用；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，确保资源调用顺畅；后台则负责建设企业资源池和锚定基础政策方向。在这种架构中，部门并非不存在，但更像是一个个基地，它们的目的不是行政工作，而是输送弹药赋能前线，或派出战队奔赴前线。反过来说，如果他们不能参与前线战事，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（先进行业中的领跑者）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；在这些企业中，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固定值的约束，人机协同团队在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智能体的运行结果未能达到预期时，需要人类员工介入接管。客观而言，所有AI智能体都会出现例外事件，只是随着其逐渐成熟，概率由大变小，但这种概率永远不可能为零。
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，例外率并不会维持在20%，而是会随着任务之间的交互产生更高例外率，如果基础的例外率控制不好（最初的5%），这种增加可能是几何级数的。
也就是说，越是大量使用AI智能体，越需要准备更多人类员工，而且人类员工并非同比例增加。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协议时，AI智能体可按事前约定进行决策和行动，而一旦有交互情形未被协议纳入，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时，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，这是管理幅宽被固定值的数理逻辑。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，否则，非标准化的部分仍需人际协调，而人际协调一旦出现且不加限制，在组织内很容易呈指数上涨。说白了，人际协调后，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”员工则日渐式微，只能沦为工具，这又回到了传统组织的逻辑。
这意味着，标准化协作协议是关键，传统金字塔组织中那些说不清、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，一是因为前一代数字化技术尚不支持，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，使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，少量人类员工就能驾驭大量AI智能体。但是，我们不应忽略一个重要指标——员工的责任心。如果AI智能体的运作结果与负责它的人类员工无关，且不会影响后者的切身利益，那么，企业只能选择堆砌更多人类员工，建立复杂的分工和层级，企业就又回到了“人盯人”模式。
人类员工的责任心不会因企业的教育、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。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：将这三个变量显性化管理起来——降低例外率、将协作协议标准化、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由易到难：“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，就能使其逐渐成熟，降低例外率；“协作协议非标比”涉及跨职能协调，不仅是一个职能负责人或团队的事，需同时影响两边（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，这已是组织的深度变革了。
这也是大量企业的人机协同团队难以做大的原因：他们最多能启动一两项职能的“AI化”，做出一两个AI智能体，却无法让多个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。即使他们拼命做出一条“AI示范工作流”，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。通过专业的NBA比分解读，可以更清晰地理解这些组织变革中的动态关系。
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。
