AI 領域精選文章翻譯
by Jack Dorsey & Roelof Botha (Sequoia Capital)
原文連結： From Hierarchy to Intelligence
在 Sequoia，我們相信速度是新創成功最好的預測指標。 大多數公司把 AI 當成生產力提升工具。但很少有公司認真面對 AI 改變「我們如何一起工作」的潛力。Block 正在示範什麼叫做徹底重新思考組織設計——最終透過 AI 把速度轉化為複利式競爭優勢。
在第一份企業組織圖出現前兩千年，羅馬軍隊就已經解決了一個每個大型組織至今仍在面對的問題：在通訊受限的條件下，如何協調數千人跨越廣大地域的行動？
羅馬人的答案是一套嵌套式階層，每一層都有固定的管理幅度。最小單位是「帳篷小組」（contubernium），8 名士兵共享帳篷、裝備和騾子，由一名「十人長」（decanus）帶領。10 個帳篷小組組成 80 人的「百人隊」（century），由百人長（centurion）指揮。6 個百人隊成一個「大隊」（cohort）。10 個大隊構成約 5000 人的「軍團」（legion）。每一層都有命名的指揮官，負責收攏下方資訊、傳達上方決策。這個 8 → 80 → 480 → 5000 的結構，本質上是一套為人類認知限制設計的資訊路由協議——一個領導者能有效管理的人數大約是 3 到 8 人。羅馬人透過幾個世紀的戰爭發現了這件事。即使今天，美國陸軍的指揮鏈仍遵循相似的模式。我們現在稱之為「管理幅度」（span of control），它依然是地球上每個大型組織的核心限制。
下一次重大變革來自普魯士。1806 年耶拿會戰後，拿破崙的軍隊摧毀了普魯士軍力，一批以 Scharnhorst 和 Gneisenau 為首的改革者在一個令人不舒服的事實上重建了軍隊：你不能依賴頂端的個人天才。你需要一套系統。他們創造了「總參謀部」（General Staff）——一群訓練有素的參謀軍官，工作不是打仗，而是規劃作戰、處理資訊、跨單位協調。Scharnhorst 設想這些參謀要「支援能力不足的將領，提供原本可能缺乏的才能」。這是「中層管理」這個名詞誕生前就存在的中層管理：一群以路由資訊、預先計算決策、維持複雜組織對齊為職責的專業人士。軍隊也正式確立了「直線職能」（line）與「幕僚職能」（staff）的區別。Line 推進核心任務。Staff 提供專業支援。每家公司至今仍在使用這套詞彙。
軍事階層透過 1840 至 50 年代的美國鐵路公司進入商業世界。美國陸軍把西點軍校訓練的工程師借調給私人鐵路公司，這些軍官帶著軍事組織思維一起來了。直線與幕僚的層級制度、事業部結構、官僚式的報告控制體系——全都是軍隊先發展出來，鐵路公司後採納的。1850 年代中期，紐約及伊利鐵路的 Daniel McCallum 創建了世界上第一份組織圖，以管理跨越超過 500 英里、數千名員工的系統。非正式的管理方式在更小的鐵路公司還行得通，但現在已經出了問題——火車相撞、人命喪失。McCallum 的圖表正式確立了羅馬人已使用的邏輯：層級式的職權、明確的報告線、結構化的資訊流。它成為現代企業的藍圖。
Frederick Taylor（1856-1915），常被稱為「科學管理之父」，優化了這套階層內部發生的事。Taylor 把工作分解為專門任務、指派給訓練有素的專家、用量化指標而非直覺來管理。這產生了功能性金字塔組織——一個在軍隊開創、鐵路商業化的資訊路由系統內，為效率而優化的結構。
功能性階層的第一次真正壓力測試出現在第二次世界大戰。曼哈頓計畫要求物理學家、化學家、工程師、冶金學家和軍事人員在極端保密與時間壓力下跨越學科邊界，朝單一目標合作。Robert Oppenheimer 把洛薩拉莫斯組織為功能部門，但堅持讓各部門開放協作，抵制軍隊的本能反應——隔離。當 1944 年內爆問題變得關鍵時，他在其周圍重組了實驗室，創建了在當時的美國企業界聞所未聞的跨功能團隊。它成功了，但那是戰時的特例，由一位傑出的個人領導。戰後商業世界面臨的問題是：這種跨功能協調能否常規化？
隨著二戰後公司的成長與全球化，功能型設計的規模限制變得急迫。1959 年，麥肯錫的 Gilbert Clee 和 Alfred di Scipio 在《哈佛商業評論》發表「創建世界企業」，為矩陣組織提供了一個結合職能專業與事業部單位的智識框架。在 Marvin Bower 的領導下，麥肯錫幫助 Shell 和 GE 等公司落實這些原則，在中央標準與地方靈活之間取得平衡。這成為驅動戰後全球經濟的「專業」或「現代」企業。
隨後，其他框架陸續出現，試圖解決矩陣結構的複雜性、僵化性和官僚主義。麥肯錫 1970 年代末由 Tom Peters 和 Robert Waterman 開發的 7-S 框架，區分了「硬 S」（策略、結構、系統）和「軟 S」（共同價值觀、技能、人員、風格）。核心理念是：結構元素本身不夠。組織效能需要跨越文化特質和人性因素的對齊。
近幾十年，科技公司積極實驗組織結構。Spotify 推廣跨功能小隊的短迭代週期。Zappos 嘗試 Holacracy，完全取消管理職稱。Valve 以沒有正式階層的扁平結構運作。這些實驗都揭示了傳統階層的某些侷限，但沒有一個解決根本問題。Spotify 在擴張時退回到了傳統管理。Zappos 出現大量離職。Valve 的模式難以擴展到幾百人以上。當組織成長到數千人時，它們就會退回到階層式協調，因為沒有任何替代的資訊路由機制強大到足以取代它。
限制與羅馬人面對的相同，也是美國海軍陸戰隊在二戰中重新發現的：管理幅度縮小意味著增加指揮層級，但更多層級意味著更慢的資訊流。兩千年的組織創新，一直是試圖在不打破這個兩難局面的情況下繞過它。
在 Block，我們正在質疑一個根本假設：組織必須以人類作為協調機制進行階層式組織。相反，我們打算取代階層所做的事。今天大多數使用 AI 的公司是給每個人一個 copilot，這讓現有結構運作得稍微好一點，但沒有改變它。我們追求的是不同的事：一家作為智能（或迷你 AGI）構建的公司。
我們不是第一個試圖超越傳統階層的。海爾的人單合一模式、平台組織、「數據驅動」管理——這些都是針對同一問題的真實嘗試。它們缺少的是一種真正能夠執行階層存在的協調功能的技術。AI 就是那種技術。有史以來第一次，一個系統可以維護整個業務的持續更新模型，並用它以過去需要人類通過管理層傳遞資訊的方式協調工作。
要讓這一切成立，公司需要兩樣東西：一種關於自身運作的「世界模型」，以及足夠豐富的客戶訊號來讓這個模型有用。
Block 是遠端優先的。我們做的一切都創造了可記錄的產出物。決策、討論、程式碼、設計、計畫、問題和進展，全都以記錄的行動形式存在。這是公司世界模型的原材料。在傳統公司，管理者的工作是了解他們團隊發生的事情，並在指揮鏈上下傳遞那個背景。在一個工作已是機器可讀的遠端優先公司，AI 可以持續構建和維護這幅圖景：正在構建什麼、什麼卡住了、資源分配在哪裡、什麼有效什麼沒效。這就是階層過去承載的資訊。現在由公司世界模型承載。
但系統的能力取決於輸入的客戶訊號品質。而金錢是世界上最誠實的訊號。
人們在問卷上撒謊。他們忽視廣告。他們放棄購物車。但當他們消費、儲蓄、轉帳、借貸或還款時，那就是真相。每筆交易都是某人生活的一個事實。Block 每天看到數百萬筆這些交易的兩端——透過 Cash App 看到買家，透過 Square 看到賣家，加上運營商家業務的操作數據。這給了客戶世界模型一種罕見的東西：以誠實訊號構建的、對每位客戶、每個商家的金融現實的深入了解，而且這種了解是複利增長的。訊號越豐富，模型越好。模型越好，交易越多。交易越多，訊號越豐富。
公司世界模型和客戶世界模型共同構成了一種不同類型公司的基礎。與其讓產品團隊構建預定的路線圖，你構建四樣東西：
第一，能力（capabilities）。 原子級的金融基元：支付、借貸、發卡、銀行業務、先買後付、薪資等等。這些不是產品。它們是難以獲取和維護的構建塊（有些有網路效應和監管許可）。它們沒有自己的 UI。它們有可靠性、合規性和性能目標。
第二，世界模型（world model）。 這有兩個面向。公司世界模型是公司理解自身運作、績效和優先順序的方式，取代了過去流經管理層的資訊。客戶世界模型是從專有交易數據構建的、對每位客戶、每個商家、每個市場的表示。它今天從原始交易數據開始，隨時間演化為完整的因果和預測模型。
第三，智能層（intelligence layer）。 這是將能力組合成針對特定時刻特定客戶的解決方案並主動交付的部分。一家餐廳的現金流在智能層見過的季節性低潮前正在收緊。智能層從借貸能力中組合一筆短期貸款，用支付能力調整還款計畫，並在商家甚至還沒想到要尋求融資之前就把它呈現給商家。一個 Cash App 用戶的消費模式轉變，智能層將其與搬到新城市聯繫起來。智能層組合一個新的直接存款設置、一張針對其新街區優化類別的 Cash App Card，以及一個根據其更新收入校準的儲蓄目標。沒有任何產品經理決定構建這兩個解決方案。能力存在。智能層識別了時機並將它們組合起來。
第四，介面（interfaces）。 Square、Cash App、Afterpay、TIDAL、bitkey、proto。這些是智能層交付組合解決方案的傳遞介面。它們很重要，但不是價值創造的地方。價值在模型和智能中。
當智能層試圖組合一個解決方案但因為能力不存在而無法做到時，那個失敗訊號就是未來的路線圖。傳統的路線圖——產品經理假設下一步要構建什麼——是任何公司的終極限制因素。在這個模型中，客戶現實直接生成待辦事項。
組織結構從中得出，它顛倒了傳統的圖景。在傳統公司，智能分散在人們身上，階層路由它。在這個模型中，智能存在於系統中。人在邊緣。邊緣是行動發生的地方。
邊緣是智能與現實接觸的地方。人們能觸及模型尚未能到達的地方。他們能感知模型無法感知的事情：直覺、有主見的方向、文化背景、信任動態、房間裡的感覺。他們做出模型不應該自己做的判斷，尤其是道德決策、新奇情況，以及犯錯代價是存亡性的高賭注時刻。一個無法觸及世界的世界模型只是個資料庫。但邊緣不需要管理層來協調它。世界模型給了邊緣的每個人他們所需要的背景，讓他們能夠行動，而不必等待資訊沿著指揮鏈上下傳遞。
在實踐中，這意味著我們縮減到三個角色：
個人貢獻者（ICs），構建和運營能力、模型、智能層和介面。他們是系統特定層的深度專家。世界模型提供了管理者過去提供的背景，所以 IC 可以對其層做出決策，而不必等待被告知該做什麼。
直接負責人（DRI），擁有特定的跨職能問題或機會以及客戶成果。一個 DRI 可能在 90 天內擁有特定細分市場中商家流失的問題，有完全的權力從世界模型團隊、借貸能力團隊和介面團隊調用資源。DRI 可能在某些問題上持續，或轉移到其他地方解決新問題。
Player-coaches，將構建與發展人員相結合。他們取代了傳統管理者——其主要工作是資訊路由。Player-coach 仍然寫程式碼、構建模型、設計介面。他們也投資於周圍人的成長。他們不把時間花在狀態會議、對齊會議和優先級談判上。世界模型處理對齊。DRI 結構處理策略和優先順序。Player-coach 處理技藝和人員。
不需要永久的中層管理層。 舊階層做的所有其他事情，系統協調，每個人都被賦能，角色離工作和客戶更近。
Block 正處於這個轉型的早期階段。這將是艱難的，其中一些部分在發揮作用之前可能會先崩潰。我們現在寫這篇文章，是因為我們相信每個公司最終都需要面對我們所面對的同一個問題：你的公司理解什麼是真正難以理解的，而且這種理解每天都在加深嗎？
如果答案是沒有，AI 只是一個成本優化故事。你削減人力，改善幾個季度的利潤率，最終被更聰明的東西吸收。如果答案是深入的，AI 不是增強你的公司。它揭示你的公司實際上是什麼。
Block 的答案是經濟圖譜：數百萬商家和消費者，每筆交易的兩端，實時觀察到的金融行為。那種理解每秒系統運行都在複利增長。我們相信背後的模式——一個作為智能而非階層組織的公司——足夠重要，以至於它將在未來幾年重塑各類公司的運作方式。Block 已經走得足夠遠，足以說明這個想法不只是理論（儘管我們歡迎辯論和反饋來壓力測試和改善我們的想法）。
公司根據資訊流動的快慢而快速或緩慢。階層和中層管理阻礙資訊流動。兩千年來，從羅馬的帳篷小組到今天的全球企業，我們沒有真正的替代方案。8 名士兵共用一頂帳篷需要一個十人長。80 人需要一個百人長。5000 人需要一個軍團長官。問題從來不是你是否需要層次。問題是人類是否是那些層次所做之事的唯一選項。他們不再是了。Block 正在構建接下來的東西。
Jack Dorsey 這篇文章的說服力在於歷史縱深——從羅馬軍團到普魯士參謀本部到鐵路公司，他不是在說「我們很酷」，而是在論證「管理層從來都只是一個資訊路由工具，現在有更好的工具了」。這個論點的邏輯是完整的，且在某些前提下難以反駁。
但有幾個現實值得思考：
首先，Block 能這麼做，部分原因是它本身就在金融數據的最核心位置。Cash App 和 Square 的交易數據是天然的「真相訊號」。大多數公司並不擁有這種訊號質量，也無法輕易複製。「世界模型」的品質取決於輸入資料，而大多數企業的資料遠比 Block 混亂。
其次，真正的測試是在監管、合規、風控這些不能純靠 AI 判斷的領域。Block 自己也承認這是 edge case，但這些 edge case 往往是最昂貴的那些。
第三，「Player-Coach」這個角色在實踐中非常難養。同時要寫程式碼又要帶人、而且不能開「對齊會議」，這對工程師文化的要求極高。Spotify 試過類似的模式，後來退回去了。
儘管如此，這篇文章仍然是 2026 年最值得反覆閱讀的組織思考之一。它不是在問「AI 能幫我們做什麼」，而是在問「如果 AI 能替我們協調資訊，我們還需要什麼樣的人？」這個問題比大多數 AI 應用討論都要深刻得多。