智能时代的企业变革· Q001(下)-- 为何组织必须转型：AI引发的结构僵化
作者提示：个人观点，仅供参考
一个或许有些奇特的观点
此前两篇，我提到了两个原因：AI动摇了流程与组织的设计基石；以及，人类角色发生了转变。这一篇是第三个原因——倘若不改变，组织本身会陷入僵化。
先提出一个或许有些奇特的观点：组织，实际上很像一个「学习系统」。它像人一样会学习，但也像一个模型一样——会僵化。
组织是如何「学习」的
1991年，管理学者James March写过一篇极具影响力的论文。他将组织构想成一个双向学习系统：组织拥有一套「共识」（即这家公司累积下来的共有做法与判断），一方面，新人正在向这套共识学习；另一方面，这套共识也在向那些表现更出色的人学习。
这听起来很抽象，其实就是每家机构每天都在发生的事：新人正在学习「我们这里的做事方式」，而少数人的好点子，会逐渐改变「我们这里的做事方式」。
一对永恒的冲突：探索与利用
在阐述组织会陷入何种僵化之前，得先说明March那篇论文的真正核心。它实际上讲的是一对永恒的冲突。
一边叫「利用」（exploitation）：将已经熟悉如何做的事，做得更精、更快、更省。它的回报是确定的、即时的，通常为正。
另一边叫「探索」（exploration）：去尝试那些尚未知晓是否可行的事。它的回报是不确定的、遥远的，而且常常是负的。
两者争夺的是同一批资源——同样的时间、预算和关注度。所以它们之间，必须做出权衡。
March的警告是：一个只做利用、不做探索的组织，会陷入他所说的「能力陷阱」——将一个正在衰亡的模型，优化到极致。
那么AI在这对冲突中，扮演了什么角色？
它让「利用」变得极其廉价。已经熟悉怎么做的事，交给AI，又快又稳。于是资源会自然流到利用那一侧。这听起来当然是好事——但如果March是对的，那么「利用变廉价」本身，就在悄然将天平往陷阱那边推。
它会引发的第一种僵化：思维过于整齐划一，就僵住了
March通过模型推导出了一个让我印象深刻的结论。如果所有人都学习得又快又整齐，组织会迅速收敛到一套「稳定、但未必正确」的共识，然后——停止进步。因为改进只能来自「和共识不一致的人」，而大家都一样了之后，就没有人能再拉动它了。
更糟的是，世界还在变化，它的信念却停滞了。March的原话是：
“the accuracy of belief reaches chance ... The process becomes a random walk.”信念的准确度最终跌落到随机水平……整个过程变成一场随机游走。
— James G. March, Exploration and Exploitation in Organizational Learning (1991)
翻译成白话：
万众一心地自信，却完全（近乎）错误。
而AI，可能会让这种僵化来得更快、更彻底。当一家公司里所有人都对齐到同一个AI大脑，那种「思维过于整齐划一」的收敛，几乎是一瞬间完成的。
这张图是March当年跑出来的：横轴是个体向共识趋同的速度，纵轴是组织最终达到的知识水平。两条曲线都在下滑——趋同越快，知识越低；而「异质」那条（有人快、有人慢）始终高于「同质」那条。
March的模拟结果，加上我标注的AI位置
我把AI的默认部署标在了图上：人人对齐同一个大脑，既「同质」又「趋同极快」——恰好落在整张图最差的那个角。而它的对角线另一端，才是最优。
有意思的是，微软2026年那份《工作趋势指数》的前言里，也提醒了同一个风险：
“AI can extend capability, but it can also create overconfidence.”
AI能扩展能力，但它也可能制造过度自信。
— Microsoft, 2026 Work Trend Index Annual Report
学过机器学习的人，或许会觉得似曾相识
这种僵化，如果你接触过机器学习，可能会觉得似曾相识——它很像「过拟合」：一个模型把过去的数据背得太死，一遇到新情况就失灵。
我越来越觉得，这不只是个比喻。组织本身就是一个学习系统，所以它会得学习系统的病；反过来，机器学习里防这些病的办法，或许可以借来当组织设计的思路——留一点「不被同化」的空间、拿真实结果不断检验、持续用新数据更新、刻意保持多样性。这些后面几篇会慢慢展开。
「学得最快的组织会赢」？我有点不同意
同一篇前言里，还有一句话我读了两遍：
“the organizations that learn fastest—not just those that deploy fastest—will be best positioned to lead.”
学得最快的组织——而不只是部署得最快的——将最有机会领先。
— Microsoft, 2026 Work Trend Index Annual Report
前半句我很同意：部署得快，不等于赢。但「学得最快」这个说法，我觉得可能还差一层。
因为按March的模型，学得快恰恰是有风险的：个体学得越快、越整齐，组织收敛得越早，可改进的空间反而越小。学得快，有时候只是让你更快地停滞在一个「稳定但未必正确」的答案上。
所以我想把它拆成两件事：
学习，是收敛到一个答案；适应，是持续跟着一个会动的靶子。
学得快，并不保证适应得快，甚至可能相反——学得越快越整齐，越难掉头。真正领先的，也许不是「一次学得快」，而是「能不断重新校准」。
而且适应比学习还多一件事：把已经不成立的旧答案主动放下。这件事很少有人谈，但它可能才是「适应」和「学习」真正的分界线。
一个更深的转变：过去自动发生，现在要靠主动「构建」
这里有一个我认为很关键的转变。
过去，组织靠什么避免僵化？其实很大程度上是「自动」发生的：靠人来人往，靠新人带来的不同视角，靠内部的争论和不同意见。这些多样性，是组织这台机器运转时自然掉出来的副产品。
但AI似乎正在把这些「摩擦」抹平——并不一定是新人少了，而是新的声音更难冒出来：大家都听同一个AI，不同意见也更容易被同化掉。于是那些过去自动涌现的「健康机制」，现在可能得靠人刻意去「工程化」地重建。
管理的核心，也许正在从「运行组织」，变成「重建那些不再自动发生的反馈回路」。
微软那篇前言的最后一句，我觉得也指向了同一件事：
“If earlier eras of management were defined by the design of scale, this one will be defined by the design of judgment, learning, and coordinated action.”
如果说过去的管理时代是由「规模的设计」定义的，那么这个时代，将由「判断、学习与协同行动的设计」来定义。
— Microsoft, 2026 Work Trend Index Annual Report
注意它用的词是「设计」——学习，也是要被设计出来的。
换个角度：为什么「用AI不会让你输，也不会让你赢」
March还有一个竞争视角的观察，我觉得特别值得放在这里。他甚至在1991年就直接谈到了「基于计算机的信息技术」：
“the main effect of information technology is to make outcomes more reliable... the effect on the chance of finishing at the head of the pack may well be negative.”
信息技术的主要作用，是让结果更可靠……但它对「冲到最前面」的机会，影响很可能是负的。
— James G. March, Exploration and Exploitation in Organizational Learning (1991)
把「信息技术」换成今天的AI，这句话几乎不用改。AI让决策更可靠、更标准、更少犯错——这帮你避免垫底，却也可能悄然削平了你「偶尔冒尖」的那一端。我把它想成一句话：
用AI，或许不会让你输，但也不太会让你赢。
如果所有对手都用同样的AI、都变得同样可靠，那大家就一起挤进了「可靠的中间」——而中间，往往没有人夺冠。这时候，真正的竞争优势，反而可能来自你和公共AI「不一样」的那些地方。
但「不一样」这三个字，还得再补充说明。
微软那份报告里，把这种独有的组织智慧叫做「Owned Intelligence」——会随时间复利、为你独有、别人难以复制。听起来全是好处。可如果把它放回March的模型里看，会发现一个问题：
一套知识完全可以是很独特的、不断复利的、别人抄不走的——而且是错的。
而且「别人难以复制」是把双刃剑：别人难以复制，你自己也难以改变。护城河和路径依赖，其实是同一枚硬币的两面。积累得越深、越独特，掉头的成本就越高。
所以：专有的智慧要真正成为优势，得同时满足两条——独特（别人抄不走），以及正确（它还管用）。只满足第一条的，可能是：
一条护城河，围着一座空城。
当然，这有个前提：这套逻辑主要在你想「争第一」时成立。如果你的目标只是「别掉队、活下去」，那么AI的可靠化，恰恰是对的。这个取舍，值得每家企业自己想清楚。
还有一种情况也得说清楚：如果我们的企业现在还在平均线以下——组织的共识本身还很混乱、无序——那么用AI快速把自己拉到「不会输」的水平，确实是一个有意义有价值的第一步。我只是想提醒：别把「不会输」，当成终点。
所以，这对组织意味着什么
如果组织真的会生这些病，那么我们熟悉的那些词——组织能力、组织设计、数字化中心、管理体系——可能都要重新定义一遍。
这也正是这段旅程后面要一个一个去回答的问题。这一篇，我只想先把「组织会僵化」的说法提出来。
有一个判断我越来越倾向于相信：AI不会自动让一个组织变强；它甚至可能让组织在不知不觉中变得更「整齐」、更僵化，而这并不是好事——除非我们刻意去防。怎么防，是后面几篇的事。
参考资料
1.James G. March · Exploration and Exploitation in Organizational Learning (Organization Science, 1991)
2.Microsoft · 2026 Work Trend Index Annual Report（Agents, human agency, and the opportunity for every organization）
3.McKinsey · The State of Organizations 2026
菲利科斯（Felix Wen）
2026年7月