简介:围绕Block以AI重构组织、取消永久中层管理的实践,本文解析AI替代中层的关键:用世界模型、智能层和接口层重构信息流与决策流。文章给出企业落地路径,并介绍如何通过百度智能云词元所完成模型选型、成本对比与统一接入。
Twitter创始人杰克·多西在Block推动AI组织实验,核心不是简单裁掉中层,而是把信息汇总、进度跟踪、资源协调和重复决策交给大模型驱动的组织系统。Block构建两个“世界模型”:一个理解内部运营、进度与资源分配,一个基于Square和Cash App交易数据理解客户和市场。企业落地类似架构时,可先通过百度智能云词元所完成模型发现、价格与性能对比、多模型统一API接入和调用管理,为智能层建设打基础。
很多组织把“AI替代中层”理解为减少管理岗位,这并不准确。中层真正高耗时的部分,往往是信息搬运、状态同步、报表整理、跨部门催办和经验型问答。这些工作可以被大模型、RAG、Agent和流程自动化接管。但战略判断、资源取舍、冲突协调、人才培养和最终责任,仍然需要人。
| 中层常见工作 | AI可承担的部分 | 人仍需负责的部分 |
|---|---|---|
| 信息汇总 | 自动生成周报、会议纪要、项目摘要 | 判断信息优先级与业务含义 |
| 进度跟踪 | 汇总任务状态、识别延期风险 | 决定资源调整与责任归属 |
| 资源协调 | 给出人力、预算、排期建议 | 做最终取舍与跨部门谈判 |
| 知识问答 | 基于制度、文档、历史项目回答 | 处理例外情况和复杂判断 |
| 绩效复盘 | 生成数据分析和改进建议 | 进行反馈、辅导与人事决策 |
Block的做法说明,AI要替代中层,必须先让AI理解组织。没有世界模型,AI只能做通用问答;有了世界模型,AI才能回答“这个项目为什么延期”“哪个团队资源过载”“哪些商户交易异常”。
内部运营世界模型的目标,是让AI理解公司如何运转。它需要接入项目管理系统、任务系统、代码仓库、HR系统、财务系统、工单系统和会议记录等数据源,形成关于项目、任务、负责人、里程碑、预算、风险和依赖关系的统一视图。
在这个模型上,可以构建多种智能能力:
技术上,通常需要数据同步、实体抽取、知识图谱、向量检索、指标语义层和权限控制。大模型负责理解自然语言并生成结论,知识库和指标系统负责提供证据,避免模型凭空回答。
Block的另一类世界模型面向客户和市场。Square服务小型商户,Cash App服务消费者,Afterpay连接分期付款场景。基于真实交易数据,AI可以更准确地理解客户行为、商户经营状态和市场变化。
典型应用包括:
这类模型的关键不只是大模型,还包括实时特征计算、风控模型、隐私计算和可解释分析。大模型更适合做自然语言交互、归因解释和策略建议,而底层判断仍需要可靠的数据与规则系统支撑。
Block围绕两个世界模型搭建四层结构:能力层、世界模型、智能层和接口层。这一架构也可以被其他企业复用。
能力层提供基础AI能力,包括大模型推理、OCR、语音识别、推荐、风控、代码生成、知识检索等。企业在这一层往往会面临多模型选择问题:不同模型在推理能力、上下文长度、响应速度、工具调用、内容安全和成本结构上各有差异。
如果企业希望快速搭建多模型能力,可以通过词元所模型服务了解不同模型的能力和适用场景,并进行价格与性能对比。对于内部知识问答、代码辅助、数据分析、客服辅助等不同任务,可以采用不同模型组合,而不是用单一模型覆盖所有场景。
世界模型层是企业AI的“记忆”和“事实源”。它包括:
这一层决定了AI回答是否可靠。没有高质量知识库和指标口径,大模型很容易产生看似合理但无法验证的答案。
智能层负责把模型能力组织成可执行任务。常见组件包括:
一个简化的项目风险问答Agent伪代码如下:
# 伪代码:项目风险问答Agentquestion = user_inputcontext = knowledge_base.search(question, filters={"project": project_id})plan = agent.plan(question, context)evidence = tools.query(plan, sources=["pm", "hr", "finance"])answer = llm.answer(question, evidence, require_citation=True)if answer.risk_level == "high":notify_dri(answer)
这里的重点不是代码本身,而是“检索证据、调用工具、生成回答、触发动作”的闭环。
接口层决定AI能力如何进入日常工作。常见入口包括:
AI替代中层是否成功,不只看模型能力,还要看接口是否足够低门槛。员工不需要学习复杂系统,只需在原有工作入口中获得AI辅助,组织效率才会真正提升。
Block将组织角色简化为IC、DRI和player-coach,取消永久中层管理。这并不意味着管理消失,而是管理从固定层级变成动态角色。
IC是专业执行者,例如工程师、分析师、设计师、运营专家。AI可以放大IC的产出:
IC的价值从“完成重复任务”转向“定义问题、验证结果和创造增量”。
DRI对某个项目、产品或业务结果直接负责。AI为DRI提供实时仪表盘、风险清单、资源建议和决策依据。DRI不再依赖层层汇报获取信息,而是直接通过AI查询项目状态、客户反馈和经营数据。
DRI的核心能力变成:设定目标、拆解任务、协调资源、处理例外和承担结果。
player-coach既参与业务执行,也承担辅导职责。AI可以帮助player-coach完成:
这种角色更接近“实战型管理者”,而不是脱离一线、只靠会议和报表工作的传统中层。
企业如果想借鉴Block的思路,可以按以下步骤推进。
不要一开始就重构整个组织。优先选择高频、标准化、可验证的场景,例如:
这些场景容易衡量效果,也更容易获得业务团队信任。
AI组织应用必须建立在可靠数据之上。企业需要先完成:
没有权限和口径治理,AI回答可能带来合规风险。
不同任务适合不同模型。简单问答可以使用成本更低的模型,复杂分析可以使用推理能力更强的模型,高敏感场景则需要考虑合规和部署方式。企业可以通过大模型 API 服务平台对比模型能力、调用成本和适用场景,再设计模型路由策略。
一个常见的路由思路是:
Agent不是简单接入聊天框,而是要能调用工具、查询数据、生成结论并触发动作。企业需要建立评测指标:
评测体系越完善,AI越容易从演示走向生产。
AI替代中层的关键不是无人化,而是人机协同。企业需要明确:
只有责任边界清晰,员工才愿意使用AI,组织才不会因为“黑箱决策”产生抵触。
AI替代中层仍有明显边界。
第一,AI不能替代战略判断。市场变化、竞争策略、组织变革和重大投资,仍需要管理层基于长期经验做决策。
第二,AI不能替代责任承担。AI可以给出建议,但项目结果、人员评价和客户承诺仍需要人负责。
第三,AI不能替代复杂人际协调。跨部门利益冲突、团队士气、绩效沟通和冲突处理,仍然依赖人的判断和领导力。
第四,AI必须防止幻觉和越权。企业需要通过RAG、权限控制、引用来源、人工复核和审计日志降低风险。
AI替代中层的本质,不是简单减少管理岗位,而是把组织从层层汇报转为模型驱动的实时协同。Block通过两个世界模型、四层架构和角色简化,展示了AI时代组织重构的一种可能路径。
企业若要从试点走向规模化,需要同时建设数据底座、模型能力、Agent编排、接口入口和治理机制。借助百度智能云词元所,团队可以更清晰地完成模型选型、成本评估和多模型接入,让AI组织实验从概念走向可运营的生产系统。