后来，尤其是亨利·明茨伯格(Henry Mintzberg)的研究，通过展示企业如何围绕不同的结构配置实现稳定，拓展了这一观点。

AI的引入，颠覆了所有这些模式所共有的一个前提：即工作、决策和协调本质上都是人类的行为，这种转变不仅仅源于任务自动化，还源于非人类协调和决策能力的出现，迫使人们重新评估什么是企业的主导单元。

从这个角度来看，企业演变可以被理解为结构性负荷的渐进式转移——从层级权威到人类协调，再到越来越多地由AI系统辅助或执行的认知操作。

未来企业设计的支柱

AI在企业中的应用，已不再是一种期望或孤立的实验，而是日益成为一种运营现实。与以往的技术变革一样，其影响超越了新角色的创造，迫使人们重新评估工作的企业方式和决策的管理方式。

如果未能正确理解两个基本的设计支柱，任何设计AI赋能企业的尝试都将失败。

人类企业设计的通用规则

这些规则在操作意义上并不构成方法论或最佳实践，它们是语言、注意力和人类认知局限的直接后果。当这些规则被忽视时，企业往往会产生结构性噪音、注意力分散，以及看似层级分明却无法解决其本应管理的问题的层级结构。

• 规则1. 若要让某个领域具有战略意义，就应赋予其应有的重要性。战略性的东西通过决策权、资源控制和进入优先级设定论坛的途径在结构上得以体现，结构揭示的是真实战略，而非言辞。

• 规则2. 若要实现流程的连续性，就应统一，若要实现专业化，就应分离。连续性需要端到端的问责制和单一的决策链，而专业化则要求功能分离，若不明确权衡两者就进行混合，会导致碎片化。

• 规则3. 任何高管直接下属的数量不应超过七个，人类在监控和决策方面的能力在结构上是有限的，增加直接下属的数量会增加噪音，而非控制力。

• 规则4. 每一项责任都必须有一个明确的单一所有者，共同责任会稀释问责制、风险承担和学习效果，在功能上等同于没有所有者。

• 规则5. 若一个问题需要持续协调，则说明结构设计不佳。持续的协调表明决策位置不当或责任碎片化，因为有效的结构会将复杂性转移到设计阶段。

认知摩擦的概念

在AI的背景下，摩擦指的是在使用系统时故意保留的人类干预、注意力和验证的程度，它描述的不是技术上的低效，而是一种设计选择，旨在确保人类与AI交互中的控制、理解和问责。

当AI系统不完全以自主方式运行，而是支持决策、专家判断或情境解释时，这种摩擦就会出现。与传统摩擦(与官僚主义、返工或协调不力相关)不同，AI系统中的认知摩擦是自主性、责任和人类监督如何被有意配置的直接后果。

因此，不应系统性地消除摩擦。在稳定且高度标准化的流程中，减少摩擦可提高效率和技术自主性。在具有模糊性、高风险或重大影响的情境中，保持摩擦则成为一种有意识的设计决策，以保留人类判断和决策的可追溯性。

认知摩擦可以采取多种形式，而无需深入操作细节：时间摩擦(故意延迟或验证窗口)、范围摩擦(对系统行动领域或决策阈值的限制)、功能摩擦(生成、验证和授权之间的分离)和技术摩擦(控制、可解释性、可追溯性或手动干预机制)。

因此，认知摩擦成为企业设计中的一个核心变量，它决定了AI系统何时可以自主运行，何时必须作为认知指南运行，直接塑造了角色、监督和工作的企业方式。

运营管理与AI

本文所发展的分析借鉴了一系列互补的视角，这些视角共同指向了一个更深层次的企业变革。麻省理工斯隆管理评论(MIT Sloan Management Review)中关于首席AI官(CAIO)的讨论，并由瑞士洛桑国际管理发展学院(IMD)进行了综合，将CAIO视为一个过渡性角色——对于构建早期AI应用很有用，但如果固化为一个永久性的独立部门，则在结构上不稳定。哈佛商业评论(Harvard Business Review)对首席数据官(CDO)的分析也呈现出类似的模式，表明一旦价值不再仅仅在于数据质量本身，而在于在实际运营环境中激活决策，那么仅靠数据治理就变得不足了。

从互补的角度来看，麻省理工斯隆管理评论和麦肯锡公司(McKinsey & Company)发表的工作强调了CIO和首席运营官(COO)之间日益趋同的趋势。前者逐渐演变为决策能力和认知平台的设计者，而后者则成为AI通过重组人类、流程和AI系统而实现运营化——或失败——的关键点。

综合这些视角，我们可以看出，AI不仅仅是在重塑高管头衔或企业架构图，而是在将企业的重心向认知系统转移，因此，挑战不再是如何孤立地重新定义各个C级角色，而是当AI开始直接操作流程和决策时，哪种企业结构能够使技术、数据、运营和决策实现 coherent(连贯一致的)整合。

第一阶段：统一的AI战略领导

通过整合架构基础、数据和模型治理、端到端流程再设计和企业转型，这种结构在性质上与扩展后的CIO或强化后的CDO截然不同，其任务是端到端地改造流程，并以综合的方式决定哪些内容应自动化、哪些应受监督、哪些应保留在人类判断之下。

AI运营通过一种面向生命周期的小队模式而非永久性的职能覆盖来运作。小队在改造流程时被激活，并在达到稳定后解散。

• 分析与设计小队分解流程，识别自动化机会与需要人类监督的活动，并设计人类与AI的交互，包括控制、异常和指标。

• 部署与企业转型小队管理角色变更、采用和治理。

• 构建小队按业务领域专业化，在转型阶段开发解决方案，但不成为永久团队。

第二阶段：受影响领域的结构性重构

一旦某个流程进入转型范围，其企业结构就会逐渐演变。职能性的CxO可能仍作为问责制的参考保留，但以执行为中心的层级结构会逐渐让位于以结果为导向的模型和认知控制。在实践中，大多数领域都以混合模式运作，根据流程类型、标准化程度和风险，将传统工作与AI支持的认知运营模型相结合。

三个关键的人类角色变得至关重要，流程所有者对结果和系统性能承担端到端的问责。AI输出监督者验证结果、监控质量、偏差、合规性和安全性，并根据情境变化调整运营标准。AI操作员协调代理和工作流程，管理异常情况并改进生产中的系统行为。

由此产生的运营模型将人类努力从执行转向设计、监督和认知系统的责任。

未来企业与结论

在AI全面部署的情景下，经典的功能模型将逐渐失去作为运营结构的可行性。企业将远离职能性独立部门和人类执行链，转向由AI系统生成和评估的结果所主导的治理模式。人类的责任将从执行转向系统设计、监督和控制。

在这种配置下，企业结构可以大幅简化，CEO将保留对愿景和战略叙事的责任，CFO将继续对财务业绩、风险和合规性负责，首席运营官(COO)将承担端到端的流程协调和执行这些流程的认知系统的运营，其他C级职能将趋于被吸收或转化为嵌入式能力。随着基础设施和平台向标准化、集成化服务演变，CIO的角色可能会淡化，而一旦数据治理与运营和AI层密不可分，首席数据官(CDO)可能不再作为一个自主职能存在。

此时，企业将不再仅仅通过层级或二元模型来解读，相反，它们将倾向于作为一个三轴系统运作。层级-职能轴将继续提供稳定性、正式的问责制和机构控制。人类网络轴——在二元运营系统模型中，特别是科特(Kotter)所描述的——对于在不确定性下的探索、创新和适应仍然至关重要。与此同时，将出现第三个轴：认知轴，其中AI系统作为结构性层级运作，稳定流程、协调决策并减少分布式认知负荷。

这种三轴企业并非描述一种新的企业架构图，而是三种协调形式(权威、人类影响和人工认知判断)之间的动态平衡。由AI驱动的三轴企业应被视为一个参考框架，用于解读一旦AI不再是支持工具，而是成为企业系统的结构性层级时，企业可能如何演变。

企业网D1net(www.d1net.com)：

国内头部to B IT门户，旗下运营国内头部的甲方CIO专家库和智力输出及社交平台-信众智(www.cioall.com)。旗下运营19个IT行业公众号(微信搜索D1net即可关注)。

版权声明：本文为企业网D1Net编译，转载需在文章开头注明出处为：企业网D1Net，如果不注明出处，企业网D1Net将保留追究其法律责任的权利。