当AI Agency开始决定下一步，企业还能照原来的方式运行吗？丨ANC重新理解组织承载

设想一家公司的季度复盘会上，两份追加投资的申请摆在同一张桌上。

第一份来自客服团队。一个AI助手上线已有一段时间，能回答大部分常见问题，遇到超出范围的情况就转给人工坐席，人工按原有队列处理。

第二份来自财务。一个对账系统每天夜里运行，自己发现异常、跨三个系统调取凭证、判断是先补单还是先冻结账期，第二天早上把处理结果和一份例外摘要交给财务主管。

按照上一期建立的分界，第一个项目属于AI Tool（AI工具）：它执行人或预设程序已经作出的决定；第二个项目已经表现出AI Agency（AI自主判断与行动能力）：它在目标约束下判断下一步、采取行动，并根据反馈继续调整。

两份申请用的是同一张表：系统归属、产品负责人、上线时间、验收指标、下一阶段预算。评审时问的也是同一组问题——功能是否有效、用户是否在用、效率改善了多少、投资回报成不成立。两个项目都通过了，预算也都批了。

真正的错位往往在上线一段时间后才暴露，而且未必以"AI出错"的形式出现。当某笔账的处理方式被追问时，流程图上的负责人并没有参与当时的判断，他第一次看到这件事，是在系统已经处理完成之后。

当AI Agency进入企业，原有的岗位和流程还能照原来的方式运行吗？

NotebookLM的音视频概览，解读的比较通俗易懂，对于时间比较紧张的读者朋友，可以听听，会有启发。

按软件项目管它，是负责任的做法

指定一个产品负责人，接入现有流程，走上线、验收、运维那一套，在关键节点加一道人工确认。这是过去二十年数字化经验沉淀下来的方法：系统权限归谁、数据接口对不对得上、出故障找谁、钱花出去能不能算得清账。

ERP上线重画过整条业务流程，自动化替掉过整批岗位动作，这些都不是小改动。但在未被预设的情境中，解释情况并决定下一步的，最终仍是某个人类岗位。

麦肯锡2026年的组织调查显示，超过半数的领导者预期未来一到两年AI在企业中主要仍是辅助人的工具，只有约四分之一预期它会承担自主角色；同时，八成以上的领导者认为自己的组织还没准备好把AI用进日常运营。

ANC由此追问：如果多数领导者仍把AI默认定位为辅助人的工具，那么当AI Agency真正进入业务时，企业是否仍在用管理工具项目的方式管理它？

现有的说法分不开这两个项目，行业里已经有几种描述方式，各自都有道理。

一种常见的厂商说法是"数字员工"，把Agent（智能体）类比成新招进来的一名员工。这个类比很好用，它让人立刻明白系统能做什么。它同时预设了组织里已经有一个位置可以承载这名"员工"，但现实中，这个位置未必已经存在。

咨询机构常用agentic organization、AI优先运营模式等概念来描述这类变化。这类框架主要关注工作如何被重新编排；对管理层而言，还需要判断：在某一段实际运行的闭环里，情境解释和下一步判断究竟由谁完成。

组经典的组织例程理论，通常以特定的人在特定时间和地点作出的具体行动为基本分析对象。AI Agency带来的新问题是，具体行动可能由非人系统完成。

客服助手上线之后，不必改变一个基本安排：超出范围的情况仍然回到人工坐席，下一步仍由岗位中的人决定。对账系统上线之后，流程图上标注的岗位，已经不再对应异常发生当时实际作出的判断。

这两个项目的差别不在AI用得多深，而在工作下一步的那个决定落在哪里。这一层，上面三者都没有直接给出判断方法。

岗位承载的不只是任务

要看清那个决定落在哪里，得先重新看一下岗位。

组织设计里，岗位常常被当成一份任务清单：这个人负责做ABC，那个人负责做DEF。可是任何一个带过团队的人都知道，任务清单只是岗位的一小部分。

一个正常运转的岗位同时在做几件不写进JD的事：
把上级给出的目标，翻译成当前工作的具体目标；
在具体情境里判断该用哪种处理方式；
在自己权限范围内直接行动，把事情处理掉；
遇到超出自己判断范围的情况，决定自己处理，还是向上请示；
把没做完的部分交给下一个环节，并说清楚交的是什么；
最后，为结果承担组织意义上的责任。

企业的制度设计长期把这些能力默认绑定在人类岗位上。软件和自动化工具可以帮助岗位，算得更快、看得更全、少犯手误。但仍然是岗位里的这个人在解释目标、接受任务、决定例外、推动工作继续。

于是企业的整套运行方式都可以围绕岗位来搭：流程按岗位画，任务按岗位派，例外沿岗位升级，工作在岗位之间交接，绩效和责任按岗位算。在现代企业的主流组织设计中，这长期是一项不需要被说明的默认设置，自主判断与行动落在人类岗位上。

分界不在会不会停下来

问题是：自动化早就有了，流水线上的机械臂、ERP里的自动过账，它们也在没有人盯着的时候干活，为什么过去没有以同样的方式暴露出组织错位？

固定自动化的可行动作、异常处理方式和升级路径，在设计时就已经被预先限定；运行时，它不能面对未被逐项预设的具体情境，依据目标重新选择推进路径。AI Agency则能够在既定边界内解释当前状态，并决定下一步。

这一条差别在企业里会引发一个连锁反应。

在旧的运行方式里，“例外"承担着一个特殊功能：它是组织重新接管的信号。传统系统通常会把未被覆盖的状态设计成停机、报错、挂起或升级，工作因此被重新路由到人类岗位，人类岗位重新进入判断过程。原因在于，系统在运行时缺少对未预设情境重新解释并自主选路的能力。

AI Agency出现之后，例外不再必然触发人工接管。夜里那笔异常的账，系统解释了状态、选了一条路、继续推进了。工作照常往前走，也可能走得比人处理更妥当。但原来承担这段工作的那个岗位，没有在关键情境出现的那一刻重新作出判断——企业仍然设定了目标、权限、规则和运行边界，缺席的是运行中的那一次解释与决定。

现在很多技术厂商的参考架构已经开始把任务的owner明确写成"人或者Agent”，也已经描述了"人被通知，但不在运行回路中"这样的运行模式。一个系统设计文档需要作出这种区分，说明设计者在实现层面已经遇到了这个问题。只是在企业管理层面尚未形成一套稳定的语言来描述这种变化。

在企业尚未形成新的承载方式时，这种张力往往表现为两个极端。

一个极端是把它压回去。为了让它符合现有结构，企业要求每一次偏离预设路径的判断都由人重新作出。代价是：AI Agency最有价值的那部分能力——在具体情境里作判断、持续推进到结果——被压缩掉了，企业购买了Agency能力，实际运行中却主要获得工具价值。

另一个极端是让它在正式组织结构尚未适配的情况下运行。业务确实往前走了，但现有的岗位、流程和交接方式未必还能完整描述实际发生的工作。

Human Agency Organization：传统组织的默认逻辑

ANC把这种将自主判断与行动默认绑定在人类岗位上的组织逻辑，称为Human Agency Organization：软件和自动化可以执行、分析和建议，但当工作需要解释情境、处理未被预设的情况并决定下一步时，组织默认由某个人类岗位接管。

这里的Human Agency，指人类进行自主判断并采取行动的能力。它描述的是一种组织逻辑，不是一顶给公司戴的帽子——同一家公司的不同业务闭环可以处在完全不同的状态里，所以它的使用单位是一段目标闭环。

判断只需要一个问题，而且必须拿一段真实发生过的工作来问：这段工作里，出现没有被预先规定的情况时，是谁解释了当时的状态，又是谁定的下一步？

这个问题足够具体，管理层应当能够结合真实运行轨迹、工具调用记录和异常处理记录，得到相近的判断。

还有一种容易混淆的情况：

公司做出了能力很强的系统：能规划多步任务、能在演示里应对各种没见过的情况、能根据结果调整策略。看上去这完全就是AI在自主判断和行动。但这套系统只在沙盒里运行，它给出的是分析和几个备选方案，必须由人重新解释当时的情境、判断采用哪一个、并在真实系统里发起行动；行动发生之后，系统也读不到结果，无法据此继续调整。

按上面的定义，这段业务仍然按Human Agency Organization的逻辑运行。系统的能力是真实的，但解释情境和决定下一步这两件事仍然完整地留在岗位手上。AI Agency的能力已经存在，与AI Agency已经进入企业的行动结构，是两回事。把这两件事混起来，企业会在什么都没变的时候以为自己变了，也会在已经变了的时候以为自己还没有。

ANC视角：组织承载

回到那张摆着两份申请的桌子。

两个项目当时被问的是同一组问题，因为管理层默认它们是同一类东西：企业买了一个新功能，接入进来，用起来，算回报。这个默认在第一个项目上完全成立。在第二个项目上，企业实际增加的不是一个岗位工具，而是价值创造过程中一个自己解释情境、自己决定下一步的行动节点。它没有岗位、不在汇报关系里、不具备组织身份，却已经在一段具体的闭环里承担了原本由岗位承担的角色。

技术接入解决系统怎么进入企业；组织承载解决这种行动能力能不能稳定地进入价值创造。第一个问题企业已经很熟练，> 第二个问题，许多企业还没有把它作为一个独立问题来处理。

企业可以拿走的是一条分界，用在项目立项和续投评审的那一刻，在问功能、问采用率、问回报之前先问一次：

落在左边的项目，按原来的方式管就是对的，追加预算的依据仍然是效果和回报。
落在右边的项目，功能和回报仍然要问，但它们不再是第一个问题——承载能力成了项目的前提，而不是上线之后再补的运维事项。

这张表不是成熟度排行榜。在动作不可逆、强监管、价值判断密集，或错误后果难以通过边界和监控有效控制的场景，企业往往需要把关键判断继续留给Human Agency。即使使用AI Agency，也更适合先进入可逆、可监控的子闭环。

工具可以被接入流程，Agency必须被组织承载。

当AI开始自己处理例外并决定下一步，问题就不再只是把它接进流程。

而一旦承载成为问题，企业之间的差距就不再只由模型决定——这是ANC后续要展开的能力问题。

写在最后

即使使用相近的模型和Agent系统，不同企业最终形成的，可能完全不是同一种企业能力。

在一家企业里，所有关键判断仍被要求由人重新作出，AI Agency被压回了工具角色。在另一家企业里，它开始稳定地进入真实业务，持续判断、行动并推进结果。模型提供了相近的可能性，企业真正获得的却并不相同。

那么，真正决定这种差距的，究竟是AI本身，还是企业把AI的可能性转化为持续价值的能力？

来源与限制

1. 麦肯锡《The State of Organizations 2026》：调查窗口为2025年6月至9月，样本一万余名高级管理者，覆盖15个国家、16个行业；正文引用的两项数据为受访者自我报告的预期与自评。麦肯锡自身提供AI转型咨询服务。

2. Salesforce Agentforce架构指南（architect.salesforce.com）：厂商推广与实践文档，Salesforce销售相关产品。本文仅将其作为"运行角色的划分已进入系统设计"的实践证据，不作为ANC组织机制的证明。

3. Feldman & Pentland, Administrative Science Quarterly 48(1): 94–118, 2003：组织例程的ostensive与performative区分，本文仅作背景参照，未将其结论推广到AI系统。

感谢你看到最后，如果你觉得有启发，随手点个赞、在看、转发吧，如果想第一时间收到推送，也可以给我加个星标⭐我们下期见。

我是「AioGeoLab」主理人塔迪Tardi，AioGeoLab是深度洞察AI第一性原理和应用实践的前瞻性研究实验室，目前有两个主要研究方向：
「塔迪AI工程系列」FDE落地工程、ANC：AI Native Company未来公司系列、GEO、AI判断工程。
「塔迪硅基禅心」是传统东方智慧、未来AI前沿、当下应用实践，深层共鸣的探索。不是用AI解读经典，也不是用经典指导AI。 这是一场跨越2500年的对话，在算法与古老智慧之间，照见意识、智能与存在的本质。
塔迪的微信 - tardyai2025。