个人新书《AI Native组织：从思考到实践》将于本周由电子工业出版社正式出版，目前已在京东和天猫开放预售。
写这本书，最初是想回答一个问题：当人不再是组织中唯一能够做事的主体，管理应该发生什么变化？
传统管理理论的以「人为做事的主体」作为基本前提。人固然聪慧，但时间、精力和信息处理能力都有限制，人与人之间的沟通和协作也受到这些条件的制约。如今，AI 开始作为执行主体参与工作，在信息处理、任务协同和持续运行上，突破了人的限制。当这些限制发生变化，以此为基础形成的分工、层级和协作方式，也要重新思考。
这并不意味着过去的管理理论完全失去了价值，而是主要理论的前提正在发生变化。对于人机共生的组织，目前还缺少经过实践检验的管理理论。因此，我尝试从自身出发，探索一条可行的路径，并在实践中逐步形成新的理论解释。这也是这本书最初的创作动机。
1. AI Native 组织：从协作问题开始思考
创业初期，十几个人一起做事，没有明确的岗位职责划分，也没有完善的管理制度，但每一个人都知道公司正在做什么，正在发生什么。遇到问题，讨论一下就可以全员行动了。
后来，随着公司规模扩大，分工更细，人变多了，而做事却未必比以前顺畅。一项任务需要跨部门协调，一个决定需要反复沟通，有时候事情本身并不复杂，花在解释和等待上的时间，却超过了做事本身。
过去，我更多地把这些问题理解为组织的管理能力。流程需要优化，职责需要明确，团队之间需要建立更好的协作机制。这些当然都重要。后来意识到，大部分问题与信息在人和人之间传递的方式有关。
一个人能够掌握的信息、协调的事务，都有限度。组织因此需要分工，也需要通过层级来汇总信息、分配任务。久而久之，我们容易把这些安排看成组织本来的样子，而忘了它们也是在特定条件下形成的。如果 AI 改变了获取、理解和传递信息的成本，那么值得重新审视的，就不只是某一道流程的效率，还有这道流程为什么存在。
AI 的出现，让我开始重新思考这个问题：企业在扩大规模的同时，有没有可能保留小团队做事时的灵活与默契？答案显然是成立的。
当然，组织不只是处理信息的系统，它还承担着利益协调、信任建立和责任分配。AI 能改变其中一些条件，并不意味着所有管理问题都会随之消失。
2. 当 AI 开始交付业务结果
让 AI 帮忙分析一份数据，与让它持续关注业务变化，在发现问题后开展分析，并在授权范围内采取行动，是两种不同的工作方式。
前一种情况下，人需要不断发起任务，安排每个步骤。后一种情况下，人设定目标和边界，由 Agent 承担其中一部分连续的工作。
我把这个变化称为「做事主体的切换」。
人设定目标和边界，说起来简单，真正做起来，首先受到考验的就是管理者。我们是否清楚自己希望得到什么结果？不同目标发生冲突时，什么更重要？过去，一些没有说清楚的要求，可以由有经验的同事在执行中补足。交给 Agent 以后，就需要把这些模糊不清的东西认真梳理一遍。
比如，一位有经验的同事在遇到业务问题时能迅速定位问题的原因。这种能力往往来自多年的业务积累。如果希望 Agent 能达到类似水平，就不能只把数据交给它，还需要把这些经验和判断依据整理出来。
不过，把经验写下来，并不意味着它就成了始终适用的规则。小团队的默契，不只是共享已有的知识，也在于遇到新问题时，能够及时调整彼此的理解。如果我们只让 AI 学会过去的做法，却没有留下质疑和修正它的路径，那么组织可能只是更高效地重复过去。真正需要保留下来的，是从新的经历中继续学习的能力。
更进一步，决定哪些事情可以交给 Agent，也是在重新安排组织中的决策权。谁来制定规则，谁有权修改规则，发生例外时由谁判断，不能因为执行交给了机器就被省略。效率之外，还有风险、客户关系，以及企业为之承担后果的取舍。管理者不能只要求团队改变工作方式，自己却仍然沿用原来的授权和评价体系。
因此，建设一个 AI Native 组织，并不只是让每位成员把 AI 用好。企业的知识如何积累，任务如何分配，权限如何设置，成果如何验收，都需要相应改变。
3. AI Native 组织：从思考走向实践
这本书沿用了我们过去讨论数据驱动时的一个框架：道、术、器。
在数据驱动时代，道是数据意识，术是数据分析方法，器是数据分析的工具。在智能时代，道是对 AI 以及人的角色变化的理解，术是知识编码、人机分工和持续进化的方法，器是支撑这些方法的企业级 Agent 平台。三者相互依赖，又层层递进。
六年前写《越是正确的理论，越难以指导实践》时，我谈过理论与经验之间的距离。理论可以给人方法，但不能替代具体处境中的实践。同样是组织转型，不同企业的业务、人才和风险承受能力不同，适合的次序与节奏也不会相同。
所以，这本书提供的是一种思考和实践的路径，而不是可以直接照搬的组织方案。
4. 写下来，也是为了继续思考
AI 仍在快速发展，我们自己也仍在摸索中前行。这种情况下出一本书，意味着其中一些判断，还会随着实践而调整。但企业经营不能等到所有事情都确定以后再开始。我们总要依据当下的理解做出选择，再通过结果检验自己的判断。
当一件事情做成之后，我们往往容易把当初的选择解释得顺理成章。但身处其中时，能够看到的信息是有限的，许多决策也是迟疑的。把这些思考写下来，是为了留下当时判断的依据：我们看到了什么，作出了什么假设，又准备通过什么结果来检验它。以后情况变化了，才更有可能分辨，是外部条件变了，还是自己原来的理解有误。
2022 年，我在《一张地图引发的思考》中，写过一个故事。
一队在阿尔卑斯山演习的士兵遇上暴风雪，迷失了方向。绝望之中，有人在口袋里找到了一张地图。它让大家安定下来，搭起帐篷，等风雪过去，再寻找返回的路。几天后，他们回到了营地。上尉拿过地图，却发现那是一张比利牛斯山的地图。
这个故事和我们的创业之路很像。最初的设想，在真正走出来以后，常常会显得天真。我们是一边前进，一边根据遇到的问题调整方向，逐渐长出了与出发时不同的认知。
“最重要的是，一开始，我们有一张地图。它给了我们开始的理由，和摸索的方向。”
今天再看，前路依旧充满未知，而能否继续走下去，还要看我们是否愿意正视眼下的困惑。在变幻莫测的时代，我们同样需要这样一个继续探索的理由，也需要在实践中不断修正自己的勇气。
所谓正确的路，都是人，一点一点，走出来的。
与诸君共勉。
ThinkingAI CEO 吕承通
10月28日，ThinkingAI Summit 2026中国站将在北京瑞吉酒店举行。
围绕“Agentic Growth｜组织跃迁，增长跃升”，我们将与来自不同行业的实践者，交流组织转型与企业级Agent落地的经验。
现场，ThinkingAI创始人兼CEO吕承通也将为大家带来ThinkingAI组织转型真实实践分享。
点击下方图片立即报名，我们北京见！
