施炜：组织的基础模型与进化机制

作者 | 施炜，华夏基石集团领衔专家，深圳市明德创新企业成长研究院首席专家顾问

01企业组织的基础模型

回答组织的问题，首先要回到最初始的模型上，这个模型也是最抽象的，放大之后才能解决一切问题。最初始的模型在西方经济学里是供给曲线和需求曲线，供给曲线也叫生产曲线，解释了所有的问题。

组织可以分为责任组织和非责任组织。企业组织是一种责任组织，约几个人看一场球，就不是责任组织。

企业组织要完成特定的任务，要达成目标，从这个角度出发，最简单的表达是“Y=F+X”，Y是目标任务，X是组织的变量、组织的要素，F是把要素组合起来的方式。这样就可以回答所有的组织，比如家庭组织是为了种族的繁衍，如果现在很多年轻人都不结婚，放弃了这个功能，那么组织就少了。我们要从这样一个框架来分析组织面临什么样的任务，反过来说，哪些任务完不成就不能存活，从正反两方面表达，问题就清楚了。

按照上述公式，从组织面临的任务来说，技术支撑需求创造，这里有需求和技术两个变量，意思是用技术去支撑，把需求创造出来。组织必须同时实现两个任务：一是能够敏锐地与客户直接交互，顾客在哪里，组织边界就在哪里。同时，链接是有价值的，有三个空间的交互理论，组织要符合这个要求。二是能够符合核心技术的突破。这个技术是广义的，可以是材料技术、工艺技术，也可以是设计技术，比如说电影电视，《纸牌屋》靠的是编剧技术，《复仇者联盟》靠的是场面技术，这是专业壁垒。

从顾客的角度来说，要想很好地与顾客去交互，首先是无边界的；然后是倒金字塔的、扁平化的。当大量的人在交互，实际上形成一个宽阔的界面，导致你不知道可以从哪个顾客获取灵感。过去大规模的研究之所以不行，是因为样本再大也不够。大数据时代的好处是，样本等于总体，这就是技术带来的变化，使得组织形态要宽阔、要扁平、要直接。所有的数据都是面对面的，直接接触的数据是最好的，这就像年轻人谈恋爱，月前柳下的依偎总比网上聊天有意思，这是数据时代的真正思考。

也就是说，在顾客这个层面的组织要离散，这就是分布式理论，也类似于20年前理论界提出的单元理论，即同业务下分散成若干小单元的平行模式。与此同时，组织要内外部一体化，就是渠道、客户、专卖店、店员都是你的组织，都是信息的触角。这方面顾家家居做得很成功，虽然是传统产业，但互联网用得好，每年营收上涨50、60%。

从技术的角度来说，组织内部分为不同的技术层次，逐步凝聚。现在的研发是产品预研、产品开发、技术预研、技术开发这样一套程序，由此形成几个层次的研发体系：最表层是产品开发，第二个层面是产品平台开发，第三个层面是应用技术开发，第四个层面是基础设施的研究与设置。

按照这个逻辑来构建组织的话，最上面是产品开发，与需求对接需要小组织、多样化；到了产品的平台层就不能是小组织，而要做成一个结构，这个结构要有适当的竞争，让每个组织的数量群逐步扩大；到了基础部分时，就要集中力量，当然也需要有内部竞争机制，这就是未来的组织。

02“高能量个体”的合作型组织三个要素

未来建立在人工智能、数字化的组织，可能是一个高能量个体的集合体，这种背景下企业能否进行有效组织，取决于三个要素。

1.数据的获取

包含数字化在内的商业智能问题谈了很久，但目前来看，大数据决策的障碍不是来自于技术条件，而是来自于人们的管理行为——90%以上的机构还没有形成数据流。

商业智能的出发点是满足客户需求，这不用说了，问题是实施的基本条件是否满足。大数据是商业智能的养料，没有大数据它是不可能思考的，就跟人一样，必须有足够的经验积累才能形成一种认知的方式。很多商业智能要在有大数据的地方才能够实施。

我们分析一下，现在与顾客行为、顾客心理相关的大数据，大概只有几个地方有。第一个是广义的互联网，所有的社交网络上，微博、微信，只要是顾客发出声音的场所，都是有大数据的。第二个是广义的电子商务，包括各种电商平台。比如我连续在某旅游网站上订了几张去往某地的票后，再打开网站它就会推荐去往该地的新旅游线路、最新机票信息等。这是一种比较简单的人工商业智能。第三个是在线下的一些广义零售终端，只要有跟顾客互动的地方，顾客进店后的行进路线，在哪个货架停留时间最长，最终购买了什么商品，等等。通过传感技术或电子标签技术等把整个零售场所全部信息化，变成数据流。如果能实现，不仅可以做历史的数据分析，还可以做当场即时的反应。亚马逊在探索这种全程信息化、传感化的新零售。顾客拿完商品之后放到一个能传输信息的篮子里，那个篮子本身是一个信息系统，也是一个扫描系统，你出门时通过人脸识别就自动进行扣账付款了。

总而言之，从商业智能来说，我们考虑的第一要素就是数据。下一步要做的是建立模型，给人工智能系统设置一个计算规则，根据数据，通过一些公式得出结论。再下一步是不是商业智能能够去揣摩人的行为？比如买某种服装的人通常会喜欢吃什么水果，这或许是商业智能可以分析得出来的。

2.知识型员工

马克思研究生产性组织的时候，基本上还没有服务行业，所以他认为生产关键是两个要素，一个是资本，一个是劳动力。马克思认为，机器会逐渐替代人力，在整个生产能力中，或者叫生产体系中，人力的比重会逐渐下降，获得的份额就会下降，也就是劳动力在生产体系中的重要性会逐渐丧失。这就是马克思认为工人阶级会绝对贫困化的重要理由。马克思在那个时代揭示的是一种机器替代人的有机构成提高。那么现在到了人工智能时代，我们是不是可以提出一个新的命题？

马克思讲工人阶级会绝对贫困化，在一定的历史时期出现过大部分工人失业，机器取代了人。后来知识型的劳动者出现了，在复杂劳动的背景下有了知识型的劳动者，包括管理层。管理层不是资本家，不是人格化资本，高的知识劳动在社会附加值中所占的比重并没有一直小下去。有些创业型知识精英和金融资本结合起来还发了大财。这是德鲁克所有讨论知识社会、知识型员工的大背景。

人工智能时代，能够深度学习、具有智慧、能思考的机器有可能会把知识型劳动者替代掉。这是将来对组织、对人一个巨大的影响。大部分靠人的知识性服务——不一定是科技知识，而是一些个人的经验，甚至一些情绪和情感的服务，很可能都会被智能机器所替代。

宝洁、可口可乐都有数以千计人数的市场部门，职责是去了解和分析消费者。有了大数据分析之后，这些人肯定就不需要了。对消费者的理解，如果有了大数据，90%的内容是能够判别出来的。其实人没那么复杂，尤其是在消费的时候并没有特别的复杂，选择倾向基本上是可以掌握的。比如电视剧《欢乐颂》里面的多金帅气温柔的“小包总”，不喜欢他的年轻女孩儿几乎没有吧。一个人在火车站渴了，是买茶饮料还是矿泉水，基本上按照大数定律也能算出概率。

将来在人的交往模式上，人工智能可能能解决95%的问题。我们讲胜任力每个因子的行为，人工智能基本都能够进行分析和判断。

3.合作方式

人工智能时代，大部分工作还是要由机器去完成，少数的，涉及到战略决策的，涉及到人类情感的一些工作可能还要人来做，组织里重要的关系仍然是合作。但问题是谁跟谁合作，以及合作的模式。

未来的合作可能会是一个相互关联的高能量的“场”，以前总觉得这个“场”，我们是看不见的，实际上这个“场”是存在的。这个“场”就是一种联系，一种意识上的互通，我们也可以理解成是心理契约。不仅仅是心理契合，也包括认知框架、认知方式的相通。这样的话，未来合作的一个重点就是强调深层的、意识层面的契合。

高能量个体之间的合作是既独立又融合的合作。这种合作方式可能意味着低能量个体就进不了这个“场”了，因为你在认知上和高能量个体不在一个层面了，就会被边缘化。从社会的角度来说，未来社会分层化可能会越来越明显。

未来的合作是流动的合作，像水一样的合作。实际上是一种自组织形态，有各种中心，谁发起、驱动任务，谁就是中心。如果公司保洁员今天发动起一场资源节约活动，那她就是中心。所以未来组织的合作是流动式的、灵动式的，是多维度关联的。这种合作可以无限放大，也可以瞬间缩小。

未来的合作强调价值共享。因为组织相比以往要平等，少了权威，无中心，又都是能创造高价值的高能量群体，这种情况下，任何人想独占这个价值（包括经济利益价值，社会声望的价值等），都是不可行的。独占了以后就没有高能量个体再来跟你碰撞、合作了。这个时候就可以真正变成利益的共创和共享机制，这既是量子时代组织的结果也是量子时代组织的前提。

当然，共享并不是平均分配，这是新的劳动价值理论。这里又隐含了一个前提，就是评价机制，没有评价机制就没有分配。在这样一个由高能量人群组建的平台上，是一个高密度的场，在这里就必须要有一套很好的评价机制。这个评价机制需要参与者共同来制定一个标准。评价机制不透明、不合理，就可能有低能量的人混进来，假装成有能量的人，整天高呼口号，拍领导马屁，造成劣币驱良币。机制和评价实际上是共享型的组织前提。

在高能量场上，必须坚持民主决策、科学决策，真正形成使命驱动的合伙人组织。为什么很多组织不能实形成民主决策、科学决策的机制？正是因为使命感不够，从个人利益出发的因素太多。

高能量的人，必然同时是具有使命性的。因为有使命感，才能有高能量；高能量又迫使他们有使命。在一个高能量个体组成的组织中，没有使命感是待不住的。大家都是聪明人，玩儿技巧没用。大家一想，都不玩儿了，咱们定个规则吧，冲着更高的使命去吧，这就是高能量使命性合伙团队。

在这样一个高能量的场里，要有一个基本的结构，基本的运行逻辑，等于说这个场要有一个基础算法。是什么呢？一个是这个场里的价值结构，另一个是场里面的认知结构；心灵契合和认知契合。

什么叫价值结构？就是有价值观角度的是非判断。同时有真伪判断，事情本身的真和伪，这个判断也包括推理性的判断。这个“真”不是一定是眼见为实的真，而是符合逻辑的、推理的真和思维的真，是未来可能出现的概率的真。概率就是一种分布，这种分布在运动中，将来会呈现一种随机分布态，只要根据大数据就有了规律。

什么叫认知结构。这个东西是怎么形成的呢？是高能量的个体之间碰撞、交互、融合，沉淀成组织记忆。这个组织记忆里也会有一些带有个人痕迹的基因，比如华夏基石的组织记忆中，会有彭老师个人记忆，会有我的个人记忆，也会有其他十几年一起共事的合伙人的个人记忆。

03基于成长的组织进化机制

1.学习

对生物种群来说，进化就是学习，学习就是进化。在适应环境的过程，向环境学习，探索环境的奥秘，掌握环境变化的趋势和规律，用知识改变环境。在适者生存的竞争中，向竞争者和领先者学习；在相互交往中，向合作者学习；借助他者的知识及能力基因改善自身的结构和机能，汲取有益的营养。在组织内部，倡导团队学习和共同学习，实现知识共享，开发、积累、扩充知识资产。

企业学习必须围绕顾客价值增量实现这一核心目标，目的在于提高创造顾客价值所需的员工平均素质，提升解决问题的专有能力。应尽可能消除不符合顾客价值目标的无效学习。令人迷惑的是，许多企业无效学习占据了大部分学习时间和学习资源。这里有病急乱投医的心态原因，有急于求成的机会主义理念原因，也有无法辨识自身学习需求以及不能准确评估知识供给质量的认知和能力原因。那么，什么是有效的学习呢？

第一，干中学。在实践过程中、在价值创造的场景中学习，训战结合；带着问题学，注重学习实用、科学的方法。随着顾客价值的迭代，学习内容和方式亦进行迭代。

第二，重视模仿。找到模仿、借鉴的标杆和来源，引入外部知识。在自身不具备知识基础和能力积累的领域，不盲目探索和创新，直接借鉴被实践证明符合科学原理和规律，并且行之有效的方法体系。模仿时，不要过于强调自身的特殊性；植入外部基因时，不过于强调自身基因的优势。“先僵化，后固化，再优化”。如果没有这样的态度，连模仿都做不到，更不用说创新了。对许多基础较差的企业来说，模仿是进化的第一步。关键是要浓缩模仿过程，以空间换时间。

第三，传承经验。形成经验代际传承机制（师徒制等）；将已积累下来的隐性知识（以有经验的老员工为载体）显性化，形成可传播和共享的显性知识（以软件、书本、课件、音视频媒体为载体），并构建两类知识发生的循环机制。

第四，营造知识“场”。汇集企业内外部知识，借助互联网手段，构建企业知识平台、云服务机制和传播网络，形成知识赋能的“场”（知识密布且作用于每个个体的氛围和环境）。在这一“场”中，知识是流动、共创和共享的。

第五，加大强度。和前面所说的“密度”相对应，学习也需增加密度。应提高知识引进、借鉴的速度和频次，扩大所学知识体量和规模，延伸学习的深度，提高知识学习的效率。对一些员工知识基础薄弱的企业来说，一段时间内大水漫灌式的学习方式是需要的。否则难以持续进化以及差异较大的进化，更不用说突变了。

第六，倡导讨论。企业需营造和构建平等、民主的氛围和机制，鼓励自由探讨和质疑、辩驳，并为讨论提供组织保证（如设立蓝军）以及技术平台（网上社区、论坛等）。

明茨伯格曾经说过，管理者的绩效取决于如何学习特有的思维方式，以便有效解决问题（《简单管理》）。企业所有学习中最重要的学习，是培养员工尤其是管理者正确的思维方式，帮助他们构建有助于企业及自身生存和发展的底层认知结构。

2.数字

严格地说，应该是数字资产。互联网时代，数字化既是外部环境对所有企业提出的进化要求，也是企业自身转型成长的有效途径和有力手段。数字化既是当今企业进化的契机，也是企业进化的牵引和方向。

所谓数字化是指在企业信息化建设和运行的基础上，实现内部的数字连接以及与外部的数字连接，开发和积累数字资产，增进和创新顾客价值和体验，提高价值创造活动的效率。也就是说，顾客价值以及价值创造活动依托信息系统运行，呈现出数字化形态。

企业数字化建设包括以下步骤和内容：

第一，实现顾客价值（产品/服务）形态数字化，增加顾客的数字化体验。有些本身就属于信息、知识服务类或内容提供类的产品/服务，转变为数字化形态是顺理成章、势所必然的。例如线上教育、线上诊断等。更多的产品/服务，过去以实物、行为、场景为主要要素，则需增加数字化含量，丰富和增加数字供给，使数字也成为融合在其中的主要要素。站在顾客角度，即顾客在其价值链（实现价值的过程）各环节都能获得数字服务和体验。

第二，将价值创造活动（包括直接创造价值的核心流程，也包括支持核心价值活动的辅助流程）数字化，使流程的运行表现为数字化形态，做到流程、数字一体化。在端对端的价值流中，通过数字化更好、更快、更直接地理解顾客需求，无缝隙地、无边界地与顾客交互，满足顾客的个性化需求，支持多品种、少批量、多频次、快节凑的供应链运行模式，提高价值链运行管理。同时借助数字化，提高企业所有流程的运行效率以及数字化驱动的程度。

第三，在流程和数字一体化的基础上，形成横向到边、纵向到底的数据流；通过对数据流的管理，使之资产化。同时，通过各种途径，将外部数据内部化，使之成为企业所能利用的资源。无论数据来源如何，均需不断扩充、丰富数据资产的种类、规模，拓展数据资产的用途，利用数据资产创造效益，使数据资产增值。在所有数据资产中，顾客类数据资产，作为顾客核心价值来源的技术、知识类资产以及作为管理经验积淀的管理体系资产尤为宝贵和重要。

第四，在各个领域和环节，在组织的各个层级，尽可能构建、导入公开、透明、可测试和计算的数字化标准，作为提高品质和效率、持续改进的手段。这些标准和我们前面所说的“密度”、“迭代”两种基本方法以及“参数”“模板”“战法”三个杠杆、抓手密切相关，是这些要素和变量产生作用的条件和依据。

第五，将数据和人工智能相结合，利用信息系统和数据进行辅助决策。

第六，构建企业内部数字化服务平台，提高信息、知识共享程度，增进组织内外部的沟通和协同，为弹性、无边界组织以及自组织的运行提供保证和支持，使组织的各项赋能功能更好地实现。

3.负熵

熵是物理学、信息学以及系统科学的概念。在管理学中，熵是对组织复杂程度、活力程度的测度。负熵就是指减少组织的复杂程度，提升组织的活力。借用物理学语言，即消减组织中不做功的能量；或使不做功的能量重新做功；使低功效能量变成高功效能量；改变低能效平衡的状况，形成非平衡势能。主要做法有：

第一，调整人员队伍结构，补充高素质、高能量人才。

第二，在组织转型和成长之初，适度加大人员的流动性，强化淘汰约束。

第三，抓住组织活力中最关键的变量：干部，他们是影响企业成长的“关键少数”。不能总是将目光投向企业之外，坚信三步之内必有芳草。在客观、科学的基础上，通过公平、公开的赛马机制，选拔一批优秀干部，既能激活组织，又能重塑文化。这是代价最小、见效最快的负熵举措。同时，浓缩年轻干部的职业生涯，加快其职业转换的节凑，发现真正能打仗、能打粮食的干部。

第四，一方面适当削减人员、提高人均效率，另一方面提高人均薪酬水平，并向创造价值的人才倾斜。根据企业的实际情况，不同程度地扩大内部分配差距，提高组织内部的张力，打破“低绩效—低报酬—低能力—低绩效……”的不良循环。在顾客价值增量实现的同时，设计、安排、实施员工薪酬增量计划。

第五，对以一当百、以一当千甚至以一当万的核心、关键人才（例如营销领军人才、研发领军人才），采取“超级人力资本”行为，以极具吸引力的分享机制、合伙人机制吸引其加入。

第六，按照结构产生能量的理念，调整组织的形态、架构和运行机制，为激发团队、个人主动性、积极性创造条件。在管理体制上，增加员工自主运作、决策的空间；按照顾客价值创造的要求扩大一线人员的权限，切实将权责下移；在组织形态上，根据环境对组织进化的多向、多重要求，丰富组织的属性，增加组织的弹性和流动性，使组织既是大企业，也是小企业；既能聚合，也能分解；既是集中式，又是分布式；既有边界，有无边界；既激活了个体，又实现了协同。