从层级到智能：AI 时代，商家如何通过组织架构变革重塑竞争力?
从秦军什伍、雍正军机处到晋商票号，两千年的组织演进始终在解决同一个问题。今天，AI 第一次让我们看见了另一种解法。这是一篇写给跨境与本土商家的范式变革文章。
我们在 3Chat 长期与商家打交道，反复看到同一件事：决定一家企业能不能跑赢同行的，往往不是战略本身，而是速度。但今天大多数商家用 AI 的方式，依然停留在"个人提效"那一层——给员工配一个写邮件、写文案的副驾驶。这当然有用，可它默认了一件事：组织结构本身不需要动。我们想表达的是另一种判断：AI 的真正杠杆，从来不在工位上，而在协作方式本身。这一轮范式变革里，每一个商家迟早都要直面同一个问题——你的组织该怎么重新设计？
I. 两千年的老问题：信息怎么流，权力怎么分
在 Daniel McCallum 于 1854 年为美国伊利铁路画下世界上第一张企业组织图之前两千年，中国军事家就已经面对过几乎完全相同的难题：通信极度匮乏的条件下，如何把上万人的行动统一起来？
商鞅变法之后的秦军给出了一个极其工程化的答案——什伍编制。五人一伍，两伍合什，五什一屯，再往上有百将、五百主、千夫长。每一级长官只直接管几个人，再由这几个人各自管下一层。今天我们把这套规律叫作"管理跨度"（span of control）——一个人能有效带的下属，大约在五到十人之间。秦军靠它跨越整个战国晚期；两千多年后，从解放军到跨国公司，金字塔结构依然在用。
这套架构本质上是一种信息路由协议。它优雅，也廉价——廉价到几千年没人能从根本上替换它。
II. 中层是怎么被发明出来的：从军机处说起
层级解决了信息上传下达的问题，但没有解决另一件事：当事情复杂到一定程度，将军本人也未必想得清楚。
雍正七年（1729 年），清廷为应对西北对准噶尔的用兵，在养心殿西侧的一排平房里设立了军机处。军机大臣与章京们不带兵打仗，他们的工作是处理来自前线的奏报、起草谕旨、调配粮饷、协调督抚——一群专职处理信息和方案的人。在此之前，类似的事务由内阁分散承担；军机处的设立第一次让"决策辅佐"成为一种独立、专业、常设的工作。
这就是中层管理的雏形。再后来，整个组织里"前线（line）"和"幕僚（staff）"的分工渐渐定型——前者推进核心业务，后者提供专业支持。今天每一家公司的组织图，背后都是同一条逻辑线。
III. 让商业跑起来：晋商票号的全国网络
军事化的层级管理被商业世界吸收，在中国最早的成熟案例是晋商票号。
1823 年，山西平遥的雷履泰受东家李大全所托，把"西裕成颜料庄"改组为日升昌票号——这是中国第一家专营汇兑的金融机构。鼎盛时期，日升昌的分号遍布北至张家口、南至广州、东到上海、西至成都的几十座城市。在没有电报、没有银行间清算系统的年代，这家票号靠一整套总号—分号—分庄的层级架构、规范的票样防伪、严格的"信房""账房"分工，把异地汇兑做到了"汇通天下"四个字。
20 世纪初，泰勒在美国把这套层级内部的运作进一步推向极致：工作被拆解为标准化工序，由训练有素的专家分别承担，用度量代替直觉。经典的职能型金字塔组织由此定型。
IV. 第一次压力测试：跨学科的两弹一星
职能金字塔的第一次真正压力测试，发生在 20 世纪中叶的国家级大工程上。
中国的两弹一星，要求物理学家、化学家、工程师、火箭专家、军方系统在严格保密和时间压力下围绕同一个目标协作。彼时担任技术总指挥的钱学森打破了科层管理的常规边界，按"问题"而不是按"建制"组建攻关小组。它成功了。但它也是一种例外——依赖一个特定历史阶段的使命感、一位极其特殊的总师、以及全社会能动用的极限资源。
战后的商业世界面对的真正问题是：这种跨职能的高效协作，能不能成为日常？
矩阵式组织是一次尝试——把员工同时挂在职能线和业务线两个方向上，以期兼得规模与敏捷。再往后，敏捷小队、合弄制（Holacracy）、完全扁平的工作室式公司，硅谷过去二十年里试过很多版本。每一次实验都揭示了传统层级的某些缺陷，但没有一种能在规模做大之后稳住。组织一旦扩张到几千人，几乎都会自动退回到层级协调。
原因很简单：在过去，没有任何东西比"人形中间层"更适合做信息路由。
V. AI 第一次撼动这个前提
那么，今天什么变了？
我们在 3Chat 内部一直反复问自己一个问题：组织真的必须由人来充当协调机制吗？
大多数公司今天用 AI 的方式，是给每个员工配一个 copilot——让旧结构跑得稍快一点。我们的方向不一样：把公司本身构建为一个智能体，让 AI 去做层级原本在做的事情——传递信息、协调资源、对齐目标。
这并非凭空畅想。海尔的"人单合一"、平台型组织、数据驱动管理，都是同方向的早期探索。它们缺的是一项真正能替代层级的协调技术。AI——尤其是有上下文工程和工具调用能力的大模型——第一次让这件事看起来可行。
要让它运转，商家需要两样原料：内部运营产生的结构化数据，和顾客端的高浓度真实信号。
数字化工作流让前者具备了条件。订单、客服对话、库存调拨、营销投放、转化路径、退款记录——这些过去只散落在 Excel 和聊天记录里的事，今天可以被系统连续读取。在传统组织里，理解"我们在干什么"是经理的工作；在 AI 驱动的组织里，模型可以连续维护这幅图——什么卡住了、资源去了哪、哪里转化最高、哪里在漏单。这就是公司的世界模型。
而顾客信号才是真正稀缺的部分。
人会在问卷里说谎，会跳过广告，会默默关掉网页。但当他们在 WhatsApp 里追问运费、在 LINE 上催发货、在独立站客服窗里抱怨、在 Instagram 私信里要折扣码——这些不是数据，是真相。每一次真实对话，都是关于一名客户处于哪个生命周期阶段的确凿证据。
3Chat 每天处理的就是这种高并发、跨渠道的对话——公域社媒、品牌官网、私域端的会话、表单、咨询、售后。系统不只在"自动回复"，更重要的是把这些碎片化的真实表达持续沉淀、打标、关联，最终拼成一张以每一位真实客户为粒度的画像。触达越深，信号越丰富；信号越丰富，模型对意图的预测越准；模型越准，自动化转化的命中率越高。这是一个反馈飞轮，一旦启动，差距会逐月拉开。
VI. 未来商家的四块组件
在这种范式下，未来的商家不再从"今年要做哪些产品"出发，而是从下面四块组件出发。
原子能力。 支付、物流、退款、风控、营销触达、会员体系——这些是业务最底层的功能砖，对可靠性、合规性、性能有明确指标。它们不是产品，是积木。
世界模型。 一面是企业自身的运营模型，另一面是基于真实交易和对话沉淀出来的顾客模型。前者让组织理解自己，后者让组织理解客户。
智能层。 AI Agent 真正发挥作用的中枢。它实时感知场景、调用原子能力、组装解决方案。一个具体的场景：系统监测到某款高客单价产品过去 48 小时在小红书的搜索热度突增，同一时间独立站上该 SKU 的页面停留时长拉长但转化未跟上——智能层会自动从触达能力库里调出"挽回话术 + 限时优惠券"的组合，通过 3Chat 在用户最后一次浏览后两小时内发出一条私信。没有产品经理开会决定要做这件事，能力本来就在那里，是智能层识别出了机会窗口并完成了组装。
交付界面。 WhatsApp、LINE、Messenger、独立站对话窗、3ChatClaw 桌面端——它们是智能层把价值送到客户面前的触点。重要，但不是价值产生的地方。价值在模型和智能层。
当智能层试图组装方案而某项能力缺失时，这条失败记录就是下一阶段的研发清单。在这种范式里，路线图不再来自产品经理的猜测——它来自系统在和真实世界互动时留下的报错日志。
VII. 人去哪儿了：两种角色
如果系统接管了大部分协调和决策工作，员工剩下做什么？
智能在系统里，人在边缘。边缘是业务的最前线，是模型还触及不到的地方——是直觉、判断、跨文化语境、信任建立，是那些"绝对不能搞错"的高风险决定。但有一点变了：一线员工不再需要等待层层审批。世界模型已经把他们行动所需的上下文交到了手上。
组织收敛成两种角色——它们不是上下级关系，是两条正交的轴：一条按"系统的层"切，一条按"业务的问题"切。
IC：长期住在一层的专家
IC（Individual Contributor，独立贡献者）的坐标轴是"层"。他长期驻守在系统的某一层——可能是某个原子能力（优惠券引擎、风控引擎、物流接口），可能是世界模型的某个模块，也可能是某个交付界面（WhatsApp 端会话窗、独立站客服窗）。他是这一层的资深专家，对它的可靠性、性能、合规性、演进路径负责。
过去 IC 要靠主管告诉他"该做什么"。在新范式里，世界模型直接把全局上下文交到他手上——业务在哪儿赚钱、哪儿漏单、哪儿要扩容、哪儿要降本——他自己就能判断这一层下一步该做什么。资深 IC 自然承担起带新人、传手艺的责任，但这不是一个独立的"管理岗位"，是身份的一部分。
DRI：对一个具体结果负责的召集人
DRI（Directly Responsible Individual，直接责任人）的坐标轴是"问题"。他被某一个具体业务问题召唤过来——比如"未来 90 天把北美市场退款率从 7.2% 压到 4.5%"。这个问题解完，他可能回到原本的 IC 岗位，也可能去接下一个问题。他是临时绑定的，不是终身岗位。
需要特别强调的是：DRI 不是任何 IC 的上司。"直接责任"这个词的关键在"直接"——他对结果负责，但他不是凭"层级"去发号施令，他是凭"问题的优先级"和"系统的授权"去拉资源。
举个具体的画面。某位 DRI 接下"北美退款率"这个问题之后，他一天的工作典型地是这样的：
- 拉世界模型里的退款记录，看退款集中在哪些 SKU、哪些渠道、哪些时间窗；
- 假设主要原因是物流时长超出客户预期——找做世界模型那一层的 IC 一起调整预期的标定逻辑；
- 决定对高风险订单提前发预警短信——找营销能力层的 IC 共同搭一条自动化流程；
- 客服话术要更新——找内容能力层的 IC 协作。
整个过程里，DRI 既在分析数据也在亲手做方案。他没有"指挥权"在传统意义上——IC 配合他，是因为问题本身的优先级被系统认可，而不是因为"他级别比我高"。
两者的关系：正交，不隶属
如果一定要把这两者画成一张图，它有点像传统的矩阵组织——但有一个本质区别：矩阵组织里的两条轴都是"经理"，员工同时向两个经理汇报。在这套设计里，两条轴都不是经理：一条是"系统的层"，另一条是"业务的问题"。IC 不向 DRI 汇报，他们是协作关系。
最直观的类比是急诊室。
- IC = 各专科医生（心内、麻醉、神外、放射……）。他们各自在自己的领域有最深的判断力，是科室里"那一层"的承载者。
- DRI = 某位脑出血病人的主治医生。他对"这位病人活下来"负责，要协调放射科出片、麻醉师上麻、神外医生开刀、ICU 接手。
主治医生不是放射科医生的上司——在放射这件事上，放射科医生比他更懂。但主治对这位病人这场救治是直接责任人，他有权调用、有权决策、有权拍板治疗方案。今晚这台手术结束，主治可能就交班了；放射科医生继续留在自己的岗位上。
一个人完全可以同时是 IC 和 DRI：他长期是某个能力层的资深工程师（IC），当公司某个具体业务问题最需要他的专业时，他临时戴上 DRI 的帽子做 90 天，同时还在维护自己那一层。问题解完，DRI 的帽子摘掉，回到本来的位置。两种身份是叠加的，不是分配的。
中层管理岗位作为一种永久建制，在这套范式里不再必要——原因不在于"裁员"，而在于经理过去最关键的两项职能，正在被分别交给更合适的承担者：信息路由由世界模型承担，业务结果由 DRI 承担。一旦把这两件事剥离出来，一个永久专职的"经理"还剩下什么？大概率剩下的，是一些层级本身制造出来的事务——而这些事务本来就不应该存在。它的另一面，是每一个员工都更靠近工作本身、更靠近客户。
VIII. 结语：这是一道不能选的题
把信息路由的活交给系统，把人放到边缘——这个过程不会平滑。它会有阵痛、有混乱、有反复。我们不假装答案已经明朗。
但有一件事是确定的：每一家商家迟早都得回答同一个问题——你的公司是否在某种关键的理解上比别人深，并且这种深度还在每天加厚？
如果答案是"没有"，那 AI 对你而言只是一个降本工具。你裁几个岗位、提几个季度的毛利，然后被更聪明的对手吞下去。
如果答案是"有"——那么 AI 不是在帮你的公司变得更好，它会让你的公司第一次看清自己究竟是什么。
对一家面向真实顾客的商家来说，这种"专有理解"，就来自每一次咨询、每一次售前、每一次售后、每一次复购累积出来的客户原貌。
两千多年前，秦军靠什伍之制把数十万人调成一台机器。两千多年后，我们终于第一次拥有了一种不依赖人形中间层的协调方式。
从层级到智能。这场重构已经开始。3Chat 想做的，是替商家把通往下一步的基础设施先铺好。
参考来源
本文核心论点与结构参考自 Jack Dorsey 与 Block 团队发表于 Sequoia Capital 的文章《From Hierarchy to Intelligence》。
- 原文原题： From Hierarchy to Intelligence
- 作者： Jack Dorsey & Block
- 首发： Sequoia Capital