AI 原生组织的决策权：谁还在拍板

关于 AI 与组织，最流行的一句话是“AI 接管了工作”。这话只对了一半，且说错了主语。它描述了一个被加速的旧过程，却没说清被加速的是哪一层权力。组织理论从巴纳德、西蒙起就把决策权当成组织的骨架：谁有权承诺资源、谁有权认定事实、谁有权承担责任，这三件事定义了组织的形状。AI 进来之后，真正的位移发生在这一层，而不是在“大家是不是用上了新工具”。

把“用 AI”和“决策权重分配”混为一谈，是这一轮 AI 落地里最容易被忽略的误判。一个组织采购了最先进的 agent、接好了最聪明的模型，只要审批节点、签字顺序、例会发言权还按旧职位排布，决策权就没有动。AI 让前半句很容易，让后半句很难被看见。本文要做的，是把后半句摊开：权力去了哪里，问责又归了谁。

一、决策权，才是 AI 原生组织真正被改写的对象

多数关于 AI 与组织的讨论停在工具层。买哪个模型、接哪个平台、建什么中台。这类问题重要，但掩盖了一个更硬的事实：AI 一旦能稳定地完成一类操作性决策，决策权就发生了位移。传统组织里，决策权绑定在职位上。一个审批节点、一纸签字权、一次例会上的发言顺序，都是职权的物理表现。当 agent 能在几秒内完成过去要三个人、三封邮件、三天才走完的判断，职位对决策权的独占就被打破了。

字节 2026 年 6 月全员信把“Context over Control”重新抬进管理者晋升与年度考核，背后是同一个判断。张一鸣九年前提出的这句话，原意是用信息透明替代层级审批，让听得见炮火的人决策。梁汝波在 AI 节奏下重申它，是因为 AI 业务的迭代以周计，一个要过三五层审批的决定，窗口早过去了。把决策权往前放，在这里不是文化倡导，是竞争刚需。Atlassian 2026 年的数据给了同一个判断一个价签：财富 500 强每年为“工作之上的工作”付出 1610 亿美元，其中大部分是低效同步与协调，本质是 Context 不透明导致的决策迟滞。

但这引出真问题。决策权下放给一线，不等于下放给任何人。AI 原生组织里，权力的新归属是拥有上下文、也拥有模型接口的人。上下文来自信息透明（字节的 OKR 全公开、数据可查），模型接口来自对 agent 的调用与调参能力。一个人若两者都没有，他离炮火再近也拍不了板。决策权重分配的对象，是能力组合，不是地理距离。

二、三层框架：机器自主、人机共决、人类保留

怎么分。MIT CISR 在 2026 年 6 月的研究简报里给了一个可操作的坐标：用 ambiguity（模糊度）与 risk（风险）两维给决策定位。模糊度低、风险低的决策，AI 可以端到端执行；模糊度与风险双高的，必须由人持有；中间地带，是人机共决。这个矩阵的价值不在结论，在它逼组织把“哪些决策归谁”写成显式文档，而不是靠习惯与职级默认。

本文把同一逻辑落成三层：机器自主（machine autonomous）、人机共决（human-AI co-decision）、人类保留（human retained）。每一层不只规定谁做，还规定触发条件与问责归属。很多组织的错误，是把三层混成一团：该机器跑的卡在审批里，该人拍的甩给模型，该共决的没有接口。混乱的不是技术，是权责地图缺失。

三层不是固定名单，是随任务移动的滑块。同一个信贷审批，首贷、小额、标准件的可以机器自主；大额、有争议、可解释性要求的进人机共决；涉及合规底线与例外豁免的留人类保留。框架的意义是让组织能按决策本身的属性流动，而不是按部门习惯冻结。McKinsey 2026 年的报告也给了一个底层判断：72% 的技能同时出现在可自动化与不可自动化工作中，说明多数工作处在人机交界的灰色带，框架不是为了非此即彼，是为了把交界画清楚。

三、机器自主层的触发条件与问责真空

机器自主层对应 ambiguity 低、risk 可控的操作性决策。Stanford Digital Economy Lab 2026 年对 51 个真实部署的研究给出了可量化的边界：当任务高频、成功标准清晰可测、错误可恢复，移除人类审批闸的 agentic 组中位生产率增益 71%，而每步都要人批准的 assist 组只有 40%。差距不在模型，在批准回路。库存补货、工单分类、告警初筛、线索初筛，都满足这三条件，交给 agent 端到端跑，是这一层的标准动作。

但机器自主不等于无人负责。这是最容易被偷换的概念。agent 执行了决定，问责不能随之消失。问责归谁。归系统设计者与运行所有者：定义成功标准的人、配置阈值的人、监控漂移的人。HBR 2026 年 7 月那篇田野研究里，德国大银行的贷款员面对全自动审批系统，无法推翻决定却要向客户辩护，正是问责错位：执行权给了机器，解释与担责的义务压回给人，决策权反而悬空。执行权前移，问责权没动，结果是没有人真正站在决定背后。

所以机器自主层要先写清楚两件事：错误的可恢复机制（rollback、人工接管触发条件），以及谁对系统的系统负责。否则自主会变成没人管。这一层最怕的失败模式，不是 agent 出错，而是出错后找不到具名的人类来承接后果、来改阈值、来担责任。

四、人机共决层：被低估的设计难题

中间层是最难的。它既不是全自动，也不是人独断，而是人设框架、AI 出方案、人拍板。McKinsey 2026 年报告把人的角色定义为框定问题、引导 agent、解读结果、做决策。听起来清楚，落到流程里全是细节：AI 给几个选项、按什么排序、人要在哪一刻介入、介入的默认动作是什么。

这里有个被 Wiles 等（HBR 2026）实验钉死的反模式：把 AI 叫成员工。1261 名管理者拿到带植入错误的同一份文件，仅因标注从 AI 工具换成 AI 员工，就少抓 18% 的错误、把 44% 的存疑工作向上推。机制是责任扩散：当工具被当成同事，管理者不再视自己为监督者，而成了虚构同事的中层。结论很硬：agent 不是决策主体，不能上组织架構、不能领责，只能当工具被框定边界。把 AI 称作员工不是品牌话术，它会直接改变回路里那个人的警觉度。

人机共决层的设计要点，是把人何时必须拍板写成系统的硬节点，而不是人的自觉。可解释性、来源引用、例外上升通道，都要在工程里预置，否则共决会滑向人替机器背书。这一层考验的不是模型能力，是组织把“人机的边界”工程化的能力。多数公司缺的正是这张边界图，于是共决变成两种情况之一：要么人全程兜底、agent 只当打字机，要么人完全放行、agent 偷偷成了事实决策者。

五、人类保留层：问责不能外包

最高层是 ambiguity 高、risk 高、且涉及判断与责任的决策。战略取舍、合规豁免、涉及人的重大处分、不可逆的资本配置，这些 AI 可以准备、可以模拟、可以红队，但落点必须是具名人类。Csaszar（HBR 2026）把 CEO 的角色从决策者重定义为决策架构师，正是说清：人不再垄断所有答案，但必须垄断哪些决策必须由人承担的界定权。这一层不可外包，不是因为 AI 做不了，是因为后果只能由人向客户、董事会、监管承接。

HBR 2026 年 7 月的研究提醒，现实常反过来。银行、招聘、生物技术里的专家，被要求为既非自己做出、也常不理解的 AI 产出向客户、经理、同事解释，于是他们重新解读、重塑、有时掩盖，以保护专业信誉。问责下沉到一线，但决策权没同步下沉、解释权也没给足，结果是一线用遮蔽 AI 来保自己。这恰恰证明：人类保留层的有效运转，前提是权力与问责一起给到同一个人。只下沉问责、不上收权力，养出的不是责任文化，是防御性掩饰。

人类保留层还承担一个机器做不了的动作：为错误背书、对客户与董事会交代。系统可以准备决策记录，但不能站到客户、董事会或组织面前承接后果。这条线必须显式画在治理文件里，写明哪些决策 AI 只能建议、哪些必须具名人类签字。否则组织会在危机到来时，发现没人能为那条由模型跑出的决定负责。

六、把决策权写进组织，而不是写进提示词

回到架构层面。AI 原生组织的决策权重构，最终要落到制度，不是落到某个聪明的提示词。三件具体事：第一，画决策权地图，按 ambiguity×risk 把每类重复性决策标进三层，写明触发条件与问责人，定期复盘；第二，把 AI 不能上组织架構、不能当决策主体写进治理，堵住责任扩散；第三，考核要奖励为 AI 辅助决策担责的行为，而不是奖励把决定甩给模型。

Microsoft 2026 年数据给了一个冷判：组织因素对 AI 成效的解释力（67%）是个体的两倍，只有 19% 的组织同时具备个体能力与市场就绪。多数公司卡在人已会、组织没跟上。决策权重构，是那个组织没跟上的具体缺口。技术买到引擎，决策宪法没重写，车还是开不快。Csaszar 的判断在这里收口：竞争优势不来自通用的 AI 模型，而来自企业用专有数据与流程在其上构建的独特能力，其中最重要的独特能力，就是谁有权拍板、谁为结果负责这套安排。

最后一句话收口：AI 原生组织不是比谁用 AI 猛，是比谁先把决策权重新分配清楚，并让问责跟着权力一起走。做不到这点的组织，会拥有最聪明的 agent，和最模糊的责任。决策权这张图不画，所有的效率增益都只是把混乱跑得更快。

相关阅读

• AI时代的CEO新职责：从决策者到架构师
• AI正在消灭中层？组织扁平化的真实路径
• 麦肯锡2026：70%岗位技能横跨人机边界，怎么编排
• Pod组织是什么：当AI agent坐进最小作战单元，科层制如何被重写
• AI原生组织不是范式切换：是能力边界的重写

参考信源

• 【ambiguity×risk 两维定位人机决策权；framing/acting/learning 三类活动中调整 AI 参与；三层框架方法论来源】：Sebastian I.、Weill P.、Haskamp T.、vom Brocke J.，《Designing Decision Rights for AI》，MIT CISR Research Briefing，2026 年 6 月。
• 【51 个真实 AI 部署；agentic 组（无人类审批闸）中位生产率增益 71%，assist 组（每步审批）40%；三条件：高频、标准清晰可测、错误可恢复】：Stanford Digital Economy Lab（Pereira、Graylin、Brynjolfsson 等），2026 年研究（据 2026 年披露）。
• 【10 国 2 万名 AI 使用者、数兆条 Microsoft 365 信号；86% 把 AI 产出当起点、自承对思考负责；组织因素解释力 67% 对个体 32%；仅 19% 为前沿区】：Microsoft，《Work Trend Index 2026: Agents, human agency, and the opportunity for every organization》，2026 年 5 月 5 日。
• 【CEO 从决策者重定义为决策架构师；AI 放宽有限理性；设计谁问问题、哪些数据进来、谁反驳、哪些决策必须由人承担】：Csaszar F.A.，《AI Is Revolutionizing Strategic Decision-Making》，Harvard Business Review，2026 年 9-10 月号。
• 【1261 名管理者实验；标注“AI 员工”比“AI 工具”少抓 18% 错误、44% 存疑工作上推；已把 AI 写进组织架構的公司监控再降 16%；责任扩散机制】：Wiles E.、Hsu M.、Bedard J.、Kropp M.，《Research: Why You Shouldn't Treat AI Agents Like Employees》（及《Putting AI on the Org Chart: Evidence on Delegation and Oversight》），Harvard Business Review / MIT Technology Review，2026。