从金字塔到网状：四位创业者正在做的 AI 原生组织实验
Jack Dorsey、李开复、General Atlantic、Anthropic 正在对组织结构做同一件事：把「信息传导+执行监督」从人力中间层移到智能体，再把每个人的职责从「职能范围」切换到「结果责任」。四个案例，一个共同逻辑。
Research Brief
百年管理学的底层假设是：要协调大量人力，就需要层级。现在这个前提正在松动。
2026 年上半年，几位创业者先后公开描述了他们正在试验的 AI 原生组织形态。这些实验各有侧重，但有一个共同点：他们不是在「用 AI 提高效率」，而是从根本上重新设计了谁对什么负责、信息如何流动、管理层的角色是什么。
Jack Dorsey：把公司建模成一个 mini-AGI
2026 年 5 月，Block 联合创始人 Jack Dorsey 在 Sequoia Capital 的播客上谈到了他对 AI 时代组织结构的构想。1
他的出发点是：「组织层级本质上是把信息分发给大量人员、实现规模化人力管理的机制——这套结构已经沿用了两千多年。」但现在，技术允许把智能层叠加在公司积累的所有信息上——Slack 消息、邮件、代码提交、文档、会议录音——并把整个公司建模为一个统一的「迷你通用智能体（mini-AGI）」。
在这个架构里，不只是 CEO，每一位员工都能以同等的信息权限和理解水平查询公司的完整信息。董事会会议、财报电话会议都可以被重构，把有限的时间用在真正需要人类判断的创造性决策上，而不是「同步信息」本身。
Block 正在把这套构想落地。今年二月，Dorsey 宣布裁员约 4000 人，重组方向是压缩层级深度：目前最深层级为 5 层，目标年内缩至 2-3 层，最终目标是 CEO 直接管理 6000 人的结构。所有角色被标准化为三类：
- IC（Individual Contributor）：一线执行者，工程师、设计师、产品经理。他们可以调用 AI 智能体，原本需要 10 人团队的工作一个人即可完成。
- DRI（Directly Responsible Individual，直接责任人）：对客户结果负责、制定策略、组织 IC 团队。核心要求是所有权与问责制。
- Player-Coach（球员兼教练）：对应传统管理者，但不是「教导」怎么做，而是通过自己实际做事来示范和带动他人。
Dorsey 对这三类角色的定义方式本身也说明问题：它们不是岗位名称，而是任务关系。包括他本人在内的整个领导团队都同时承担这三类角色。
李开复：DRI 会成为 AI 原生公司最核心的组织架构
与 Dorsey 的构想相互呼应，李开复在 5 月下旬的一场对话中提出了几乎相同的逻辑，但出发点更聚焦在单个工程师的价值转变上。2
「我预测 DRI 模型会成为 AI 原生公司最核心的组织架构。DRI 就是一个人对某个跨职能结果承担端到端责任。这不是一个职位头衔，而是一种明确的责任机制。」
在他描述的架构里，人类 DRI 处于智能体系统的中心，周围是研究、执行、合规、监控等不同功能的 Agent 集群。DRI 负责整体编排、关键决策和最终输出的可信度；实时数据流取代了传统汇报，业务运转围绕可量化的结果展开。
李开复特别指出，优秀工程师的能力与 DRI 所需能力高度一致：写技术规范本质是定义可量化成果，设置自动告警本质是建立衡量结果的机制，主动处理问题体现的就是所有权意识。「在智能体时代，工程师的价值不再由写了多少代码来衡量，而是对结果负责、有决策权、有规划地配置智能体集群。」
General Atlantic：中间层正在消失，Kiwi.com 已给出数据
2026 年 5 月，General Atlantic 全球人才负责人 Anish Batlaw 发表了一篇深度分析，用历史数据和案例说明为什么 AI 正在解体百年金字塔。3
他引用的数据是：NVIDIA 目前每名员工创造的年收入约为 500 万美元，AI 编程工具 Cursor 约为 1300 万美元。这两个数字没有历史先例。传统管理理论认为每名经理最多管 6-8 个直属下属，Meta 的 AI 团队现在是 50:1 的人员/经理比，Zuckerberg 本人直接管理 25-30 人，Jensen Huang 有大约 60 个直属下属。
Batlaw 把这一变化背后的逻辑描述为：当 AI 智能体吸收了分析和执行工作，中间层存在的理由就消失了。从前需要「策略-传导-执行」三层的工作，现在可以被两到五人组成的自主小组完成——这些小组横向协调，而不是向上汇报；他们负责设定目标、定义约束、做出需要人类判断的决策。
文章引用了 Kiwi.com 的具体案例：这家欧洲中型旅游科技平台在过去 18 个月系统性拆解金字塔，结果是客服 AI 智能体 Nathan 比被替代的人类团队客满度高 15-20%，工程师代码合并请求翻倍，营收同比增长 35%。
Batlaw 对那些仍在观望的 CEO 给了一个直接的判断：「你让 IT 部门来制定 AI 战略，这不是在推进转型，而是在用这个动作回避转型本身。」
以下数据展示了过去 10 年人效排名的变化——传统金融与零售公司正在退出 top 25，AI 相关公司正在进入：
Anthropic：销售组织 5 倍增长，54% 新客户无人工参与完成签约
Anthropic 的业务负责人 Eleanor Dorfman 在 2026 年 5 月的 SaaStr AI 年会上分享了一个不同维度的案例：他们如何在需求暴增但不大量招人的情况下让销售规模实现 5 倍增长。4
核心做法是：用 Claude 作为连接所有工具（Salesforce、Gong、Slack、Ironclad、Clay、Jira）的结缔组织，而不是一个附加功能。
他们重新设计了整个销售流程中的 5 个节点：晨间简报（每天 7 点自动整合多源信息推到 Slack）、通话准备（输入
/callprep 自动生成单页背景简报）、客户跟进（通话结束后立刻提取行动项并起草邮件，100% 完成率）、竞争情报（从静态季度 PDF 改为 AI 驱动的动态更新）、资产创建（AE 按需生成定制落地页和计算器，无需设计师）。2026 年，54% 的新企业客户通过 AI 全自助路径完成签约，没有任何人工介入。Dorfman 把这个数字背后的理念说得很清楚：「不把自助服务视为降级，而是消除摩擦的方式——让合适的买家在想要购买的时候就能拿到合适的方案。」
管理层的工作也随之改变。预测会议不再用来核查数据（Claude 自动完成 Salesforce 对账），而是专门用于解决卡点。「Sales leader 需要从交易策略者转变为系统思考者。」
SaaStr 创始人 Jason Lemkin 在现场听完 Eleanor Dorfman 的演讲后做了以下总结：
Loading content card…
这四个案例的共同逻辑
这些来自不同背景的创业者描述的，实际上是同一件事的不同切面：
信息对称化之后，中间层失去了存在理由。 中间管理层的历史功能是信息传导和执行监督。当智能体可以让每个 IC 直接获取全局信息并管理其下方的执行集群，这一功能就被架空了。
DRI 是否成立，取决于「端到端结果」能否被清晰定义。 无论是 Dorsey 的 IC/DRI/Player-Coach 三角，还是李开复的「人类 DRI + 智能体集群」，核心前提是把职责边界从「职能范围」切换到「结果责任」。这对管理者来说意味着：建团队之前，要先能清晰描述一个人应该对什么结果负责。
从「扩招应对增长」到「重设系统应对增长」。 Anthropic 的案例最直接说明了这一点。需求暴增时的传统反应是招人，他们的反应是重新设计工作流程。这个选择背后有一个前提：销售流程里有相当多的工作不需要人类判断，只需要信息整合和执行。
对仍在搭建团队的 AI 创业者来说，这几个案例最具参考价值的问题不是「我要不要减少层级」，而是：你的每个角色，现在能清楚回答「我对什么结果负责」这个问题吗？
Add more perspectives or context around this Post.