AI Native的组织架构应该是怎么样的？Block CEO：每家公司都可以压缩成一个agent

大多数公司会把 AI 当成生产力提升工具，叠加在已有的组织架构上，让现有的体系稍微好一点。

但 Block CEO Jack Dorsey 认为，传统公司的层级制度本质上是一套「信息路由系统」，它的存在是为了在信息传递受限的条件下协调大规模人力。但这个问题在 AI 时代已经不复存在了。AI 可以直接承担层级所承担的协调、汇总、决策传导功能，中间管理层因此失去了存在的结构性理由。

所以 Block 做的不是「给每个人配一个 AI 助手」，而是以 AI 为中心重建公司，把整个组织压缩成一个迷你 agent，用 AI 直接取代层级本身所承担的协调功能

裁员 40%，CEO 的职能也随之改变，从管理转向「对齐」，对齐 AI 系统与公司目标之间的方向。

很激进，但未尝不是一种面向 AI 的尝试性回答。

以下这篇文章，来自 Block 的内部博客以及 Jack 与红杉资本的对谈。Jack 分享了 Block 是如何从根本上重新思考组织设计，以及怎么利用 AI 将速度转化为持久的复合竞争优势。

Founder Park 正在持续寻找值得被看见的 AI 团队与项目。

我们将通过「AI 产品市集」、内容报道、社群分发等方式，帮你触达早期用户、获得真实反馈，以及建立关键连接。

如果你正在做 AI 相关的事，欢迎和我们聊聊。 

---

01 

两千年来，

没人真正解决过层级制度问题

现代公司的组织方式，本质上是一套信息路由系统，但它的原型来自军队。

罗马人两千年前就解决了一个问题：在通信受限的情况下，怎么远距离协调成千上万的人？他们的答案是一个嵌套的层级结构，8 人小队、80 人百人队、480 人大队、5000 人军团，每一层都有指定的指挥官，负责汇总下级信息、传达上级决策。

这个结构围绕一个人类局限设计：一个领导者能有效管理的人数大约在 3 到 8 之间。我们今天叫它「管理跨度」，它仍然是地球上每个大型组织的根本约束。

这套逻辑后来进入商业世界。19 世纪 50 年代，铁路公司的麦卡勒姆绘制了世界上第一张组织结构图，用以管理绵延 500 多英里、拥有数千名工人的系统。由此，把罗马人的层级逻辑正式化。「科学管理之父」弗雷德里克·泰勒优化了层级内部的工作，提出的科学管理把工作分解成专门任务，职能金字塔由此成形。两百年来，管理学一直在这个框架里修修补补。

近几十年，科技公司也做过各种组织结构调整的尝试。Spotify 推广跨职能小队，Zappos 尝试合弄制，Valve 以扁平结构运营。这些实验都反应了传统层级的某些问题，但没有一个真正解决了根本矛盾。

Spotify 在规模化后又回归了传统管理。Zappos 经历了显著的人员流失。Valve 的模式被证明难以扩展到几百人以上。当组织增长到数千人，它们最终都回归了层级协调，因为没有足够强大的替代性信息路由机制可以取代它。

这个约束在两千年来从未被打破：缩小管理跨度意味着增加指挥层级，更多层级意味着更慢的信息流。两千年来所有的组织创新，都是在尝试绕过这个权衡，而不是真正解决它。

02 

把公司构建成一个 agent 

Block 的 CEO Jack Dorsey 对于 AI 对于组织影响这件事的判断很直接：「我不认为这是个生产力问题，这是个结构问题。」

从 2025 年 1 月起，他每天早上花三个小时，只做一件事：逼自己看这个工具能不能做到他以为它做不到的事。结果是每天都成功，整整一年每天都感到惊讶。

现在，大多数公司现在把 AI 想成 Copilot，叠加在已有体系上，让现有结构稍微好一点。在 Block，正在质疑的一个基本假设是：组织必须由人类作为协调机制进行层级化组织。相反，Block 打算取代层级所做的事情。

Block 追求的是不同的东西：把公司构建成一个 agent。不是给每个人配一个 AI 助手，而是用 AI 取代层级本身所承担的协调功能。

Block 不是第一个尝试超越传统层级的。海尔的「人单合一」、平台型组织、「数据驱动」管理，这些都是对这个问题的真实尝试。它们所缺乏的，是一种真正能执行层级协调功能的技术。AI 就是这种技术。有史以来第一次，一个系统可以维护整个业务的持续更新模型，并用它来协调工作。而这种方式过去需要人类通过管理层级一层一层地传递信息。

03 

公司的新操作系统，

是两个世界模型

接下来是，怎么做？

一家公司需要两样东西：一种关于自身运营的「世界模型」，另一种是足够丰富、能让这个模型有用的客户信号。

公司世界模型，是公司理解自身运营、绩效和优先级的方式。Block 是远程优先的公司，所有决策、讨论、代码、设计、计划、问题和进展都以数字记录的形式存在。在传统公司，经理的工作是了解团队发生的一切，并把这种情境信息在指挥链中上下传递。在一家工作本身已经是机器可读的远程公司，AI 可以持续构建和维护这个全景图：正在构建什么、什么被阻塞了、资源分配到哪里、什么有效、什么无效。这就是层级过去承载的信息，现在由公司世界模型承载。

Jack Dorsey 对这件事有个更直观的描述：「想象一下，如果你的公司对你来说是完全可读的，每一个方面都一览无遗。我们从数据角度来说，已经不远了。现在的挑战是在上面建一层智能，然后让它有用，然后让它主动。」

客户世界模型，则是依赖于信号质量，而金钱是世界上最诚实的信号。人们在调查中撒谎，他们忽略广告，他们放弃购物车。但当他们消费、储蓄、转账、借款或还款时，那就是真相。每一笔交易都是关于某人生活的一个事实。Block 每天看到数百万笔交易的两端：通过 Cash App 的买家，通过 Square 的卖家，以及运营商户业务产生的运营数据。这为客户世界模型提供了罕见的东西：基于诚实信号复合建立的、对每个客户、每个商户的财务现实的理解。信号越丰富，模型越好；模型越好，交易越多；交易越多，信号越丰富。

04

不设公司路线图，

搭建起四层架构 

公司世界模型和客户世界模型共同构成了另一种公司的基础。不是产品团队构建预定的路线图，而是构建四样东西。

第一层：能力层。支付、贷款、发卡、银行服务、先买后付、薪资等金融原语。这些不是产品，是难以获取和维护的构建模块，有些具有网络效应，有些需要监管许可。它们没有自己的用户界面，但有可靠性、合规性和性能目标。

第二层：世界模型。公司世界模型取代了过去流经管理层级的信息；客户世界模型基于专有交易数据建立，从原始交易数据开始，随时间演化为完整的因果和预测模型。

第三层：智能层。这是将能力组合成针对特定客户在特定时刻的解决方案，并主动交付的部分。

举两个具体的例子：一家餐厅的现金流在模型曾见过的季节性下滑前开始紧张，智能层从贷款能力中组合出一笔短期贷款，使用支付能力调整还款计划，并在商户甚至还没想到要寻找融资时就呈现给他们。

一个 Cash App 用户的消费模式发生了转变，模型将其关联到搬往新城市，智能层组合出新的直接存款设置、一张为其新社区提供消费类别加成的 Cash App 卡，以及一个根据其更新后的收入校准的储蓄目标。没有产品经理决定构建其中任何一个解决方案，能力已经存在，智能层识别出那个时刻并组合了它们。

第四层：界面。Square、Cash App、Afterpay、TIDAL、bitkey、proto. 这些是智能层交付组合解决方案的表面。它们很重要，但价值并非在此创造，价值在模型和智能中。

这个架构还解决了另一个问题：路线图从哪里来？当智能层尝试组合一个解决方案却因能力不存在而失败时，这个失败信号就是未来的路线图。传统的路线图是，产品经理假设下一步要构建什么，这是任何公司的终极限制因素。而在这个模型中，客户现实直接生成了待办事项。

Jack Dorsey 的想法是：「客户会期望他们能要求一个路线图上不存在的功能，然后直接得到它。到那时，客户通过使用和对话，就在告诉你路线图应该是什么。我们要做的只是提供判断：这与我们想成为的公司一致吗？」

05

人在其中的角色处于边缘，

但边缘才是行动的核心 

那么，人在整个组织中的角色是什么？

在传统公司里，智能分布在人身上，由层级负责管控它。但在现在的模型中，智能存在于系统中，人处于边缘，但边缘才是行动所在。

边缘是智能与现实接触的地方：人感知模型无法察觉的事物，做出模型不应独自做出的决策，尤其是道德判断、新颖情况，以及出错代价关乎存亡的高风险时刻。世界模型给每个人提供了行动所需的情境，无需等待信息在指挥链中上下传递。

在实践中，整个组织收敛为三种角色。

个体贡献者（IC）：构建和运营能力、模型、智能层和界面，是特定系统层的深度专家。被 Agent 放大的 IC，一个人可以覆盖以前需要一个团队的广度。这里不可替代的人类能力是判断力、品味与创造力。

直接责任人（DRI）：拥有特定的跨领域问题或机会，对客户结果负责。一个 DRI 可能在未来 90 天内负责解决某个细分市场的商户流失问题，拥有从世界模型团队、借贷能力团队和界面团队调动资源的全部权限。DRI 可能持续解决某些问题，或转向解决新问题。这里不可替代的人类能力是主人翁意识和担责精神。

玩家-教练（Player-Coach）：结合构建与发展人员，取代了主要工作是信息路由的传统经理。玩家-教练仍然写代码、构建模型或设计界面，同时投资于周围人员的成长。他们不把时间花在状态会议、对齐会议和优先级谈判上，世界模型处理对齐，DRI 结构处理战略和优先级，玩家-教练处理的是手艺和人。

Jack Dorsey 对这个角色的未来判断是：「今天 Player-Coach 是一个管理职位，IC 和 DRI 向他们汇报。但我认为未来这会变成一种任务分配，我被分配去帮助这些人成长，而不是他们向我汇报。」

由此，不再需要永久的中层管理层。旧层级所做的其他一切，都由系统协调，每个人都被赋能，角色更贴近工作和客户。

06

CEO 的工作，

从管理变成了「对齐」

这套体系里，CEO 在做什么？

Jack Dorsey 以前对 CEO 工作的理解有三件事：

• 确保有正确的原则和团队协作方式；

• 确保决策在了解客户、行业趋势和竞争格局的前提下做出；

• 不断提高执行标准；

但他现在认为，CEO 的工作更多是设计公司这个智能体的架构。他脑子里有个视觉图像：公司的世界模型在中心，人类在边缘，不断地将它对准正确的客户成果。

在与红杉的一次访谈中，红杉的 Brian 提出了一个有意思的框架：「经理模式是金字塔，VP 做大多数决策；创始人模式是扁平的，创始人做大多数决策；然后是'Dorsey 模式'，是个圆圈，AI 做大多数决定。」

Block 董事 Roelof Botha 认为，「我不认为 AI 做大多数决定。AI 帮助传达对齐，管理团队负责设定框架。而处于边缘的人类，承担着极其重要的功能：纠错、信息输入和方向调整。」

Jack 的回答更进一步：「最理想的状态是，客户才是在做大多数决定的那个人。他们的查询和诉求，直接划定了路线图的方向，然后由我们来判断这是否与我们想成为的公司一致。以前我们只能靠推断：做用户访谈、看客服反馈、分析 Twitter 上的产品留言。但当你的界面从固定导航变成与客户的对话，你对客户真正想要什么的信息保真度就会骤然提升。」

07

裁员 40%，

是在三周内做完的决定

理论最终要落地。Block 做了一个决定：裁员 40%。

Jack 描述了那个时间节点：去年 12 月，工具发生了一次明显的跃升，从只能很好地处理绿地项目，到能够真正理解像 Block 这样的大型遗留代码库。幻觉问题在编码能力上基本消失，工具框架一下子就成熟了，就在那一个月。

大家回来后做了一个三步最小化需求的练习：服务 100% 正常运转，最少需要多少人？满足强监管合规，最少需要多少人？实现增长承诺并完成智能体重建，最少需要多少人？加上容错缓冲，就是最终的数字。从想法到执行，全程不到三周。

Roelof 的评价是：「Jack 给我们写了一份非常详尽的备忘录，阐述了背后的逻辑，非常清晰，不是情绪化的，是有原则的。那三周里，随着来自管理团队和董事会的反馈，细节一直在演进，最终公告时的方案，已经和第一周的起点有所不同。在这个过程里，管理团队和董事会之间建立了很大的信任。」

Jack 对这个决定的态度很直接：「我不想在被逼到墙角的时候才做这件事。其他公司早晚也会走到这个路口。如果我主动领先，才能以更多的尊严、更大的慷慨，去对待每一个离开的人，和每一个留下来的人。我们不是在向平庸妥协，我们是在向卓越迈进。

今天的 Block，从 Jack 到任何人之间的层级深度最大是 5 层。他的目标是今年压缩到 2 到 3 层。最理想状态是，6000 人全部直接向他汇报。

08

工具做到 80%，

剩余 20% 是创造力、品味和判断力 

Jack 分享，这些变化，已经渗透到了 Block 的日常工作中。两个月前，Block 的每场会议还是：打开一份 PPT 或 Google Doc，按顺序翻，留出有限时间提问。

现在，每个人带来的是他们用 AI 工具实时构建的原型，用模拟数据或真实数据，切出他们工作的一个切面。这种深度和真实感，远超任何幻灯片。因为可以实时修改，讨论围绕着他们实际在构建的东西展开，而不是他们计划构建的东西，可以探索的广度骤然扩大了。

Jack 对这里的分工有个大概的 80/20：工具能帮你走完 80%，最后那 20%，是创造力、品味和判断力的事。

但变化不是无痛的。Jack 谈到了他在 Block 最具体的错误：过度授权。「我在 Block 里想搭建一个有多位 CEO 的结构，结果我们变成了一家控股公司。Square 这边一个 CEO，Cash App 那边一个 CEO，但我们公司的价值，不是这些各自增长的板块，而是我们有交易两端、能挑战整个金融网络。为什么不照这个结构来搭建？这个错误导致了迥异的文化、不同的执行水准，我没有快速从中学习，这才是真正的遗憾。」

这个反思，也是这次重构的起点之一。只有当公司作为一个整体运作，经济图谱的复合效应才能真正实现，数百万商户和消费者、每笔交易的两端、实时观察的财务行为，这种理解在系统运行的每一秒都在叠加。但拆开来，就什么都不是。

09

这不只是 Block 一家公司的问题

Block 正处于转型的早期阶段，将是一个艰难的过程。

但背后的逻辑，适用于所有公司。你的公司理解了哪些真正难以理解的事物，并且这种理解是否每天都在加深？如果答案是「没有」，那么 AI 就只是一个成本优化故事，你削减人头，提升几个季度的利润率，最终被更聪明的东西吸收。如果答案是「深刻」，那么 AI 就不是增强你的公司，而是揭示了你的公司究竟是什么。

对于 100 人规模的公司，Jack 给了一个起点：「先问一个问题：我需要这个层级吗？它在哪些地方阻碍了真正解决客户问题？一家 100 人的公司，大概最多只有两三层，现在正是时候去认真问这个问题。另一件可以立刻做的事：看看你们每天产生的所有信息，Slack 消息、文档、会议录像，把这些放进一个可以对话的智能系统里。这会让你对公司的理解提升两三倍。以前你只能靠人告诉你，而人出于种种原因不一定会说。」

公司行动的快慢，归根结底取决于信息流的速度。层级和中层管理阻碍了信息流的传递。两千年来，从罗马的小队到今天的全球企业，我们都没有真正的替代方案。问题从来不是你需不需要层级，而是人类是不是这些层级功能的唯一选项。

现在，不再是了。

Jack 最后说了一句话，大概是这件事最诚实的表达：去年以来，我在同一个小时里，既感受到深深的存在性恐惧，又感受到真切的希望和乐观。「什么是公司」这件事，我已经不确定了。这是我能想象到的唯一一种持久的组织结构。

更多阅读

对谈CREAO：20人团队、每天上线8个功能，在Pivot产品之前，我们先Pivot了组织

Canva可画联合创始人独家专访：2.65亿用户的Canva，用自研模型，解决了设计的审美问题

一款好的 AI Native 硬件，硬件只是脚手架，真正壁垒一定是 Agent

对话 Ribbi：所有人都在做创作工具，我们在做一个有品味、会进化的「人」

转载原创文章请添加微信：founderparker