如果工作仍須經過相同的委員會、核准、交接與職能孤島，生產力提升的價值就很有限。限制因素日益轉為組織延遲，也就是組織做出決策、改變流程，並將新能力轉化為業務成果所需的時間。
以往需要多位專家、多個部門或數週投入才能完成的工作，如今可以大幅加速。這會改變團隊的協作方式、決策方式，以及需要專業知識的環節。
唯有徹底改革組織設計，重新思考工作流程、治理、誘因、知識流動與決策結構，才能充分發揮 AI 的效益，讓 AI 帶來的生產力提升在整個企業中持續累積。
AI 原生組織既需要穩固的骨幹，也需要靈活的前線，同時應把最有價值的人類技能用於判斷與協調行動。
LinkedIn、Substack 與其他論壇上，有許多討論可以歸結為：「我看不到 AI 的投資報酬率。」隨著實質採用加速，我們已看到 AI 解決方案以及 ChatGPT、Codex、Claude 等現成工具帶來可觀的投資報酬率。不過，這個觀點依然可以理解。個人生產力雖可大幅提升，但如果組織的工作流程維持不變，最終成效仍會受限。組織設計必須與時俱進。
然而很遺憾，組織不可能一勞永逸地因應未來，尤其 AI 的發展速度如此之快。沒有人能有把握地斷言，三年後經 AI 最佳化的銀行、保險公司、零售商、能源公司或顧問公司應是什麼模樣。技術、經濟與工作模式的變化太快，因此適應能力將成為未來十年的關鍵優勢之一。
但如果專家級智慧已能即時取得，AI 智慧體也能自主工作數小時，就必須假設工作方式將會、也應該改變。這也表示，營運模式必須改變，才能從這項技術中獲益。最願意迅速適應新工作模式與這項技術新興應用的組織，最有機會獲得最大效益。
若要理解 AI 對組織的影響，最簡單的方法是先從一項基本假設開始。假設組織中的任何人都能即時取得專家級智慧。兩年前這還很難想像，但如今幾乎已成現實。雖然目前可能尚未臻於完美，但合理推測在不久的將來會接近完美。
除此之外，再加上第二項假設。假設自主智慧體可以共同工作數小時、數天，最終甚至數週，完成有實質意義的一整套工作。不是一項或幾項任務，而是橫跨多個專業領域、真正完整且可觀的一系列工作。相當於一支跨職能團隊，由一群能自行理清工作流程的智慧體組成。
只要這兩項假設大致成立，工作的完成方式就會改變，而且非改不可。完成時間縮短、內部協作型態演變，變革速度也隨之加快。
如此快速的變革有利於分權、自主與創新，但多數大型組織的設計理念恰好相反。
大型企業將權力集中在依職能劃分的部門，並把策略、技術、資料、風險、營運、財務、人力資源與業務分置於不同架構。每個單位都有自己的優先事項、誘因，以及最重要的管控機制。
變革受到投資委員會、督導委員會、架構審議會、風險審查、法規遵循關卡、採購流程、年度規劃週期與商業論證的治理。有些變革管理團隊還會在利害關係人之間轉手資訊，卻未增添任何價值。
同樣地，上述做法並非不合理，相關機制也都有充分的存在理由。相關機制在管理風險、配置資本、避免重複、保護客戶並建立問責機制的同時，也決定了組織運作的速度。但在 AI 原生競爭者能更快測試、學習並重新設計工作的世界裡，這個速度很可能太慢。
文化傳遞的訊號也很重要。在許多組織中，無論領導者多少次宣稱「你有權自行決策」，獎勵機制依然鼓勵員工守在各自的職能界線內。為什麼？保護團隊。保護預算。保護路線圖。避免失敗被看見。把困難的決策上報委員會。不要偏離核准流程太遠。
當實驗成本高昂，而且偶爾發生的改變屬於漸進式演進而非革命性變革時，這種集中式方法確實合理。但當能力每隔幾個月就大幅提升，而最佳機會又是由最貼近工作現場的團隊發掘時，這種方法便會成為問題。
採用傳統集中化方式因應 AI，會造成延遲，使組織無法獲得實質投資報酬。如果每項變革在接觸實際工作前都必須經過多個委員會，組織的學習速度就會太慢。
對於渴望成長並加快腳步的員工而言，限制運用 AI 的機會，會使組織成為較缺乏吸引力的職場。
多數組織都從培養個人 AI 素養開始。這正是合適的起點。員工必須知道如何向 AI 清楚交代任務、質疑並檢查 AI 的成果、保護敏感資訊，以及何時不該使用 AI。他們需要信心、判斷力與實務經驗。
但個人素養有其上限。分析師的分析產出可以增加五倍，但決策會議依然每月才召開一次。開發人員可以產生更多程式碼，但審查與發布流程並未改變。行銷人員可以製作更多內容，但品牌核准仍在原本的佇列中等待。
即使在團隊層級改變工作流程，如果組織其他部分仍沿用過去的運作方式，速度也不一定會提升。
因此，個人的速度變快，團隊也可能變快，但產出速度最終仍受組織端到端流程中其他環節的限制。因此，AI 轉型必須從個人素養邁向團隊素養，再進一步提升為組織素養。
當企業能改變架構、誘因、治理、知識流動與技術模式時，個人與團隊在局部取得的成果，才能轉化為企業價值。
這項挑戰十分艱鉅，但釋放價值的機會也正在其中。近幾年在 ChatGPT 推出後誕生的 AI 原生公司，從一開始就在工作流程中嵌入 AI，因此能保持靈活，並以扁平架構運作。相較之下，大型企業把 AI 塞進既有流程，形成東拼西湊的局面，未能改變工作如何完成。
AI 原生並不代表混亂、魯莽或沉迷工具。也不代表每位員工都能隨心所欲地使用最新模型。更不代表以熱情取代治理，或假裝人類已不再重要。
傳統的組織設計模型建立在一項假設上，認為組織可以先定義未來狀態、畫出架構、實施變革，最後進入穩定狀態。這種做法對 AI 而言太慢。
AI 原生組織的設計將以因應持續變革為目標。AI 原生組織會結合人員、AI 系統、資料、工作流程與治理的優勢，持續重新設計工作。不會把一切押在單一藍圖上，而會培養快速釐清問題的能力：哪些工作流程應改變、哪些角色需要演進、需要哪些管控、哪些技能更重要、哪些模式可以重複使用，以及哪些假設已經過時。
這需要同時具備兩項要素：穩固的骨幹與靈活的前線。兩者能在集中管理與賦權給貼近工作現場的團隊之間取得平衡。
穩固的骨幹讓組織能夠建立信任並擴大規模。整個企業都能使用核准的工具、可重複使用的模式、資料存取途徑、評估方法、安全控制、治理原則、監控機制、知識基礎設施，以及明確的權責劃分。
靈活前線是實際工作所在之處，能頻繁且順暢地做出改變。貼近問題的小型跨職能團隊擁有充分權限，可以重新設計工作流程、應用 AI、測試新工作方式，並把經驗回饋給組織。
核心與前線之間的平衡十分重要。中央管控過多，組織的學習速度就會太慢。團隊自主空間過大，組織則會各自為政。AI 原生組織需要核心嚴謹、前線靈活。
對工作自動化最草率的結論，就是 AI 會降低對人的需求。在某些領域確實如此，例如情境需求低、重複性高的知識工作，將會被大幅壓縮或淘汰。以事務處理為主的工作，包括填補系統缺口、傳遞資訊、初步分析、製作初稿，以及只能提供有限「附加價值」的回應，都將面臨壓力。
但另一方面，人的「貢獻」會提升到更高層次。如果能即時取得專家級智慧，判斷力、創造力、責任感、脈絡掌握與信任就會成為 AI 無法取代，而且也不應取代的珍貴人類特質。
組織應日益重視能在模糊情境中做出決策的人才。他們必須充分掌握專業領域，才能引導 AI 並判斷 AI 何時出錯；也要能提出更好的問題，串連商業、技術、營運及人員面的實際情況，建立關係與信心，並協調眾多利害關係人。更重要的是，試想一週的工作量全都壓縮到週一早上，在不同脈絡間迅速切換並正確解讀資訊的能力，就會更加不可或缺。
因此，若通才能掌握跨職能脈絡並協調 AI 輔助的工作，他們的價值只會提高，不會降低。專家的價值也可能不減反增，因為工作加速後，更常需要仰賴品質與判斷力。領導者則必須減少管控工作，多花心力設計系統、脈絡與節奏。
值得投資的不只是「AI 技能」，還包括當 AI 承擔更多基礎任務後越發重要的人類特質：好奇心、判斷力、韌性、清晰表達、創造力、決斷力、協作能力，以及面對模糊情境的自在度。組織現在就應開始招募、培養並獎勵具備這些特質的人。
把這麼多工作壓縮在短時間內完成，工作強度很高；AI 原生組織不可能始終以極限速度運作。組織必須為員工保留喘息與調整的空間，讓他們恢復精力並重新建立連結。為了讓員工作出有效判斷與決策，組織也應營造適當環境，讓不期而遇的交流有機會激發新構想。
如今，許多企業仍未積極運用 AI 來完成目前已可做到的事。這使智慧體能力本身的進展與實際運用 AI 的進展之間，形成日益擴大的落差。
這很正常。大型組織採納技術的速度較慢，原因包括舊有系統、法規限制、文化阻力、資料零散、權責不清，以及確實存在且必須管理的風險。
但終有一天，會有夠多的領導者、團隊與競爭者，成功將 AI 安全地反覆應用於實際工作流程。模式將日趨成熟，治理會更深入融入組織，智慧體也會更加可靠，組織對 AI 的信心則會增強。AI 所能做到的事與企業實際運用之間的落差，將開始縮小。
當這個轉折點到來時，優勢不會屬於擁有最佳模型或最高 AI 預算的公司，而會屬於能迅速改變工作方式的組織。
把每項決策都集中處理、處處保護各職能、透過步調緩慢的委員會治理，並獎勵「不改變現狀」員工的公司，將難以跟上腳步。
建立穩固骨幹與靈活前線的公司，學習速度會更快，並會更早發現更好的工作流程，合理搭配通才、專家與領導者，並將這些人才重新部署至更高價值的工作，也會把局部實驗轉化為可重複使用的模式。
目前的問題或許是「我們如何成功採用 AI？」但很快就必須改成「當 AI 改變工作時，我們的組織能多快適應？」
行動緩慢的組織即使擁有強大的 AI，依然會很慢；靈活應變的組織若擁有強大的 AI，優勢則會持續複利成長。