当绝大多数企业还在琢磨如何给员工配上AI助手、让现有流程跑得更顺时，金融科技公司Block（原Square）的CEO杰克·多西给出了一个更加颠覆性的答案：AI不是来辅助人的，它要直接替代传统的管理金字塔。
在多西看来，传统公司的层级结构本质上是一套“信息中转系统”——它诞生于信息传递受限的时代，目的是协调大规模人力。但这个前提在AI时代已经失效。AI完全可以接手层级承担的沟通、整合与指令传导职能，中层管理者因此失去了存在的底层逻辑。
所以Block做的不是“每人配一个Copilot”，而是以AI为内核重新搭建公司：把整个组织压扁成一个“智能体”（agent），用AI替换掉层级原本承担的协调工作。伴随而来的是40%的裁员，CEO的角色也从“管理者”转变为“对齐者”——确保AI系统始终朝着公司目标运行。
这或许是目前面向AI时代最激进的组织实验之一。
以下内容综合自Block内部博客以及多西与红杉资本的对话，展示了Block如何从底层重新思考组织设计，并借助AI将响应速度转化为长期复合优势。
01 两千年来，没有谁能真正解决层级问题
现代公司的组织架构，骨子里仍是两千年前罗马军团的翻版。
罗马人为了解决通信受限下的远距离协调，发明了层级嵌套：8人队、80人队、480人队、5000人军团，每层设指挥官，负责信息上传下达。这套设计基于一个生理上限：一个领导者能有效管理的直接下属大约在3到8人之间——我们称之“管理幅度”。这个数字至今仍是每个大型组织无法挣脱的锁链。
19世纪50年代，铁路公司经理麦卡勒姆画出了世界上第一张组织架构图，将罗马的层级逻辑正式注入商业世界。随后“科学管理之父”泰勒进一步细分了层级内的工作，职能金字塔就此成型。此后两百年，管理学一直在修补这个框架。
科技公司也做过各种尝试：Spotify推广跨职能小队，Zappos试水合弄制，Valve维持扁平结构。但无一例外，最终都回归了传统层级——Spotify规模化后重设管理岗，Zappos经历人才大量流失，Valve的模式卡在几百人规模。原因很简单：没有足够强大的替代信息路由机制。缩小管理跨度意味着增加层级，层级越多信息流速越慢。这个两难困局，两千年来从未被打破。
02 把公司本身打造成一个智能体
杰克·多西的判断一针见血：“这不是效率问题，是结构问题。”
从2025年1月起，他每天早晨花三小时做一件事：反复挑战AI，看它能否完成自己认为不可能的任务。结果每一天都成功了，整整一年持续被震撼。
当前多数公司把AI看作“副驾驶”，叠在旧体系上让现状好一点。而Block在追问一个更根本的问题：组织是否必须由人类通过层级来协调？答案是否定的——Block要直接用AI替换层级所承担的协调功能。
海尔“人单合一”、平台型组织、数据驱动管理等先行尝试，都试图跳出传统层级，但它们缺一样东西：一种能真正执行层级协调的技术。AI恰好填补了这个空白——有史以来第一次，一个系统可以维护整个业务的实时模型，并用它来调度工作，而不再需要人类逐层传递信息。
03 公司的新底座：两套“世界模型”
一家公司真正需要两样东西：一套关于自身运营的“世界模型”，以及足够丰富、能让这套模型活起来的客户信号。
公司世界模型：Block是远程优先企业，所有决策、讨论、代码、设计都留存为数字记录。传统上，经理的任务是掌握团队动态并在指挥链中上传下达。而在工作本身已机器可读的远程公司，AI可以持续构建并刷新全景图：什么在建、什么被卡、资源流向、效果如何。这就是以前层级承载的信息，现在由公司世界模型承载。
多西有个形象的描述：“想象一下，你的公司对你完全透明，每个角落都一目了然。从数据角度看，我们已经很接近了。难点在于往上叠一层智能，让它有用，再让它主动。”
客户世界模型：依赖信号质量，而金钱是世界上最诚实的信号。人们会在调查中说谎、忽略广告、放弃购物车，但在消费、储蓄、转账、借贷时，那就是真相。每一笔交易都是某人生活的真实切片。Block每天看到数百万笔交易的两端——Cash App的买家端和Square的卖家端，再加上商户运营数据。这为客户世界模型提供了基于诚实信号的财务现实理解。信号越丰富，模型越准；模型越准，交易越多；交易越多，信号越丰富。
04 不设路线图，只用四层架构
两套世界模型共同构筑了一种全新公司的基础。不再由产品团队照着预设路线图开发，而是搭建四层结构：
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，而是难获取、难维护的构件，各自拥有可靠性、合规性与性能指标。
第二层：世界模型。公司世界模型取代了原流经层级的信息；客户世界模型基于独家交易数据构建，从原始数据逐渐演化为因果与预测模型。
第三层：智能层。这是把能力组合成针对特定客户、特定时点方案并主动交付的层级。举例：一家餐厅在季节性淡季前现金流吃紧，智能层从贷款能力中调出一笔短期贷款，用支付能力调整还款计划，在商户还没想到融资时就推送到眼前。再如，一位Cash App用户的消费模式变化提示其搬家了，智能层组合出新地址的直接存款设置、为新社区定制的消费返现卡，以及更新后的储蓄目标。没有产品经理决定要做这些——能力已存在，智能层识别时机并做了组合。
第四层：界面。Square、Cash App、Afterpay、TIDAL等，是智能层交付组合方案的接触面。界面重要，但价值不在界面中产生，而在模型与智能层中。
那么路线图从哪来？当智能层尝试组合方案却因缺少某能力而失败时，这个失败信号就成为了未来的路线图。传统路线图是产品经理假设下一步做什么——这是任何公司的终极瓶颈。而在这个模型里，客户现实直接生成了待办清单。多西说：“客户会期望他们能要求一个路线图上没有的功能，然后马上得到。我们要做的只是判断：这和我们想成为的公司一致吗？”
05 人在边缘，但边缘才是行动的中心
那么，人在这个组织里干什么？
传统公司里，智能分散在人身上，层级负责管理它。而在新模型中，智能存在于系统里，人被推到“边缘”。但边缘恰恰是智能与现实接触的地方：人感知模型感知不到的东西，做出模型不该独自做的决定——尤其是道德判断、突发情况，以及出错代价关乎生死的时刻。世界模型为每个人提供行动所需的情境，无需等待信息在指挥链中上下传递。
实践中，整个组织收拢为三种角色：
个体贡献者（IC）：构建和运维能力、模型、智能层和界面。被AI放大后，一个人可以覆盖以往一个团队的广度。不可替代的是判断力、审美与创造力。
直接责任人（DRI）：拥有特定跨领域问题或机会，对客户结果负责。比如某DRI在未来90天内负责解决某个细分市场的商户流失，有权调动世界模型团队、借贷能力团队和界面团队。不可替代的是主人翁意识与担当。
玩家-教练（Player-Coach）：结合实操与人员培养。取代了以信息传递为主要工作的传统经理。他们仍写代码、建模型或设计界面，同时投入团队成长。不开状态会、对齐会、优先级谈判会——世界模型处理对齐，DRI结构处理战略与优先级，玩家-教练只操心手艺和人。
多西展望未来：“今天玩家-教练还是一个管理岗，IC和DRI向他汇报。但我认为未来这会变成一种任务分配——我被派去帮助这些人成长，而不是他们向我汇报。”
由此，不再需要常设的中层管理。旧层级所做的其他一切，由系统协调，每个人都获得赋能，角色更贴近业务和客户。
06 CEO的活儿：从管人变成“对频”
这套体系下，CEO做什么？
多西以前认为CEO有三件要事：确立正确的原则与协作方式；基于客户、行业和竞争做决策；持续拔高执行标准。但现在他觉得，CEO的工作更多是设计公司这个智能体的架构。他脑中有一个画面：公司的世界模型在中心，人在边缘，不断把它对准正确的客户成果。
红杉资本的布莱恩提出了一个有趣框架：“经理模式是金字塔，VP做大多数决策；创始人模式是扁平，创始人做大多数决策；而‘多西模式’是个圆圈，AI做大多数决定。”
Block董事罗洛夫·博塔补充：“不一定是AI做大多数决定。AI负责传达对齐，管理团队设定框架。而处在边缘的人类承担着纠错、信息输入和方向调整的极其关键的功能。”
多西更进一步：“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出了路线图的方向，然后我们判断这和我们想成为的公司是否一致。过去我们只能靠推测：做用户访谈、看客服反馈、分析社交媒体留言。但当你的界面从固定导航变成与客户的对话，你对客户真实需求的把握会骤然提升。”
07 裁员40%，三周内敲定
理论终究要落地。Block决定裁掉40%的员工。
多西描述那个转折点：去年12月，AI工具发生了一次显著跃升——从只能处理绿地项目，到能真正理解Block这样的大型遗留代码库。编码幻觉基本消失，工具框架在那一个月内迅速成熟。
团队随后做了一个三步最小化需求推演：保证服务100%正常运转最少要多少人？满足强监管合规最少要多少人？实现增长承诺并完成智能体重建最少要多少人？再加上容错缓冲，就得出最终数字。从想法到执行，全程不到三周。
罗洛夫·博塔评价：“杰克给我们发了一份极其详尽的备忘录，逻辑清晰、有原则，没有情绪化。那三周里，随着管理团队和董事会的反馈，细节不断演进。最终公布的方案已经和第一周不同。这个过程中，管理团队和董事会之间建立了很大的信任。”
多西态度直接：“我不想被逼到墙角才做这件事。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，去对待每一个离开和留下的人。我们不是在向平庸妥协，我们是在向卓越迈进。”
今天的Block，从多西到任何人的层级深度最多5层。他的目标是今年压缩到2到3层。最理想状态：6000人全部直接向他汇报。
08 工具搞定80%，剩下20%靠人
这些变化已经渗透到Block的日常工作中。两个月前，会议还是打开PPT或Google文档按页翻，留有限时间提问。现在，每人带来的是他们用AI工具实时构建的原型——用模拟或真实数据切出工作的一个截面。这种深度和真实感远超任何幻灯片。因为可以实时修改，讨论围绕实际构建的东西展开，而非计划构建的东西。可探索的广度骤然扩大。
多西有个80/20法则：工具能帮你走完80%，最后那20%是创造力、品味和判断力的地盘。
但变化并非一帆风顺。他坦承在Block犯过最具体的错误：过度授权。“我想在Block里搭建一个有多位CEO的结构，结果我们变成了一家控股公司。Square一个CEO，Cash App一个CEO。但我们公司的价值不是这些各自增长的板块，而是我们拥有交易两端、能挑战整个金融网络。为什么不按这个结构来搭建？这个错误导致了迥异的文化和不同的执行水准，我没有快速从中吸取教训——这才是真正的遗憾。”
这个反思正是此次重构的起点之一。只有当公司作为一个整体运转，经济图谱的复合效应才能真正发挥：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。拆开来，就什么都不是。
09 这不只是Block的事
Block正处于转型早期，过程会很艰难。但其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就只是一个降本增效的故事——你削减人头，提升几个季度的利润率，最终被更聪明的对手吃掉。如果答案是“深刻”，那么AI就不是在增强你的公司，而是揭示了你的公司究竟是什么。
对于100人规模的公司，多西给了一个起点：“先问自己：我真的需要这个层级吗？它在哪里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，现在正是时候认真问这个问题。另一件可以立即做的事：看看你们每天产生的所有信息——Slack消息、文档、会议录像，把它们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。层级和中层管理拖慢了信息流的传递。两千年来，从罗马小队到今天的世界级企业，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“人类是不是层级功能的唯一选项”。
现在，不再是了。
多西最后说的一句话，大概是对这件事最诚实的表达：“去年以来，我在同一个小时里，既感到深深的存在性恐惧，又感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。”
朴谷观点
Block的激进探索为AI时代的企业组织提供了一个重要命题：当信息协调不再必须经由人类层级，企业应该重新定义“管理”二字。多数公司仍在用AI“优化旧世界”——更快的报表、更聪明的助手、降本增效。但多西的路径指向一个范式跃迁：让AI成为组织的操作系统，人退居“边缘”，专注于判断、创造与担当。
从专业角度，这套模式能否大规模复制仍需观察。Block占据独特优势——金融科技公司天然拥有高频、高诚实的交易数据，客户世界模型的建立有得天独厚的土壤。传统制造、服务或数据稀疏的行业，未必能直接套用。此外，“智能层”主动组合能力并交付方案，需要极强的工程化能力和低容错环境。道德判断、合规监管、异常处理仍高度依赖人类边缘决策，这正是AI短期内无法替代的。
但不可否认，Block给所有企业抛出了一个值得深思的问题：不再问“AI能帮我们做什么”，而是问“如果AI能直接承担协调职能，我们的组织应该长什么样”。信息流的速度决定了企业的进化速度，而层级从来不是目的，只是约束下的妥协。当约束消失，妥协也该被重新审视。未来的竞争力，或许不属于AI模型最强的公司，而属于最先敢于用AI重塑自身“骨骼”的公司。
Disclaimer: The information provided in this article is for general informational purposes only and does not constitute financial advice.