本文来自微信公众号： ANO Lab ，作者：魏浩征
最近，SAP提出了“Autonomous Enterprise”（自主企业）的愿景，并在2026年10月的SAP Connect大会上进一步展示了相关实践。
这家全球企业软件巨头希望通过业务应用、企业数据、AI智能体与统一治理平台，让AI从回答问题走向执行任务，让企业从传统的数字化运营走向更加自主的业务运行。
方向没问题，但我仔细看SAP公布的架构图，也发现了一个值得讨论的问题：技术架构已经开始走向自主化，业务组织的底层逻辑却仍然带着传统组织的影子。
在我看来，AI时代的企业进化，至少需要回答两个根本问题：第一，企业如何建立能够支撑AI理解和运行的知识基础；第二，当工作可以由人和AI动态完成时，为什么还要继续以岗位、部门和职级作为组织的基本单元？
这两个问题，决定了我们究竟是在传统企业里增加AI能力，还是在重新设计一种适应AI时代的组织。
1.
SAP做对了什么：企业AI不能只有模型，还必须有业务世界
先看SAP架构的底层。
SAP将企业业务应用、SAP Knowledge Graph、SAP Business Data Cloud，以及构建、推理和治理AI智能体的平台能力连接起来。这套架构有一个重要判断：通用大模型的能力再强，也不能自动理解一家企业的真实业务。
AI必须知道企业有哪些业务对象、它们之间有什么关系、流程如何运转、规则是什么，以及不同业务活动会产生什么影响。
这也是为什么企业的信息化、数字化建设，在AI时代不仅没有过时，反而变得更加重要。
过去，企业建设信息系统，主要是为了记录业务、规范流程、提高运营效率；进入AI时代，这些系统还有了一个新的使命：为AI提供可靠的业务事实、运行状态、历史经验与决策依据。
企业的业务数据、流程记录、制度规则、专业知识和组织经验，需要从分散、孤立的状态，逐步转变为AI能够理解、调用和推理的知识体系。
进一步说，我认为企业需要建设的不只是数据库，也不只是传统意义上的知识库，而是能够持续反映企业业务对象、业务关系、运行规则、约束条件与环境变化的企业世界模型。
所谓企业世界模型，就是AI对企业如何运行、业务之间如何关联、什么条件下应该采取什么行动，形成的一套可持续更新的结构化理解。它不是某一个知识库产品，也不是把所有文件塞进向量数据库就能得到的东西，而是建立在高质量业务数据、明确的业务语义、流程规则和持续反馈机制之上的企业认知基础。
如果说大模型提供了通用的认知与推理能力，那么企业世界模型提供的，就是这家企业独有的业务现实。
这也是我对SAP架构最认可的部分：它意识到，企业AI的关键不只是模型，而是模型能否真正理解企业。
但这里还有一步需要继续往前走。
企业世界模型不仅要让AI理解过去的业务，还应该帮助AI理解当前的业务状态、可调用的能力、行动的边界，以及不同选择可能产生的后果。
只有这样，AI才有可能从信息检索和辅助分析，走向真正的业务判断与自主执行。
2.
SAP架构的局限：业务应用依然沿着传统职能展开
再看SAP架构的上层。
财务、采购与支出、供应链、人力资源、客户体验，这些模块构成了企业核心业务的主要领域。SAP通过AI智能体把它们连接起来，希望打通跨系统、跨流程的业务协同。
这当然是一个重要进步。
但我想追问的是：为什么AI时代的企业，依然要从财务、采购、人力资源这些传统职能出发，来组织业务能力？
这些领域是企业长期发展形成的专业分工，也对应着成熟的业务知识、管理规则和软件系统。它们不会因为AI出现就立即消失。但我们必须区分两件事：业务专业能力需要保留，不代表传统的组织边界必须原样保留。
过去，企业之所以形成岗位、部门和职级体系，有其现实基础。工作需要被拆分，专业能力需要长期积累，信息传递和管理协调存在成本，组织必须通过固定的职责、层级和汇报关系来维持运转。
在这样的条件下，一个人对应一个岗位，一个岗位归属于一个部门，一个部门通过层级管理连接到组织整体，是一种相对有效的安排。
但是，AI正在改变这些安排赖以成立的条件。
当AI能够即时获取信息、调用工具、连接不同系统、完成标准化任务，并与其他智能体协作时，很多原本必须依靠固定岗位和部门才能完成的工作，就有可能被重新组合。
一个业务目标，不一定需要某个部门独立完成；一项任务，也不一定需要按照既定岗位说明书分配给某个员工。工作可以根据目标被拆解，再由不同的人、AI智能体和专业能力动态组合完成。
这意味着，传统组织中的岗位和部门，开始从工作组织的必要前提，转变为需要重新评估的管理安排。
我并不是认为部门、岗位和职级会在一夜之间消失。专业分工、法律责任、管理权限和组织问责仍然存在，企业也需要明确的责任主体。
但我们必须承认：当AI能够动态组合能力时，继续把岗位、部门和职级作为组织设计的第一原则，就可能成为AI释放生产力的障碍。
SAP的架构解决了智能体如何进入既有业务体系的问题，但从更深层的组织设计来看，我们还需要进一步追问：业务为什么必须按照既有的职能边界来组织？
3.
AI时代，组织的基本单元应该从岗位转向任务
我的判断是：AI时代，组织设计应该从岗位驱动转向任务驱动，从固定编制转向能力组合，从层级协调转向基于目标与规则的动态协同。
这不是简单地把岗位名称改成任务名称，而是要改变组织安排工作的基本逻辑。
在传统组织里，我们先设计部门，再设置岗位，明确岗位职责，最后把工作分配给岗位上的人。工作是围绕组织结构来安排的，员工的能力和时间也主要被绑定在相对固定的岗位上。
在任务驱动的组织里，逻辑需要反过来。
首先识别需要创造什么业务价值，再将目标拆解为具体任务，判断每项任务需要什么能力、权限、信息和资源，最后由人、AI智能体或人机组合来承担。
在这里，任务是工作的基本单元，能力是完成任务的资源，角色是能力与责任的组织化表达。
一个角色不一定等于一个人，也不一定对应一个固定岗位。它可以由一个人承担，可以由多个专业人员共同承担，也可以由AI智能体承担其中一部分工作。
例如，一家企业需要完成一个新产品上市项目。
传统组织会按照市场部、研发部、供应链部、销售部等部门进行分工，每个部门按照既定职责完成工作，再通过项目经理和管理层协调进度。
任务驱动的组织则可以从上市目标出发，动态拆解市场洞察、产品设计、成本测算、供应链准备、渠道部署等任务，并根据任务需要调用不同的专业能力与AI智能体。相关人员和智能体围绕共同目标协作，任务完成后，部分能力可以转向其他优先级更高的业务。
专业部门依然可以存在，人员依然需要归属，关键权限和责任也依然需要明确，但这些安排不再必然决定每一项业务任务如何完成。
组织的重点从维护固定的职责边界，转向确保任务能够以更低的协调成本、更快的速度和更好的结果完成。
当然，任务驱动不意味着所有工作都应该临时组队。稳定运营、专业积累、合规责任和长期能力建设仍然需要相应的组织安排。真正需要改变的，是不再默认每项工作都必须先找到对应岗位、经过对应部门，才能向前推进。
岗位应该服务于任务，而不应该让任务被岗位定义；部门应该沉淀专业能力，而不应该成为能力流动的边界。
4.
角色、能力与AI智能体：组织需要重新定义分工
从任务驱动进一步往下走，企业还需要重新理解角色。
在传统组织中，角色往往与岗位绑定。岗位说明书规定职责，职级体现组织中的相对位置，部门决定汇报关系和资源归属。
但在AI时代，角色可以被理解为一组面向特定任务的能力、权限、责任和结果要求。
人可以承担角色，AI智能体也可以承担角色的一部分。不同的角色可以根据任务需要进行组合，而不是必须按照既定的岗位编制来配置。
例如，在客户服务场景中，一个完整的服务任务可能涉及需求识别、产品知识查询、客户情绪判断、方案制定、权限审核和结果反馈。这些能力不必全部集中在一个岗位上，也不必全部交由一个AI智能体完成。
企业可以根据任务特征，将信息检索、标准化处理和流程执行交给AI，将复杂判断、关系协调和例外处理交给人，并通过明确的权限、责任与升级规则连接起来。
这样的组织不再简单地讨论“这个岗位是否应该被AI替代”，而是进一步追问：
这项工作由哪些任务构成？每项任务需要什么能力？哪些能力可以由AI承担？哪些必须由人承担？人和AI之间如何配置权限与责任？不同任务之间如何协同？
问题一旦这样定义，企业就有机会从岗位替代的思维，转向工作系统的重新设计。
这也是为什么我认为，AI时代最重要的组织变革之一，是从“岗位+部门+职级”的固定结构，转向“任务+能力+角色”的动态组织。
这里需要特别强调：职级并不会因为任务驱动而自动消失，管理责任也不会因为智能体参与工作而失去意义。企业仍然需要明确谁对结果负责、谁拥有最终决策权、谁承担风险。
但这些责任关系，不应该继续被简单地等同于一条固定的层级链条。
未来的组织完全可能同时保留必要的治理层级，却让大量业务任务在跨部门、跨专业、跨人机边界的网络中动态流动。
组织结构依然存在，但它不再是所有工作的唯一组织方式。
5.
真正的自主企业，需要两次重构
回到SAP提出的自主企业。
我认为，企业要真正实现自主运行，至少需要完成两次重构。
第一次是知识基础的重构。
企业需要从分散的信息系统、业务数据和经验知识出发，建立AI能够理解的企业世界模型，让AI知道企业发生了什么、业务如何关联、规则是什么、有哪些能力可以调用，以及行动会产生什么后果。
这决定了AI能否理解企业。
第二次是组织运行方式的重构。
企业需要从岗位、部门和职级主导的固定分工，逐步转向以任务为牵引、以能力为资源、以角色为责任单元的动态协同，让人和AI能够根据业务目标灵活组合。
这决定了AI能否真正改变企业的生产方式。
两次重构缺一不可。
如果只有企业世界模型，没有组织运行方式的改变，AI即使能够理解业务，也可能只能在传统岗位和部门划定的边界内工作，难以发挥跨职能协同的潜力。
如果只有任务驱动的组织设计，却没有高质量的数据、知识和业务上下文，任务的动态组合就缺乏可靠的信息基础，AI也难以承担稳定的执行责任。
世界模型让AI理解企业，任务与能力的动态组合让企业重新组织生产。
前者解决认知问题，后者解决组织问题。两者结合，才构成AI原生组织的重要基础。
6.
从自主企业走向AI原生组织
SAP提出自主企业，说明企业软件正在从记录业务、处理事务的系统，走向能够理解业务、协调智能体并参与执行的系统。
这是一个重要的技术进步，也为组织进化创造了新的可能性。
但我不认为，部署了自主业务系统的企业，就自然成为AI原生组织。
技术自主化解决的是业务如何被执行，组织自主化还涉及目标如何形成、权力如何配置、能力如何组合、责任如何承担，以及组织如何根据反馈持续调整自身。
这些问题，无法单靠软件架构解决。
对于企业管理者来说，真正值得思考的，不只是如何把AI嵌入现有流程，而是哪些流程值得重新设计，哪些岗位边界已经不再必要，哪些决策可以下放，哪些能力应该沉淀为组织的公共资源，以及企业如何在保持必要治理的同时，让业务协同更加灵活。
这也是ANO Lab研究AI组织进化的出发点。
我们需要的不只是一个能够自主执行任务的企业系统，更是一个能够理解业务、动态组合能力、持续调整运行方式的组织。
AI时代，企业的核心竞争力，将越来越取决于两种能力：一是把企业知识转化为AI可以理解和调用的世界模型，二是把人的能力与AI的能力围绕任务重新组织起来。
前者让AI真正理解企业，后者让企业真正释放AI的价值。
如果说传统数字化的核心，是让业务进入系统；那么AI原生组织的核心，就是让系统具备业务智能，同时让组织能够围绕新的生产力重新设计自己。
SAP展示了自主企业的技术方向。但在我看来，下一步更值得探索的，是从传统的岗位组织走向任务与能力驱动的组织。
AI不会自动创造组织竞争力。企业真正需要重构的，不只是技术系统，更是组织本身。
这才是AI时代组织进化的真正命题。
