组织进化的突破性节点：为 AI 注入 Role 的初始力量

在 Tanka 的视野里，我们正处于一个物种级的文明更迭期：从“人类驱动机械”转向“人类定义意图，AI 执行万物”。我们可以把长篇累牍的执行交给 AI，只保留极少数高密度的人类意向和责任担当。几乎所有「怎么做」都可以被模型计算、被智能体执行，AI 成为企业内主要的劳动力构成。这是我们对于 AI-Native 组织终极形态的想象。

Tanka 在管理学上的终极愿景：通过一个 Manageless 的引擎，让极少数的“碳基人类”与无数可动态扩展的“硅基智能体”达成深度共生。当人类生产力可以被无上限地复制，“少数人的公司”将具备普适复制性。

一、杠杆力：未来组织的第一性原理

如何用更少的人，撬动无数智能体？为了完成这一跨越，我们可以怎么做？

• 一条常规路径是把”少数人”的筛选和发展做到极致：也就是遵循现代管理学的脉络，筛选出能够驾驭 AI 时代的超级个体，从对“碳基人”本身的理解出发建构管理机制。我们可以试图让 AI 辅助人才的筛选、考察与激励，把合适的人放在合适的位置上，促进业务飞轮的实现。

• 另一条路径则是主动出击“建构智能体”：这里的建构是为每一位“碳基人”建立一个复制了自身能力与意图的数字分身，通过数字分身去指派任务、去追踪进度、去直接完成工作。当我们说「人类生产力可以被百倍、千倍复制」时，真正被复制的不是时间，而是一种理解我们真实的意图且具备稳定可迁移的能力结构。

作为 Tanka 的 HRBP，无疑我更熟悉第一种路线，但这也成了我的局限。当陈总不断逼近我们思考：

“到底什么是未来组织的第一性原理？”

当时的我还在试图区分“管理者”与“员工”两类人群在第一性视角下的必要要素。现在回想，这真是可笑。

“少数人的组织，还会存在管理者吗？”

即使还存在少量的管理者，他们掌握的管理权威，不再来自于个人履历经验、管理幅宽或信息差，因为这些都已通过 AI 民主化，管理者的终极势能差或许只在于如何进行资源的调配权。

在这一层意义上，用 AI 赋能传统管理学这一服务于管理者的方法，只是传统组织向智能组织转型过程中的折中路线，不是彻底的组织进化突破。

那么，当我们把视角从“增强管理工具”转向“重构组织形态”，会看到第二条路径更快、更有想象力、也更让人振奋。未来的“少数人”和“多数智能体”，不是一个绝对数字，而是一种相对关系。只要一家企业员工的“杠杆力”足够高，并且能够在非线性维度上持续提升：一个人的生产力可就有可能以被复制百倍、千倍、万倍，甚至达到我们当前难以想象的高度。在这个意义上，它已经是一家可以被称作 AI 原生企业。

AI 杠杆力，才是未来组织的第一性原理。 

Make AI Work As You，这才是真的组织进化。

二、注入初始动能：Role 作为“意图理解”的首个触点

要让 AI 真正“Work as you”，它不能只学会用户零散的行为轨迹，而必须理解行为背后的价值函数。

我们曾经在内部一次周会上设想过一个场景：

“我们是否可以读取互联网上所有关于乔布斯的信息，捏出一个能为员工「打工」的乔布斯数字人？”

我们很快发现，真正难的并不是还原出一个「乔布斯画像」，而是如何建构一个「能打工」的乔布斯数字人。

两者的关键差别在于：这个智能体在工作场景中，是否具备清晰而稳定的意志与意图。因此，第一步也是最关键的一步便是理解使用者的意图。

我们试想，在传统组织里我们通常依靠什么来区分一个人的意图？大多数时候是“岗位说明书”为代表的职责。岗位说明书是工业时代的产物，静态的、有固化边界的岗位说明书将被淘汰。但只要在企业的经营语境里，为了给 AI 提供企业语境下「理解人类意图」的第一性坐标，这依然是建构人类智慧在 AI 系统中投影的最佳触点，只是这不再静态，将被一个流动的 Role 所取代。

在 Tanka 中，我们从 Role 出发，完成记忆的初始化与工作起步：

• Role 不是「职位名称」，

• 而是可以迁移和流动的能力与角色定位，

• 是数字分身可以被复制、被调度的基本单元。

三、场景实验：Role 推动转化为前台生产力

在这一底层技术逻辑被明确后，Role 不是一个抽象概念，它直接决定了 Tanka 在关键场景下能不能真的「接得住」：

场景一：离职员工的数字分身——人走了，像没走一样

当一个关键成员离开组织，企业管理者真正担心的往往不是带走了哪些文件（这可以通过合规审查、IT 审计等手段解决），而是那部分看不见、摸不着的隐形知识资产：

• ta 所具备的知识经验

• ta 如何在复杂情境中如何权衡利弊的那套决策和思考逻辑

• ta 在团队里扮演的隐性角色（主导者/协调者 / 冲突缓冲 / 质量守门人 …）

在 Tanka 中，如果一个人在任职期间已经形成了相对清晰的 Role 和知识记忆轨迹，我们就可以：

• 离职交接时： 一键生成 ta 需要交接的工作清单，由 AI 自动复现所有关键信息，让交接不再停留在形式；

• 离职完成时： 基于 ta 的完整工作记忆立刻形成数字分身，企业内部具备权限的人员可以继续向数字分身发起提问：

  • 「当时为什么这么设计？」

  • 「XXX 项目进展到什么程度了？」

  • 「你之前跟进的 XXX 事项，有没有最终的交付文档？」

• 对外招聘时： 一键基于离职员工的 Role，形成一个可用于外部招聘的画像介绍与工作职责说明

• 在更长的周期里： 所有离职员工的经验会被进一步结构化，沉淀为企业级记忆资产

在这个场景下，我们试图解决的是不再让知识和人的判断力随着一个人的离开而突然断层——让数字员工站好最后一班岗。

场景二：新员工入职后的前 2 小时，完成企业上下文的记忆同步

在 AI Native 公司里，新人入职后的第一个问题不再是：

• 「我该向谁要资料？」

而会变成：

• 「我的 AI 助理，能不能在两小时内，帮助我可以理解这家公司过去 2 年相关的上下文？」

在 Tanka 的设计中，这两小时内会发生的是：

1. 系统基于入职信息和预设期望，理解新人的初始 Role；

2. 根据这个 Role，Tanka 为 ta 的 AI 助理自动链接：

   • 与该 Role 高度相关的历史项目与决策记录

   • 关键协作对象、典型冲突与解决路径

   • 当前组织对这个 Role 的隐性期待与隐形规则

3. 新人不需要从 0 开始积累在这家企业的认知，而是通过 Role 视角，其个人助理在短时间内获取过去多年上下文的压缩版理解

   • 小助理在 Day 1 会推送相关的关键资料、入职礼包和学习地图，并帮助推进个人学习的督促

   • 新人随时向小助理发问，询问获得相关项目的历史上下文

   • 后续接手同一模块的新人，在面对类似场景时，可以参考前人的判断路径，而不只是看一堆历史文档中盲目翻找

本质上，我们不是在做一个新的企业知识库，而是在做「以 Role 为视角的记忆同步系统」，让沉寂的记忆以场景化的方式被直接消费。

四、Role 的初始化配置

面向未来，Tanka 要处理的是一种「全新的 Role」 ——它是不断流动的、复合的、边界模糊的。这也让 Role 的定义带来了难度。我们做了如下尝试：

1、从全量行为中提取 Role 

我们做了一件看似简单、实际上非常底层的事情：用 AI，反过来去「读懂」每一个碳基人的 Role 与 Purpose。

• 不再依赖 HR 写的职位说明书，而是从真实的沟通记录、项目历史、产出物中，用 AI 提炼出这个人实际承担过的职责、经常被依赖的能力、典型决策场景。

• 这个提炼过程是持续进行的，而不是入职时的一次性填写，也是持续流动的。

2、为每个人补上一句清晰的 Purpose

• Purpose 不是「我所在的部门使命」，而是「我这段时间在组织中的价值主张」：我想做什么事？我想为这个系统创造怎样的结果？

• Tanka 帮助每个人不断重申和澄清自己的 Purpose，让 Purpose 变成可见、可对话的对象。

3、从 onboarding 开始的「滚动记忆」

• 对一个新加入组织的人，Tanka 不再只是接入他的账号和权限，而是从第一天起，围绕他的 Role 逐步补齐记忆：协作对象、常用工具、负责模块、决策偏好……

• Role 是这条记忆管道的锚点——记忆不是「堆在仓库里」，而是绑定在「这个人正在成为谁」上。

这就是我们所谓为 AI 注入 Role 的「初始动量」：不是让人去配合一个现成的系统填表，而是让系统主动去理解每一个碳基人的真实角色。

总结：从后台到前台，Role 作为 AI Native 组织的「神经骨架」

以 Role 为切入的初始化，开启了 AI-Native 组织的第一次心跳，它构成了我们把后台记忆推向前台生产力的基础。

过去，组织记忆是死在硬盘里的“后台数据”；现在，通过 Role 的初始化，记忆变成了随时待命的“前台生产力”。

我们从员工角色和能力出发进行记忆初始化，让 AI 真正成为人的高效扩展，而非仅仅是一个搜索框。在一个 AI 可以承担绝大多数执行的时代，我们需要的是一套系统：为每一个碳基人建立数字分身的骨架，让正确的主体在正确的时刻，翻开正确的一页记忆。

这就是我们为何设计、以及如何设计 Tanka Role 的思考。当然，我们的探索仍在路上。