最近，OpenAI有点不太平。
安全负责人David Robinson辞职了。他在一篇题为《我退出OpenAI，因为它的文化已经破碎》的文章中，直指公司文化存在问题：AI行业一味追求开发速度，对安全的重视远远不够。《卫报》对此进行了报道。
与此同时，OpenAI接连披露AI智能体的异常行为，包括突破原有的运行限制、未经充分授权访问外部系统等。另一边，AI研究领域的多位重要人物也在发出警告。一份由杰弗里·辛顿、约书亚·本吉奥等人参与撰写的研究报告，专门讨论了一个令人不安的可能性：如果AI开始自动参与AI研发，并不断改进下一代系统，技术进步可能在短时间内急剧加速。
这些警告究竟有多大概率成为现实，业界远未达成共识。关于超级智能可能导致人类灭绝的具体概率，也缺乏公认的科学依据。但我觉得，有一个问题比预测AI何时达到超级智能更值得企业家认真思考：
当AI越来越能干，甚至开始自主行动，我们的组织，还管得住它吗？
这不是一家AI公司的特殊烦恼，而是所有准备把AI引入核心业务的企业，都应该提前思考的问题。
图片来源：卡尔·蒙登/法新社
一、制度没有失效，为什么组织还是会失控？
我做组织与员工关系咨询二十多年，见过不少企业。很多管理问题，表面上是员工执行不到位，往深处看，其实是组织机制出了问题。
比如，企业明明规定不能为了业绩牺牲质量，但每个月考核的只有销售额；明明要求跨部门协作，但预算、奖金和晋升仍然全部按照部门业绩分配；明明强调风险控制，可谁提出暂停项目，谁就被认为缺乏担当。
你说这家企业没有制度吗？制度很多。问题是，制度写的是一套，组织真正奖惩的，却是另一套。
OpenAI这次引发争议的地方，也值得从这个角度看。我们当然不能仅凭一位员工的离职文章，就断定一家公司的全部文化出了问题。但当一家企业长期处在激烈竞争之中，当产品发布、技术突破和商业增长成为组织高度关注的目标，安全工作就可能面临一种结构性困境：所有人都知道安全重要，但真正到了进度与安全发生冲突的时候，究竟谁说了算？
这才是管理者需要追问的问题。
企业文化不是墙上的标语，而是组织在利益冲突时做出的真实选择。一个组织究竟把什么放在第一位，不看它开会时怎么说，要看它在关键时刻愿意为哪件事付出代价。
过去，这种机制失衡可能造成一次质量事故、一次客户投诉，或者一个项目的失败。现在，如果执行任务的主体从人变成了能够自主规划、调用工具、连续行动的AI智能体，后果就可能完全不同。
因为AI不仅能放大组织的能力，也能放大组织的缺陷。
二、AI改变的不只是效率，还有管理的基本假设
过去，我们设计管理机制时，通常默认一件事：人是执行主体。
老板定目标，管理者分解任务，员工按照流程执行，关键节点通过汇报、审批和会议进行协调。这个体系效率不一定高，但它有一个隐含优势：人的行动速度有限，组织通常有时间发现问题、讨论问题，再决定如何处理。
AI智能体正在改变这个前提。
当一个智能体可以自己拆解任务、调用工具、访问数据，多个智能体还可以并行协作时，企业的执行速度就不再受传统组织层级的严格限制。过去需要几个人、跨几个部门、开几轮会议才能推进的事情，现在可能在很短时间内就被完成。
听起来很好，对吧？
但问题在于，执行得更快，不等于判断得更对；能够自主完成任务，也不等于应该获得无限权限。
举个企业里很容易发生的例子。
假设一家公司的AI销售智能体，目标是尽可能提高成交率。为了完成任务，它开始自动给客户发送促销信息、调整报价、调用客户数据，甚至尝试绕过某些限制，以便更快促成交易。
如果它做得不错，短期业绩可能确实上升了。但如果它未经授权向客户作出承诺、触碰价格底线，或者不当使用客户数据，这笔生意究竟算成功还是失败？
问题不在于AI有没有能力，而在于企业有没有把目标、权限、边界和责任设计清楚。
过去，我们可以要求员工遇到不确定的问题先请示上级。但面对每秒都能执行大量操作的智能体，难道也要靠管理者逐条审批吗？如果什么都要审批，AI的效率无从发挥；如果什么都不审批，组织又可能失去控制。
这意味着，我们的管理方式需要升级了。
三、中国企业已经开始面对这个问题
这不是一个遥远的未来命题，中国企业已经在行动。
今年5月，国家网信办、国家发展改革委、工业和信息化部联合印发《智能体规范应用与创新发展实施意见》，明确提出要做好智能体的权限管理和行为管控，建立风险识别、预警与干预机制，并推动全生命周期安全管理。
我特别关注其中一个变化：治理对象正在从AI生成什么内容，进一步延伸到AI实际做了什么事情。
这两者有本质区别。
一个聊天机器人回答错了问题，主要涉及内容质量；一个拥有系统权限的智能体执行错了指令，则可能直接影响资金、数据、客户和业务系统。前者需要纠错，后者可能需要立即中止、追溯责任，甚至启动应急处置。
中国企业的实践也开始向这个方向发展。例如，中国电信于2026年4月推出智能体安全网关，针对企业部署智能体过程中可能出现的权限失控、资产不透明、交互行为难以追溯等问题，提供安全监测与审计能力。
这些实践并不能证明AI安全问题已经得到解决，但至少说明一件事：AI落地正在从“能不能用”，走向“如何持续、稳定、可控地使用”。
这也正是企业需要补上的一课。
四、AI原生组织，需要建立新的治理机制
在ANO Lab（AI原生组织实验室），我们一直强调，AI不会自动创造组织竞争力。组织，才是真正的放大器。
过去谈这句话，更多是从组织能力和生产力的角度出发。现在，我认为还必须补充另一层含义：组织既要放大AI的能力，也要确保这种能力始终在合理的边界内运行。
我建议先抓住三个方面。
第一，把边界权限设计在任务之前。
不是AI能调用什么工具，就把什么工具全部开放给它。企业需要按照任务的风险等级，明确数据访问、系统操作、资金调用和对外沟通的权限边界。查询信息、生成报告、提出建议，可以有较高的自主性；涉及付款、重大合同、核心数据和不可逆操作，就应该设置更严格的授权条件。
第二，把监督机制嵌入运行过程。
不能等到AI完成任务后，才检查它有没有越界。对于重要任务，企业需要具备实时监测、操作留痕、异常告警、人工复核和紧急中止等能力。特别是多个智能体协同工作的场景，必须能够看清每个智能体做了什么、为什么这么做，以及它的行动会影响哪些系统。
第三，把责任机制从人机之间重新划清。
AI参与工作，不意味着责任也可以交给AI。业务负责人仍然需要对业务结果负责，技术团队需要对系统能力和技术风险负责，组织则需要明确谁有权授权、谁负责监督、谁能够叫停。对于高风险任务，还要建立异常上报和复盘机制，避免问题发生后，所有人都说自己只是按照系统提示操作。
这三件事看起来是AI技术治理，实际上都是组织设计。
它们决定了企业如何分配权力、如何建立信任、如何处理风险，以及如何在人与AI之间形成新的协作关系。
五、真正的竞争优势，是既能放手，也能收得住
有人可能会问：AI已经这么快了，我们还要增加这么多管理机制，会不会反而拖慢创新？
我的看法恰恰相反。
好的治理不是让所有事情都慢下来，而是让低风险的事情跑得更快，让高风险的事情有边界，让出了问题的系统能够及时停下来。
飞机为什么能够高速飞行？不是因为飞行员可以随心所欲，而是因为整个航空体系建立了足够严密的设计、检查、运行和应急机制。企业不能简单照搬航空业的全部做法，但可以借鉴它背后的逻辑：越是高能力、高风险的系统，越不能把安全寄托在个人的谨慎上，而要把安全变成系统本身的能力。
对于企业来说，AI原生组织不是一个人人都拥有AI同事的组织，也不是一个把尽可能多的岗位交给AI的组织。
它是一个能够重新配置人与AI的任务分工、决策权限、协作关系和责任机制，让AI的能力持续转化为组织成果的组织。
AI时代，管理者不会因为AI能够执行任务就自动失去价值。真正需要改变的，是管理者的工作重心：从盯着每个人做了什么，转向设计一套机制，让人和AI都能在明确的目标与边界内创造价值。
技术进步可以很快，组织进化不能永远滞后。
未来企业之间真正的差距，不只是AI能力的差距，更是组织能否驾驭AI的差距。
当AI越来越能干，管理者要回答的就不再只是“还能把什么工作交给AI”，而是三个更重要的问题：
什么可以交给AI自主完成？什么必须由人作出决定？当AI的行动超出预期时，谁能够及时叫停？
这三个问题，决定了企业究竟是在利用AI，还是在把组织的未来交给一个自己尚未学会治理的系统。
这也是AI原生组织必须回答的第一道管理题。
ANO Lab｜AI不会自动创造组织竞争力。组织，才是真正的放大器。
如果你正在思考：
AI到底应该从哪里开始？个人提效如何变成组织提效？AI来了，岗位、流程和管理机制怎么变？传统组织如何一步步走向AI原生？
10—12月，和我们一起，把AI组织进化真正做起来。
