4 月的时候，组织找我聊了一次，大意是希望我从产品转到业务，去探索 AI 时代新的职能和组织形态。这句话听起来很大，也很轻。大到像一件必须认真对待的事，轻到落到我身上时，又没有一个特别清楚的岗位说明。
没人告诉我它到底是什么。它可能叫品类专家，专注在 AI 时代一个具体品类的解决方案；也可能叫 AI builder，帮业务把想法更快做成东西；还可能叫 AI transformation，去推动一套旧组织里的 AI 改造。每个名字都对一点，也都差一点。我当时最真实的感受不是兴奋，而是不确定。不是那种“我要不要接受挑战”的不确定，而是更具体的一种：我好像被推到了一个大家都觉得重要、但还没人来得及命名清楚的位置上。
后来我开始看很多关于 AI Native 组织的讨论。硅谷创业公司怎么组队，Block 那类组织形态为什么被反复提起，关于超级个体、人机协作、组织扁平化和职能边界重组的判断，也开始被放到一起讨论。这些讨论给了我很多启发，但落回自己的业务现场，我还是经常接不上。
我认同它会变，但不认同它会变简单
AI 确实让构建产物的门槛变低了。以前一个想法要变成东西，中间要经过产品、设计、研发、测试、排期、上线；现在一个懂业务的人，借助 AI，可以更快写方案、做 demo、跑数据、搭流程。验证速度变快，认知边界也变大，这件事我有很强体感。
但我不太能接受一种过于顺滑的叙事：好像只要把一群判断力很强的人，配上足够好的 AI，组织问题就会自然消失。
AI 会让产物生成变快，但它不会自动简化企业运营。
企业不是只有“把东西做出来”。企业还要判断做什么、不做什么，资源给谁，风险谁兜，标准怎么定，钱怎么算，出了问题谁负责。客户不满意的时候，不会因为这是 AI 生成的就少投诉一点；业务结果不达标的时候，也不会因为团队很 AI Native 就自动说得过去。
转业务一个多月后，公司的 OD 找我们做过一次 1v1，聊组织探索的进展，也同步了一些其他试点小组的情况。中间有一部分，专门讨论 AI Native 组织里的人才画像：什么样的人适合，什么样的人不适合，怎么用一些相对定量的标准判断他能不能胜任。
我看完之后有点愣住。那些标准单独看都很有道理：懂业务，有判断力，能快速学习，能自己动手，能跨职能沟通，能把模糊问题拆清楚，还要能对结果负责。可它们放在一起，已经不像在定义一个新岗位，更像在定义一个小 CEO。
这件事提醒我，讨论 AI Native 组织时，我们很容易把“组织该补的能力”直接压到“某一种人”身上。可人不是能力面板，每个人都被自己的教育、家庭、职业路径和组织经历塑造过。有人擅长判断，有人擅长推进，有人擅长建立信任，有人擅长把混乱的事情拆清楚，也有人特别能在压力下守住边界。组织设计如果默认存在大量六边形超级个体，可能会离真实协作越来越远。
一个好的团队，很多时候不是因为每个人都全能，而是因为大家承认人有边界，然后通过分工、协作、约束和互补，把复杂的事做成。
业务 AI 化，还不是 AI Native
在我从产品转到业务之前，业务并不是完全没有用 AI。大家已经在用 AI 做数据报表，做一些运营工作 AI 化，也会用 AI 提效日常分析和内容处理。
所以我去了业务之后，真的发生了什么？很诚实地说，可能只是业务多了一个人。这个人懂一点产品，愿意折腾 AI，可以多干一些探索活，也能把一些原本要跨团队沟通的事先自己闭环掉。
这当然有价值。用 AI 加速 demo 制作，确实快了很多。以前一个业务想法要变成东西，中间要经过提需、排期、沟通、实现；到了我这组，很多事情可以自己先拆，demo 自己先跑，甚至还有专属研发支持，组织沟通的摩擦也少了一截。按理说，这已经很接近很多人想象里的 AI builder。
但过了一段时间，我的体感是：好像一切也没有发生根本变化。我们不是一个孤立的小作坊，一个 demo 再快，也要和外部系统交互，要接真实数据，要进既有流程，要考虑权限、稳定性、异常处理、体验一致性。尤其是如果想保证生产端体验，而不是做一个“看起来能跑”的演示，对工程能力和组织协同的要求反而更高。
这时候问题就变了。不是“我能不能更快做出一个东西”，而是这个东西能不能进入真实交易链条，能不能被稳定交付，能不能和已有系统、已有责任、已有价值尺度接起来。
局部闭环不等于链条闭环，demo 变快也不等于组织真的变快。
所以我现在会把几件事分开看：业务用 AI 做报表、写材料、整理数据，是工具层 AI 化；业务里多了一个 AI builder，能更快试错、更快做 demo，是角色层变化。但这两件事，都不必然等于 AI Native 组织。
如果只是旧工作变快了一点，旧流程少沟通了一点，旧链条多了一个高机动的人，那它可能只是旧组织里多了一些 AI 工具。我真正想追问的是：到底是哪一段没有起作用？是需求表达没有变，还是交易客体没有变？是生产方式变了，但交付方式没变？还是反馈和责任分配仍然停在旧系统里？
先看交易单位有没有变
大厂人现在很容易焦虑。产品经理会不会消失？运营会不会被 Agent 替代？管理层是不是只剩审批？业务专家是不是会直接绕过所有中间角色，用 AI 把事情干完？这些问题都很真实，我自己也会被它们影响。
但如果一直盯着岗位名看，可能会越看越慌。因为岗位名本来就是结果，不是原因。互联网时代的产品、研发、运营、销售、商业分析，也不是天然存在的，它们之所以存在，是因为一套商业模式需要有人让它转起来。
我最近重新想起俞军老师讲过的交易模型。用户和企业之间不是简单“买东西”，而是在发生一场价值交换，里面有交易本体、交易客体、价值尺度，也有价值创造和价值分配。把这套说法放到组织里看，很多岗位其实都是围绕交易链条做工：有人定义交易怎么发生，有人把交易系统和交付能力做出来，有人提高交易密度和供需匹配，有人把交易机会和信任带进来，有人看价值尺度有没有失真，有人分资源、处理冲突、承担结果责任。
如果把这个过程画出来，旧组织大概不是一张岗位表，而是一套围绕交易模型持续运转的责任网络。
这也是为什么我后来越来越不愿意直接问“产品经理会不会消失”“运营会不会被 AI 替代”。这些岗位本来就不是先验存在的，它们是为了让交易成立、交付稳定、价值可衡量而长出来的。真正该问的是：AI 到底有没有改变交易模型本身。
所以判断一个组织是不是 AI Native，不能只看它用了多少 AI，也不能只看它有没有 AI builder。更重要的是看：AI 有没有改变这条链条里真正可交易的那个单位。
这里我想用一个不那么标准、但更贴近业务体感的词：交易个体，或者说交易单位。过去平台能承接的交易个体，可能是一个商品、一个 SKU、一个团单、一个标准服务、一个订单。用户必须把自己的需求压进这些结构里，商家也必须把自己的供给压进这些结构里。
如果 AI 只是让旧商品更快上架、旧报表更快生成、旧流程更快流转，它主要创造的是效率收益。效率很重要，但它不一定创造增量。真正可能出现新空间的地方，是交易个体变了：平台开始承接过去无法承接的用户需求，或者帮助过去无法表达清楚的供给更好地表达出来。供需两端的承台变了，交易空间才可能变大。
新的组织空间，不是从岗位表里长出来的，是从新的交易空间里长出来的。
商品和订单，不一定是用户真正想买的东西
我最近想这个问题时，经常会想到本地生活和电商。过去平台里有商品、有团单、有订单，我们太习惯这些东西了，以至于很容易把它们当成交易本身。但商品和订单更像一种信息组织形式：平台要把复杂的供给放到线上，就必须把它压成可展示、可比较、可下单、可计价、可履约、可追责的结构。没有这些结构，平台不可能规模化；但它们也会把用户的真实需求切碎。
比如我想给我家三只猫洗澡。我真正想要的不是“买一个猫咪洗护团购券”，而是周六下午上门，一次性把三只猫洗完、烘干、剪指甲，总共多少钱，谁来服务，能不能按时完成，如果猫应激了怎么办。
可当前线上的供给组织形式，往往不是按这个需求来的。它会拆成长毛猫、短毛猫，一只多少钱，一个套餐多少钱，一张团购券怎么用。很多限制条件藏在图文详情里，或者藏在结构化商品属性里。大多数还只能去店里，有的可以上门接送，有的不能。用户的任务是一个完整场景，平台给他的却是一堆被商品化后的供给切片。
商品和订单不是交易本体，它们是旧平台为了组织供给而发明出来的中间结构。
AI 可能真正改变的地方，就在这里。如果用户可以直接表达任务：三只猫，周六下午，上门，洗澡、烘干、剪指甲，最好一次完成，希望知道总价；系统能不能把它拆成数量、时间、地址、服务项、商家能力、人员排班、价格规则、履约风险？商家能不能被组织成一种“服务能力”，而不是一个个静态商品？平台能不能生成一个可确认、可计价、可履约、可追责的服务方案？
如果这些真的发生了，交易客体就变了。它不再只是一个团单，也不只是一个订单，而更像一份动态生成的任务方案。关键不是“AI 帮用户少点了几次按钮”，而是供需两端的承台都变了：需求侧从“在商品里搜索”变成“表达任务和约束”，供给侧从“上架固定商品”变成“表达能力、边界和履约条件”。平台承接的不再是旧商品，而是一个更接近真实意图的交易单位。
新交易空间里，先长出来的不是岗位
如果交易单位真的变了，组织变化就不是“产品经理要不要消失”那么简单。用户表达、交易客体、供给组织、价值尺度都会一起动：过去用户在商品结构里搜索、筛选、妥协，以后可能直接表达任务、约束和偏好；过去平台交付标准商品、服务套餐、订单，以后可能交付一份动态生成的方案；过去看价格、销量、转化、评价、核销，以后还要看任务完成率、方案准确率、报价可信度、商家接单率、履约异常率。
但这里有一个很容易犯的错误：一说组织变化，就立刻把旧岗位拿回来重新安排一遍。产品去做任务表达，运营去做供给能力，研发去做动态报价，商分去做新指标。这样写很顺，但它其实还是在新的交易链条里给旧秩序找位置。
如果交易个体真的变了，第一时间出现的可能不是岗位，而是一组新的责任缺口。因为平台承接的不再是一个固定商品，而是一个动态生成的任务方案，链条里会多出很多过去可以被商品结构遮住、现在必须正面回答的问题：用户模糊、自然、带约束的表达，怎么变成平台可以理解、可以确认、可以进入交易的任务？商家的真实服务能力、边界条件、时间约束、风险处理方式，怎么变成机器可以组合、系统可以校验、用户可以相信的能力单元？AI 生成的方案，怎么证明它能报价、能确认、能履约、能追责？一次交易失败后，又怎么判断问题来自模型、供给、规则还是履约，应该由谁承担？
这些问题一开始可能只是项目里的临时补位，但如果新的交易单位持续存在，它们就会反复出现，并且逐渐沉淀成稳定的责任位置。责任位置稳定以后，才会慢慢长出新的岗位、新的团队形态，甚至新的组织边界。它们可能被旧岗位承接，也可能被拆开、合并、外包给系统，或者变成一组人和 AI 共同维护的能力。
AI Native 组织不是先安排新岗位，而是新的交易责任被反复验证后，开始稳定存在。
也正因为这样，如果业务只是用 AI 做报表、提效运营、加速 demo，那还停在工具层。只有当 AI 真的让用户用自己的话表达复杂任务，并让平台重新组织供给、生成交易方案、确认履约责任，交易模型才开始松动，组织也才有被重新设计的理由。
看见交易模型会变，不等于组织已经有能力承接这种变化。
拿三只猫洗澡这个例子来说，想法讲起来很顺，但真要做，供给能力要重新建模，用户任务要被结构化，AI 生成的方案要能被商家履约、被用户确认、被平台计价和追责，履约异常后的责任也要重新设计。这些问题不是一个产品经理加一个 AI builder 就能做完的，它牵扯的是整条交易链条。
我现在还没有答案
所以我现在还说不清 AI Native 组织最后会长成什么样。团队可能会更小，层级可能会更薄，很多岗位边界可能会被打散，业务专家也可能变得更强。但我不想太快把它理解成“几个超级个体带着一群 Agent，就能替代复杂组织”。
组织之所以存在，不只是因为过去工具不够强，也是因为商业交易本身很复杂。有人要理解用户，有人要定义价值，有人要构建系统，有人要交付结果，有人要建立信任，有人要分配资源，有人要承担责任。AI 会重写这些事的做法，但未必会让这些事消失。
所以，比起问 AI Native 组织到底长什么样，我现在更愿意先问：这条交易链条变了吗？变的是哪一段？交易个体是不是还是旧的信息组织形式？供需两端的承台有没有变？用户表达、供给组织、方案生成、履约反馈，有没有真的被改写？如果改写了，谁来定义标准，谁组织交付，谁衡量价值，谁承担风险，谁分配收益？
这些问题问清楚以后，岗位的变化才有地方落。这也是我想给自己留的一点判断：先别急着被“超级个体”吓住，也别急着用“岗位不会消失”安慰自己。真正要看的，是自己有没有站到一段仍然创造价值、判断价值、分配价值、承担责任的链条上。