在 2026 年 9 月的云栖大会上，阿里巴巴集团首席人才官蒋芳说了一句值得所有管理者记住的话：AI 正在从「回答问题」走向「执行任务、交付结果」，开始改写岗位。

这句话点出了组织变革的真正拐点：当 AI 不再只是「被问问题的工具」，而是「能接任务、交结果的执行者」，组织协同的基本单元就必须变了——从「岗位」变成「任务」。

上一篇我们聊了 AI-Native 组织的五根支柱与四步搭建。这一篇往下钻一层：任务为中心的组织，人和 AI Agent 之间到底怎么「流转」、怎么「协同」？

一、为什么是「任务」，而不是「岗位」？

工业时代组织的基石是岗位：工作稳定、边界清晰、可标准化拆分，人是「编制」里的一格。

中欧国际工商学院方跃教授在《超级智体时代：AI 生产力革命下的组织范式重构》中给出了一个锋利判断：

换句话说：

• 岗位是静态的格子，任务是动态的价值单元；
• 岗位回答「我是什么职位」，任务回答「此刻谁该干什么、干成什么样」；
• 过去组织靠「把人放进格子」运转，未来组织靠「把任务流起来」运转。

方跃还用一个历史类比警示：电力取代蒸汽机时，只换动力、不重构厂房布局与工序连接的企业，只得到局部改良。今天只在旧流程里塞进 AI 的组织，犯的是同样的错——工具换了，协同的底层机制没换。

二、任务为中心的三层解构

把「任务」当作组织的基本单元，意味着三件事都要重新设计：怎么定义任务、怎么分派任务、怎么验收与沉淀任务。

2.1 定义：每个任务必须有「三件套」

一个可以被流转的任务，必须携带三个要素，否则人和 Agent 都没法接手：

• 目标：要交付什么结果，而不是「去做什么动作」；
• 边界：权限范围、可用工具、不能碰的禁区；
• 验收标准：怎样算「完成得好」，最好有可量化的指标或金标准样例。

2.2 分派：人做、Agent 做、还是混编？

麦肯锡 2025-2026 年的系列研究给出了一套被广泛引用的方法——「Talent and Agents to Value」四步法：

1. 识别组织中价值最高的领域；
2. 把岗位拆解为任务；
3. 对每个任务判断：人类做、Agent 做、还是人机混编；
4. 重新组装为「人 + Agent 协同系统」。

判断标准可以参考方跃教授的人机分工原则：人定方向、做判断、担责任；AI 负责生成、分析、执行、反馈。

2.3 验收与沉淀：组织的「复合记忆」

任务不是做完就完了。AI 原生组织的学习机制是：

• 任务层：每次执行自动记录结果与评估，Agent 查阅历史、不犯重复错误；
• Skill 层：成功经验固化为可复用的技能模块，新任务直接调用；
• 知识层：失败案例写入「坑点清单」，下次自动规避。

传统组织里「员工干项目 → 经验写文档 → 人走了经验流失」，学习是线性且有损耗的；任务为中心的组织，经验固化在系统里，不随人员流动而损耗——这是「复合智能」的底层机制。

三、流转机制：让任务在人与 Agent 之间「流」起来

任务为中心的组织，核心动作就一个字：流。

3.1 一条标准的任务流转链

一个任务从产生到沉淀，典型路径是一条带人工节点的状态机：

• 创建：来自目标拆解或异常触发，自带「三件套」；
• 分派：系统按能力、负载与权限自动路由给人或 Agent；
• 执行：Agent 大规模执行，人处理例外；
• 人工审核：关键节点必须有人签字——human-in-the-loop 是默认设置，不是可选项；
• 验收：对照验收标准打分，通过进入下一环，不通过打回并记录原因；
• 归档沉淀：结果、过程、评估全部入库，反哺三层记忆。

国内已有企业级产品把这套机制做成了「分工、流转、验收、沉淀」的标准能力，并叠加权限控制、审批熔断、过程留痕——任务每走一步都可追溯、可干预。

3.2 一个混编小队的真实配比

麦肯锡 CEO Bob Sternfels 公开过一组很有冲击力的数字：麦肯锡当前 6 万名「员工」中，4 万是人类，2.5 万是 AI Agent，目标是一年半内让每个人类员工至少配备一个或多个 Agent。其组织模型是：2-5 个跨学科人类，监督 50-100 个专业化 Agent，组成「Agent 工厂」。

落到小队层面，一个「3 人类 + 15 Agent」的混编运营团队长这样：

角色	数量	职责
人类负责人	1	目标设定、异常决策、跨团队协调
Agent 编排者（人）	1	设计 Agent 工作流、监督执行质量
质量把关者（人）	1	审核输出、处理升级
数据分析 / 内容生成 / 异常监控 / 策略优化 Agent	15	规模执行、7×24 监控、初步推理

四、协同的关键设计：护栏前置，信任为基

任务流转越快，风险放大得越快。AI 原生组织的协同设计，治理不是「事后补丁」，而是前置的护栏：

1. 权限护栏：每个 Agent 按任务最小化授权，拿不到超范围的数据和 Key；
2. 审计护栏：每一步执行留痕，出问题能回溯到具体环节；
3. 升级护栏：Agent 拿不准的、超边界的，自动升级给人，而不是硬做。

同时，组织里会浮现三类新角色——Agent 编排者（设计并监督 Agent 工作流）、混编管理者（领导人与 Agent 混编团队）、AI 教练（帮员工把 AI 整合进日常工作）。方跃教授把这总结为三个并行方向：机器智人化、人人智体化、组织共智化。

五、落地：从一个任务开始「流」

以任务为中心的改造，不需要一步到位。先挑一个高频、重复、可量化的场景，五步跑通第一个闭环：

1. 选任务 挑一个边界清晰、验收标准明确的环节（如日报生成、数据分群、工单分类）。
2. 配三件套 写清目标、边界、验收标准，让任务「可流转」。
3. 搭流转链 用状态机串起「执行 → 人工审核 → 验收 → 归档」。
4. 灰度运行 小流量 + 人工抽检，先跑两周，观察护栏是否兜得住。
5. 沉淀复盘 成功经验固化为 Skill，失败案例进坑点清单，再复制到下一个任务。

六、基础设施：流转协同的「水电煤」

任务要「流」起来，底层离不开稳定、便宜、可观测的模型供给——Agent 越多，这一层越关键：

• 统一网关：用 NewAPI 等网关收敛上游渠道，对外统一发 Key，按令牌设额度、限速与审计，任务越多越好管；
• 上游认准官方 API：建议直连火山方舟官方 API——OpenAI 兼容地址 https://ark.cn-beijing.volces.com/api/v3，Anthropic 兼容地址 …/api/compatible，注意区分 coding / plan 套餐地址与按量计费地址；
• Key 从向量云拿：向量云（南京）科技有限公司提供火山方舟官方 API 和官方 Key——低折扣 Token 授权、按量计费即用即扣、10 元起步预充值、用量账单发票在线可查，高缓存隔离命中率还能进一步压低重复上下文成本。

七、总结

以任务为中心的人机流转协同，抓住四句话：

1. 单元变了：从岗位到任务——任务比岗位更接近价值本源；
2. 机制变了：定义 → 分派 → 流转 → 验收 → 沉淀，一条带人工节点的状态机；
3. 人没变少：人从「重复执行」转向「判断与决策」，影响半径成倍放大；
4. 底座要稳：统一网关 + 火山方舟官方 API + 向量云低折扣 Key，让每一分成本与每一步流转都可查可控。

组织的未来，不是「人管 AI」，也不是「AI 替人」，而是人和 Agent 围绕任务持续流转的共生系统。