如果 Agent 也来上班，公司的组织架构图该怎么画？

话说 1855 年，纽约与伊利铁路公司画出了一棵树。树枝上标注着部门、职责和人员。这张组织图把一家庞大公司的分工放在了一张纸面上，铁路向远方伸展，员工遍布各地，这张图标注的是，谁在哪里，负责什么事，有了问题，该找谁解决。

一棵树，让复杂的协作有了秩序。

后来的很多公司组织架构图，都沿用了层层分叉的样子。专业分工支撑了规模，但层级增多也带来了沟通成本的问题。一次需求和指令，要跨越多少部门、等多少次确认，这样的组织结构渐渐变得效率低下。

到了互联网时代，亚马逊给出了一个有趣的办法：一个团队的规模，要小到两块披萨就能喂饱。这样的团队拥有更大的自主权，从开发到运营，持续对一项产品或服务负责。快马轻裘，有想法就做，然后接受市场检验。少几层汇报，多几分当场拍板的速度，组织开始追求扁平和小团队作战。

到了 AI 时代，我们都知道，团队里又多了一种成员，叫 Agent，也就是智能体，它们开始参与写代码、分析数据、研究产品、执行任务。一个人带着几个智能体，就能干之前一个团队做的事情。公司需要重新考虑，一件事该交给谁做，人与智能体怎样协作，最后由谁判断结果。

从铁路公司的组织图，到人与智能体的混合编队

今天受邀去了百度世界 2026 的现场，以上这些信息，正是李彦宏在演讲时提出“智能组织”的背景。有现代企业以来，公司组织一直在演进，如何定义“智能组织”呢？他用了一个容易理解的比喻：AI 是新电机，智能组织是新厂房。电机换了，厂房也得跟着变。

想象一个产品团队：在 Agent 的协助下，产品经理很快写好了需求，设计师画了 UI，程序员提交了代码。但是，如果人与 Agent 各自为战，理解的需求、产品和用户场景都不一样，能做出来好产品吗，很难。最后还是反复开会、沟通、返工。

现在大家都在用 AI，自己干点啥还挺快，可一进团队协作，就出现了一个反直觉的问题：Agent 效率很高了，咋产品交付还那么慢呢？中大型公司尤其如此。

当 Agent 也开始参与执行，企业怎样把个人省下来的时间、个人积累的智能，变成整个组织可以复用、持续积累的能力？对此李厂长提出了三条原则，还挺有意思的，分别是：分工、知识和流程。

第一要打破岗位的边界，围绕任务而不是职能安排工作。有了 Agent 协助，懂业务的兄弟就可以把想法变成原型，再和同事讨论完善。岗位之间的协作方式也会随之改变，每个人需要更清楚地设定目标、验收成果，人的责任也从完成一份需求、一张 UI 设计图或一段代码，延伸到对最终交付结果负责。

第二是沉淀隐性知识，把经验通过 Agent 理解、能调用的方式留下来。老师傅看到一个信号，就知道该去哪查问题，这种判断都是多少年磨练出来的。如何把这样的判断依据和处理办法留下来，让同事与 Agent 随时都能调用，是当务之急。

第三是流程问题，强调了很多年的“闭环”再进一步，实现自我进化，让工作成果回到下一次的执行里。交付用了多久，哪里出错了，客户能不能接受，都需要记录和反馈，并让这些反馈回到下一次执行中李彦宏把这概括为“可衡量 + Looping = 持续进化”的公式。

这里面其实有很多变数，需要组织和技术、业务共同参与。谁提供业务知识，谁维护判断标准，好的结果如何进入下一次工作流等等……“厂房”要重构的，正是这些连接人的地方。

这次百度世界 2026 展示的“芯云模体”全栈 AI 进展，为“厂房”重建提供了技术底座。词元所让企业和个人更方便地购买、使用可信的模型 Token，也让模型质量和服务履约有了可衡量的标准，为企业评估 AI 投入产出提供参考。芯片与智能云承接 Agent 持续运行的计算需求，升级后的百度搭子加强专业任务执行、记忆和企业协作能力，让项目背景与决策可以被后续工作继续使用；库库 AI 企业版则把企业文件、数据与协作关系转化为 Agent 能理解的上下文。技术能承担的工作越来越多，组织怎样重新安排人、知识和流程，也就成了一个绕不开的问题。

智能组织，落到真实工作里长什么样呢？

在传统的产研流程里，一项需求通常由产品、设计、研发和测试依次接力完成。每个角色做完自己的一段，再把上下文交给下一个角色。环节多了，等待和解释需求也成了工作的一部分，这就是以前的常态，有时开会得先确认一句：上次咱们说到哪儿了？

百度数字人创新业务部干了一件事，基于自研 BiuBiuAgent，尝试让一个人借助 Agent 走完整个需求流程。其实产品、设计、研发和测试这些角色都在，它们被重新组织到同一项任务里：人负责目标、判断和最终验收，Agent 承接更多分析、生成与执行工作。

目前，团队已有 6 个以上的需求由单人完成全流程交付。一名校招新人借助 AI，用 1 天完成了原本需要 5 个角色、至少 10 天的需求。第三季度，团队还沉淀了 130 个 Skills 和 729 篇组织资产。

另一个案例也很有意思，关于老师傅的经验传承。

配电网故障研判非常依赖经验：面对故障记录、开关信号和线路拓扑，熟悉线路的人往往能更快判断先查什么。数据显示，仅广西电网 2025 年就发生永久性故障 8215 次，传统人工研判单次耗时超过 60 分钟。经验确实宝贵，但很难一直靠人手把手传授。

于是，南方总调与百度基于百度搭子，合作打造了“天璇伙伴”。它学习上万条历史故障处理数据，把专家经验整理为可复用的专业知识，再将故障记录、开关信号和线路拓扑整合成了证据链，辅助故障研判。其分析准确率达到 70% 以上；据客户反馈，故障分析效率提升 12 倍，目前这套系统已经实打实在广西 14 个地市、112 个县推广。

前一个案例改变了任务的分工方式，后一个案例改变了经验的沉淀与调用方式。前者说明工作可以围绕任务重新组织，后者说明经验是可以被人和 Agent 持续复用。

什么是智能组织，我想，大概就是这样的变化。

在会场见了不少老朋友，大家聊起百度世界，办了有二十年了吧，最近几年，我每年都来参加，这个大会像一扇窗口，让人沿着科技视角，观察技术价值在长周期里的变化，对从业者和创业者来说，都很有意义。今年更明显的感受却是，百度世界更加自信了。小舞台、年轻的产品经理、走进人群分享的李彦宏，都挺戳人；更扎实的底气，来自昆仑芯、萝卜快跑这些业务逐渐交出的成绩。

李彦宏似乎还是多年前的模样，岁月仿佛没在他身上留下太多痕迹。李彦宏不小了，但他依然在讲技术，相信技术，百度的芯云模体全栈实力，也让其始终站在产业舞台的中央，这大概就是这份“自信”的底气。

离开会场，再回想 1855 年那张铁路公司的组织图。那张图回答了谁在哪里、负责什么、出了问题找谁。今天如果重画这张图，除了部门和汇报关系，恐怕还得添三条线：任务如何跨岗位流动，经验怎样成为可复用的知识，以及人和 Agent 的自我进化。这肯定不是一蹴而就的变化，但智能组织的演化，已经开始了。