基于智能技术升级驱动的企业组织架构扁平化研究*

2024-03-13高锡荣周坤露黄关键

重庆邮电大学学报（社会科学版） 2024年1期

高锡荣,周坤露,黄关键

(重庆邮电大学经济管理学院,重庆 400065)

工业社会,层级制组织使得人类社会生产力大幅提升,但信息沟通失真、组织成本高、员工创新受抑等弊端使其难以适应当前以5G、云计算、人工智能、物联网等为代表的智能网络时代,层级制组织弊病凸显。如何提高管理者的效率、促进组织架构扁平化将是组织亟需解决的问题。

组织架构扁平化可以在不改变企业性质及其任务属性的基础上,运用技术手段赋能管理者,拓宽其管理幅度,取消冗余的中间层级,使企业内部信息沟通顺畅,管理成本下降,激发员工创新活力。但组织架构扁平化过程存在诸多障碍,经典的管理幅度理论认为管理幅度受限于管理者的精力、时间及大脑能力。其主要障碍源于大脑能力,包括识记功能、沟通功能、决策功能和监控功能。技术作为拓宽管理幅度的重要因素,通过作用大脑能力实现技术赋能,因此大脑能力可以直接等同于管理者的管理能力。然而,在诸多组织架构优化的文献中,鲜有关于智能技术辅助管理者建立“外脑”以拓宽其管理幅度的研究。故本文通过提炼拓宽管理幅度的障碍因素,找出技术赋能与管理幅度拓展的结合点;从大脑能力的角度,剖析拓宽管理幅度的突破方向以促进组织架构扁平化。

权变理论认为企业需要不断适应外部环境的变化。现如今,5G、云存储、人工智能及物联网等技术已逐步开启规模化应用,技术成熟度不断提高,在不久的将来,运用智能技术赋能管理者将成为组织标配。为应对技术迭代升级带来的挑战,当前亟需深度分析组织架构扁平化的影响因素,探明组织架构扁平化的智能技术赋能路径,从而快速解决传统层级制组织的弊端。

一、相关文献回顾

(一)组织架构扁平化的研究

学者们对组织架构扁平化的研究建树颇丰。Nathan等[1]指出组织层级越多,决策权越集中在顶层,这将导致集权严重、沟通效率低下的后果,同时引发层间的不信任感。这一系列弊端使得企业实现组织架构扁平化的需求越发迫切。Kiruba等[2]认为企业普遍会通过纵向挤压的方式调整组织结构,以适应内外部环境。同时,曾垂凯[3]也认为企业为快速应对市场变化,实现组织架构扁平化是大势所趋。扁平化的组织架构意指什么呢?Rahnavard等[4]指出扁平化组织架构是在员工和高管之间只有很少或没有中层管理层级的组织架构,这种组织架构相较于传统层级制优势明显。譬如,Palepu等[5]提出扁平化组织是一个高度相互关联的系统,它能够增加组织成员间的合作,提高其灵活性和行动能力。王德东等[6]认为扁平化的组织架构能显著提高信息纵向流动效率与加大传递准确性。通过实证研究,彭正银等[7]发现扁平化的组织架构能显著提高员工间的互动频率,进而提高员工创新能力。此外,任朝旺等[8]发现扁平化的组织架构能平抑组织成本。

(二)组织架构形式取决于管理者能力的研究

刘征驰等[9]认为管理能力强的领导者能显著加强成员间的互动合作,这有利于建设扁平化组织。扁平化组织要求管理者具有更大的管理幅度。然而,林志扬等[10]认为管理者的能力、时间和精力是有限的,拓宽管理幅度必然导致企业管理效率下降。此外,姜建清[11]发现管理者的决策能力、协调能力是影响管理效率的关键因素。为追求拓宽管理幅度和提升管理效率的双赢局面,郝旭光等[12]提出以增强管理者能力的方式来加强跨部门沟通与提高人员管控等管理行为的效率。鉴于此,有必要通过一系列外部手段提升管理者能力。张树山等[13]的看法是,针对不同管理需要,使用合适的技术赋能管理者。管理是与大脑各项功能紧密联系的脑力活动。马庆国等[14]认为从神经管理学的角度研究经典管理问题时的大脑活动是颇具吸引力的。同时,他发现人的大脑结构功能与决策等行为之间联系紧密。李国山[15]认为人类的记忆能力、交际能力和判断能力等均由大脑控制。目前,科技革命衍生出的“智能技术群”有针对性地赋能大脑功能,提升管理能力将会是构建扁平化组织的有效路径。

(三)智能技术与管理相结合的研究

在信息时代的复杂环境下,Wei[16]认为企业管理在面对海量数据时效率低下,企业可运用云计算、云存储等技术优化组织结构。同样地,Nisar等[17]指出大数据技术与组织决策能力呈正相关,在管理实践中,管理者可有效使用大数据辅助决策。Kim等[18]指出企业组织架构变革往往与信息技术同步,从传统的直线职能制到矩阵制组织架构,再到事业部制,逐渐变得扁平化。信息越发达,企业扁平化趋势就愈明显。李平等[19]认为随着人工智能的应用渐成燎原之势,未来组织的架构也将出现全新的景象。随着物联网技术的进步,胡斌等[20]认为企业的组织架构将迎来颠覆性的变革。胡斌等[21]认为在物联网环境下,企业组织结构表现出可重构、可扩展的特征。王刊良等[22]认为大数据和人工智能为企业提供了新的决策依据,对企业掌握和分析数据提出了新的要求。肖峰等[23]认为人工智能可以使人从繁重的脑力活动中解放出来。

综上所述,现有研究多集中于对扁平化原理和组织架构优化过程的探索,缺少对具体技术赋能大脑能力的路径探讨。本研究基于“管理是指挥下属的脑力活动”这一论断,指出拓展管理幅度的障碍因素是管理者的大脑功能,构建了管理效率-管理幅度的函数关系,搭建了技术水平升级促进组织架构扁平化程度加深的模型,探索了智能技术赋能管理者大脑各项管理功能的路径。

二、组织架构扁平化的概念体系

(一)概念定义

管理幅度:组织中管理者能够直接管理的下属人员的数量。

管理层级:组织的最高主管到基层作业人员之间设置的管理职位层级数量。

管理效率:对管理者而言,令其直接管理的下属人员发挥作用的程度为a,管理幅度为b,且a与b反相关时,管理效率为既追求直接管理下属发挥作用最大化、又要求管理下属尽可能多时体现的管理者的管理能力发挥程度,即数值上体现为a与b之积的最大值。

组织架构扁平化:通过增加管理幅度、减少组织管理层级的一种组织架构精简过程。具体体现为当企业规模一定时,横向增加个人管理幅度,组织的垂直管理层级会随之减少,层级制的组织形式就被压缩成扁平状的组织形式,这一过程称为组织架构扁平化。

(二)组织架构扁平化的理论基础

1.最优管理幅度理论

管理者的管理幅度与管理效率呈现倒U型函数的关系。管理者能力既定,管理效率先随管理幅度的增加而上升,当超过最优管理幅度时,其下属人均分配的管理资源逐渐减少,管理效率随管理幅度的增加而降低。

技术水平既定,用x表示管理幅度,f(x)表示管理效率,最优管理幅度为x0时,管理幅度-管理效率关系函数曲线应有如下性质

(1)

2.智能技术提升管理效率理论

管理即指挥下属的脑力活动,管理者大脑能力的上限决定了直接管理下属的数量。因为管理者的大脑不具备媲美智能技术的能力,所以对管理者而言,其管理幅度拓展的途径是通过智能技术手段建立“外脑”。当被管理者所发挥的作用程度相同时,随着技术水平不断升级,管理幅度会随之拓宽,管理效率亦将由此上升。但是,技术升级不能无限制拓宽管理幅度,因此管理效率的增长速度会逐渐放缓,在之后的阶段保持较缓的增长速度。

综上所述,技术赋能管理者实现组织架构扁平化的思想逻辑为:智能技术赋能管理者,拓宽其管理幅度。在被管理者所发挥的作用程度都相同时,管理效率得以提升。在组织规模一定条件下,组织层级随之减少,最终实现组织架构扁平化。其扁平化逻辑如图1所示。

图1 技术驱动组织架构扁平化逻辑示意图

(三)组织架构扁平化的智能技术驱动框架

拓宽管理幅度需克服诸多障碍因素,这些因素源于人类大脑的生物学限制。大脑无法存储海量信息,在存储新信息的过程中必定会遗忘以往的信息;大脑的计算能力、数据处理能力等相较于计算机均十分有限;大脑在工作一段时间后需要休息,持续工作会使大脑工作效率降低,甚至产生突发性错误。以上均为基于大脑生物学限制的管理幅度拓展的障碍因素,这些因素对大脑的核心功能起作用,制约着管理幅度的拓宽。而大脑的核心功能主要包括记忆、语言、执行和注意,映射到管理场景中分别是:识记功能,即大脑间的相互认知;沟通功能,即大脑间的情感联系;决策功能,即大脑间的任务传递;监控功能,即大脑对任务执行效果的感知。

基于5G技术的人工智能、物联网等智能技术可以增强管理者大脑的核心功能,使管理幅度在技术赋能的条件下被拓宽。本文选用的智能技术为云存储、全息投影、人工智能以及物联网。以上技术都可以给大脑的核心功能赋能,促使大脑突破障碍因素的限制。智能技术赋能管理能力框架如图2所示。

图2 智能技术赋能管理能力框架示意图

三、组织架构扁平化模型

(一)扁平化演化模型刻画

第一步:求管理幅度-效率曲线f(x)极值。由于曲线是呈倒U型的连续可导曲线,所以对f(x)求导可得极大值点的横坐标x0,纵坐标f(x0)。此时,最优管理幅度-效率点(x0,f(x0))表示既定技术水平下管理者的最优管理幅度为x0,最优管理效率为f(x0)。其函数图如图3所示。

图3 管理幅度-效率曲线示意图

第二步:引入技术参数t0和t1。其中,t0表示升级前的技术水平,t1表示升级后的技术水平。t0和t1技术水平下的管理幅度-效率曲线分别用f0(x)和f1(x)表示。重复第一步,得到技术升级前后的最优管理幅度-效率点分别为(x0,f0(x0))与(x1,f1(x1))。对比两条曲线可以发现:技术升级后,最优管理幅度-效率点向右上方移动,表明越高水平的技术条件对管理者的赋能程度越深,管理能力提升越大。也就是说,在直属员工发挥作用程度相同的情况下,技术升级后管理者的最优管理幅度增大,进而使得最优管理效率也随之增大。技术升级前后曲线对比如图4所示。

图4 技术升级前后管理幅度-效率曲线对比示意图

第三步:不断增加技术t的取值并重复第一步,可得若干最优管理幅度-效率点(xi,fi(xi))。将所有点连接成线,即表示组织架构基于技术升级的扁平化过程。由于扁平化过程与管理幅度和技术升级有直接关系,所以用u=u(x;t)来表示组织架构扁平化过程,其中t为参数。技术不断升级驱动最优管理效率提升的过程如图5所示。

图5 技术升级驱动最优管理效率提升过程示意图

u=u(x;t),∀x∈(0,+∞),使得u′(x;t)>0,u″(x;t)<0。技术升级会同时增加管理者的管理幅度与提升管理者的管理效率,但技术水平达到一定程度时,组织架构难以适应技术的变化,所以扁平化组织的最大管理效率在高技术水平出现后会停滞,与边际效应递减规律类似。虽然技术不断升级,但管理效率增长逐渐放缓。

(二)模型的代数表达

为不失一般性,基于χ2分布概率密度函数对技术赋能促进组织架构扁平化的过程做进一步描述。χ2分布的概率密度函数为

(2)

式(2)中:n为自由度。以自由度作为技术水平的衡量参数时,会出现随着技术升级最优管理幅度递增但最优管理效率却递减的情形,这与管理幅度和管理效率同步增加相违。究其原因,在于概率密度函数曲线与横轴面积始终为1。基于此,本文以χ2分布概率密度函数为雏形,再结合技术升级将同步增加管理幅度和管理效率的实际情况,对χ2分布的概率密度函数进行优化,其表达式为

(3)

式(3)中:x,t>0,函数图像呈倒U型,且因变量受单一自变量x与单一参数t的影响,故式(3)可作为管理幅度-效率函数的基本形式。其一阶导函数为

(4)

另据式(3)证明技术水平t升级,使得最优管理效率提升,即证:t=2x+2时,∀t∈N+,使得u(x;t+1)>u(x;t)成立。

对连续可导函数u(x;t),证明u(x;t+1)>u(x;t),等价于证明式(5)>0。

(5)

(6)

所以u(x;2t+1)>u(x;2t),即u(x;t+1)>u(x;t),所以技术升级可以提高最优管理效率。

(三)模型的仿真

为将技术升级使得管理效率提升的程度描述得更加清晰,通过Python进行数值仿真实验。式(3)中t为参数,故对其赋值,令t=6,对应的函数图像如图6所示。

图6 管理幅度-效率曲线仿真示意图(t=6)

图6表明,技术水平t=6时,管理者的最优管理幅度为2人,对应的管理效率为143%,此时,减少下属数量将导致管理资源浪费,增加下属数量将导致管理资源分配不足,这两种情况都会使得管理效率下降。改变技术水平t的取值,分别取t=13和t=30,在不同技术水平下,管理幅度-效率曲线形态发生变化,变化后函数图像如图7所示。

图7 不同技术水平管理幅度-效率曲线对比示意图

图7表明,随着技术水平不断提升,管理者的最优管理幅度递增,且管理效率也呈递增态势,只是增速逐渐放缓。当技术水平达到30时,管理者的最优管理幅度为14人,管理效率最大值达到161%。此时,较低的技术水平难以支撑管理者有效管理14名下属,而较高的技术水平下,直接管理14人显然是对管理能力的浪费,管理效率无法有效增加。因此,技术水平只有在适宜的管理幅度下,才能对管理者的管理能力完全赋能。

将离散的技术参数t连续化,可以得到一簇管理幅度-效率曲线,其极大值点的连线可表示组织架构扁平化的过程(见图8)。

图8 组织架构扁平化过程仿真示意图

图8表明,随技术t的升级,每一条管理幅度-效率曲线上都存在极值点(xi,fi(xi)),所有极值点连接而成的曲线即为组织架构扁平化曲线。这意味着,智能技术可以有效增强管理者的管理效率,将管理者从低效的管理中解放出来,并将个人才能运用到战略决策等方面。当技术不断渗透到组织管理中,许多中间管理层将被取代;管理者管理能力的解放可直接拓宽个人管理幅度,在组织规模不变时,组织架构将随技术赋能程度的提升而逐渐趋于扁平化。

四、组织架构扁平化的技术驱动

(一)管理能力测度

大脑在管理过程中所发挥的功能可分为识记功能、沟通功能、决策功能与监控功能,这些子功能均可在若干要素中发挥作用。譬如,管理者大脑的监控功能主要用于对员工的岗位出勤、工作过程和业务绩效进行监控。每个功能要素zij具有对应的权重wij,权重越大代表要素的重要程度越高,对应于管理的某项子功能的影响程度就越高。管理子功能、功能要素与要素权重构成管理能力测度体系如表1所示。

表1 管理能力测度体系

(二)要素权重与强度的确定

计算要素权重。对管理者进行访谈,采用李克特量表给第i个子功能中各要素层的重要程度进行评分,得到大脑第i个子功能中第j个要素的得分xij(i=1,2,3,4,j=1,2,3)。以此计算各要素相对于该功能的权重wij(i=1,2,3,4,j=1,2,3),且wij∈(0,1),表示第i个子功能的第j个要素层在该子功能下所占的权重,且规定权重之和为1。

计算子功能的强度。根据各要素层的得分xij与其权重wij计算第i个子功能中第j个要素层强度为

zij=wij·xij

(7)

再根据每个功能下各要素层的强度得到用三维向量表示的子功能强度

BFi=(zi1,zi2,zi3)

(8)

(三)技术驱动的筛选算法

在每项子功能用三维向量表示的前提下,引入三维空间概念,但由于管理功能和网络技术是两种不同类型的变量,于是将三维空间扩展为双空间模型。

首先,构建管理要素层空间(见图9)。坐标轴设为z1、z2、z3,分别表示第一要素、第二要素、第三要素的强度。将管理子功能的强度视为三维空间中的点BFi(zi1,zi2,zi3)。

图9 管理要素层空间示意图

其次,构建技术空间(见图10)。将四种智能技术——云存储、全息投影、人工智能、物联网视为两种要素的组合,于是技术空间呈二维平面,分别将坐标轴设为α和β。四个技术约束点Tm(m=1,2,3,4),其坐标(tm1,tm2)表示第m种技术在α和β轴上的要素强度值。

图10 技术空间示意图

以BFi和Tm两点之间的距离来定义管理功能与智能技术的匹配度。距离与匹配度成反比,距离越近表示该点代表的技术与管理功能匹配度越高,管理者更应该采用该技术来提高对应的管理功能。

将技术空间视为某一维坐标恒为0的特殊三维空间,其坐标点可以扩展为Tm(tm1,tm2,0),则第i个功能BFi与第m个技术点Tm的距离为LBFiTm,可得

(9)

以识记功能BF1为例,若LBF1T1

图11 识记功能点与各技术点的距离比较示意图

图12 功能点与技术点的投影距离比较示意图

五、技术驱动扁平化的实施路径

技术驱动扁平化的实施路径是指将智能技术与管理子功能相结合,提升管理效率,从而拓宽管理幅度,加快组织架构扁平化。路径包括云存储赋能识记功能、全息投影赋能沟通功能、人工智能赋能决策功能以及物联网赋能监控功能。

(一)云存储赋能识记

云存储是指通过集群应用、网格技术或分布式文件系统等功能,将网络中海量的存储设备通过应用软件整合来对外提供数据存储和业务访问功能的一个系统。因云存储的可扩展性、场外管理、快速部署以及无中断数据迁移等优势显著,故可将其作为智慧办公场所,其对管理者识记功能的赋能主要体现为员工信息、工作任务、任务执行情况的识记。

使用云存储,办公设备不再需要大容量的本地硬盘,组织成员可以在任意时刻、地点对文件进行操作。此外,所有任务的下达、分配以及执行情况都可以通过云数据库进行存储,管理者可以随时查看任务执行情况,实时跟踪任务进度。所有的员工信息均可上传云数据库并进行分类整理,管理者仅需逐一对应编码来调取员工信息。通过5G终端还可以实现办公云协同,组织成员可以在不同终端设备上对文件进行操作,并且可以有效降低时延,文件大小也不受限制,协同办公能力得到提升。云存储赋能识记路径如图13所示。

图13 云存储赋能识记示意图

(二)全息投影赋能沟通

目前,管理者与下属沟通的主要方式为线下会议交流和线上视频交流。线下会议交流要求管理者与下属位置相近,且需要提前确定会议的时间地点,之后再告知相关人员参会,在会议准备阶段就要耗费大量的时间和精力,沟通效率低下;线上视频交流虽然较为便捷,但参会人员只能通过基于4G网络的高清画面传输进行沟通,会议信息传递的质量和效果远不如线下实体会议。基于5G网络高带宽、低时延、高链接的全息投影技术可以通过记录和再现光波信息,以及3D衍射原理和真实人像传送实现成员间的群体联络和多用户并发模拟会议场景,并实时对接会议资料。全球各地的人员可以突破空间的限制在虚拟会议室参会,并且通过上传分享超高清的会议资料,实时进行思维碰撞。全息投影的应用使得组织成员在网络中可以高频高效地进行交流,这加快了信息的传递速度与准确性,有效解决了信息传递失真以及“牛鞭效应”的弊端。全息投影赋能沟通路径如图14所示。

图14 全息投影赋能沟通路径示意图

(三)人工智能赋能决策

随着人工智能与深度学习算法技术的成熟,管理者的决策从相对理性转变为绝对理性,这得益于人工智能的辅助作用和替代作用。

一是辅助作用。人工智能作为管理者的“外脑”,以计算机深度算法为基础,利用情景构建等方式协助分析、演绎和计算组织内整合、集成的数据信息。同时,人工智能还可以模拟人类处理复杂问题的逻辑思维过程,使管理者从有限的知识、精力和时间中解放出来,并且基于历史记录生成多种备选解决方案,辅助管理者做出更科学合理的组织决策。

二是替代作用。人工智能计算机能模拟人类的智能行为和逻辑思维,实现计算机的拟人化,使计算机具备自主决策能力和分析能力,在基于已有信息数据的前提下,提出预测性的决策。

人工智能辅助下的管理者突破生理因素的大脑极限成为绝对理性的决策者,基于深度学习算法的数据信息形成确定性的决策环境。人工智能时代,管理者决策准则由相对理性转变为绝对理性,其赋能路径如图15所示。

图15 人工智能赋能决策路径示意图

(四)物联网赋能监控

在企业管理中,监控功能主要应用于对员工任务行为以及工作场景的监控。得益于对这两方面中海量数据的掌控,管理者能更好地对企业业务绩效、人力资源、人岗匹配等进行管理。

企业办公设备在接入基于5G的物联网之后,会生成员工与工作场景间互动互联的海量、多源、异构的感知数据,这些数据可以将员工和工作场景数据化,并勾绘出二者的数据画像,为人力资源调度、员工任务匹配度预测等管理行为提供科学合理的依据。管理者基于物联网生成的数据,分析得出员工职位与能力的匹配关系,减少人力资源浪费;分析劳资关系与冲突的临界点,降低内部管理成本;以及对员工价值创造过程及绩效进行客观公正的量化评价,提升考核评级效率等。通过研究员工绩效与数据的特征规律,有利于管理者规划企业人才培养计划,为企业制定人才战略提供支撑。人力资源量化与海量数据的结合使得员工跨部门、跨层级乃至跨地域成为可能,管理者的管理效率得以提高,企业组织架构更加趋向扁平化。物联网赋能监控路径如图16所示。