术语表。

组织在学习、进化、创造价值并与战略保持一致方面的能力提升十倍。重点是更强的适应力、影响力和相关性，而不是更多的活动。

这本书提出的以人为本、面向 AI 的九项原则体系，用于打造能够学习、适应并取得成效的组织。Org Topologies 是支撑它的地图和方法。

通过以人为本、战略驱动、面向 AI 的组织重新设计来提升绩效的方法：一张可视化地图，加上 MADE 变革方法。

一种二维可视化语言，按技能授权（横轴）和工作授权（纵轴）来安放组织单元，让结构、依赖和错配变得可见、可分享。

为实现战略和授权而制定、选择组织结构（角色、汇报线、单元、接口、协调方式）的过程；也指研究结构如何提升效能的领域。

有意识地让业务战略、组织目标和变革过程保持一致，而不是任由设计在无意中层层堆积。

组织在多大程度上交付了战略所要求的成果；当组织设计要素与战略保持同步时即可实现。

Jay Galbraith 提出的模型，包含五个相互关联的设计要素（源自组织目标的组织设计标准、结构、流程、奖励、人员），必须一起调整。MADE 在其外围加上了一个学习闭环。

组织有意识地优先优化的那一件首要之事，用来支撑战略，并在取舍时作为依据。

战略所指向的外部结果，例如利润或市场份额。它具有不确定性；相比之下，组织设计是内部的，在很大程度上由你掌控。

首要关切是被优化的组织目标。次要关切是同样重视并持续关注的事项，但只追求到不损害首要关切为止。

把两个都有价值的选项说成非此即彼，而实际上存在一系列选择；用首要关切和次要关切重新界定问题，就能发现新的选项。

一种暗中与既定改进目标相悖的隐性承诺，这解释了为什么人们连自己支持的变革也会抵制。

结构和授权能够支撑组织所优化目标的组织设计。没有哪种拓扑本身更好；关键在于哪一种更适配。

结构所优化的方向与战略所需之间的差距，通过绘制地图和评估（Map 与 Assess）变得可见。

轻松、低成本地改变方向的能力，以交付更好的客户价值、减少摩擦所需的学习为指引。这是 Adaptive Topology 的组织目标。

追随价值进入未知领域、在那里学习并仍能交付的能力，使组织在条件变化时重新组合，而无需重组结构。

最终推动绩效提升的能力，如适应力、影响力和相关性；每种拓扑都会在牺牲部分能力的同时换取另一些能力。

组织能够集体看到、学习和解决的事物。它来自赋予各单元的授权，而不是来自个人，授权决定了它的上限。

一组相互强化、指向同一目标的组织设计要素。Scrum 就是一例：只采用它的事件，而不触动结构、人员和奖励，它就会失败，原因是缺少系统性的一致，而不是它本身不好。

围绕一个首要组织目标，有意识地选择结构、授权、流程、奖励和人员。与之相对的是，设计在应对内部政治压力的临时反应中不断堆积，向所有人传递混乱的信号。

把变革交给外部人员，或寄望于领导层的一句祝福，而不是自己承担。于是人们抗拒被改变，表面服从、假装进步，改进也像临时覆盖层一样逐渐消退。

领导者设定方向，人们从内部塑造变革。两者结合，使决策更靠近工作、缩短反馈回路、减少对集中协调的依赖，Poster 就是这样做的。

真实的组织设计始于继承而来的结构、人员、习惯、承诺和预算，同时业务照常运转。这是边走边重构，而不是在空白白板上画一张理想图。

成本是设计时要在其中取舍的约束，而不是要去优化的组织目标。把削减成本作为头号优先事项，走到尽头就是关闭公司。

在既定范围内进行决策、探索、行动并交付成果的权力与责任的组合。授权决定了一个单元所能处理的最大复杂度。Org Topologies 识别出两种基本授权：技能授权范围（地图的横轴）和工作授权范围（纵轴）。

横轴：一个单元拥有并被授权在工作中运用多少种技能。左侧的单元不完整，右侧的完整。

纵轴：一个单元被信任处理的工作类型，从底部的狭窄任务，到顶部对整体成果的共同负责。

缺少端到端交付客户价值所需的技能，或缺少运用这些技能的授权，因此依赖他人并产生交接的单元。位于垂直分界线的左侧。

拥有技能、数据和权限，能够独立交付价值而不依赖其他单元的单元。位于垂直分界线的右侧。

工作的局部产物（关闭的工单、上线的功能、完成的文档）。更多的产出并不会带来更多的客户价值。

客户和利益相关者真正看重的东西，例如一整顿饭、一位康复的患者或一位留下来的客户。位于水平分界线之上的单元对其负责。

地图上将不完整单元（左）与完整单元（右）分开的线。

地图上将为局部产出而优化的单元（下）与为交付完整成果而设计的单元（上）分开的线。

对横轴的经济学解读：通过交接完成工作的成本，单元越向右移动，这一成本越低。

对纵轴的经济学解读：把精力转向新机会有多困难，单元越向上移动，这一成本越低。

左下象限：在狭窄领域处理产出的不完整单元（个人贡献者、小组、团队、AI 智能体）。精确度高，但端到端的价值依赖他人。

右下象限：在有限范围内处理产出的完整单元，交付顺畅，但不拥有整体。

左上象限：纵览整个解决方案空间并负责协调、排序和控制的不完整单元，但并不直接创造客户价值。

右上象限：对成果负责并决定接下来构建什么的完整单元，融合了设想、思考与行动；即 Adaptive Topology。

人或团队在本职技艺之外成长，跨领域积累技能并运用到真实工作中。这是扩大技能授权的机制，与对成果的负责相结合，可使单元沿对角线移动。

拓宽个人在多个领域的技能，使单元能自己承担更多工作。

一种组织模式：多个小型自治团队共享目标并保持透明，连接成网络，共同对一项宽泛的成果负责。

汇集多种职能的团队。仅凭这一点，单元只会横向移动；Adaptive Topology 需要既跨职能又跨组件的单元。

单元之间的相互倚赖。只有当人们被迫分开、无法同步工作时才会造成痛苦；当大家一起处理共同的工作时，它就成了日常协作。

亚当·斯密关于分工的例子，用来描绘 Resource Topology：工人被固定在狭窄的子任务上，在稳定、低变化的工作中效率很高。

让单元走出狭窄的通道（Resource 中的工人、Delivery 中的团队），把两种授权都扩大到整个产品的层面。

围绕架构组件来组织团队，使每个团队只交付功能的一部分；这种结构让开发变成串行，是结构性的结果，而不是心态问题。

在精益和丰田生产方式中，从客户视角看的端到端价值流动，由客户拉动启动，从概念到现金。

组织对产品的定义有多宽，从单个组件到整体；定义越宽，工作授权越大。

Scrum 对工作何时真正完成并可使用的界定：已集成、已测试、必要处有文档，并可投入实际使用。横轴可以理解为这一定义的完整程度不断提高。

用来表明组织正走在交付成果的轨道上的早期信号。像“客户留下来”这样的成果是滞后的，也难以衡量，因此选好的代理指标能更早地给出可靠的进展感。

根据观察总结出的一种可识别模式，说明组织占据哪些象限，也就说明它在为什么而优化。常见的有三种，并且可以组合。

Directing 单元位于 Doing 单元之上：按职能划分工作，专家深耕，由资源经理做计划。组织目标：在需求稳定时发挥专业技能的效率。

Directing 单元位于 Delivering 单元之上：在有限领域内的稳定跨职能团队。组织目标：从需求到交付，让可预测的工作实现端到端的流动。

Driving 单元：技能授权和工作授权都很宽，围绕成果 Swarming 的单元。组织目标：在多变环境中把学习和重新配置的成本降到最低。

Resource Topology 的隐喻：通过专业化实现精确，适用于可以事先规划的工作。

Delivery Topology 的隐喻：为流动而优化的稳定跨职能团队，通过团队内部的同步协作来协调。

Adaptive Topology 的隐喻：一个感知变化、整合学习、持续调整方向的组织。

让多种拓扑在同一个组织中并存，因为不同部分做着不同类型的工作；每一部分都应能自给自足、对成果负责，并持续演进。

随着招聘和专业化，组织通常会从 Adaptive 滑向 Resource；书中称之为老化。反方向的路径，从 Resource 到 Delivery 再到 Adaptive，就是降规模（descaling）。

转型之后绩效短暂飙升，随后又回落到原有基线，因为底层的范式并没有改变。

把更快的引擎（专家、AI）装进一个堵塞的系统，只会让动静更大，流动并不会更好：局部的速度不会变成整体的绩效。也称为法拉利陷阱。

各部分都在改进自己所在体系所奖励的东西，这可能会降低整体的绩效。

周而复始、浪费资源的重组循环：一次又一次重组，每一次都同样冠冕堂皇、同样昂贵、同样扰乱。每一次都只治标，却加剧了不稳定和变革疲劳。

在 Adaptive Topology 中，团队围绕高价值成果灵活聚集，就像自然界的群体智能。

没有真正结构支撑的变革：全新的幻灯片、标签和行话，而深层的绩效问题原封不动。每一个新的时髦概念（如今常常有生成式 AI 参与撰写）都在重复这一循环。

把变革当作有起止日期、截止时间和里程碑的项目。它教会组织去“改造变革本身”以便在纸面上好看，并转移了对真正行为改变的注意力。

反复折腾却始终没有触及真正问题时产生的疲惫。士气下降，绩效停滞。

认为一致就等于高效，于是在整个公司套用单一的组织逻辑、指标体系或治理模式。在不同的情境之间，这样做会毁掉价值，并在 Gemba 形成错配。

把组织切分成有边界的部分的常见做法，如小队（squad）、部落（tribe）或 stream-aligned 团队，每个部分的授权都很窄。工作不变时局部适配，工作一变就会掉进缝隙，接着又是一轮重组。

Gene Gendel 对客户公司被“征税”三次的描绘：咨询公司兜售大爆炸式转型，框架要求重新培训和购买授权，工具又把这些框架锁死。

已知工作在团队自己的通道内快速、顺畅地流转。在 Delivery Topology 中，流动是局部的：当一项成果需要多个团队时，局部的速度不会累加成整体的速度。

为完成不适合稳定团队边界的跨领域工作而临时组建的团队。当计划外的工作到来时，它标志着退回到资源分配和危机管理。

串行的开发方式：各团队优化自己的部分，交接后等待。反馈来得很晚，迭代沦为阶段关卡。书中把它视为组件团队的结构性结果，而不是心态问题。

需求、范围或技术经常变化的工作，如产品开发，其中没有一个功能会被做两次。它需要快速反馈、端到端的责任和持续学习；狭窄而稳定的通道会逐渐失去适配。

一种恶性循环：信任薄弱的团队为了躲避协作的不适，退回到孤立的任务。外部协调者随后分配工作，各单元便滑回 Resource Topology。

效率没有唯一的含义。在 Resource Topology 中，它是对专业技能的最大化利用；在 Delivery 中，是已知工作快速可靠的流动；在 Adaptive 中，是降低学习、重新配置和转向的成本。

利用是优化已被理解的价值的交付（Delivery Topology）；探索是优化学习，以发现什么有价值（Adaptive Topology）。不要把它们变成两个阵营：两者都要精通。Driving 单元把两者融为一体。

地图的详细版本，每条轴有四个层级，共十六个原型，用于精确评估。

组织单元如何构成与运作的常见模式。4×4 地图命名了其中十六种。

十六个 4×4 格子的简称：工作授权所在的行（TASKS、CAPS、PART、WHOLE）加上 1 到 4 的技能列。CAPS-3 表示能力层面上的端到端技能。

4×4 地图横向的四个层级：Functional、Multi-Skill、End-to-End 和 Expanding。2×2 的分界线位于 Multi-Skill 与 End-to-End 之间。

4×4 地图纵向的四个层级：Tasks、Capabilities、Partial Solution 和 Whole Solution。2×2 的分界线位于 Capabilities 与 Partial Solution 之间。

2025 年之前的文章中使用的旧式“字母加数字”原型代码（如 A1、B2、C3、Y1）。

每张地图上的五种单元符号：人、AI 智能体、人才池、团队、团队的团队。

Org Topologies 用于持续、系统性变革的方法：Map、Assess、Design、Elevate，然后循环，围绕 Galbraith 的 Star Model 构建。

MADE 的第一步：在 Gemba 把单元放到地图上，询问哪些部分创造价值、它们如何互动，让看不见的协作系统显现出来。

第二步：评判的不是人，而是系统，即当前的组织设计是否适配业务抱负和战略。

第三步：选定唯一的首要组织目标，并塑造结构、流程、人员和奖励来支撑它。

第四步：培养让新设计运转起来的能力，通过 Elevating Katas 作为小实验，向右上方移动。

MADE 的两半：Study 是 Map 加 Assess；Improve 是 Design 加 Elevate。

在 Elevate 之后再次绘制地图，检查究竟发生了哪些变化，从而闭合学习回路。

快速、低风险地走一遍 MADE，或一场半天的混合工作坊，让人们在投入结构性变革之前先体验一种不同的工作方式。

好奇（Map）、诚实（Assess）、承诺（Design）和开放（Elevate）。

受影响的人了解为何选择某个组织目标、它带来什么、意味着哪些取舍的研讨式工作坊，目的是建立认同。

Gemba 是价值被创造的地方；Go See 指领导者去那里观察真实的工作，而不是依赖报告。绘制地图与 Go See 相互促进。

限定时间的沉浸式活动，领导者作为积极参与者与团队一起工作数天或数周。

共享的决策空间，把领导者从局部视角拉向战略目标和系统性约束。

MADE 的核心技能：绩效并非来自单个要素，而是来自要素之间的互动。只改进看得见的角色、流程和工具，而不触动互动模式，不会带来持久的收益。

通过观察系统而不是评判人，共同弄清工作到底是如何发生的。在 MADE 中，它降低变革带来的心理威胁，并在任何结构性变革之前为学习和认同做好准备。

领导者与真实工作系统之间的差距，由物理或结构上的隔离造成。报告和仪表盘随后会过滤现实。Go See 和 Gemba 可以抵消它。

持久的变革由创造它的人拥有；领导者必须自己承担，不能授权他人代劳，人们支持自己参与创造的东西。

组织设计把意图变成体系，比孤立的文化项目更可靠地驱动绩效。

重塑技能授权和工作授权，改变组织能够看到、学习和行动的范围。

有意识地选择要优化什么，接受你不会优化的部分，并选出适配的拓扑。

借助 MADE，把变革视为适配度的持续演进。

拓宽授权，让人和团队追随价值、学习并交付，而不是每当工作转移就重新切分组织。

选定一个首要组织目标，接受它的取舍，并把它嵌入结构、授权、激励和决策之中。

在各领域内嵌入学习，使人们能承担更广的责任，并随工作演变重新组合技能；用 AI 加以放大。

用 AI 加速已选定的组织设计方向，是在设计之后，而不是代替设计。

一种结构化、可重复的改进惯例，把组织设计的意图转化为真实的行为，主要用于 Elevate 步骤。

Elevating Katas 的目录，按 Star Model 的要素分组：战略、结构、流程、奖励、人员。

每个 kata 的名称都以“Elevate by”开头，后接一个动名词短语，例如 Elevate by Expanding the Product Definition。

有目的地采用 AI，并配合有意识的组织设计：先找出缺失的能力和结构性约束，再用 AI 去构建和加速它们。

天真、零散、随意地把 AI 铺到现有的各个孤岛上，这会放大现有模式和 Ferrari effect。

概括原则 9 的一句话：先把 AI 放在一边，弄清楚结构，然后再把 AI 当作杠杆。

作为组织单元运作的 AI 系统。它可以像其他单元一样出现在地图上：单一用途的智能体是 Doing 单元；智能体也可以加入 Driving 协作。

为 AI 智能体在数字化工作流中工作的组织设计授权，避免重现思考与执行分离的泰勒主义。

AI 辅助的规格驱动开发：人类说明意图，AI 智能体把它转化为计划、任务和代码。

把 AI 视为一种随取随用的服务，降低学习和执行的成本，使专业化不再稀缺。

书中的定制 GPT 和 10X ORG 专家，由 Org Topologies 驱动；他/him。

书中对 AI 的收尾立场：把人提升到更高的授权，而不是淘汰他们。

常规专长是在稳定条件下熟练运用已知流程；适应性专长是在条件变化时扩展、重组或重新创造技能。

新颖的工作逐渐转变为由机器接手的常规工作，一波接一波；留给人的那条边界不断移动。

挑战组织设计加在人身上的限制，营造能提升人类天赋优势（如学习、组合与重新组合技能）的环境，而不是在狭窄的任务上与 AI 竞争。

员工在工作条件变化时仍保持高效的能力。它与适应性专长相关，书中强调，仅有经验并不会产生它：它来自对意外情况的接触。

每个人都争相采用同样的 AI 工具、模型和框架而不改变结构时的结果：没有优势，只有咨询、工具和使用上更高的成本。

认为落地一个业界标准的管理框架就是成功关键的想法。Org Topologies 颠倒了顺序：先是业务目标，然后是组织目标，接着是拓扑，框架放在最后。

由 Team Topologies 推广的团队类型，为快速的变更流动而优化：它在有限领域内接手自己专长范围内的工作。在地图上位于 Delivering；这类团队之间的依赖依然存在，且随着战略转移，设计需要定期重组。

在 SAFe 中，一组在 8 到 12 周的项目增量（program increment）中共同规划的团队。其团队之间的依赖在事前分析，并在团队之外管理，因此传统的 ART 不是团队的团队。

被提升为团队的团队的 Agile Release Train：所有团队共享同一个业务目标待办清单和同一个节奏，把依赖收拢在内部并同步工作。一次只 Elevate 一个 ART。

在 LeSS 中，指跨职能、跨组件、长期存续、面向客户、自我管理的团队。而不是只负责编写已被决定的特性的团队。

Marty Cagan 对这类团队的称呼：对交到手上的任何事项交付产出，产品负责人（product owner）则像待办清单管理员。他把 SAFe 中的团队也算在其中。

Marty Cagan 的术语，指跨职能（产品、设计和工程）、以成果而非产出来衡量，并被赋权去找到解决所托付问题的最佳方式的团队。每个团队有一位产品经理和团队级待办清单，它在地图上属于 Delivering，而不是 Driving。

负责理解系统、选择方向、激励他人共同承担并改进的领导者；MADE 帮助领导者成为真正的所有者。

能看见地图上方框和连线背后的人的领导者、顾问或变革推动者。

由背景多样的领导者组成、共同引领变革的群体。

Certified Org Topologies Practitioner：Academy 的课程，用于改进你自己的组织。

Certified Org Topologies Consultant：Academy 面向顾问和转型负责人的课程。

一个更宽泛的角色名称，在 Adaptive Topology 中取代 Junior Java Developer 这类僵化的头衔，并带有清晰的成长层级。

按书中的观点，管理者的职责是培养能力、改进系统，而不是指挥工作。

人们主动选择塑造和领导变革，而不是被推着走。一批自愿者组成的核心群体以热情和公信力推动变革，同伴们选择加入则赋予变革正当性和势头。

认知负荷是完成任务并在过程中学习所需的脑力。人们过载是因为学习的成本高，而不是因为知道得多；狭窄的归属往往因交接和上下文切换而加重负荷。

在某一项狭窄技能上的精通。只有在专长稀缺、需求几乎无限时才说得通，这种情况很少见；AI 让专长大众化，所以大多数人需要成为 multi-learner。

让人和他们积累的学习保持在一起，而不是把他们当作可互换的资源在临时小组之间调来调去。Adaptive Topology 把这种连续性复利为长期绩效。

人们在职位头衔之外拥有的技能，来自以往的课程或早期的工作，需要时可以挺身而出。能力超出角色名称的范围。

技能广泛、负责整个产品而非单个组件的团队。Poster 从十二个狭窄的专家组件团队转变为六个多面手的整体产品团队；Y Soft 把二十个团队作为团队的团队来运作。