第1章 为什么一个人不能完成企业的一切？

设想一个人要独自做一款软件产品。他聪明、勤奋，学习能力不弱，也不缺钱，愿意把全部时间投进去。为了把问题推到极限，我们还可以假定他不必向任何人汇报，没有人催促，市场也愿意等他。

他能不能独自让这家企业持续运转？

“公司”“团队”“岗位”这些词太熟悉了，反而遮住了问题：一个人究竟被什么挡住？钱可以先不算；能力可以学习；时间也假定他愿意尽量投入。若这些答案仍不足以解释他的限度，剩下的原因才触及组织形式的起点。

这本书讨论 AI 如何改变组织，但先要知道它改变的是什么。第一章暂时不谈 AI，而是回到技术介入之前：为什么一个人不能完成企业的一切？

1.1 从一个人开始

先把“做完一家企业”翻译成具体活动。

一款软件产品，从一个模糊的想法到持续产生收入，大致要经过这些环节：理解市场上真实存在的问题，判断哪个问题值得解决，把它定义成一个产品，设计交互和界面，设计技术架构，写代码，测试，部署，让潜在用户知道它的存在，完成销售，回应客户的抱怨，收钱，记账，处理税务和合同，然后回到第一步——因为客户会提出新的问题，竞争对手会出现，环境会变。

这份清单有两个性质。第一，它不是一次性的：企业不会把产品做出来就结束，而要持续重复这个循环。因此，“做完一家企业”并不准确；企业是一套必须持续运转的活动。

第二，清单中的每一项单独看，大多不超出个人能力。市场分析可以学，代码可以写，账可以记。一个足够聪明、足够勤奋的人，把每件事做到及格线，并非不可想象。

不过"及格线"这个说法要打个问号。企业不是参加考试，没有及不及格一说，只有比替代品好还是差。产品定义不需要"及格"，需要比同时存在的其他选择更值得买；代码不需要"能跑"，需要在用户规模涨上来的时候不垮。市场上的每个环节都有专精于此的对手在竞争，这会悄悄抬高每个节点的合格线。一个人可以每样都会一点，难的是每样都做到不输给别人。

时间是一个直观答案。即使每样都会，一天也只有二十四小时，事情只能一件件做。但它还解释不了为什么解决方案是“组织”：若缺的只是时间，他可以外包。设计、开发、记账都能通过市场购买，不必把人组织成一家企业。时间解释了“一个人做不完”，解释不了“为什么多个人要以企业这种形式聚在一起”。分工和组织之间，还隔着一层问题。

另一个容易想到的答案是技能。一个人不可能既是最好的产品经理又是最好的工程师又是最好的销售。这个答案接近了，但还不够准确。因为它说的是"不能做到最好"，而企业的成立不需要每个环节都是最好。很多小企业的创始人确实身兼数职，每个角色都做得平平，企业照样运转。

时间和技能只是入口。真正的问题是：当任务的总量和种类达到某个程度，一个人身上究竟有什么会被耗尽？

1.2 任务复杂度

“事情多”需要更准确的刻画。任何一个稍微复杂的目标，都可以分解成一棵树：目标（Goal）下面是任务（Tasks），任务下面是子任务（Subtasks），子任务之间存在依赖（Dependencies）——写代码依赖产品定义，测试依赖代码，销售依赖一个可以演示的东西。企业的目标树大致如此，只是层数和节点更多。

任务的“多”只是这棵树的第一个维度。任务复杂度（Task Complexity）至少还有另外两个来源。

一是数量。节点多。在不考虑截止期限和任务之间相互等待时，数量问题看起来可以靠投入更多时间解决，因此也最容易被高估。

二是深度。每个节点内部有自己的专业纵深。"写代码"这四个字背后是几十年的工程知识积累；"理解市场需求"背后是对一个行业的长期浸淫。深度意味着，把任何单个节点做到合格，都需要先在某个方向上投入可观的时间。数量决定你要做多少件事，深度决定你做每件事之前要先成为什么样的人。

三是依赖。节点之间不是孤立的。产品定义改了，架构可能要跟着改；架构改了，已写的代码可能作废；客户的一次抱怨也可能同时牵涉产品、技术和售后。依赖让任务树变成一张网，也让“一件件做完”的策略失效：后面的工作会反过来改变前面工作的含义。它还带来一种隐蔽成本——每次切换到相关任务，都要重新载入进度、决策理由和约束。后文把这种成本称为上下文（Context）；此处只需看到，任务之间的依赖要求做事的人持续维护全局理解。

数量、深度、依赖叠在一起，构成了企业面对的任务复杂度。这个复杂度不是均匀分布的——一个早点摊和一家芯片公司之间的差距，主要不在节点数量，而在深度和依赖。即使是很小的企业，只要它要持续服务客户、应对变化并维持多个相互牵连的环节，任务树通常也会超出“一个人顺手就做了”的范围。

复杂度还有一个更麻烦的性质：它的增长可能快于业务的增长。[D] 用户翻一倍，不一定只增加一倍既有任务；新用户可能带来新场景，新场景之间再产生新依赖，每个新依赖又要求维护新的全局理解。业务规模大致线性增长时，任务网仍可能加速变密。这意味着“趁现在规模小，一个人先扛着”这个策略的有效期，可能比直觉上短得多。

[E] 把复杂目标分解为层级化的子任务，是人类处理复杂问题的基本方式之一；西蒙（Herbert Simon）在分析复杂系统时指出，可行的复杂系统几乎都是逐层可分解的。这个观察对我们很重要，但它有一个方向上的提醒：可分解性是说复杂任务"可以"被拆开，而不是说拆开之后"自动"能完成。分解只是第一步，分解出来的每块还得有人接得住。

问题由此变得具体：一个人接得住这样一棵树吗？

1.3 能力边界

"接不接得住"取决于人的能力边界。这里说的不是某种单一的天花板，而是几样互相叠加的限制。

专业能力的获取成本。 一个人原则上可以通过学习进入很多专业领域，但“学会”的真实含义是投入时间换取一个可接受的水平。认知科学对专长（Expertise）的研究表明，在复杂的知识领域达到可靠的专业水准，需要以年计的系统训练和实践积累。[E] 而且，专业知识中有相当一部分是默会知识（Tacit Knowledge）——波兰尼（Michael Polanyi）所说的“我们知道的多于我们能言说的”那类知识：判断一个客户需求是真是假、一段技术架构半年后会坑在哪里，靠的不是能查到的资料，而是长期实践压缩成的直觉。[E] 这类知识通常不能通过阅读快速转移，只能在时间里长出来。这意味着每多覆盖一个专业方向，成本不只是“学一下”，往往还包括以年计的积累。任务树的深度维度，最终要由人来支付——而人用来支付的货币是时间。

时间。 这是最难扩张的约束。钱可以借，设备可以买，知识可以学，但一个人的时间只能分配。一个人一生的有效工作时间有明确的上限，而上面说过，企业不是一件能“做完”的事，是一套要持续运转的活动。在任务持续产生、业务继续增长的情况下，用有限的时间去填这个系统，缺口不会自然缩小，反而可能继续扩大。

注意力和认知带宽。 西蒙用“有限理性”（Bounded Rationality）概括了一个被反复验证的事实：人的信息处理能力是有限的——工作记忆容量有限，注意力是稀缺资源，人无法同时考虑所有相关信息，只能寻求“足够好”而非最优的决策。[E] 这条约束在任务数量多的时候未必立刻致命，在任务相互依赖的时候却会变得关键：依赖要求做事的人持续维护全局理解，而全局理解的维护要占用认知带宽。一个人脑子里能同时保持“热”的事情，有实际的上限。

而且过载的代价不只是"做得慢"，还包括"做得差"。认知负荷研究表明，人在认知资源被占满时，决策质量会系统性下降——更依赖直觉捷径，更难发现自己的错误，更倾向于回避复杂但重要的问题。[E] 也就是说，任务密度超过认知带宽之后，损失的不只是产量，还有判断力。对一家企业来说，判断力恰恰是最不能省的东西。

信息容量。 企业运转会产生并需要大量状态信息：每个客户的进展、每笔账、每个未解决的问题、每个决定背后的原因。这些信息不处理不会消失，只会堆积成隐患。个体能跟踪和处理的信息量同样有限。这里有一个容易忽视的细节：先丢失的往往不是事实本身，而是事实背后的理由。三个月后，一个人可能还记得“我们当时决定砍掉这个功能”，但已经想不起当初为什么砍——理由一丢，前面相关的判断往往需要重新检查。这种损耗现在还不需要一个名字，到第七章它会成为全书最重要的概念之一。

把这四样放在一起看，会得到一个比"人能力有限"更精确的判断：能力的边界不是一条"会与不会"的线，而是一条成本曲线。

说"一个人学不会芯片设计"是不准确的——给他二十年，他可能学得会。准确的说法是：在有限的时间和认知资源约束下，把任务树上每个分支都做到合格水平的总成本，超过了任何单一个体能支付的上限。一个人能做一家企业里的任何一件事，但无法以可承受的成本同时做所有事，更无法持续地做。

把能力边界理解为成本边界，而非天赋的硬墙，是后文论证的前提。成本可以被技术改变：若约束是“人脑结构决定人就是学不会”，技术无从介入；若约束是获得和维持能力的成本太高，显著降低这类成本的技术就可能触动企业成立的条件。

一个人受限的不是钱、单一技能或某一项时间安排，而是两股力量的合成：任务复杂度会随任务增加、专业加深和依赖增多而上升；单一个体获取能力、投入时间、维持理解的成本则有上限。两者之间形成的是结构性缺口。分工正是对这个缺口的回应。

1.4 分工的出现

既然一个人覆盖不了整棵任务树，最自然的办法是：把树拆开，不同的人负责不同的分支。

亚当·斯密在《国富论》开篇描述的制针工场，是经济学里最著名的分工案例：制针被拆成抽丝、拉直、切断、削尖、磨光等十几道工序，十个工人分工协作，一天的产量是每人独立制针的数百倍。[E] 斯密给出的解释有三层，每一层都对应着前面说的某种能力边界。

第一层，熟练。专注于少数工序的工人，熟练度提升远快于频繁换活的人。这对应专业能力的获取成本——分工把每个人需要攀登的学习曲线从十几条压缩到一两条。

第二层，节省转换。从一道工序换到另一道工序，要损失时间。斯密说的主要是体力上的转换，但这个观察在今天有了更深的含义：现代认知研究确认，任务切换伴随真实的认知损耗，人在切换后需要重新载入任务状态。[E] 这对应注意力和认知带宽——分工减少了切换，也就减少了全局理解的反复重建。

第三层，工具。专业化使专用工具和机器的发明与应用变得划算。这对应一个更一般的逻辑：当任务被切小之后，每个局部上的投入——无论是工具、流程还是知识——都变得值得。

所以分工的一项经济逻辑是：用“每个人以较低成本获得局部能力，然后组合”，替换“每个人以较高成本获得全部能力”。[E] 李嘉图（David Ricardo）后来用比较优势（Comparative Advantage）把这个逻辑推到了更精细的程度：即使一个人在所有事情上都比另一个人强，双方分工仍然是划算的，因为真正重要的是机会成本——强者做这件事而放弃做那件事的代价。[E] 一个创始人可能同时是团队里最懂产品的人和最会写代码的人，让他去写代码依然可能不划算——不是因为他写不好，而是因为他写代码的那几个小时里，产品方向没有人盯着，而后者的损失可能更大。换句话说，分工的收益不依赖于“这个人只会做这个”，它在能力全能的情况下依然成立。分工是成本结构的结果，不是能力缺陷的结果。

这个结论初看反直觉，但它解释了为什么分工如此普遍，也预先回答了一个可能的质疑：如果未来出现某种技术让个体的能力大幅扩展，分工会不会消失？按比较优势的逻辑，只要机会成本存在，分工带来的潜在收益就仍然存在——到时候真正变化的是“在哪里分工、按什么颗粒度分工”。这些收益能否覆盖分工带来的协调成本，是下一章要处理的条件；本章只说明，技术不必然让分工本身失去意义。[D]

不过，分工的出现不等于企业的出现。

斯密的制针工人碰巧聚在同一个工场里，但逻辑上他们不必如此。抽丝的可以是个体户，拉直的可以是另一家个体户，切断的工序可以按件发包，每一环都可以通过市场交易衔接。事实上，人类历史上确实存在过大量这种形态，而且一度是主流。工业革命前夕英国的毛纺织业就靠"外包制"（Putting-out System）运转：商人把羊毛分发给农户，纺纱、织布、染色由不同家庭各自完成，工序之间的衔接全靠一次次市场交易。[E] 分工已经相当细密，工厂还没有出现。分工与企业，在历史上本来就是两回事。

本章只确立了两件事：单一个体无法以可承受的成本覆盖复杂任务；分工是成本上有效的回应。“这些分工的人为什么要组织成稳定企业，而不是在市场上临时交易”仍未回答。它与“一个人为什么做不完”是两个问题；交易成本、产权和权威关系的讨论，都发生在这层间隙里。

本章命题与边界

[D] 组织首先是单一主体的能力边界无法覆盖复杂任务之后，产生的一种能力组合机制。

更准确地说，这个命题目前只完成了一半：本章确立的是它的上游——"单一主体无法覆盖，分工成为必然"。"能力组合机制为什么采取企业这种稳定形态"，是后面两章的工作。按本书的证据标注规则，本章关于任务可分解性、专长获取成本、有限理性、分工收益的判断属于 [E]，有成熟理论与实证支持；把能力边界重新表述为成本边界，以及由此推出"任何显著改变该成本曲线的技术都会触动企业成立条件"，属于 [D]，是本书模型的推导，其强度依赖后面章节对成本结构的展开。

本章同样有自己的边界条件。命题说的是复杂任务——任务足够简单、耦合度足够低、所需能力的获取成本足够低时，单一个体完全可以覆盖；个体手艺人和自由职业者至今大量存在，这不是例外，而是题中之义。组织不是经济活动的默认形态，而是对特定复杂度条件的回应。条件改变，解也应改变；这正是本书后续内容的立论方式。

下一章就从本章刻意停下的地方开始：分工一旦产生，依赖就同时产生。那些各自负责任务树一个分支的人，为什么不能在市场上用完即散，而要聚成稳定的企业？答案藏在分工带来的依赖性里。