现在通用的组织管理模式是科层制，矩阵、事业部、项目制等更新的组织模型都是科层制的变形，本质上没发生根本改变；与科层制相匹配的技术是“以岗位为中心”的现代人力资源管理体系。
管理的实践者和理论派早已意识到组织管理模式的改变严重滞后于经营模式的改变，进而提出了无边界组织、组织液化、社群型组织、阿米巴组织、平台化组织等概念，但企业实践起来困难重重。
这是为什么呢？因为没有与之相匹配的技术支持这些新型组织管理模式的实现。
回归初心：新型组织管理的突破口
“以岗位为中心”的现代人力资源管理体系是最近几十年的产物，是配合科层制组织管理发展起来的。那么在这之前，组织管理是以什么为中心的呢——任务。
企业真正要执行的是任务，只有任务才真真切切创造结果和价值。那为什么需要岗位？岗位是什么？岗位是一组任务的集合，是在工业化大生产的背景下，凭借当时的管理技术，企业无力管理成千上万的独立任务，于是就把同类或相近的任务归并成一个集合，这个集合就是“岗位”。
但“岗位”的凸显是以“任务”的遮蔽为代价的，随着组织规模日益庞大，岗位越来越“看得见”，任务越来越“看不清”，这就是“大企业病”的根源。
如果拿掉岗位，任务在哪里？立刻就能发现，在绩效那里，每一个不同的KPI背后其实都是要求个体完成的一项或多项任务，即绩效的背后是任务。一个企业根本上并不需要岗位，也不需要绩效考核，只需要完成任务。
设置岗位、绩效考核是为了完成任务。这就回到了岗位产生之前，如果企业有足够的能力管理成千上万的复杂任务，企业就不需要通过岗位和绩效了。
智能合约：基于区块链的人力资源管理系统
“任务”是什么？是公司与员工之间的一份合约，公司是甲方，员工是乙方。甲方提出“任务要求”，同时给予乙方“资源授权”，并且明确任务完成后的“奖励”，乙方按要求执行、经过评估获取报酬。
例如，要求某员工完成一项商务活动，公司会支付机票食宿费用，以及相应的授权，客户会认可该员工代表公司，最后员工成功签约，得到一笔3%的奖励，任务完成。这就是一个标准的合约。
但是一个稍具规模的企业每天都要发起成千上万的任务，如果没有技术手段支持，直接把每项任务转化成合约，这几乎是不可能完成的事。所以，我们需要一套能够直接管理任务的技术系统。
区块链和人工智能使得企业直接管理成千上万个任务成为可能。区块（token）不可篡改，同时区块会依据先后次序接成一条可追溯的链。这个特性非常适宜用来记录任务。一项任务就以智能合约的方式记录在一个区块中。
智能合约最大的特点就是自动执行，也就是说，一旦企业指派一项任务给一个特定员工，就意味着签署了智能合约。员工不需要再经过费用审批流程，不需要再等待公司考核业绩，更不用再依靠上级主管的心情决定奖金多少。企业与员工形成一个刚性合约，只要员工领取这个任务，所有资源自动配套，一旦这个任务完成，奖金自动到账，整个过程完全自动化。
公司管理层发起各种各样“待完成”的任务合约，放入任务池。管理者可以直接把任务指派给某个人，公司依然有这个权利，只要公司为这个人付了基薪。对于某些大量的、非常复杂的或企业内部没有合适人选的任务，则可以使用竞标（抢单）机制，聘用没有基薪的临时员工。这可以使企业规模和边界变得极富弹性。同时，作为个体也可以反向发起合约。
★例如一位员工发现了一个新的市场机会，也可以发起合约，提出明确的任务、资源要求和奖励要求，然后合约进入备选池，管理层再根据某种标准（公司战略、资源冗余等情况）从备选池里挑选出合适的合约进入任务池（如图3的左侧部分）。这个特性将直接调动一线员工的积极性和创造力。
共识机制：合约自动化的实现
智能合约的难点在于合约的设计，诸如怎么分解任务、怎么确定任务标准、怎么匹配资源、怎么确定奖励额度。其中最困难是如何判定合约是否完成，这就需要建立智能合约的“共识机制”。共识机制就是“合约已经完成”这个事实须甲乙双方都认同，同时还需要判定完成的程度和优劣。共识机制不能套用原来的绩效体系，需要重新建模。
假设合约是否完成由“状态机”记录。例如，两人打赌，甲赌A队净胜球3个，乙赌A队5个，那最后谁赢呢？状态机就要去拉取一个甲乙双方都认可的第三方信源，比如FIFA官网，拉取这个数字和合约中约定的条件做比较，比对得出合约的“执行状态”，这个状态就记录在状态机中。
技术上，状态机记录了所有任务合约的执行状态，所有区块（token）则是记录一个企业全部任务的“大账本”。企业里有很多任务是可以抽取第三方信源（ERP、财务、考勤、对外销售合同等）来自动判定任务执行状态的，但依然有大量的任务属于中间性、间接性、过程性的，对于这类任务，传统的判断方法很简单：老板说了算。
也就是合约是否完成由甲方单方面说了算。如果是这样，又回到“假自动化”。所以共识机制不是简单地沿用过去的绩效标准和考核方法，而是把绩效标准转化成一个能自动化判断的模型。
★假设有一条流水线，流水线上有4道工序，现行的考核方式是针对1、2、3、4分别提出一套绩效标准，对每道工序进行单独考核（如图1所示）。
而基于区块链思维：放弃对每道工序的考核，工序1的任务完成之后，会转化成工序2的任务输入，如果工序1的输出已经被后面的工序2、3甚至4都接受了，是不是就可以认定工序1的合约执行完成？同理递推，工序2、3、4也是这样。
★例如，企业收款流程中有一个环节是“开发票”，开完发票之后还有催款、银行对账等环节，但是企业可以通过资金到账来反推发票是开出去的。那么，最后一道工序终止在哪？它的最终裁决者又是谁？区块链思维认为，最终裁决者必须处于企业之外，这样才是终局的、刚性的、第三方的。
因为企业的一切经营管理活动都必须在符合法律法规的前提下为客户创造价值，为股东创造回报。所以企业的一切活动都将追溯到这三个外部源点：满足法律要求、创造客户价值、给予股东回报（如图2所示）。
企业的所有任务都应该保证创造价值，以及保证能取得对应的收入。每个任务（对应一份智能合约）就是区块链的一个环节，其终点是创造了外部价值。如果不是围绕这些发起的任务，都是无意义、多余的任务。
★例如，企业培训的价值是可以提升员工的能力，从而让员工更富生产力。这个逻辑在传统企业管理中是通过KPI的方式来考核的。如果按区块链的建模思路，则需要设计一个智能合约，追踪培训完成之后的一段时间内（如3个月），参与过培训的员工的生产力有没有提高？如果有提高，视为合约完成，甚至可以根据提高的比例来给出不同的合约奖金。
人岗匹配：基于AI的任务分配系统
记录合约完成情况的是状态机。但合约指派给了特定的人，人完成了合约，人的情况也应该有一个记录，这就是声誉机。声誉机对应的是一套积分系统，即员工每完成一个任务，其声誉值（积分）就会增长（如图3所示）。完成不同的任务，就要给员工不同的积分，支撑这套积分系统的技术是能力素质模型，这就是传统人力资源系统中的人岗匹配环节。
企业总希望把任务分配给最合适的人，传统的任务分配机制是管理者凭借自己的管理经验，对任务要求的能力做出预判，再加上对自己下属的认知——A的优势和B的优势做出一个模糊的判断。把这个过程抽象出来，每一项任务，都对应建立一个能力需求模型。
同样，每个员工也有一个自己的能力素质模型，在员工入职时由招聘人员依据简历、面试情况等完成初始化。用AI做机器学习和模式识别，将任务能力需求模型和员工的能力素质模型做匹配比较，就实现了任务的精准分配。只要员工完成这项任务，声誉机中对应的能力素质就得到相应积分。由此可见，随着员工不断地完成任务，其能力素质模型也在不断成长。
类似的技术其实已经在精准营销领域广泛应用。消费者每登录一次淘宝，不管有没有购物，淘宝都会追踪消费者的所有行为。根据消费者的行为数据，用“标签”给消费者画像。在淘宝上行为越多，被贴上的标签越多，淘宝给消费者的推送也就越精准，这就是智能匹配。
我们可以使用类似的机器学习技术，去追踪每个合约的完成情况，从而给员工打上各式各样的能力素质标签。将来要为某个任务指派人员的时候，AI就可以协助管理者做精准的选择。
未来，一个任务是管理者A发出的，但是AI推荐的合适人选很可能A根本不认识。这其实是对招聘流程的颠覆。声誉机不止解决了海量任务的精准匹配问题，还使企业不再需要担负“激励员工”的责任。因为员工在企业不只是赚取工资奖金，更重要的是要累积自己的声誉。
自我激励：智能合约的副产品
在任务精准匹配的条件下，员工声誉分会变得越来越高，又使其更容易被优先指派，这形成了一个正向激励。但马太效应会一直持续吗？不会，对每个人来说约束条件是时间。A、B两人能力差不多，A比B早积分，A的积分比B高，所以就能够被分配更多的任务，很快A就会忙不过来了，但A又想赚更多钱，就会试图去领更高价值的任务合约，其积分的匹配度就会下降，必须重新累计声誉分。与此同时，任务也就会溢出给B。
这就是员工成长的倒逼机制。员工需要领更高价值的任务，就要有意识地积累自己的声誉分。
比如一个员工没有区块链编程能力，可是又想领这样的任务，怎么办？该员工可能会试图加入一个大任务，承担一些简单工作来积累得分，或者直接参加一个区块链编程课程，合格后直接加分。于是一个完美的员工自我激励、自驱成长的循环出现了。
结论
平台化组织是未来企业的发展趋势，基于区块链、大数据、机器学习、AI等科技手段设计的组织管理技术体系恰恰能够适应平台化组织管理的需要。
第一，重构了企业和员工的界面
传统人力资源体系与员工的界面是“岗位”。人员要通过入职流程和离职流程和企业发生联系。但在新体系下，界面变成“任务”，入职可以通过注册实现。但注册成功，员工只是表面上具备领取任务的资格，企业对这个资格进行了认定。企业与员工之间的界面转变成了任务界面（如图4所示）。这就是平台组织（平台+个人）的界面：平台提供任务、资源、奖金，个人完成任务，领取奖金。
第二，赋予了企业极高的组织弹性。
在任务界面下，组织不但可以变得无穷大，还会变得极富弹性，昨天还只是1万人的组织，今天就可能变成10万人。但在传统的组织模式下，无论如何都不可能有这么高的弹性——一个公司如果每天要入职500个人，传统的人力资源体系也许会彻底崩溃。但是注册500人却很简单，进来之后每个成员有一个初始化声誉值，之后就开始领取任务合约了。
第三，彻底放弃了传统人力资源体系的逻辑，但依然建立在坚实的人力资源技术基础上。
新体系是基于现有的技术和条件，而不是基于某个假想的前提（如表1所示）。这里所讨论的组织管理模式已有实践，简单的实践版本就是“滴滴出行”：平台发出任务，专车是指派，快车是抢单。
任务完成，默认是检查几个要素：
◎一是通过GPS定位，判断乘客有没有在约定时间上车；
◎二是乘客指定的目的地与到达时结算的目的地是否一致；
◎三是系统预估的价格与实际发生的价格差异大不大。
只要这三个条件满足，系统默认订单完成，自动扣费。
但是，如果乘客指定的位置是A，上车却与驾驶员协商更改地点为B，乘客会发现系统不是自动扣费，滴滴最后要让乘客确认目的地是不是乘客所指定。这就是所谓的智能合约，只要满足一些特定条件，系统就认定合约完成。
系统也会要求乘客做五星级评价，乘客没打分，系统也会按照完成单的数量给驾驶员积分。驾驶员的声誉机也在同步运作，随着接单数量越多，乘客的五星评价越多，系统推给驾驶员的单也会变多，声誉值到达一定门槛就会升级成“优享型”，优享型驾驶员单价会上升。
滴滴每个月也会对本月全五星好评的驾驶员多给10%～20%的奖励。滴滴驾驶员的数量也是弹性的，节假日、高峰期，任务单价上升，驾驶员数量也会随之增加，反之则减少，这就是规模极富弹性的组织。
未来每一个个体不再只属于“某个”企业，不再需要确定的“上司”，个体可以注册多家组织，致力于管理和维护自己的声誉值，自由支配时间，从而在市场上谋取最高回报。
