第四章　从改 D 到改 L，是分水岭——判别真变革的那把尺子

4.1　分水岭：两个世界的交界处

前三章，我们把一幅画像画完了：组织在熵增，逆熵要靠甄别，甄别要靠因果；可是组织手里那批旧工具，只认动作、不认因果，只看得见 D 的楼层、看不见 L 的楼层。

于是，一个极自然的问题，像巨石一样摆到我们面前：当组织要"变"、要转型、要应对 AI 时代时，它到底改的是什么？

这个问题的答案，决定着这家组织走上的是哪一条路。而我想说，在正确的分岔路口，立着一道分水岭，把两种截然不同的"变革"分开。这道分水岭，就是本章要交付给你的核心：改 D，还是改 L。

先别急着觉得这是绕口令。这两个词，我们已经不陌生了。D 是做法，是动作，是你"怎么干"的那一层；L 是逻辑，是因果，是你"为什么相信这么干会带来想要的结果"的那一层。它们住在两个楼层，而绝大多数组织所谓的"变革"，只在其中一层——D 的楼层——打转了不知多少年。

我们见过的、甚至亲手做过的那些"大变革"，绝大多数都停在 D：

企业说要"转型 AI"，于是采购新工具、引入新系统、给员工培训 AI 技能、成立一个数字化部门。听起来轰轰烈烈，可问一句"这些新做法，到底改变了企业运转的那套因果吗"——往往沉默。这叫改 D：换了若干新动作，逻辑没动。

企业说要"组织变革"，于是调整组织结构、换一版架构图、重新划分部门、重新写岗位说明。同样声势浩大，可那套"人和人之间、任务和成果之间到底该怎么连接"的因果，变了没有？往往也没变。这还是改 D：挪了格子，没动连接。

企业说要"战略转型"，于是换 slogan、换赛道口号、换一批 KPI、换汇报的口径。可战略背后的那套因果逻辑——到底靠什么赢、凭什么脱颖而出——若没有真的重建，那就仍是改 D：换了一身衣裳，重量级的动作没有变。

我不是说改 D 没用。动作一定是要改的，新工具、新结构、新动作，都是变革必要的落地。我要说的是：改 D，永远不够。 当一家组织的核心逻辑 L 没有发生变化时，改再多的 D，也只像是在一条老路上换了很多趟车——车是新的，路还是那条，跑得再快，也到不了它真正想去的地方。

我想用一个并排的场景，把"改 D"与"改 L"这两条路，放到同一条起跑线上比一次，让差别自己跳出来。

两家同行的公司，都决定用 AI 来改造销售业务。A 公司和 B 公司，都投了差不多的钱、都上了差不多的系统——单看动作，几乎一模一样。可半年后，两家公司的样子截然不同。

A 公司做的是改 D：它把期望押在"工具本身"上，招了几个会用 AI 的运营，让销售小组照着 AI 生成的线索清单去打电话。动作层面全做了，可它的 L 没动——它依然默认"愿意接电话、留了资料"就等于"靠谱客户"，它没有重新问过"销售到底是怎么成交的、那段真正的因果在哪"。于是半年后，AI 给的线索照样被销售嘲笑是"垃圾线索"，系统慢慢又被晾在一边，变成了昂贵的摆设。

B 公司做的是改 L：它在上系统之前，先花了一个月，请销售、产品、客服一起坐下来，重新画了一遍"客户从认识我们到掏钱，到底走的是哪段因果"——是哪批人、被什么打动、因为什么信任、又在哪一步放弃。把这根 L 画清楚之后，才回头去设计"AI 该在哪一环帮我们看清与干预"。于是它的 AI 不是一堆摆设，而是精准守住了那几段真实决定成交的因果。半年后，这套系统成了它的武器。

同一个起点、同一种工具，只因一层 D 一层 L 之差，走向了完全不同的结局。这就是分水岭的威力——它不看你动作多不多，只看你的逻辑动不动。

而这道分水岭的分量，就在这儿：D 变了而 L 没变，是一次"换工具"；D 变、L 也变，才是一次真正的转型。 本书要谈的 AI 时代的组织重塑，站的位置，是在分水岭的右边——那一边的一切，都从"重新看清并重建因果、让 L 真的动起来"开始。这一章，我们正站在交界处，把左右两边都看清楚，再决定往哪边迈步。

4.2　改 D 的诱惑：为什么那么多企业在原地打转

在迈步之前，有必要先弄明白一件事：如果改 D 永远不够，为什么还有那么多组织，几十年来乐此不疲地在 D 的楼层上打转？

原因是，改 D 有一整套让人难以抗拒的吸引力。它不是错的开始，它是诱人的捷径。

第一个诱惑：看得见。 改 D 太直观了——你上了一个新系统，肉眼可见；你换了一个组织架构，人人都看见了；你推了一批新流程，墙上贴得明明白白。动作是有形体的，改一个动作，就有一个看得见的结果。而改 L 不一样：它发生在逻辑的层面，看不见、摸不着，即使变了，短期内也很难从表面上看出端倪。在一个"无图无真相"的企业文化里，看得见的改 D，天然比看不见的改 L 更有号召力。

第二个诱惑：好汇报。 动作改了，是可以写成 PPT 的。上了几个新模块、推了几条新流程、成立了一个新部门——每一项都能量化、能展示、能对上"我们在变革"的口号。而改 L 很难汇报：你总不能在一页 PPT 上写"我们今天想通了因果逻辑"。于是，在"考核变革有没有做"的压力下，组织不自觉地只做那些"好汇报"的 D。

第三个诱惑：不流血。 这是最深的诱惑。改 D，通常不触及谁的既得利益、不推翻谁的旧有成功、不否定谁的老办法——它是在"大家都对"的基础上，加点新动作。而改 L 是伤筋动骨的：它可能告诉你，你引以为傲的成功路径，逻辑是错的；你赖以为生的老判断，方向是偏的。推土机动到哪一层，都会碰到既得利益，都会引起抵抗。趋利避害的人性，自然让人躲开改 L，而缩回改 D 的安全区。

第四个诱惑：错了不心疼。 改 D 的失败，往往不至于致命——新系统不好用，换掉重来；新流程不顺手，退回旧的。动作是可以回退的资本。可改 L 一旦走错，是伤元气的：因为它动的是根本，错了想退，就得连尸体一起翻。于是，组织宁愿在"改 D 改错了也不疼"的浅水里反复试，也不愿踏入"改 L 走错了代价重"的深水里一搏。

你看，四个诱惑层层叠加，形成了一台巨大的引力机器，让组织稳稳地停在 D 的楼层上：看得见、好汇报、不流血、错了不心疼。它几乎是人性对变革的天然偏好——宁可在动作的浅滩里折腾一辈子，也不愿到逻辑的深水里冒一次险。

这几年，我们其实批量目睹过这种"原地打转"最壮观的样子——就是那阵席卷全行业的"AI 采购热潮"。

很多企业，把"拥抱 AI 时代"理解为一件非常纯粹的动作：买。买大模型、买算力、采购一堆 AI 工具、成立数字化团队、给全员上 AI 培训课。钱花得汹涌、PPT 做得漂亮、新闻发得热闹，可问一句"你们的业务因果逻辑，因为买了 AI 而改了吗"，往往是沉默。等到潮水退去，大家才发现：潮位涨过，沙滩没变。那些昂贵的系统们，要么被晾成了摆设，要么被吐槽"不如人干得顺"。

问题不在 AI 不好，而在我们把改 D 当成了改 L。买工具（D）是真做了，可"重新看懂业务因果、让 AI 替我们守住某几段 L"（L）没做。于是再新的工具，也只是给旧逻辑配了件昂贵的新衣服。这不是一两家企业的失误，它几乎是这一轮浪潮里最普遍的现象——恰恰是因为，它让"改 D 的四个诱惑"在最大规模上同时发作：看得见（真买了一堆东西）、好汇报（采购清单就是功劳）、不流血（不否定谁）、错了不心疼（买了先放着总没错）。四个诱惑一起发力，组织便极其自然地，在 D 的楼层上，旋转不止。

但请记住一个冷酷的事实：这份"<｜image｜>浅水区的安全"，恰恰是熵增的温床。 因为熵的根源在 L 的楼层（因果的断裂处），而你反复在 D 的浅滩上折腾，等于天天对着水面治理，却从不潜到水下去看河床。你以为你在变革，其实你在原地打转，只是转得飞快。这也是为什么，那么多企业"越忙越乱、越变越糟"——它们不是没在变，它们是在错误的那一层，拼命地变。

4.3　改 L 的真变革：从"换动作"到"重看因果"

那么，改 D 的反面——改 L——到底长什么样？我举几个"真变革"的样子，让你把这个抽象的动词，落到可感的画面里。

改 L，是从"加动作"转向"重定义"。 一个人抱怨"部门之间配合差"，旧的做法是加协调会、加流程、加对齐群——全是 D。而改 L 的做法是停下来问：这两个部门到底为什么要配合？各自的一端连着什么成果？它们之间的那段因果，本来就该由谁来守？——当这段因果被重新看清、被重新定义归属，很多顺理成章的配合就自然发生了，根本不需要那么多加出来的会。前者在给机器加润滑油，后者在重新看这台机器到底该由哪几个零件、怎么咬合。这就是改 D 与改 L 的差别：一个往里堆资源，一个往深里看结构。

改 L，是从"换口号"转向"换原理"。 一家企业说要"以客户为中心"，如果只是换个 slogan、设个客户满意度指标，那是改 D。而真正改 L 的做法是：重新想清楚"客户为什么选择我们、为什么离开我们、我们的价值到底联结在哪段因果上"，然后把整条业务逻辑按这个新认识重新布署。口号只是 D 那一层的外壳，原理才是 L 那一层的内核。改 L，是连原理一起换，而不只是给原理重刷一层漆。

改 L，是从"换指标"转向"换所守的成果"。 一家企业发现某个指标很漂亮但业务很差，改 D 的做法是调一个更漂亮的指标；改 L 的做法是深问一层——你真正要守的那份成果是什么？现在这个指标，是不是在替你守错的东西？想清楚真正该守的 R，再回过头来重设指标。指标是 D 层的影子，成果（R）才是它服务的本体；改 L，是把焦距从影子调回本体。

讲了三个"从……转向……"，你应该能闻到共同的味道了：改 L 的一切，都指向同一个动作——重看因果。 重新问"为什么"，重新看清"投入如何通向成果"，重新辨认"那段真实决定成败的连接在哪"。它是向内求，不是向外加；它动的是大脑里的那层逻辑，而不是办公桌上那堆表单。

我想再用一个完整的例子，把"重看因果"这四个字，从纸面抬到眼前。

有一家连锁零售企业，发现一个困惑已久的怪象：标准化的门店，有的生意红火，有的清淡到门可罗雀。按照改 D 的思路，会怎样？给差门店多配货、多点促销、多派督导去"盯业绩"——全是一水的加动作。而那些动作，往往治标不治本：这个月好一点，下个月又打回原形。

这家企业最终选择了改 L。他们没有急着给差门店加动作，而是拉了一批店长、客流、商品、店址的数据，认认真真去"重看因果"：到底是一家店"赚不赚钱"的真正原因是什么？是面积？是位置？是品类结构？还是相邻的客群密度？通过一层层剥，他们发现一个原先被所有人忽略的因果——一家店的成功，高度取决于它所在的"消费场景生态"：周边是写字楼还是社区、是白领还是家庭，决定了它该卖什么。识别出这根 L 之后，他们不再无差别地给每家店同样的货，而是按场景重构每一家店的品类结构。

这不是靠加多少动作（D）赢的，是靠重看那根早已存在、却被忽略的因果（L）赢的。动作并没有就此放下，但每个动作第一次被一根清晰的因果指引着，挑剔地对准了每根该守的连接。这，就是改 L 的样子：不是不做，而是让做，第一次站在对的位置上。

而这份"重看因果"的力量，恰恰是 AI 时代最需要、也最能放大的——因为 AI 最擅长帮你发现"那些你忽略了却真实存在的因果"，前提是你愿意先承认"我原来的因果，可能没看清"。

也正因如此，改 L 比改 D 难得多，也贵得多。它需要人真正的思考、真正的承认错误、真正的放弃一些旧有的正确。可它一旦做成，回报也是根本性的——因为只有 L 的楼层变了，那些 D 的楼层上新添的动作，才第一次有了正确的方向可循。

到这里，我要为"改 L"补一个极易被误会的注脚：改 L 不是"不做事、只想"，恰恰相反，改 L 是为了让"做事"做得更有意义。没有 L 校准的 D，是盲目的；有了 L 校准的 D，才谈得上专注。理想的转型，从来不是"放弃 D 只改 L"，而是"先让 L 站起来，再让所有 D 在 L 划定的轨道上精准发力"。两者不是二选一，是次第关系：先正其逻辑，再猛其动作。

4.4　判别尺：如何认出"真变革"还是"换汤不换药"

讲到这儿，你大概已经心里有数了。可"我心里的分水岭"和"我手里能操作的分水岭"，是两回事。让你真的能在现实中辨别"这家是改 D 还是改 L"、"我这个方案是真变革还是换汤不换药"，我需要给你一把能落地的尺子。

这把尺子，其实前几章已经磨出了一把雏形——那把三字母的尺子（D/L/R）。现在，我把它淬成一柄判别真变革的手术刀。你只需要问三个问题：

第一问：这次变革，动没动 R（成果，也就是那个要交出的、场景下的成果）？ 如果只是把同样一堆事做得更快、更省、更漂亮，R 没变，那多半还停在 D。真变革，会重新定义 R——原来我们守的是这个成果，现在要守的是另一个更根本的成果。只要 R 动了，变革才开始触及根本。

第二问：这次变革，改没改 L（背后的因果逻辑）？ 这是最关键的一问。你为新动作配的每一个"为什么"，是旧逻辑的翻版，还是被重新看见的因果？如果一个新方案，从头到尾只解释"怎么做"，却从不解释"凭什么这样做能通向那个 R"，那它的 L 大概率没动。真变革，一定伴随 L 的一次重写——哪怕只是对旧 L 的一次强化，也必须是"被重新审视过"的，而不是"默认沿用"的。

第三问：这次变革，有没有让某段因果的"守"换主？ 这是最深的一问，也最见分水岭的功力。真变革，往往会改变"谁来守这段因果"——过去没人守的一段边界因果，这次有人接过手来；过去由人守着的一段，这次交给了更可靠的引擎。一段因果换了守护者，才算真正动了组织的经络；如果变革前后，每一段因果的守护者都没变，那它多半只是换了一批动作，经络还是旧的。

把这三问合起来，就是那把判别尺：动 R、改 L、换守，三处皆动，才是真变革；只有动作（D）动了，其余巍然不动，那是换汤不换药。 用这把尺子去量你手头的每一个转型方案，很多看似宏大的计划，会当场现出"改 D"的原形——这不是贬义，是让你清醒：它们或许不俗，但没到"真变革"那一级。

我要特意叮嘱一句：用这把尺子，不是要苛责什么。改 D 有改 D 的时空，比如在 L 已正确的领域里，优化的 D 很必要。但你必须知道自己在哪一层，而不能用"改 D 的忙碌"来冒充"改 L 的变革"。尺子的意义，就是让你对自己的变革，有精确的自我认知——知道自己在浅滩，就别假装自己在深水。

光有尺子还不够，我再给你一个"当场练习"，好让你真正握会儿这把尺子。设想一个真实的转型方案：某制造企业上马"数字工厂"，流程是——装传感器、接了数据中台、上了几套分析面板、买了机器人产线。现在请用我们的三个问题量它。

第一问，动没动 R？答：它要交出的成果，从形式上看，还是"更快更省地造出更多货"——R 没怎么变。

第二问，改没改 L？这里就要警惕了：装了这么多系统，如果只是"用数据把原来的造法看得更清楚、跑得更快"，而没有重新想"我们的产品到底凭什么能赢、哪段价值该重点投入、哪些连接该重配"，那么 L 大概率没动——它只是给同一条产线，配了一副更清晰的老地图。

第三问，换没换守？若装完系统，从前"谁来为这段因果负责"仍是老样子、没让新引擎守住任何一段原本没人守的连接，这就是三问皆不过的典型——一个花了很多钱、却仍在改 D 的宏大方案。

这时候，你心里该亮起一声提醒：这套"数字工厂"，也许数字化有余，但"因果驱动"不足。它可能仍是一次昂贵的换工具，而非一场改逻辑的真变革。我不是说它错，我是说——有了这把尺子，你终于能把它量清楚，而不是被"我们在数字化转型"的口号推着走。

把这三问握稳，你手里的就不再是一句正确的废话，而是一把能把"真变革"和"换汤不换药"当场分开的手术刀。

4.5　回望与前眺：分水岭之后的世界

走到这里，第一篇的立论，该收口了。让我们把前三章连同本章，串成一条完整的线，再站高一点，看看分水岭之后的世界。

不妨回望一眼我们一路走来的四步：第一章，看清了敌人——组织必然熵增；第二章，找来了武器——那台懂因果的逆熵引擎（算力＋模型＋因果）；第三章，卸下了旧包袱——那批只认 D、不认 L 的旧工具；第四章，我们立起了分水岭——变革的真伪，就看动没动 R、改没改 L、换没换守。

这四章，合在一起，回答了全书开门第一个也最根本的问题：在 AI 时代，组织要重塑，重塑的到底是什么？ 答案异常清晰——不是工具（D），不是口号（D），甚至不只是结构（D），而是那套让组织运转的因果逻辑（L），以及守护这段因果的人与机制。 工具、动作、结构都会迭代，而真正让一家组织"从上到下换一层"的，是它的因果逻辑被重新看见、被重新建立。

站在分水岭右边，你会看到一个与旧世界迥异的世界观：

在那里，组织不再被看成一台可拆装的机器，而是被看成一张需要有人在边界上守因果的网络；管理不再只是催动作，而是管逻辑；变革不再只是换工具，而是重因果；对抗熵增，靠的不是蛮力加速，而是那台能认准因果、分清真伪的引擎。

这个新世界观，可不是停在理念里。从下一章起，我们要把它一层层落到组织的中枢：看看当层级消失、超级节点与因果网络兴起，这张网到底怎么搭起来；看看人和 AI 该怎么分工、谁守哪段因果；再看看，工程化到底该以何为起点。那些，都是这本书第二、第三篇要展开的壮阔战场。而我们所有的动笔，都从今天这道分水岭出发。

在离开这道分水岭之前，我想带着它，去照一照整本书真正想写给的那群人——CEO、HR 负责人、业务顾问。

对 CEO 而言，这道分水岭是最冷的一盆水，也是最热的一张地图。AI 时代成为常态之后，那些"我们上了大模型、我们成立了数字化部门、我们采购了多少算力"的汇报，会越来越多——而这三句话，没有一个能证明你在变革。真正能证明的，只有一句：你重新看清了你这家组织赖以生存的那套因果，并为之重建了逻辑。CEO 若只盯着改 D 的表象，会被整个行业"看起来都在转型"的热闹裹挟着花钱；CEO 若握住了分水岭，就能在任何一场所谓的"转型"面前，一眼看出它是真革命，还是又一次昂贵的换汤不换药。

对 HR 负责人而言，这道分水岭呼应着一次根本的角色跃迁：HR 过去是"岗位与职责的看守者"（守着 D 的楼层，定义着动作）；而在分水岭右侧的新组织里，HR 要成为"组织因果网络的测绘人与守护者"——他要看得清"组织能力与业务成果之间那根因果的线"，并据此重新切分布局。若 HR 仍只会写岗位说明、考核动作，就会被 AI 时代的新组织甩下；若 HR 站上了分水岭，他可能就是那张新因果网络最清晰的测绘者。

对业务顾问而言，这道分水岭则提醒着一件沉甸甸的事：真正的顾问功夫，不在给客户排满优化动作，而在帮客户看清"他那段业务背后没被看清的因果"，然后陪他把 L 重建。凡只能交付一套动作方案的，无论包装多精美，都还是改 D 的旧手艺；凡能交付一张因果网的，才是 AI 时代真正稀缺的新功夫。

这三群读者，恰好是这本书的初衷——因为组织重塑，从来不只是技术问题，它是 CEO 的判断、HR 的测绘、顾问的功夫，三股力量在同一道分水岭上的共同选择。

最后，请把第一篇的命题，用一个最凝练的句子，装进口袋：

组织的变革有分水岭：改的是动作（D），是一次换工具；改的是因果（L），才是一场真变革。AI 时代给组织的，不是又一次换工具的机会，而是一次重看因果、重建逻辑的窗口——错过这扇窗，你只是更快地重复旧秩序；握住这扇窗，才是真正把企业从熵增里救出来。

*第四章·第一篇完。*