Yuval Noah Harari 在题为 "AI has hacked the code of human civilization" 的演讲中提出，人工智能的真正影响不在于替代工作、提高效率或生成文本，而在于 AI 正在进入人类文明赖以运转的"代码层"。该演讲出自 2026 年 Oxford Linacre College 的 Tanner Lecture。Linacre College 为讲座拟定的标题是 "AI bureaucrats, AI religions, and AI boyfriends: What happens when a non-human intelligence hacks the operating system of civilisation"，问题指向很明确：当一种非人类智能能够介入官僚系统、宗教叙事、亲密关系和社会制度，人类文明的底层运行机制会发生什么？
Harari 的判断是：文明建立在信息网络之上，不是单个大脑之上。AI 是第一个能够主动参与、重写和扩展这些信息网络的非人类行动者。在《Nexus: A Brief History of Information Networks from the Stone Age to AI》中，Harari 将人类历史处理为信息网络不断扩张、制度化和技术化的过程。该书的介绍也写明，它讨论的是人类如何进入信息时代，以及信息网络如何塑造社会秩序。这场讲座不是孤立的技术评论，而是 Harari "大历史"叙事在人工智能时代的延伸：从语言、神话、宗教、法律、货币、国家到算法，人类社会的根本问题始终是如何通过信息组织大规模合作。
一、为什么说 AI 黑入了"文明的代码"
"文明的代码"不是指计算机程序的源代码，而是支撑人类大规模协作的制度性符号系统。人类能够超越血缘、部落和面对面互动，建立国家、市场、大学、公司、军队和国际组织，靠的是围绕共同叙事、分类系统、程序规则和信任机制展开合作。法律文本、财务报表、合同条款、学术论文、行政表格、宗教教义、新闻报道、社交媒体内容，都是这些代码的具体形式。
在前 AI 时代，代码由人类生产、解释和执行。官僚体系靠公务员处理文件，宗教体系靠神职人员解释经典，司法体系靠法官和律师解释法律，企业靠经理人和专业人员处理合同、报表和战略计划。AI 的特殊之处在于，它不是单纯的工具。它能生成语言、解释文本、识别模式、提出建议、模拟对话、参与决策。Harari 在 2023 年便在《经济学人》撰文警告，AI 已经"黑入"人类文明的操作系统，因为语言几乎构成了全部人类文化的基础——而 AI 现在可以操作语言了。
这个区别值得认真对待。蒸汽机、电力和内燃机改变的是能量系统；互联网改变的是连接方式；生成式 AI 改变的是意义生产、符号解释和制度执行的机制。它不仅传递信息，还自己生产信息；不仅搜索答案，还编造叙事；不仅执行既定程序，还可能参与制定程序。AI 的影响应该放在"制度基础设施"的框架下理解，而不是仅仅放在"工具效率"的框架下。
二、AI 官僚：制度系统中的非人类执行者
"AI bureaucrats" 是 Harari 演讲标题里管理学者最应该注意的词。官僚制在韦伯意义上是一种理性化组织形式，靠规则、档案、层级、职位和程序维持稳定运行。现代社会高度依赖官僚制：政府审批、税收征管、社会保障、司法程序、公司合规、大学评价、医院诊疗、银行风控——没有哪项离得开制度化的信息处理。
AI 嵌入官僚系统后，首先出现的不是机器人取代公务员，而是"规则解释权"和"程序执行权"的重新分配。过去，官僚系统的问题是执行者可能低效、腐败、僵化或选择性执法。未来，问题会转向算法系统是否透明、可解释、可问责，以及它是否会在自动化过程中放大既有偏见、制造新的排斥——甚至让人类难以理解制度为何作出某个决定。
这对组织管理研究有直接意义。组织中的 AI 不只是辅助工具，它正在成为"算法型中层管理者"：筛选简历、分配任务、评价绩效、推荐晋升、识别风险、制定预算、预测离职、监控合规。表面上，组织获得了更强的数据处理能力。实际上，组织的注意力结构、权力结构和责任结构正在被重写。谁定义算法目标？谁决定训练数据？谁解释输出结果？谁承担错误后果？这几个问题加在一起，就是 AI 官僚制的治理核心。
三、AI 宗教与 AI 叙事：意义生产的自动化
"AI religions" 不一定是说 AI 会创立传统意义上的宗教组织。它更可能是指 AI 参与生产具有准宗教功能的意义系统。宗教在人类历史中的作用不只是解释超自然世界，还包括建立共同体、提供道德秩序、赋予人生意义、将分散个体嵌入更大的叙事结构。现代政治意识形态、民族主义、消费主义、技术乌托邦和企业使命叙事，也承担着类似的"世俗宗教"功能。
生成式 AI 的危险在于，它能以极低成本、极高规模、高度个性化的方式生成叙事。传统宣传需要组织、人员和媒介渠道。AI 可以为不同个体生成不同版本的故事、解释、劝说和情感回应。这种"个性化叙事机器"可能让公共领域进一步碎片化：每个人都活在算法定制的信息宇宙里，看到不同事实，接受不同解释，形成不同情绪反应。
Bengio、Hinton、Yao、Song、Harari 等人合著的 AI 风险论文（2024）也指向了同样的方向：更强大的 AI 系统可能放大社会不公、侵蚀社会稳定、削弱社会赖以存在的共同现实理解，并被用于大规模操纵、监控和网络攻击。对管理学而言，这意味着组织合法性、企业声誉、消费者信任和员工认同都进入了一个新的算法化竞争阶段。未来企业竞争的不仅是产品、价格和技术，还包括叙事生成能力、意义塑造能力和信任治理能力。
四、AI 伴侣：亲密关系的信息化重构
"AI boyfriends" 这个词放在演讲标题里显得轻松，但触及的问题很深。当 AI 能够提供陪伴、理解、安慰、赞美、建议和情绪回应，人类亲密关系的边界会重新划定。亲密关系过去依赖相互承诺、身体共在、情感劳动和长期互动。AI 伴侣则能以低摩擦、低冲突、高响应的方式模拟亲密性。
这有两面。一面是 AI 伴侣可能为孤独者、老年人、心理脆弱者和社会边缘群体提供支持，降低孤独感。另一面是它可能削弱人类处理冲突、理解他者和承担关系责任的能力。当亲密关系被设计成"永远响应、永远顺从、永远个性化"的产品，人类可能更难接受真实关系中的不确定、差异和互惠。
从组织角度看，这个问题不局限于私人生活。员工支持系统、AI 教练、AI 心理咨询、AI 导师、AI 客服和 AI 社群管理，都在把情感劳动算法化。组织需要意识到，AI 不仅是认知工具，也是情感界面。它改变员工与组织之间的心理契约，改变顾客与品牌之间的关系结构，也改变领导力和组织文化的生成机制。
五、Harari 命题的管理学转译：AI 是新的"制度行动者"
将 Harari 的大历史判断转译为管理学语言，可以这样表述：AI 正在从组织工具转变为制度行动者。传统信息系统理论把技术看作支持流程、提高效率或增强决策的工具；生成式 AI 和自主型 AI 系统出现后，技术具备了部分行动者特征：它能感知、生成、推荐、协调、解释、说服和执行。
这里有几个经典管理学问题需要重新审视。
组织决策方面，AI 不仅是提高信息处理能力，还改变了问题定义、注意力分配和备选方案生成的方式。组织权力方面，AI 不仅是管理者的工具，也可能成为权力行使的中介——让权力更隐蔽、更技术化、更难追责。组织合法性方面，AI 生成的文本、报告、证明和叙事可能改变利益相关者判断组织可信度的方式。组织伦理方面，AI 的使用不仅是隐私保护或偏见校正问题，还牵扯到人类判断、责任归属和制度正当性。
所以 AI 治理不能停在"使用规范"层面。真正需要问的不是员工能不能用 ChatGPT 写邮件，而是组织是否已经把关键判断、评价、沟通和控制功能交给了不可充分解释的算法系统。社会对高级 AI 风险的准备目前是不够的，治理体系滞后于能力进展，尤其在自主系统带来的责任、控制和安全问题上。
六、从"AI 替代人"到"AI 改写制度"
关于 AI 的讨论大量停留在"哪些职业会被替代"。Harari 把问题往前推了一步：AI 最重要的影响不是替代某些个体，而是改写人类社会进行合作、形成信任、生成意义和执行制度的方式。需要担心的不是某个岗位消失，而是人类是否还能理解和控制支撑社会运行的信息网络。
所以 AI 时代的关键问题不是"人类还有什么工作可做"，而是"人类还掌握哪些制度性判断权"。如果法律解释、信用评估、医疗建议、教育评价、政治传播、组织决策和亲密陪伴越来越多地由 AI 中介，人类面对的就是一种新的治理挑战：我们还活在自己创造的制度里，却越来越难以理解这些制度如何运行。
七、结语：AI 是文明问题，不只是技术问题
Harari 的演讲提醒了一件事：AI 不是一项普通技术，而是一种进入文明底层结构的通用信息技术。语言是叙事的基础，叙事是制度的基础，制度是合作的基础，合作是人类文明的核心能力——AI 直接作用于语言，因此直接作用于这一切。AI 的治理不能只靠工程师、企业家或市场竞争，还需要历史学者、管理学者、法学者、政治学者、伦理学者和公共政策制定者共同参与。
对管理学研究而言，Harari 的命题指出了一个方向：未来研究不能只问 AI 如何提高企业绩效，还要追问 AI 如何改变组织的注意力结构、权力结构、责任结构和意义结构。企业不仅是采用 AI 的主体，它本身也正在被 AI 重新编码。理解这种重新编码，是理解 AI 时代组织变革的前提。
"AI 黑入文明代码"是一个理论命题，不只是修辞。人工智能正在从工具层进入制度层，从效率问题进入治理问题，从技术创新进入文明演化。真正的挑战不是阻止 AI 进入人类社会，而是当 AI 进入社会运行的深层结构时，人类是否仍然保有理解、审议、纠错和共同决定未来的能力。这个问题目前没有答案，但它应该被放在讨论的中心，而不是边缘。