1. 概念模型
2. 仿真建模
3. 走向AGI
4. 总结
什么是复杂系统？贝塔朗菲给出的定义是：由两个及两个以上相互作用的部分构成的整体。身边无处不系统，个人是系统，群体也是系统，机器是系统，生物体的也是系统。系统会表现出一些特征，譬如自组织、涌现、临界相变等等这些复杂的现象，因此也被称为复杂系统，复杂系统科学即研究这一类问题的学科。
这里把企业或组织看作一个复杂系统，基于此，沿着时间的脉络，从组织理论系统学派的兴起讲起，分成三个部分对不同时期基于复杂理论的管理学模型进行介绍和讨论。第一部分介绍概念模型，系统学派早期更多的是抽象的理论化概念模型；第二部分介绍仿真建模，系统学派发展到上个世纪末发生了巨大的转变，更加偏重仿真；第三部分介绍AGI，今天它对我们的影响之大难以忽略。
Y=X1+X2+X3+…+XN是我们在分析事情时常用的一个简单数学公式，传统管理学模型中会有大量这样的结构出现，比如波特五力、SWAT模型、生产领域的人机料法环、项目管理领域的HEROS模型等，这个结构表示一个问题可以拆分为不同部分的相加。
权变理论即将问题的每一个部分视作一个权重可变的因子，其中因子权重的变化可能是连续的，也可能是离散值，甚至有时会是另一个因子权重的函数。
虽然权变理论是系统学派诞生之初最具代表性的理论，但它的逻辑仍然是还原论的。权变理论在分解要素对结果的影响时通常从净效应的视角出发，不考虑相互作用，而从系统的定义来看，相互作用几乎可以认为是系统的本质，因此，忽略相互作用的权变理论并不系统。
这里作概念区分不是完全否定权变理论的价值，而是要提醒大家，当分析的要素有三个及以上时，权变理论等还原论方法就已经无法求解了。例如三体问题，三个星体相互作用的情况无法用牛顿力学方法求解。这里不再展开，感兴趣的朋友可以看看复杂管理学读书会第一季第九期杜运周老师的《复杂动态视角下的组态理论与QCA方法》以及因果科学的读书会。
组织系统模型是第一个真正基于系统科学的模型。组织系统模型有两个要点：第一，它强调组织是一个开放的系统，与外部环境做着各种物质信息交换，有输入、有输出、有界线；第二，它把组织内部从输入到输出的过程称为一个系统转化的过程（早期理论中视为黑箱）。
组织系统模型通常将组织划分为几个不同的功能部分或分系统，除了外部环境超系统外，组织系统模型还包括以下分系统：
结构分系统：可类比为人体中的肌肉和骨骼，这个分系统包括组织的架构、流程等支撑组织框架的元素。
管理分系统：可类比为人体中的神经系统，这个分系统负责组织的反馈、控制和调节功能，确保组织的运行效率和效果。
社会心理分系统：可类比为人体的营养输入和能量供应系统，这个分系统包括人力资源、领导力、群体动力、激励等，为组织提供驱动力。
技术分系统：可类比为人的知识、技能和工具应用，这个分系统包括组织的知识储备、技术提升、设备装备等。
目标与价值分系统：可类比为人的目标设定和价值观，这个分系统定义了组织的目标、使命和价值观。
该模型的核心观点是各个分系统之间没有绝对的优劣之分，关键在于各分系统之间的协调和整合，以保证组织健康、长久的良好运行。例如，结构分系统中的组织架构并不一定扁平结构就优于其他结构，重要的是选择与其它分系统协调的结构。
在这个组织系统模型的基础上，衍生出了许多管理工具和方法。例如，《流程圣经》就是一种管理工具，其副标题“管理组织空白地带”强调了组织中可见的部分并非最关键，连接各个实体的不可见部分（如流程、沟通、协调等）才是关键。这种视角有助于管理者更好地理解和优化组织的运作机制。
“六个盒子”模型是由Marvin提出的一种简化版的组织系统模型，它更易于理解和应用。
组织系统模型在组织诊断中表现出极高的性价比和效率，其解释力得到了广泛的认可。然而，这个模型也存在一些局限性：
1. 依赖诊断者个人水平：类似于中医把脉，诊断结果的质量很大程度上取决于诊断者的专业能力和经验。
2. 工作量大：如果完全依赖人力进行分析，处理大量的数据和关系会非常耗时和繁琐。
3. 各子系统的定义有争议：由于组织系统是虚实结合的，不像物理系统那样层次分明，因此在划分子系统时可能会出现定义不清或争议的情况。
4. 对子系统间联系的关注不足：虽然模型强调了子系统的定义，但在实际应用中，子系统之间的联系往往更为重要且复杂，而“六个盒子”模型在这方面可能有所欠缺。
5. 带有权变思想的色彩：组织系统模型可能受到权变管理理论的影响，这种理论认为管理策略应根据具体情况灵活调整，但这可能导致模型缺乏普适性和稳定性。
正因为这些硬伤，以“六个盒子”为代表的组织系统模型逐渐淡出人们的视线，取而代之的是一系列软系统思考方法。这些新方法更加注重系统间的动态关系、适应性和整体性，更加问题导向。
尽管如此，组织系统模型在某些情况下仍具有价值，特别是在相对稳定的环境下进行全身扫描式的诊断。对于想要了解自身状况的企业来说，使用类似的工具进行诊断仍然是一个值得尝试的选择。此外，随着AI技术的发展，有可能通过引入AI的力量来解决组织系统模型的一些局限性，如依赖个人水平和工作量大的问题，使其在未来重新焕发生机。
既然硬系统的划分方法硬伤太多，不如放弃划分的努力，直接基于系统思想去解决企业面临的问题，所以一系列软系统思想应运而生。这一系列的思想有一些共性。
首先是问题导向，软系统从问题出发，把企业看成一个整体去解决问题。同时，那个时期已经有了自组织的概念，系统理论认识到组织中个体交互所产生的宏观效应之重大，所以软系统方法特别强调个体的主动性以及个体交互产生的效应。
接下来我会介绍三个各具特色的软系统模型，这三个模型充分展示了软系统思想的精髓。
第一个是双线模型。切克兰德和索尔斯在著作《软系统方法论实践》（1990）中提出了“双线模型”。双线模型的核心观点是将企业要解决的问题从现实中抽离出来，运用系统的方法来解读这个问题，现实世界和系统思考间的分界线就是它最值得称道的地方，对识别模型与现实之间的差异起到重要作用。
双线模型的流程中，首先要描述问题情境，然后运用系统思维进行建模。接着，我们将构建的模型与现实中实际发生的状况进行对比，找出理论模型与现实状况之间的差异，这些差异就是我们需要着手解决的问题。
首先，在描述问题时，双线模型非常强调使用图像化或视觉化的方式。这种方法的优势在于，人类大脑对图像的认知通常更为整体和全局，而对文字或概念的认知则较为线性和局部。因此，通过图像化的方式认识问题，能更容易调动大脑的全局观念来看待问题。在实际工作中，尝试使用绘画等方式来描述和分析问题，往往比口头表述、列表或书面表达效果更好。这有助于提升问题分析的整体性和直观性。
其次，双线模型在将问题图像化描述之后，尝试用一个系统性的模型去解读问题。与组织系统模型不同，双线模型提供了一些指导性的意见，根据问题自身的特点构建系统模型，而不是强行将问题纳入某个预设模型中。这种问题友好的方式允许根据问题的具体情况灵活选择架构。
在定义问题的目标后，可以构建若干个不同的系统模型，从不同方向拆解和解决问题。例如，针对业务团队开展业务不利的问题，可以构建对市场信息敏感的系统、狼性系统、合作良好的系统等。
在第四步，双线模型会构建一个具体的模型。这个模型旨在达成某个目的，通过某种手段实现特定的结果。在这里，目标和结果被明确区分，这是一个重要的观点。在系统中，特别是组织系统模型中，我们强调应将目标和结果区分开来。因为目标只是一个方向，实际采取的措施可能会带来与预设目标相近但不完全吻合的结果。
这种对目标和结果的理解不同于传统的目标管理理念，后者倾向于设定目标并期望通过线性步骤直接实现。然而，在系统中，目标和结果之间存在一定的容错空间，这是反思传统目标管理和绩效管理失效问题的一个重要视角。
总的来说，双线模型通过区分目标和结果，以及运用图像化和系统性方法解读问题，为解决问题提供了独特的思路和实用的工具。
第二个模型是交互式规划，它并不强调特定形式的模型，而是着重于交互的过程。
交互式规划提倡的原则包括参与原则、连续性原则和整体性原则。参与原则即在问题分析和规划设计过程中必须有尽可能多的相关方参与，改进应当基于委托人的标准进行。这意味着没有一个客观存在的、绝对好的标准。所有的决策和行动应基于主观的认知和期望的方向，即“适合就好”。这是一个重要的观点，因为在传统的企业管理中，常常会存在机械对标其他成功企业而忽略具体情境的误区。连续性原则指出改善是持续的，因为系统不断变化，不能一次性完成改善就算了事。整体性原则则强调系统是各部分相互作用的整体，不能只改进某一部分。
交互式规划包括五个步骤：1.明确地表述问题；2.目标设定；3.手段设计；4.资源规划；5.实施与控制。其中，在第二步设定目标时，交互式规划采用两次理想化设计，一次是有限设计，基于当前的人力、财力和市场情况，一次是无限设计，假设技术已经发展到理想状态，不考虑现实限制。这种结合有助于企业看到长远的可能性，并在做长期规划，特别是变革性规划时，找到眼前和远期的差异。
交互式规划的提出者强调管理者应集中管理组织部分之间的相互作用，而不是直接进行控制。然而，该方法被诟病的一点是过度强调共识，认为所有问题都可以通过讨论找到共识点。但实际上，许多复杂的问题可能存在不可调和的利益冲突，这是该方法论假设中被忽略的部分。尽管如此，我们仍然可以使用交互式规划的工具和方法来追求共识。
同时，也存在另一种完全不追求共识的工具，这就是第三个软系统模型——基本假设表面化与检验，它认为组织本身就是各种不同观点的角逐场，应该通过冲突和对抗来找到问题的解决方案。
这种方法认为组织系统是一个主观的系统，每个人眼中的系统都是不同的，因此冲突是必然存在的。在使用这种方法时，可以借鉴其分组技巧，通过不同的分组方式（如基于职能、组织层级、地域、时间等）来最大化组间的差异和冲突，从而产生更多的创新思路。这种方法特别适用于变革或创新的工作坊设计。
总之，软系统思想在做变革或创新工作坊时非常有用。硬系统方法和软系统方法各有特点，都在理论发展中不断得到尝试和改进。如果有兴趣深入了解，可以参考Michael C. Jackson的《系统思考-适于管理者的创造性整体论》。
生存系统模型看似复杂，但其核心观点非常有趣。该系统由五个部分组成，其中系统1为核心部分，可以独立完成组织系统的输入、输出和转化，2、3、4、5部分被称为超系统，它们为系统1提供支持，包括协调、开发和政策等。
生存系统模型中，强调了系统的主次关系，与前面系统模型不同，系统模型只强调系统之间的协同作用。生存系统模型更贴近组织的本质，因为组织的功能结构通常有一个中心或核心竞争力的部分，其他部分则是为其服务的。
该模型还认为组织是分层的，每个系统1内部也可以呈现出类似的结构，具有自相似性。这个模型的提出者以教育系统为例进行了解释。从大学到学科，再到具体的教育层次，都可以用这个模型进行分析。在最外层的循环中，我们可能看到的是大学A、大学B和大学C等不同的高等教育机构。当我们想要深入分析其中一所大学时，大学可以被进一步划分为不同的学科领域，如工程、科学、艺术和人文等。在每个学科领域中，我们可能会有一个重点关注的层面，将这个重点关注的层面再进行拆分，我们可以看到更细致的结构，如本科教育、研究生教育和科研活动等。这些部分各自构成了一个独立的系统，它们都有自己的输入、输出和转化过程。
相比于硬系统模型的单纯功能分层，生存系统模型的独特之处在于其自相似性和层次性，使得它在分析涉及众多要素的复杂系统时更为有效。例如，它可以用于分析涉及面非常广，上至国家政策、国际关系，下至平民百姓的日常生活的一类问题。生存系统模型可能不太适合直接分析企业，但在进行产业、行业或政策分析时，它是一个很好的工具。因为它可以帮助清晰地梳理出各个层级的关系，以及每个层级的主干和分支。
上个世纪末以来出现了大量基于复杂性的学说，也有许多相关著作，但其中很多被认为是缺乏严谨性和理论基础的“流行文化”。对于没有理论基础的人来说，阅读这些“流行文化”可能会感到困惑，因为其中存在许多不严谨甚至偷换概念的内容。
当然，在“流行文化”之外，也有一些可以称为“模型”、值得一读的著作：《规模》和《规模法则》，它涉及幂律，探讨的是一种普世规律，其推导过程有理有据，是比较有价值的；《战略管理与组织动力学》，其理论基础是复杂适应系统（CAS），对组织战略管理中演化学派感兴趣的话可以阅读这本书，但需要注意的是，这本书的内容比较专业、晦涩。
此外，Cynefin Framework和Stacey Matrix这两个模型在一定程度上也是实用的。但对有理论洁癖的人而言，从复杂科学的理论来看，它们会有些生造概念的嫌疑。这反映管理领域的一些学者喜欢创造概念来填补自己模型中的理论空白，虽然这些模型有时能用，但因其概念的似是而非可能会造成混淆。
至于“自组织”，这个概念已经被滥用，衍生出了五花八门、良莠不齐的各种模型。我将在以后的分享中专门剖析各种自组织模型的优点和缺点。
在概念模型这一部分，我分享了两个硬模型和三个软模型，以及近期的一些流行趋势。从中可以发现，近年来真正具有模型性质的东西越来越少。这可能因为复杂科学的发展历程是从共性研究转向个性研究的过程。
在复杂科学的大家庭中，管理学往往处于较为边缘的位置，常常是跟随其他学科的突破而发展。早期，当其他学科的研究成果关注共性时，管理学可以轻易借用这些成果来解释组织或企业的复杂性。但随着各学科研究的深入和分化，不同学科的结论可能不再完全适用于组织或企业。因此近年来似乎没有能脱颖而出的模型，许多讨论变得零散和鱼龙混杂，更多依赖于借用和解释概念，而非提出新的模型。
在我看来，简单地将其他学科的成果套用到组织或企业上是行不通的，我们需要将企业真正视为一个系统，采用专门的科学方法进行研究、得出结论，这才是未来的发展方向。
尽管前面提到的模型当下仍有实用性，但这种借用和套用的方法在未来会越来越局限。相应地，我们将转向下一个主题——仿真。
在讨论仿真之前，有必要解释一下“计算不可约”的概念，以理解为什么仿真会成为研究复杂系统的有效方法。复杂系统与简洁的数学模型不同（例如质能方程，在非常简洁的情况下依然保持极佳的解释力和预测能力），复杂系统之复杂性即在于简化后可能丢失许多关键信息。例如，混沌理论中著名的逻辑斯蒂映射（logistic map），虽然基于一个看似确定的公式，但经过多次迭代后会出现混沌现象。这意味着将复杂系统简化为一个确定的公式并不能完全解释这类现象，这就是所谓的“计算不可约”。
在计算不可约的情况下，仿真方法变得非常可取。仿真能够更真实地模拟复杂系统的运行过程，保留更多的细节和动态特性，从而为我们提供更深入的理解和更具针对性的管理实践指导与解决方案。
系统动力学是一种仿真方法，它通过存量和反馈回路等概念来分析系统的动态变化。系统动力学的经典案例是《第五项修炼》中的啤酒游戏，它可以让我们体会到局部扰动对整体的影响，以及全局视角的重要性。
系统动力学适用于那些可以被类比为机器的组织，如生产型企业或者是不太依赖于人的创造力的组织。这类组织的数据和因素比较容易获取和模拟。但系统动力学也有一些局限性，比如它忽视了人的因素，如员工的积极性、态度和能力等，这些在企业管理中是非常重要的。如果没有考虑这些因素，系统动力学可能无法真实反映组织的实际情况。
系统动力学的基本概念和实践应用可以参考相关的书籍或者软件。如果你想了解系统动力学的理念，可以阅读《系统之美》等概念性书籍。如果你想学习并应用系统动力学，建议学习专业的教材，如王其藩的《系统动力学》，并使用相关的软件来辅助你的学习和实践。
2.2 仿真建模2：Agent-Based Modeling（ABM）
ABM是一种计算模型，它由许多单元（或称为代理、个体）组成，每个单元都有自己的状态和行为规则。ABM的运行基于这些规则，使得单元的状态随着时间不断变化。ABM能够模拟出许多复杂系统的特征，如涌现、自组织、临界相变等。
朗顿蚂蚁（Langton’s ant）是一个非常著名的二维ABM例子。在这个模型中，一个小蚂蚁遵循以下规则：如果它所在的格子是白色的，它就向右转90度，向前走一步，并将该格子变成黑色；如果它所在的格子是黑色的，它就向左转90度，向前走一步，并将该格子变成白色。
虽然一开始蚂蚁看起来像是在乱跑，但大约在1万步左右，我们会看到一个规律性的结构开始涌现，这就是所谓的“高速公路”。这是一个典型的涌现现象，基于非常确定的规则，在经过若干轮迭代后，系统会呈现出规律的结构。有趣的是，每次运行时，高速公路的起点和走向都是不确定的。
作为计算模型，ABM还可以用来模拟物理系统和生物系统。如果你感兴趣，可以查看相关的模型库，其中包含许多有意思的模型。通过这些模型，我们可以更好地理解和探索复杂系统的特性。
ABM也被应用在社会学领域。其中最著名的例子可能是种族隔离模型。在这个模型中，绿色和红色的点代表不同肤色的人。每个人都倾向于与自己同类的人在一起，每个人的幸福感取决于周围同类人的比例。如果这个比例低于某个阈值，他们可能会基于个人舒适度和偏好做出选择，导致群体之间的分离。
种族隔离模型表明，即使没有任何种族歧视的意图，个体与同类人相邻的偏好也能在宏观上呈现出种族隔离现象。
该模型还有一个有趣的地方，即存在一个临界相变的状态。当对同类人的偏好设定为75%时，模型最终会显示出种族隔离状态，但当偏好设定为76%时，隔离状态会消失，呈现出一种宏观上的临界状态。
由于社会学科中往往难以进行大规模采样观察或重复实验，ABM工具为我们提供了一种新的选择。通过提取相关的特征或数据来建模，我们可以在模型上模拟并演示各种可能性。因此，近年来人们开始尝试将ABM应用于企业环境中，以更好地理解和解决复杂的社会和管理问题。
但是也必须指出，将ABM应用于企业实际情况会遇到一个难题，那就是人的特性难以量化，进而影响模型的解释力。更多情况下，它起到的是启发性的作用。
我们可以直接构建组织或网络的结构，通过分析其结构来了解其功能特性，如效率、最短路径、连通性等。
此外，关于信息在网络中的传播也已有很多理论研究成果，如模型和二次传播理论等，这些理论在一定程度上可以指导我们在营销实践中的行为。例如，如何引爆热点、在哪些特定群体中推广以实现事件的爆发和病毒式营销等。在社交网络领域，随着直播的兴起和种草、带货、KOL等概念的普及，基于社群的营销策略也日益丰富。根据对社交网络的分析，我们发现越来越多的种草活动不再只依赖大型头部主播，而是转向腰部主播。这是因为许多腰部主播的社群网络结构具有更高的聚集系数，这意味着他们的社群粘性更强，能产生更好的带货效果。
尽管网络科学理论丰富且颇具实用性，但在实际应用中仍然存在问题。
在我与一线营销人员交流这些理论时，他们虽然感到新奇并有所启发，但往往会因为担心风险而犹豫不决。即使模型提供了看似确凿的理论依据，他们仍可能倾向于坚持传统做法。
因此，在实践层面上，我们亟需更多企业尝试和探索。或许也需要一些突破性的事件来证明新方法的价值，促使更多人愿意迈出实践的第一步。我深刻体会到，理论与实践之间的鸿沟需要大胆的创新者去跨越，这是我们共同面临并需要解决的问题。
社会网络分析是我在仿真模型中运用最为自如的模型。这可能是因为社会网络分析或者社会计算从诞生之初就面向企业或组织，并非从其他学科借用过来的方法，因此在研究组织群体时更加贴合实际，结论也更符合现实情况。
社会网络分析经过多年的发展，研究领域非常广泛，包括对个体、群体的研究，从节点出发的关系研究以及基于整个网络结构位置的研究，也包括最近很火的自组织概念，如个体间交互导致的整体结构变化以及整体对个体的影响等方面。
然而，挑战在于如何将这些研究成果真正落实到实践中，这是我们需要努力的方向。这些研究方法如果运用得当，可以为企业提供非常独特的解决问题的视角，有兴趣的伙伴不妨尝试往这个方向发展。
在我看来仿真建模是未来研究的一大方向，而且如果我们能恰当地使用这些具有强大解释力的工具，仿真建模可以成为一个低成本试错的有效方式，对企业决策具有很高的辅助价值。
首先，技术要求是一大挑战，这些软件通常需要投入大量的时间和精力去学习和掌握，而一线的管理人员往往忙于日常事务，很难有足够时间和精力去做这件事。
更重要的是，当前使用的许多仿真模型借鉴自其他学科，可能并不完全符合组织特性。组织系统既展现出机械、规律的特性，又包含人的自主意识、适应性、学习能力和变化等许多复杂因素，如何真实地将这些因素融入模型是一项艰巨的任务。
尽管仿真模型面临诸多技术难题，但我们可以尝试将其与前面提及的概念模型相结合，在实践中进行探索。在无法获取精确数据定义模型的情况下，如果先建立一个概念模型作为基础，基于该模型做出一些假设，那么仿真的结果可能会具有启示性，这是一个值得尝试的方向。
我并非AI领域的专家，作为企业管理实践者，我们更关注新技术如何在实际场景中应用。
AI的应用最初主要集中在数字孪生、数字化和智能化等方面，许多企业试图追赶这股热潮。随着ChatGPT等技术的发展，AI对人的影响变得越来越明显。不仅客服和程序员的工作被AI改变，整个工作流程的自动化生成也在发生变化。
然而，在将这些新技术应用于企业场景时，我发现了一些问题。
对于一些基础管理问题，大模型能够提供平均水平甚至以上的答案，但是，当涉及到更专业、更具体的问题时，回答准确性明显降低，甚至出现答非所问的情况。因此，当企业真正考虑使用AI时，还面临如何在垂直领域构建起AI应用的重大挑战。
另一个值得注意的地方是智能制造部分。例如当下讨论火热的agent，我们期望它可以自己分解任务并调配资源，但实际离实现这一目标还相当遥远。AI目前还无法独立完成任务，很多过程仍然需要人来完成。
另外，在企业管理中，我们可以使用AI处理招聘需求、定薪、岗位匹配和绩效考核等任务，看似大大提高了效率，但如果仅仅将AI视为替代人力、机械化执行这些任务的工具，可能忽视了其真正的价值。在企业环境中，我们并不希望只是通过使用AI取代人力提高效率，而是希望真正改善组织的绩效。曾经的AlphaGo能在围棋游戏中找到超越以往认知的最优解，但那是在一个有限空间和两方博弈的场景下，在管理实践场景下，如今的AI能否找到整体最优解？这或许需要AI与人类智慧相结合，使AI应用建立在人类认知基础上，从而真正实现组织绩效的提升。
企业本质上涉及到两个核心活动：经营和管理。经营是指将各种资源转化为产品或服务的过程，而管理则是通过运用各种策略和方法，以提升经营效率、规模化生产能力、降低成本，并增强对市场变化的适应能力。管理模型是为服务企业而设计的，它是企业的强大工具，能够帮助我们构建理论框架，识别关键的管理环节，实现更高的运营效率、更大的规模生产、更低的成本，以及解释和预测业务中的各种现象。
AI的出现给企业带来许多变化，也引发了人们对工作岗位可能被替代的不安。确实，AI正在改变商业生态和运作规则。正因为如此，深入理解AI的内在逻辑，并在构建AI模型时融入更多的企业管理深层认知，变得至关重要。通过赋予AI更深层次的认知，可以使它在执行任务时更好地理解和适应复杂的管理情境，从而为企业提供更具洞察力和价值的建议，提升决策效率、推动企业的持续发展和创新。
陈雁鸿，中山大学岭南学院与MIT斯隆管理学院联合培养的国际MBA。陈雁鸿老师在管理咨询领域经验丰富，包括：曾在某大型国有控股集团下属企业任人力资源总监；具有近十年企业管理咨询经验，是国内领先的咨询机构的合伙人；管理咨询涉及的领域有战略规划、组织管控、企业文化建设、培训体系规划、股权激励、薪酬设计、绩效管理优化、组织设计与岗位规划等。
在学术专长方面，陈雁鸿老师近年来专注于复杂系统科学的研究，并致力于将复杂系统科学应用于企业经营管理实践中。在复杂系统科学领域主要涉猎的方向有：系统动力学、CAS（复杂适应性系统理论）、ABM、组态与QCA方法、网络科学、社会计算与社会网分析等，近年致力于将上述复杂系统科学理论应用于企业经营管理的各个领域，包括：商业模式、生产运营、市场营销、人才管理、战略文化等等。相关文章持续发表于个人微信公众号“AC系统思考实验室”，并在知乎专栏上同步更新。
学者主页：https://pattern.swarma.org/user/59776?from=campus
21世纪人类已经进入了全球化时代，事物彼此之间的依赖程度愈来愈深，传统的分割式思维模式已经无法深入分析与解决现有问题。在此时代背景下，一种主张以系统思维模式为核心的科学管理理论顺势而起。
兴起于20世纪80年代的复杂性科学，是系统科学发展的新阶段，也是当代科学发展的前沿领域之一。复杂性科学的发展，不仅引发了自然科学界的变革，而且也日益渗透到哲学、人文社会科学领域。英国著名物理学家霍金称“21世纪将是复杂性的世纪”。
企业、组织都是典型的复杂系统，也是复杂科学可以落地的方向。复杂系统管理学，是建构在复杂系统基础上发展的管理学新视角。复杂系统视角不仅可以形成一个认识问题的体系，也可以孕育解决问题的思维方式和方法。它不只是一堆解释性的概念，也可以通过与社会科学和大数据相结合，发展算法、构建模型，完成理论验证，发展出可预测未来的动态演化模型。
集智俱乐部邀请了清华大学社科学院社会科学院与公共管理学院合聘教授罗家德，清华大学经济管理学院副教授张勉，SIMOE 和奇弦智能创始人、同济大学组织仿真中心主任陆云波，以及东南大学经济管理学院教授吕鸿江共同发起了复杂管理学读书季第二季。聚焦在自组织、DAO、创新型管理、网络等方向，分享复杂系统管理领域的前沿理论、经典科普图书，旨在促进学术交流、知识分享以及跨领域合作。共同探讨复杂科学理论在复杂系统管理场景的应用、实践与展望，一起应对复杂多变的人类发展未来。
本系列读书会采用线上和线下相结合的方式，2023年9月23日开始，每周六下午 14:00-17:00，持续时间预计8-10周。读书会详情及参与方式见后文。
详情请见：
生态型组织进化：混沌边缘的涌现｜复杂系统管理学读书会第二季启动
