无聊更好
考夫曼及其同事在开展原创性工作时发现，平均每个节点拥有一个或两个连接关系的非层级网络展现了自发秩序，但每个节点拥有4个或更多连接关系时就会出现混乱（导致出现大量变化以及复杂性灾难）。28随后，来自巴黎高等师范学院的物理学家伯纳德·德里达（Bernard Derrida）与杰拉德·韦斯布奇（Gerard Weisbuch）发现了一个可以改变相变时间点的参数，29他们将此参数称为偏差。
在布尔圣诞树串灯案例里的规则是：从周围灯泡得到的输入信号将会转化成输出信号。例如，如果A与B都关闭，那么C也将关闭。现在，假设我们不知道任何灯泡变化的规则——每一个灯泡都是一个黑匣子，那么我们可以通过向单个灯泡输入信号并观察其输出来研究其行为。选择一个灯泡，然后随机输入多个1和多个0，我们的输入流就会有将近50%的多个1和接近50%的多个0。如果输出流也是50%的1和50%的0，那么我们可以说输出是无偏差的；如果输出有90%的1，那么我们可以说输出偏向1；如果90%的输出都是0，则输出偏向0。我们知道，灯泡的输出是通过对输入应用一种确定性规则计算出来的，因此低偏差并不意味着灯泡的行为是随机的，这只不过意味着其中的神秘决策规则是同样输出1或0。在一位不知道规则的旁观者看来，低偏差节点的行为很难预测，而高偏差的节点更容易预测。
德里达与韦斯布奇发现，在转变成混乱状态之前，偏差越高，网络的连接越密集。如果平均偏差是50︰50，那么每个节点的连接数量为2～4个时就会向混乱转变，这跟考夫曼的研究是一致的。如果平均偏差接近75%，那么每个节点的连接数量超过4个才会发生转变。在偏差更高的情况中，网络中节点的连接数量多达6个时才会发生转变。关键在于，节点的行为越有规律，网络所能容纳的连接密度就越大。
在组织中，我们可以将偏差视作可预测性的衡量手段。如果组织的决策是具有可预测性的，就好比灯泡的规则，那么拥有密集连接网络的组织就可以高效运转。然而，如果决策的可预测性相对较低，那么网络中的连接数量就不那么密集，层级更多，并且所需的控制范围就更小。举个例子来说，在部队中，规律的、可预测的行为是受到高度重视的，但在更大的部门中，比如广告创意机构，这种行为就是要避免的。这同样意味着导致行为可预测性降低的因素（例如办公室政治和情绪）会限制组织规模的发展，以至于组织无法被复杂性主导。我们甚至可以据此开出一张创建一个功能失调的组织的配方：将不可预测的行为、扁平的层级以及大量密集的连接混合在一起，这样能够做成事情的可能性就几乎等于零。
秩序的边缘
考夫曼以及其他人的工作得出了一些违反直觉的洞见。IBM公司在应对戴尔公司时出现的问题并不在于一流的公司对变化不敏感，而在于它对变化过于敏感。IBM公司业务系统中密集的相依性以及纠缠不清的互动意味着小小的变动（“我们通过直邮卖电脑吧”）会升级为大问题（“我们有1 000个不能通过直邮卖电脑的理由”）。
这展示了仅在隐喻的层面对复杂性理论进行解读所具有的危险性。许多畅销的管理类书籍和文章都写过关于“混乱的边缘”的内容。这是秩序与混乱之间的边界，有人说大自然的适应性是最强的，对于这种观念存在一种普遍解读——公司之所以不能适应，是因为它们在秩序化的管理体制中陷得太深，因此需要允许组织有更多的混乱，这样才能进一步激发创新。尽管这种观点听起来很有吸引力，然而，对科学的正确解读实际上应该更细致，并且将会得出不同的结论。
为了理解以上内容，我们可以回到考夫曼设计的闪烁灯泡网络。在考夫曼的研究中，如果平均每只灯泡只与其他两只灯泡相连，那么该网络的行为是十分有序的——小变化不会引起灯泡闪烁模式的大变动。但当他把每只灯泡与其他四只灯泡相连时，行为就会变得很不一样。网络中某个部分的一个小变化（比如稍微改变控制灯泡行为的其中一条开关规则）就会引起重大变化，使得预测灯泡变化的模式变得不可能。在组织中，正是这些重大的变化在后来进化成了冲突约束。30每只灯泡从2个连接变成4个连接，就会出现突然的相变，网络面对变化时的精准和不敏感就会变成面对变化时的混乱和过度敏感。如果进化系统对变化的敏感程度处于中等水平，那么系统就能达到最佳的工作状态，其中的原因我们将在后续进行说明。如果进化系统对变化不够敏感，那么这个系统就无法跟上环境变化的步伐。如果系统对于变化过于敏感，那么小变化就会产生大影响。过度敏感的问题在于，如果系统在过去已经取得了成功，那么很少能有重大改变再次提升它成功的可能性，绝大多数的重大变化反而会损害其原本的成功。
考夫曼发现，如果布尔网络中平均每只灯泡拥有2～4个连接，那么系统就会变得具有极强的适应性，进入中间状态。在此状态中，系统通常是有序的，它拥有大型的岛状结构，但在结构边缘也有充满活力的、缓慢渗透的无序状态。系统开关控制规则的微小改变一般会导致结果的小变化，但偶尔，小变化也会产生大影响，有时候这会拖累系统的表现，但有时候也会带来改善。尽管这种特定的网络适应性很强，但考夫曼依然对此很困惑，因为根据大部分自然界或人类组织网络的标准来看，每个节点拥有2～4个连接依然太稀疏了。
如果我们将考夫曼的原始结果与后来的层级和偏差结果相结合，相变的范围就变成了6～9个节点。对布尔网络进行分析所得出的数值与我们通常所见的高效率的人类组织的规模十分接近。31比如，在主席或首席执行官领导下的公司董事会或高管委员会通常有5～8位成员。美国最高法院有8位大法官和1位首席大法官，而欧盟的执行委员会有5位副主席和1位主席。一些人类学家推测，这些典型的群体结构和规模源自人类作为狩猎采集者的长期进化传统，而且这样的群体规模是为了组成高效的狩猎群组。久而久之，进化往往非常有效，可以在权衡中找到平衡点。这些典型的工作群组规模的进化很可能是因为它代表着规模效益（狩猎小组每消耗1卡路里所能获得的食物多于个人每消耗1卡路里所能获得的食物）与复杂性不经济之间的平衡。如果30人的狩猎小组要花几个小时的时间来争论当天是打野牛还是打羚羊，我们的祖先就不可能存活下来。
