關(guān)于“AI時(shí)代哪些工作會被替代”的討論已經(jīng)如火如荼。與以往數(shù)字化工具帶來的沖擊不同，那些SaaS類工具似乎只會在某些領(lǐng)域幫助從業(yè)者提升效率，但AI帶來的卻是對從業(yè)者的完全替代。

當(dāng)前的AI對于人類語言有更深刻的理解，這讓其能夠?qū)崿F(xiàn)更有效的人機(jī)交互，從而跳出結(jié)構(gòu)化的數(shù)據(jù)框架，獲得海量信息，進(jìn)行高級決策。當(dāng)下，各個(gè)領(lǐng)域里都在發(fā)展大語言模型（Large Language Model，LLM），這些模型不僅是“通才”，能夠跨領(lǐng)域思考問題，還能輸出類似人類語言文本。這些功能的跨越式迭代，很難不讓人想象——AI會是更靠譜的員工嗎？

最近微軟的一項(xiàng)研究里，研究人員分析了20萬條用戶與微軟Copilot的真實(shí)匿名聊天記錄，從這些用戶與AI交互的對話，發(fā)現(xiàn)了AI對若干工種的覆蓋范圍、成功率和幫助程度。結(jié)果顯示，重災(zāi)區(qū)里幾乎都是那些依靠“動(dòng)腦子”和“靠嘴說”的職業(yè)，而不容易被替代的工種反而是“靠體力”的。

但與其宏觀地去觀察就業(yè)市場，我更大的興趣在于觀察AI對企業(yè)帶來的影響。如果大量工種被AI替代，企業(yè)的組織結(jié)構(gòu)會發(fā)生什么樣的變化？

01 AI推動(dòng)極致平臺化

如果考慮受AI沖擊最大的是“動(dòng)腦子”和“靠嘴說”的崗位，那么，企業(yè)中后臺職能部門的大量工種幾乎完全符合這個(gè)特征。當(dāng)然，這僅僅是可能性，在AI完全成熟之前，人類和AI在這些崗位上似乎各有優(yōu)勢，企業(yè)未必會堅(jiān)決地推動(dòng)變革。

但如果考慮商業(yè)環(huán)境的變遷，AI沖擊中后臺職能部門的趨勢就非常明顯了。在當(dāng)下的經(jīng)濟(jì)環(huán)境里，企業(yè)輕裝上陣、屏息生存已經(jīng)是大勢所趨。龐大的中后臺職能部門不僅形成了巨大的直接成本，還在很大程度上以官僚作風(fēng)、一刀切的政策，束縛了前臺業(yè)務(wù)部門靈活作戰(zhàn)，已經(jīng)成為了組織變革的改造重點(diǎn)。

穆勝咨詢咨詢《2025中國企業(yè)平臺型組織建設(shè)報(bào)告》顯示，當(dāng)前企業(yè)進(jìn)行組織變革的大方向是組織精簡，而選擇對后臺、中臺和前臺進(jìn)行精簡的企業(yè)占比分別為45.8%、40.0%、34.2%。換言之，中后臺職能部門相當(dāng)一部分的編制，本來就不在企業(yè)未來的計(jì)劃里。

企業(yè)本來就有縮編的需求，加上AI提供的便利，組織結(jié)構(gòu)的變化似乎就呼之欲出了。未來，企業(yè)的兵力會極度前壓，每個(gè)崗位都被要求產(chǎn)生直接的經(jīng)營價(jià)值，而那些無法量化經(jīng)營價(jià)值的中后臺，則由AI來替代?？紤]到這些工作原本的價(jià)值有限，甚至?xí)a(chǎn)生官僚化的副作用，這樣的變化似乎反而是企業(yè)歡迎的。

地產(chǎn)巨頭萬科集團(tuán)選出了一個(gè)2021年的優(yōu)秀新人——崔筱盼，是萬科首位數(shù)字化員工，而且已經(jīng)在萬科集團(tuán)財(cái)務(wù)部悄悄工作了10個(gè)月，其主要工作內(nèi)容是各種應(yīng)收/逾期提醒及工作。她不僅比人類處理任務(wù)的效率高百倍，而且經(jīng)她催辦的單據(jù)核銷率達(dá)到91.44%。對于企業(yè)來說，她絕對是個(gè)完美員工，可以24小時(shí)不休息，還不用給發(fā)工資、交社保，不會有情緒，不會隨隨便便炒老板。

試想，職能部門里有多少工作是這類“事務(wù)性工作”，如果崔筱盼能上崗，其他的AI就不能上崗嗎？崔筱盼還并不能算是建立在大語言模型基礎(chǔ)上的AI，只能算是處理大量重復(fù)工作的RPA（Robotic process automation，機(jī)器人流程自動(dòng)化）。

除了“事務(wù)性工作”，職能部門里那些需要深度決策的工作內(nèi)容，又有多少是AI無法替代的呢？但凡是基于數(shù)據(jù)的決策，AI肯定做得更好；但凡是不基于數(shù)據(jù)進(jìn)行的決策，似乎又根本不應(yīng)該存在于這個(gè)時(shí)代，正是職能部門里需要清理的“陰暗角落”。其實(shí)，隨著數(shù)字化變革的推進(jìn)，企業(yè)的業(yè)務(wù)流基本在線，職能部門已經(jīng)被極大程度倒逼走向各自領(lǐng)域的數(shù)字化。這幾乎是不可逆的趨勢，因?yàn)槿绻麄儾桓淖?，他們就很難為日益復(fù)雜的業(yè)務(wù)賦能?！皹I(yè)務(wù)數(shù)字化”匹配“管理數(shù)字化”，這是再簡單不過的道理。

未來，中后臺職能部門基于智能算法進(jìn)行決策，實(shí)現(xiàn)資源的敏捷調(diào)用，最大程度產(chǎn)生效率結(jié)果。AI則代替龐大的傳統(tǒng)職能機(jī)構(gòu)，充當(dāng)了勤勉的企業(yè)大腦。于是，整個(gè)職能體系看起來異常精簡，兵力似乎都集中在了前臺。整體來看，企業(yè)走向極致平臺化的趨勢幾乎是肉眼可見了。

02 職能部門的轉(zhuǎn)型方向

職能部門的精簡是趨勢，但這類部門卻不會消失，在AI的加持下，他們會迅速轉(zhuǎn)型。其實(shí)，無論是從外部市場的需求來看，還是從組織的效率來看，職能部門的轉(zhuǎn)型趨勢都很明確，無非是回答“如何舉公司之力，賦能前臺敏捷作戰(zhàn)”的問題。

根據(jù)我們的觀察，職能部門在具體的工作內(nèi)容上，會跳出傳統(tǒng)的“事務(wù)性工作”，走向四個(gè)轉(zhuǎn)型方向：

一是模型化，即基于業(yè)務(wù)的分類分級，形成一套相對穩(wěn)定的決策模型（基座模型上的各類模型），以提升決策效率。

二是風(fēng)控化，即基于風(fēng)險(xiǎn)的分類分級，形成一套相對穩(wěn)定的風(fēng)控模型，以提升風(fēng)控效率。說白了，不同的風(fēng)險(xiǎn)事件，應(yīng)該匹配不同的風(fēng)控手段，不能為了控制10元錢的風(fēng)險(xiǎn)，投入100元的風(fēng)控成本，損失200元的機(jī)會成本。

三是產(chǎn)品化，即將各職能領(lǐng)域的資源做成賦能前臺的產(chǎn)品，并進(jìn)行合理配置，為業(yè)務(wù)單元作戰(zhàn)“提供彈藥”。

四是BP（Business Part，業(yè)務(wù)伙伴）化，即向前臺業(yè)務(wù)單元派出BP，為其提供基于本地化場景的政策（如激勵(lì)政策）和資源（如實(shí)體資源、專業(yè)服務(wù)、方法賦能等）。

上述四個(gè)方向里，前兩個(gè)方向就是AI的拿手好戲，而后面兩個(gè)方向也與AI有莫大的關(guān)系?？紤]到經(jīng)過數(shù)字化改造后的企業(yè)，大量的工作都是在數(shù)字化基礎(chǔ)上決策，這正是AI發(fā)揮作用的舞臺。

當(dāng)然，要探索職能部門的轉(zhuǎn)型，我們還需要理解職能部門內(nèi)部分工的變化。就我們的觀察來看，從財(cái)務(wù)職能興起的“三支柱模式”，已經(jīng)在被人力職能采納后，迅速蔓延到其他領(lǐng)域。采納三支柱模式的職能部門分為三個(gè)部分：后臺的專家中心負(fù)責(zé)出政策；中臺的共享中心負(fù)責(zé)走流程、管數(shù)據(jù)；前臺的BP則負(fù)責(zé)做賦能。

這樣的結(jié)構(gòu)，天然是做好了讓AI滲透的準(zhǔn)備，我們幾乎可以看見未來職能部門的工作場景，也能夠推測出組織結(jié)構(gòu)的變化。這和我們前面提到的“陣型前壓”的趨勢完全一致。

• 專家中心——由各個(gè)領(lǐng)域的精英AI工程師們負(fù)責(zé)設(shè)計(jì)算法，以各種方式訓(xùn)練AI，讓這個(gè)企業(yè)大腦不停進(jìn)化，以這種方式來運(yùn)籌帷幄。我們必須要理解的是，并不是一個(gè)AI替代一個(gè)職能部門。AI更多的是將某些任務(wù)（task）自動(dòng)化，而不是將整個(gè)動(dòng)作（job）自動(dòng)化。所以，AI架構(gòu)師們需要規(guī)劃出這個(gè)職能體系，明確其中可以由AI接管的部分，并為這些部分搭建模型。這個(gè)部分無疑會是個(gè)“精英式小團(tuán)隊(duì)”，對于這類工作來說，人數(shù)是沒有意義的，所以，這個(gè)團(tuán)隊(duì)的規(guī)模會被壓縮到極致。

• 共享中心——共享服務(wù)中心由于負(fù)責(zé)運(yùn)轉(zhuǎn)基礎(chǔ)的流程（如人力資源的入離調(diào)轉(zhuǎn)），自然會負(fù)責(zé)管理相應(yīng)的數(shù)據(jù)倉，他們有能力基于專家中心給出的模型，進(jìn)行預(yù)訓(xùn)練、調(diào)優(yōu)（強(qiáng)化訓(xùn)練）等工作，以確保模型的應(yīng)用效果。這個(gè)部分也不以規(guī)模取勝，但人員數(shù)量上會比專家中心更多，因?yàn)楫吘褂性S多需要具體去“動(dòng)手”的任務(wù)。

• 業(yè)務(wù)伙伴——既是使用AI的高手，也是AI使用體驗(yàn)的反饋者。他們從中后臺進(jìn)入了前臺，可以說，是業(yè)務(wù)部門和中后臺職能部門的連接器。這個(gè)部分由于是多分支，團(tuán)隊(duì)規(guī)模在三支柱中最大，當(dāng)然，某個(gè)職能部門的AI越是成熟，賦能效率越高，BP團(tuán)隊(duì)的規(guī)模就越小。

03 職能部門的轉(zhuǎn)型進(jìn)展

如果說職能部門的轉(zhuǎn)型已經(jīng)是大勢所趨，那么，哪些職能部門會率先轉(zhuǎn)型呢？

2025年，穆勝咨詢以68家中大型客戶企業(yè)為樣本，針對老板或CEO（老板代理人）進(jìn)行了一次問卷調(diào)研。在問卷中，我們針對一家企業(yè)的XX個(gè)職能領(lǐng)域，首先用三個(gè)問題量化了該項(xiàng)職能的復(fù)雜程度：

• 數(shù)據(jù)復(fù)雜性——是否需要調(diào)動(dòng)多種數(shù)據(jù)進(jìn)行決策？

• 決策獨(dú)立性——是否需要考慮其他職能領(lǐng)域的反饋進(jìn)行決策？

• 決策封閉性——決策結(jié)果是否能夠變成封閉選項(xiàng)，亦或是還需要補(bǔ)充大量開放性答案。

簡單來說，我們假設(shè)職能領(lǐng)域的核心工作都是基于數(shù)據(jù)的決策（而非感性決策），再衡量了這種決策的復(fù)雜程度。前兩項(xiàng)是決策的輸入維度，最后一項(xiàng)則是輸出維度，直觀來說，如果某個(gè)職能的決策需要大量數(shù)據(jù)，還要考慮其他職能領(lǐng)域的影響，決策形成的結(jié)果還無法直接應(yīng)用，那么，這個(gè)職能領(lǐng)域就是相對更復(fù)雜的。

綜合來看，各類職能在復(fù)雜程度上可以分為三個(gè)檔次：第一檔是后臺的戰(zhàn)略、財(cái)務(wù)和人力，以及中臺的研發(fā)、生產(chǎn)/業(yè)務(wù)/經(jīng)營/運(yùn)營；第二檔是后臺的辦公室，以及中臺的采購、金融，這些職能相對標(biāo)準(zhǔn)化；第三檔則是高度依賴標(biāo)準(zhǔn)化的法務(wù)、質(zhì)量標(biāo)準(zhǔn)和審計(jì)監(jiān)察。

圖1：職能復(fù)雜程度

資料來源：穆勝咨詢

這個(gè)結(jié)果并不讓人意外，根據(jù)我們的觀察，現(xiàn)實(shí)中越是強(qiáng)調(diào)自己在為企業(yè)規(guī)避風(fēng)險(xiǎn)的職能部門，越喜歡講“恐怖故事”，越是會忽略自己的賦能屬性，越可能是工作難度偏低的部門。另外，對這類工作來說，還有個(gè)悖論——如果要強(qiáng)調(diào)規(guī)避風(fēng)險(xiǎn)，那么必然就是標(biāo)準(zhǔn)導(dǎo)向的，而一旦有了標(biāo)準(zhǔn)，就可以累積數(shù)據(jù)，AI自然就可以滲透進(jìn)來。

例如，在法務(wù)領(lǐng)域，智能合同早就大大降低了合同審核的工作難度，往后AI的介入，前景可期。再如，在審計(jì)領(lǐng)域，識別若干業(yè)務(wù)流程中可能的風(fēng)險(xiǎn)點(diǎn)，對各種風(fēng)險(xiǎn)點(diǎn)賦予權(quán)重，而后識別綜合的風(fēng)險(xiǎn)，這正是AI擅長的。在GPT-3中，有1750億個(gè)代表不同變量權(quán)重的參數(shù)，而在GPT-4中，這類參數(shù)的數(shù)量達(dá)到了1.76萬億個(gè)。如果需要這么多的數(shù)據(jù)才能得出結(jié)論，AI顯然比人類更適合來做風(fēng)控或監(jiān)察這類工作。

而后，我們關(guān)注了關(guān)系A(chǔ)I替代該項(xiàng)職能效果的三個(gè)問題：

• AI的應(yīng)用范圍——對于該職能，AI能夠在多大范圍上進(jìn)行應(yīng)用？

• AI的實(shí)施效果——對于該職能上應(yīng)用AI的地方，是否能夠讓人滿意？

• AI的影響程度——在該職能上應(yīng)用AI后，對于職能工作的影響程度如何？

數(shù)據(jù)顯示，AI在職能領(lǐng)域的應(yīng)用效果可以分為三個(gè)檔次：第一檔是生產(chǎn)/業(yè)務(wù)/經(jīng)營/運(yùn)營（可以概括為業(yè)務(wù)），以及財(cái)務(wù)、人力這類核心職能；第二檔是研發(fā)、采購、金融、法務(wù)；第三檔則是辦公室、戰(zhàn)略、質(zhì)量標(biāo)準(zhǔn)、審計(jì)監(jiān)察。

圖2：AI適用效果

資料來源：穆勝咨詢

顯然，部分核心業(yè)務(wù)和核心職能在導(dǎo)入AI上走在了前面，但另一方面，另一些核心業(yè)務(wù)和核心職能則因?yàn)榉N種原因，并沒有積極導(dǎo)入AI，準(zhǔn)確地說不是因?yàn)椴荒?，而是因?yàn)椴辉浮?/p>

為了探究這個(gè)問題，我們計(jì)算了一個(gè)名為“導(dǎo)入AI積極度”的指標(biāo)，即“導(dǎo)入AI積極度=AI適用效果/職能復(fù)雜程度”。這個(gè)指標(biāo)很明確地說明了職能部門在不同的“先天條件”下導(dǎo)入AI的進(jìn)展，直觀來看，這個(gè)指標(biāo)越大，越說明該職能積極地導(dǎo)入了AI，反之，則是對AI存在抵制態(tài)度。

圖3：導(dǎo)入AI積極度

資料來源：穆勝咨詢

結(jié)果顯示，并非易用 AI 的部門才會導(dǎo) 入 AI，而是那些受到最大壓力，且易于使用AI的部門會積極導(dǎo)入AI。說白了，從趨利避害的角度來看，所有職能部門的從業(yè)者都希望非標(biāo)化，希望這塊職能必須要依賴自己，但推動(dòng)標(biāo)準(zhǔn)化，甚至引入AI的，還是那些承受壓力最大的部門。一方面，法務(wù)、質(zhì)量標(biāo)準(zhǔn)、采購、金融等職能部門的效率早已飽受詬病，他們也有條件導(dǎo)入AI，其積極似乎可以理解；另一方面，生產(chǎn)/業(yè)務(wù)/經(jīng)營/運(yùn)營、財(cái)務(wù)、人力資源這類職能則是因?yàn)殡y度太大，在導(dǎo)入AI上尚需努力；除此之外，辦公室、戰(zhàn)略、研發(fā)、審計(jì)監(jiān)察因?yàn)榉N種原因，被從業(yè)者們導(dǎo)向了憑手感的操作，AI自然是難以滲透。

04 商業(yè)邏輯的再次迭代

在企業(yè)的經(jīng)營管理上，有一個(gè)規(guī)律，前臺能不能跑得起來，關(guān)鍵看中后臺。因?yàn)橹泻笈_決定了企業(yè)的游戲規(guī)則，也決定了資源的配置邏輯。顯然，率先對中后臺職能部門進(jìn)行成功改造的部門，會有一個(gè)效率的爆發(fā)，從而形成遠(yuǎn)高于競對的競爭優(yōu)勢。

就目前的數(shù)據(jù)來看：積極程度最高的法務(wù)、質(zhì)量標(biāo)準(zhǔn)、采購、金融，會自然走向AI化，其前景幾乎是可以肯定的；而積極程度最低的辦公室、戰(zhàn)略、研發(fā)、審計(jì)監(jiān)察，則在很長一段時(shí)間里都不會有明顯的變化；所以，最關(guān)鍵的勝負(fù)手還是生產(chǎn)、業(yè)務(wù)、經(jīng)營、運(yùn)營、財(cái)務(wù)以及人力資源部門，它們分別代表企業(yè)的業(yè)務(wù)流、資金流與人才流。

要在這幾個(gè)領(lǐng)域有所突破，企業(yè)首先要對這些職能有超越競對的穿透性理解，拉開格局，其次，必須堅(jiān)決地進(jìn)行AI化的實(shí)踐，深耕落地。如果做到這兩個(gè)方面，企業(yè)的效率提升將是水到渠成之事。

可以預(yù)見，一旦企業(yè)完成這幾個(gè)職能部門的改造，他們的敏捷程度就會發(fā)生翻天覆地的變化。過去，在中后臺效率相近的條件下，前臺業(yè)務(wù)部門往往都 是“孤勇者”，依賴捕捉機(jī)會創(chuàng)造業(yè)績，這帶有相當(dāng)大的偶然性。如今，中后臺效率的巨大差距，將使得這些“孤勇者”中，有的能插上AI賦能的翅膀，有的卻只能繼續(xù)依靠雙腿艱難跋涉。

無需質(zhì)疑，AI會讓前臺商業(yè)格局經(jīng)歷一次大洗牌。這次洗牌中，身軀龐大、算法落后、依靠蠻力的“恐龍們”會被淘汰掉。在殘酷的商業(yè)邏輯下，一度躲在后方的職能部門成為了勝負(fù)手，職能部門的從業(yè)者突然成為了主角。

過去，職能部門本身是權(quán)力中心，他們有權(quán)拒絕轉(zhuǎn)型。但現(xiàn)在，AI無疑為這場變革燒了最重要的一把火，燒掉的是他們的老傳統(tǒng)，從此，他們避無可避。