以下內(nèi)容根據(jù)清華大學(xué)經(jīng)濟(jì)管理學(xué)院領(lǐng)導(dǎo)力與組織管理系Flextronics講席教授、系主任李寧于2025HR數(shù)智嘉年華暨中國人力資源Venus頒獎(jiǎng)盛典的演講內(nèi)容整理而成。

AI 的潛力和組織挑戰(zhàn)：兩極分化下的價(jià)值落差

當(dāng)前 AI 領(lǐng)域呈現(xiàn)出鮮明的兩極分化態(tài)勢，一邊是AI原生企業(yè)的爆發(fā)式增長，一邊是傳統(tǒng)企業(yè)的落地困局，形成了技術(shù)潛力與實(shí)際價(jià)值的巨大鴻溝。

從潛力端看，AI 正催生出 “小團(tuán)隊(duì)、大價(jià)值” 的新物種企業(yè)，展現(xiàn)出非線性增長的強(qiáng)大動(dòng)能。以 Perplexity為例，這家專注于 AI 搜索的企業(yè)今年5月估值達(dá) 140 億美元時(shí)，員工數(shù)僅200余人；另一家企業(yè) Cursor 更是刷新了行業(yè)紀(jì)錄，新一輪融資后估值達(dá) 300 億美元，接近京東、百度的估值體量，起家時(shí)僅 12-30 人，目前員工也僅約 300 人。這類企業(yè)以小微企業(yè)的人員規(guī)模，創(chuàng)造了極大價(jià)值，成為 AI 時(shí)代的 “新物種”。

但從落地端看，多數(shù)企業(yè) AI 落地效果不佳。麻省理工學(xué)院（MIT）近期調(diào)研數(shù)據(jù)顯示：當(dāng)前大量企業(yè)擁抱 AI，但 95% 的企業(yè)未看到任何財(cái)務(wù)層面的成效，僅 5% 實(shí)現(xiàn)正向收益。這一現(xiàn)象背后，存在 “個(gè)體體效與組織體效脫節(jié)” 的問題 —— 企業(yè)中員工個(gè)體使用 AI 提升的績效，未轉(zhuǎn)化為組織整體績效。某企業(yè)測算發(fā)現(xiàn)，AI 每年節(jié)省的工作量相當(dāng)于 5000 多人的人力投入，但核心財(cái)務(wù)指標(biāo)、員工數(shù)量卻與 AI 落地前無明顯變化。

人機(jī)協(xié)同的正確打開方式 —— 讓人在回路中

AI 落地成效不佳的核心原因，并非技術(shù)不夠成熟，而是人的問題，具體來說是未能建立 “人在回路”（Human in the Loop）的有效協(xié)同模式。

首先要認(rèn)清 AI 的真實(shí)面貌：它是 “聰明的失憶癥患者”。大模型廠商完成訓(xùn)練部署后，用戶的所有交互都不會(huì)改變其模型權(quán)重 —— 無論使用 3 年還是 3 天，AI 的核心能力始終一致。它就像一位智商極高、知識(shí)面廣、具備通用技能，但永遠(yuǎn)處于 “第一天入職” 狀態(tài)的新員工：懂通用知識(shí)，卻不懂企業(yè)的業(yè)務(wù)流程、數(shù)據(jù)邏輯、行業(yè)訣竅；會(huì)高效推理，卻無法自主積累經(jīng)驗(yàn)、內(nèi)化場景化知識(shí)。這一本質(zhì)決定了 AI 無法獨(dú)立創(chuàng)造價(jià)值，必須依賴人的引導(dǎo)與支撐。

“人在回路” 的核心邏輯，是讓 “人” 成為 AI 價(jià)值實(shí)現(xiàn)的關(guān)鍵樞紐。清華大學(xué)楊斌老師提出的 “X 指數(shù)” 公式深刻揭示了這一關(guān)系：AI 能為組織帶來指數(shù)級(jí)增長，但增長的 “底數(shù)” 是人。與傳統(tǒng)技術(shù)不同，AI 的價(jià)值彈性極大 ——在會(huì)用的人手中，能釋放 10 倍、100 倍潛力；在不會(huì)用的人手中，與普通工具無異。因此，人機(jī)協(xié)同的關(guān)鍵不是 “人 + AI” 的簡單疊加，而是 “人引導(dǎo) AI、AI 強(qiáng)化人” 的深度融合。

具體而言，“人在回路” 有兩種核心實(shí)踐路徑：一是 “人作為 AI 助手” 的模式。要求員工既是業(yè)務(wù)專家，又具備 “AI 協(xié)作能力”—— 能將專業(yè)知識(shí)轉(zhuǎn)化為 AI 可理解的語言，為 AI 提供任務(wù)目標(biāo)、方法論、情境信息。二是 “給 AI 配備操作手冊(cè)” 的模式。由企業(yè)內(nèi)部專家將特定任務(wù)的操作流程、專業(yè)知識(shí)、經(jīng)驗(yàn)訣竅萃取出來，形成 “任務(wù)操作手冊(cè)”，并嵌入 AI 系統(tǒng)，讓 AI 在執(zhí)行任務(wù)時(shí)可直接遵循標(biāo)準(zhǔn)化方法論。

這兩種路徑最終指向同一種工作形態(tài)變革：隨著 AI 技術(shù)發(fā)展，人類的核心價(jià)值將從 “執(zhí)行” 轉(zhuǎn)向 “決策與設(shè)計(jì)”。在沒有 AI 的時(shí)代，人用 20% 時(shí)間構(gòu)思創(chuàng)意、80% 時(shí)間落地執(zhí)行；AI 出現(xiàn)后，承接了 80% 的執(zhí)行工作，人聚焦 20% 的核心創(chuàng)意；未來，人的參與時(shí)間可能壓縮至 1%，但這 1% 是 “最關(guān)鍵的 1%”—— 提供方向創(chuàng)意（火種）、方法論（藍(lán)圖）、執(zhí)行引導(dǎo)（導(dǎo)航），成為 AI 無法替代的核心競爭力。

AI時(shí)代的人才變遷

在 AI 發(fā)展的趨勢背景下，人的培養(yǎng)和發(fā)展發(fā)生顯著變化。傳統(tǒng)人才培養(yǎng)中，企業(yè)多從初級(jí)崗招人，員工逐步晉升為專家，而 AI 時(shí)代初級(jí)工作多由 AI 完成，傳統(tǒng)職業(yè)階梯消失，人力資源培訓(xùn)體系需開辟新賽道 —— 過去是 “從做中學(xué)”，靠簡單工作積累成長，未來企業(yè)會(huì)為招聘人員專門設(shè)置培訓(xùn)賽道，即便員工一年內(nèi)難有價(jià)值產(chǎn)出，仍會(huì)針對(duì)性培養(yǎng)以助其快速上手。同時(shí)，傳統(tǒng)培養(yǎng)專家的周期差異大，部分行業(yè)需 5 到 10 年，AI 加持下周期大幅縮短，有人 3 個(gè)月就能從 0 到 1 成專家，部分領(lǐng)域也僅需 1 年。

AI 時(shí)代專家的定義也被重構(gòu)，過去專家核心價(jià)值是個(gè)人產(chǎn)出能力，比如資深咨詢師靠個(gè)人時(shí)間撰寫客戶認(rèn)可的咨詢報(bào)告，存在時(shí)間局限；如今專家的核心價(jià)值轉(zhuǎn)向 “知識(shí)與方法論的轉(zhuǎn)化能力”，能否將自身方法論提煉并融入 AI 系統(tǒng)，對(duì)企業(yè)更有價(jià)值，因?yàn)檫@相當(dāng)于 “極致復(fù)刻” 個(gè)人能力，讓知識(shí)經(jīng)驗(yàn)在企業(yè)內(nèi)無限復(fù)用。像市值近 5000 億美元、AI 時(shí)代增長最快的 “傳統(tǒng)型企業(yè)” Palantir，宣布直接從高中生中選拔人才，DeepSeek 團(tuán)隊(duì)絕大多數(shù)核心成員都是畢業(yè)3年之內(nèi)，其中包括在Nature發(fā)表論文的17歲高中生。

AI 時(shí)代的人才畫像也發(fā)生變革，要求 “人人都是 AI 人才”，能將自身業(yè)務(wù)能力與 AI 有效結(jié)合，打破過去的專業(yè)壁壘與職能分工。過去的 I 型人才、T 型人才在 AI 時(shí)代逐步被 π 型人才（全棧能力 + 多領(lǐng)域發(fā)展）取代。如今眾多小型公司甚至一人公司能創(chuàng)造巨大價(jià)值，正是因?yàn)檫@類公司的人才具備 π 型能力，可覆蓋開發(fā)、市場、服務(wù)等多領(lǐng)域任務(wù) ——AI 極大降低了學(xué)習(xí)成本，實(shí)現(xiàn)知識(shí)與技術(shù)平權(quán)，讓人能在核心能力基礎(chǔ)上，借助 AI 延伸出更多技能分支。

正如 Sam Altman 所言，過去 “學(xué)會(huì)了再做”，現(xiàn)在有 AI 加持可 “邊學(xué)邊做”，即便無相關(guān)技能也能開展工作，開發(fā)智能體、編程等工作已打破傳統(tǒng)職業(yè)壁壘，不再受過往技能門檻限制。

AI 驅(qū)動(dòng)的組織變革

傳統(tǒng)組織結(jié)構(gòu)基于 “勞動(dòng)分工” 設(shè)計(jì)，將工作拆解為不同崗位，由人承擔(dān)對(duì)應(yīng)職責(zé)。但這種模式與 AI 的適配性極差 —— 任何一個(gè)崗位的任務(wù)中，既有 AI 擅長的環(huán)節(jié)，也有 AI 不擅長的環(huán)節(jié)，難以通過 “AI 替代某一崗位” 實(shí)現(xiàn)效率提升。

因此組織變革的底層邏輯需重構(gòu)：從 “雇傭人力完成任務(wù)” 轉(zhuǎn)向 “按任務(wù)屬性分配執(zhí)行主體”，將任務(wù)劃分為三類 ——AI 可直接替代的自動(dòng)化任務(wù)、人機(jī)協(xié)作的強(qiáng)化型任務(wù)、當(dāng)前人力最優(yōu)的專屬任務(wù)。通過整合不同類型任務(wù)，打破傳統(tǒng)崗位邊界與部門壁壘，解決跨部門協(xié)同低效、信息不對(duì)稱等問題，形成 “任務(wù) - AI - 人” 三者優(yōu)化配置的新型組織模式。

AI 服務(wù)企業(yè)的工具形態(tài)可分為三個(gè)關(guān)鍵階段。第一階段是聊天機(jī)器人，這類工具仍以個(gè)人為中心，難以適配組織需求；必須推進(jìn)到第二階段，即構(gòu)建智能體，直接作用于具體任務(wù)。初期可先搭建大量單智能體，后期將這些智能體串聯(lián)，就能形成AI 自主協(xié)作體系，即第三個(gè)階段。而智能體的本質(zhì)并非復(fù)雜技術(shù)，而是 “大模型 + 任務(wù)訣竅說明”：AI 基于通用數(shù)據(jù)訓(xùn)練，不了解特定行業(yè)、特定崗位的任務(wù)規(guī)則，需將人在該任務(wù)中的經(jīng)驗(yàn)訣竅整理成操作手冊(cè)，與 AI 結(jié)合后，AI 會(huì)依據(jù)手冊(cè)掌握任務(wù)所需信息、流程與方法論，以專家級(jí)別水準(zhǔn)完成任務(wù)。

AI 還打破了傳統(tǒng)數(shù)字化過程中的思維慣性與勞動(dòng)分工局限。過去業(yè)務(wù)部門有需求時(shí)，習(xí)慣依賴 IT 部門實(shí)現(xiàn)，本質(zhì)是受勞動(dòng)分工思維影響；而 AI 時(shí)代，業(yè)務(wù)部門可自主構(gòu)建專屬智能體——比如人力資源部門熟悉自身各環(huán)節(jié)方法論，技術(shù)部門難以掌握，因此人力資源智能體需由人力資源部門主導(dǎo)構(gòu)建。

不過，企業(yè)落地 AI 仍面臨兩大核心挑戰(zhàn)，且均與人相關(guān)。一是技能短板，ChatGPT 問世僅三年左右，高校尚未開設(shè)相關(guān)專業(yè)，人才 AI 能力基本依賴自學(xué)，導(dǎo)致人與人之間 AI 能力差異極大，同時(shí) AI 對(duì)人才提出了更高要求，包括提問能力、學(xué)習(xí)能力、基礎(chǔ)判斷能力及業(yè)務(wù)能力，這些方面的不足構(gòu)成了技能短板。

二是動(dòng)機(jī)問題，AI 對(duì)個(gè)體的極致賦能，讓一人或兩三個(gè)人就能創(chuàng)造高價(jià)值 AI 產(chǎn)品，這顛覆了員工與組織的傳統(tǒng)關(guān)系。過去優(yōu)秀人才傾向選擇大廠等大平臺(tái)，如今大廠中不少優(yōu)秀員工處于 “騎驢找馬” 狀態(tài)，利用業(yè)余時(shí)間開發(fā)個(gè)人 AI 項(xiàng)目，一旦項(xiàng)目成功獲得投資，便會(huì)從企業(yè)離職。如何在培養(yǎng)出具備 AI 能力的人才后，有效激勵(lì)并留住他們，成為企業(yè)面臨的關(guān)鍵難題 —— 畢竟 AI 時(shí)代，個(gè)體無需依托大平臺(tái)，憑借 AI 加持就能成為 “超級(jí)個(gè)體”，打破了傳統(tǒng) “依托平臺(tái)發(fā)展” 的邏輯。

最后借用王堅(jiān)院士的話，人工智能正推動(dòng)變革的本質(zhì)發(fā)生深刻轉(zhuǎn)變：它不再局限于 “作為工具的革命”，而是進(jìn)階為 “引領(lǐng)革命的工具”。這一轉(zhuǎn)變將對(duì)我們所見的諸多領(lǐng)域產(chǎn)生顛覆性影響 —— 無論是價(jià)值創(chuàng)造的底層邏輯、企業(yè)內(nèi)部的運(yùn)營模式，還是人才培養(yǎng)的全周期體系，均將在人工智能的驅(qū)動(dòng)下迎來系統(tǒng)性重構(gòu)。由此可見，我們已正式步入一個(gè)由人工智能引領(lǐng)的顛覆性時(shí)代。