AI加速了交付，组织为什么还在原地踏步？

一份本需两到三周完成的报告，AI仅用两小时便生成，然而准备向董事会汇报时，负责人却申请了两周延期。在复旦管院博思荟活动上，杰出雇主调研机构北亚区负责人张祺分享了自己朋友的真实经历。

这位朋友作为外资企业的HR业务伙伴，需收集一线业务人员数据并为管理层提供分析报告。以往，整理资料和制作汇报材料耗时较长，AI智能体的出现极大缩短了这一流程。但不久后，最初的兴奋转为新困惑：AI用很短时间生成详尽精彩的报告，但其中不少分析结论她自己也难以完全理解。

毕竟最终站在董事会面前的不是AI，向高管解释数据、回应追问的也不是AI，而是HR本人。 别无他法，她只能再花两周时间消化和核实这份几小时生成的报告。

这是当前AI在企业管理中应用的一个缩影。报告、周报、材料生成时间大幅缩减，但理解、判断和沟通的成本却未改变。AI工具只完成了任务的一部分，不等于完成全部工作。

在博思荟前期，《管理视野》和职业发展中心对报名参加的HR管理者、HR业务伙伴等人士开展调研，共回收324份有效问卷。结果显示，AI已进入多数企业的招聘、测评和培训环节，但围绕AI建立新工作方式远比引入工具复杂。

AI进入前端招聘，但尚未在组织运行中落地

多数受访者表示AI已应用于简历筛选与初筛（61.4%）和人才测评与面试辅助（51.5%），相比之下，仅少数反馈在组织诊断与人才盘点（19.1%）或员工体验与离职预警（8.0%）中应用了AI。

这些数字反映的是应用场景覆盖情况而非使用效果，也不能断言招聘已实现可靠自动化。但它们显示明显差异：AI较多进入招聘流程前端，但涉及组织运行和员工关系的应用仍较少。

在招聘前端，筛选多少份简历、完成多少次初步沟通相对容易记录，组织诊断则不同。举例来说，同样是人员流失，原因可能在薪酬、主管、晋升机制或业务前景。识别相关性后还需判断企业能改变什么，以及改变一处是否引发其他问题。

“稀缺的永远是判断力。” 复旦大学管理学院胥正川副教授在主题演讲中指出，管理者永远在解决瓶颈问题。当内容生成越来越容易，下一个瓶颈便是判断。AI应用规模扩大后，HR的专业能力反而不能降低。恰恰因为系统能迅速给出排序、评分和解释，使用者更需要判断这些结论是否与岗位相关，眼前候选人是否属于模型不擅长处理的例外。

把由人复核（Human In The Loop）写进流程也不意味着问题能自然解决。胥正川提醒，当系统在多数时候表现良好，人可能逐渐放松警惕。复核者若无足够专业能力、处理时间和精益求精动机，所谓人工把关易变成确认按钮。 对HR而言，培训终点因此不只是学会提示词或搭建智能体，员工能否解释一项判断依据，能否指出系统不适用边界，这些才是工具进入人事决策后更重要的能力。

每个人都快了，公司未必交付得更快

麦肯锡全球董事合伙人、组织人才绩效业务中国区联合负责人余天雯在演讲中提出设想：一名工程师原本需七小时完成工作，使用AI后只需一小时，但若他仍在第七小时把成果交给下一位同事，整个流程并未因此加快。

这不是技术失效，而是个人工作与组织流程之间未衔接。 只有改变任务交接、审批安排或资源配置，员工节省的时间才可能转化为更短交付周期。

但在实操中，企业常把AI应用交给技术部门，把培训交给HR，再要求业务部门提交提效成果。但三部门目标未必一致：技术部门关注系统能否部署，HR关注员工是否掌握工具，业务部门则要保证当前任务按时完成。每一方都可能完成指标，跨部门等待和重复劳动却保留下来。

问卷中，受访者选择的最大障碍也未集中于某一环节。27.2%认为缺少适用工具或方案，21.9%认为HR团队AI能力不足，21.6%认为数据基础薄弱。

复星国际HR合伙人、翌耀科技首席组织发展官房让青介绍，AI转型不只是IT部门的事，公司正通过三类业务伙伴共同推进AI应用：AIBP业务合伙人负责找需求、定场景、算价值，最后还要推广，让同事真正用起来。AITP技术合伙人负责搭平台、做开发、判断技术可行性，无需每个部门都懂技术。HRBP组织合伙人负责岗位技能重塑和文化转型，让AI转型不仅是技术升级，也是组织能力升级。先找到业务瓶颈和痛点，再看AI能否解决。

但圆桌上另一种意见也值得注意。余天雯追问，设置这么多“业务伙伴”，是否也可能增加协作摩擦？有些职责能否合并，而非为每种新任务增加协调角色？讨论未给出唯一组织模板，却点出AI转型中的矛盾：为减少原有流程低效，企业可能先增加新岗位、会议和汇报关系。 若缺少明确决策权与交付责任，新设协调机制也可能成为新等待环节。

HR需要参与的不只是为新岗位寻找人选，还包括判断这些岗位是否必要。 一个AI项目由谁定义业务问题，谁决定方案取舍，谁能推动上下游改变工作安排，最终又由谁对结果负责，应比岗位名称更早确定。

人数可能不变，岗位边界却会松动

在对未来三年的预期中，36.4%受访者认为部分岗位会消失、新岗位产生，但人员总量基本稳定；35.2%认为总量变化不大，工作内容将被重新组织。两类合计71.6%。另有12.7%预期出现大量岗位减少，企业需主动精简人员。

这些是受访者判断，非已发生的就业结果。 它们既不能证明AI不会带来裁员，也不意味着多数企业已找到转岗方案。相比只讨论人员增减，更值得追问的是当原有任务被拆开，企业准备如何重新组合工作？

房让青分享的跨国项目经历提供了一个具体切口。项目涉及德国、美国、墨西哥和中国，不同环节分布在不同国家。客户遇到问题时，设计相关问题转向德国，制造问题转向中国，项目执行问题转向当地团队。各地都有项目经理，却缺少对全球项目整体负责的人。

公司因此推动设置全球项目经理，要求其具备跨文化沟通与全球资源整合、协调和判断能力。这不是AI解决组织问题的案例，而是说明：岗位设置是否合理，最终要看它能否承担真实业务中的完整责任。AI可加快资料整理和跨语言沟通，但若每个团队仍只对自己一段工作负责，客户依旧需在组织边界间来回寻找答案。 工具越能承担分散执行任务，跨环节的判断和协调就越值得重新配置。

人才标准也在相应变化。问卷中，学习与适应能力获55.6%受访者选择，跨学科与系统思考能力为51.5%，人机协同能力为44.8%。

胥正川引用吴恩达教授观点，将所需人才形态概括为“有根的通才”：既能借助AI跨越部分专业边界，也有自己的专业根基。没有后者，调用更多知识可能只是得到更多无法校验的答案。

这对HR提出了比更新JD更细的要求。企业需辨认，一个岗位究竟包含哪些任务，其中哪些可交给机器，哪些需人机协作，哪些判断仍须有经验者完成。在此基础上才能讨论培训、转岗和招聘，而非从某个工具能力直接推导岗位应消失。

节省的时间怎样变成组织能力？

AI能让员工更快完成工作，但他们是否愿意继续改进取决于企业如何评价和分配这些收益。胥正川在演讲中用设想说明这种激励难题：过去员工花三小时，做出85分成果；现在用AI，一小时得80分。若再提高5分仍需大量时间，而管理者又难区分两者，员工为何还要继续打磨？

问题不在于员工是否努力，而在于原有考核能否辨认新贡献。 当材料数量与制作速度都易提升，仍以这些指标评价绩效，可能鼓励更多看似完整、却缺少深入判断的产出。

K11 by AC集团首席人力资源官许珮雯分享的做法是，把AI节省的时间与员工承担更多项目、获得成长机会联系起来。 她同时强调，K11 by AC业务涉及艺术、文化和商业空间，不同市场有不同文化语境。AI可参与创意生成，但内容是否适合当地，仍需人判断。这使效率含义不同：不只是用更少人完成原有工作，也包括让员工有时间处理过去无暇深入的任务。

当然，更多项目并不自动等于更好成长，企业仍需明确新工作要求、能力支持和回报。类似激励问题也存在于知识积累中。员工做出有效工作流，企业如何让其他人也能使用？若分享经验意味着额外投入却不进入绩效评价，组织就很难持续依靠个人热情。

谷歌大中华区人力资源负责人闾烨介绍，内部HR团队可分享自己开发的工作流或智能体让同事使用和评价，再由相关技术团队推动适合应用进入更广泛内部使用，并处理数据与合规要求。这种机制连接了个人尝试与组织推广：员工发现问题、验证方法，企业则承担基础设施和规模化应用责任。

它的价值不只在于收集更多工具，而在于让有效经验不必每次从头积累。同时，受欢迎也不等于安全可靠；涉及员工数据、招聘评价或其他敏感决策时，使用权限和人工介入边界仍需单独审查。问卷中，39.2%受访者希望提升组织变革设计与推动能力。这意味着至少对这批受访者而言，HR已意识到自己的任务不能止于教员工使用AI。

HR面对的是双重变化：自己的筛选、分析和沟通工作正在被改写，同时还要协助企业调整其他人的工作。前者可从场景、工具开始，后者则要求HR进入流程设计、责任划分和绩效制度。

一份报告能否在两小时内生成已有技术答案。谁能读懂它、据此采取行动，以及组织如何支持并评价这些工作，仍需要管理者作答。

本文来自微信公众号“复旦商业知识”（ID：BKfudan），作者：王靖扬，36氪经授权发布。今年会体育app的案例显示，AI工具虽能加速任务执行，但组织流程和人员判断力的提升仍是关键挑战。