以下內(nèi)容根據(jù)清華大學經(jīng)濟管理學院領導力與組織管理系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)：兩極分化下的價值落差

當前 AI 領域呈現(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，形成了技術潛力與實際價值的巨大鴻溝。

從潛力端看，AI 正催生出 “小團隊、大價值” 的新物種企業(yè)，展現(xiàn)出非線性增長的強大動能。以 Perplexity為例，這家專注于 AI 搜索的企業(yè)今年5月估值達 140 億美元時，員工數(shù)僅200余人；另一家企業(yè) Cursor 更是刷新了行業(yè)紀錄，新一輪融資后估值達 300 億美元，接近京東、百度的估值體量，起家時僅 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)造了極大價值，成為 AI 時代的 “新物種”。

但從落地端看，多數(shù)企業(yè) AI 落地效果不佳。麻省理工學院（MIT）近期調(diào)研數(shù)據(jù)顯示：當前大量企業(yè)擁抱 AI，但 95% 的企業(yè)未看到任何財務層面的成效，僅 5% 實現(xiàn)正向收益。這一現(xiàn)象背后，存在 “個體體效與組織體效脫節(jié)” 的問題 —— 企業(yè)中員工個體使用 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)省的工作量相當于 5000 多人的人力投入，但核心財務指標、員工數(shù)量卻與 AI 落地前無明顯變化。

人機協(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。

首先要認清 AI 的真實面貌：它是 “聰明的失憶癥患者”。大模型廠商完成訓練部署后，用戶的所有交互都不會改變其模型權重 —— 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、知識面廣、具備通用技能，但永遠處于 “第一天入職” 狀態(tài)的新員工：懂通用知識，卻不懂企業(yè)的業(yè)務流程、數(shù)據(jù)邏輯、行業(yè)訣竅；會高效推理，卻無法自主積累經(jīng)驗、內(nèi)化場景化知識。這一本質(zhì)決定了 AI 無法獨立創(chuàng)造價值，必須依賴人的引導與支撐。

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

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

這兩種路徑最終指向同一種工作形態(tài)變革：隨著 AI 技術發(fā)展，人類的核心價值將從 “執(zhí)行” 轉(zhuǎn)向 “決策與設計”。在沒有 AI 的時代，人用 20% 時間構思創(chuàng)意、80% 時間落地執(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，人的參與時間可能壓縮至 1%，但這 1% 是 “最關鍵的 1%”—— 提供方向創(chuàng)意（火種）、方法論（藍圖）、執(zhí)行引導（導航），成為 AI 無法替代的核心競爭力。

AI時代的人才變遷

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)多從初級崗招人，員工逐步晉升為專家，而 AI 時代初級工作多由 AI 完成，傳統(tǒng)職業(yè)階梯消失，人力資源培訓體系需開辟新賽道 —— 過去是 “從做中學”，靠簡單工作積累成長，未來企業(yè)會為招聘人員專門設置培訓賽道，即便員工一年內(nèi)難有價值產(chǎn)出，仍會針對性培養(yǎng)以助其快速上手。同時，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 個月就能從 0 到 1 成專家，部分領域也僅需 1 年。

AI 時代專家的定義也被重構，過去專家核心價值是個人產(chǎn)出能力，比如資深咨詢師靠個人時間撰寫客戶認可的咨詢報告，存在時間局限；如今專家的核心價值轉(zhuǎn)向 “知識與方法論的轉(zhuǎn)化能力”，能否將自身方法論提煉并融入 AI 系統(tǒng)，對企業(yè)更有價值，因為這相當于 “極致復刻” 個人能力，讓知識經(jīng)驗在企業(yè)內(nèi)無限復用。像市值近 5000 億美元、AI 時代增長最快的 “傳統(tǒng)型企業(yè)” Palantir，宣布直接從高中生中選拔人才，DeepSeek 團隊絕大多數(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)務能力與 AI 有效結合，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 時代逐步被 π 型人才（全棧能力 + 多領域發(fā)展）取代。如今眾多小型公司甚至一人公司能創(chuàng)造巨大價值，正是因為這類公司的人才具備 π 型能力，可覆蓋開發(fā)、市場、服務等多領域任務 ——AI 極大降低了學習成本，實現(xiàn)知識與技術平權，讓人能在核心能力基礎上，借助 AI 延伸出更多技能分支。

正如 Sam Altman 所言，過去 “學會了再做”，現(xiàn)在有 AI 加持可 “邊學邊做”，即便無相關技能也能開展工作，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)動的組織變革

傳統(tǒng)組織結構基于 “勞動分工” 設計，將工作拆解為不同崗位，由人承擔對應職責。但這種模式與 AI 的適配性極差 —— 任何一個崗位的任務中，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” 實現(xiàn)效率提升。

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

AI 服務企業(yè)的工具形態(tài)可分為三個關鍵階段。第一階段是聊天機器人，這類工具仍以個人為中心，難以適配組織需求；必須推進到第二階段，即構建智能體，直接作用于具體任務。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，即第三個階段。而智能體的本質(zhì)并非復雜技術，而是 “大模型 + 任務訣竅說明”：AI 基于通用數(shù)據(jù)訓練，不了解特定行業(yè)、特定崗位的任務規(guī)則，需將人在該任務中的經(jīng)驗訣竅整理成操作手冊，與 AI 結合后，AI 會依據(jù)手冊掌握任務所需信息、流程與方法論，以專家級別水準完成任務。

AI 還打破了傳統(tǒng)數(shù)字化過程中的思維慣性與勞動分工局限。過去業(yè)務部門有需求時，習慣依賴 IT 部門實現(xiàn)，本質(zhì)是受勞動分工思維影響；而 AI 時代，業(yè)務部門可自主構建專屬智能體——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構建。

不過，企業(yè)落地 AI 仍面臨兩大核心挑戰(zhàn)，且均與人相關。一是技能短板，ChatGPT 問世僅三年左右，高校尚未開設相關專業(yè)，人才 AI 能力基本依賴自學，導致人與人之間 AI 能力差異極大，同時 AI 對人才提出了更高要求，包括提問能力、學習能力、基礎判斷能力及業(yè)務能力，這些方面的不足構成了技能短板。

二是動機問題，AI 對個體的極致賦能，讓一人或兩三個人就能創(chuàng)造高價值 AI 產(chǎn)品，這顛覆了員工與組織的傳統(tǒng)關系。過去優(yōu)秀人才傾向選擇大廠等大平臺，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)余時間開發(fā)個人 AI 項目，一旦項目成功獲得投資，便會從企業(yè)離職。如何在培養(yǎng)出具備 AI 能力的人才后，有效激勵并留住他們，成為企業(yè)面臨的關鍵難題 —— 畢竟 AI 時代，個體無需依托大平臺，憑借 AI 加持就能成為 “超級個體”，打破了傳統(tǒng) “依托平臺發(fā)展” 的邏輯。

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