在组织的AI初级时代,需要具有管理能力的新型员工
近日,2026《管理视野》年度论坛在复旦大学管理学院政立院区举办。论坛以“AI时代的管理:从组织变革到人的未来”为主题,汇聚学界与产业界嘉宾,共同探讨技术变革背景下的组织转型与管理创新。
在论坛上,华盛顿大学福斯特商学院Philip M. Condit讲席教授、《管理视野》学术主编陈晓萍教授作主题分享。在她眼中,我们正处在一个“组织的AI初级时代”,而这个时代最稀缺的,不是会写代码的人,也不是会用工具的人,而是具有管理能力的新型员工。以下内容根据陈晓萍教授在本次论坛上的演讲整理,并经她本人审阅确认。
这些年我做组织行为和人力资源管理的研究,课题从跨文化管理、个体与群体决策,一路延伸到领导力、管理沟通和创业者的激情。我习惯了观察组织中的人:他们如何决策,如何合作,如何在制度的缝隙里保留判断力。而最近两三年,我发现自己所有的旧问题都被一个新变量重新照亮了——AI。今年夏天我和一位同样做管理研究的同事深谈,又读了一批企业案例之后,一个判断在我心里逐渐清晰:我们正处在一个“组织的AI初级时代”,而这个时代最稀缺的,不是会写代码的人,也不是会用工具的人,而是具有管理能力的新型员工。
一个令人不安的落差
先看一组数字。麦肯锡2026年的全球企业调研报告显示,将近百分之九十的受访企业已经在至少一项业务职能中常态化使用AI工具。这是一个惊人的普及速度。但紧接着的问题是:用上AI之后,组织的整体生产率提高了多少?答案的中位数大约只有5%到10%。与此同时,在管理学的多项研究里发现,个体员工在AI赋能之后,效率提升普遍在30%以上。
个体的30%,落到组织层面只剩下5%到10%。这个落差才是真正值得深思的问题。它说明,AI在个体手中的威力,并没有转化为组织的效能。问题出在哪里?
我的那位同事过去两年带领团队研究企业的全面AI化,在即将出版的新书《人机契合:AI时代组织跃迁的四态六维模型》(王旭丹、陈剑文、吴传娟,机械工业出版社,2026)中提出了一个我很认同的框架:AI进入企业后会经历四种形态。第一种是工具态,AI作为辅助工具被局部调用,解决单点问题,流程、岗位、协作方式基本不变,这是我们每个个人用户正在经历的状态。第二种是伙伴态,AI开始稳定参与工作,人与AI形成相对清晰的分工。第三种是器官态,AI嵌入关键业务流程,成为经营与执行的必需节点,整个组织的岗位和流程开始重写。第四种是土壤态,AI成为默认在场的认知与生产环境,没有了它,组织几乎无法运转。
用这个框架回看那个5%到10%的数字,答案就清楚了:绝大多数企业仍停留在工具态,少数到了伙伴态,而真正进入器官态和土壤态的,全球可能不到5%。书中对这些企业做了详尽的案例剖析,SHEIN(希音)、Tesla(特斯拉)是其中的典型。这恰恰印证了我多年研究中的一个基本判断:技术从来不是组织效能的充分条件,组织结构与人的能力才是那个乘数。AI放大的,是组织原本的样子——组织理顺了,AI是杠杆;组织没有变,AI只是昂贵的点缀。
裁员潮:初级时代的阵痛
我想提醒大家注意的是,即便绝大多数企业还处在工具态和伙伴态,裁员的浪潮已经汹涌而至。
我生活工作的西雅图是华盛顿大学的所在地,也是微软、亚马逊、波音的总部所在。过去一年,亚马逊宣布裁员三万名员工,这对当地人和经济的影响是实打实的;微软裁员一万五千人之后,今年又推出了鼓励提前退休的计划:不是强制离开,而是给出约十个月薪酬的补偿,折合人民币上百万元。一位朋友在政策宣布前不久刚刚自己办了退休,我替她惋惜,她只能苦笑说:“我也预测不到呀。”Google、Intel同样在大规模精简,因为AI已经可以直接完成大量编程工作,中层管理者也被成批裁减。金融行业一样未能幸免,花旗、摩根士丹利、高盛都有数千名的裁员名单,Anthropic推出面向金融行业的AI工具之后,冲击更是立竿见影。连UPS、迪士尼这样的公司也在收缩。
这还是在AI的初级形态下。如果企业继续向器官态、土壤态演进,标准化的、重复性的、可以被规则描述的工作会进一步交给系统。那时,只能从事这些工作的人去哪里?去那些尚未使用AI的公司,或许还有一席之地;留在正在转型的公司里,则必须加上新技能。我观察到的核心变化是:员工的角色正在公司里发生根本的变化,从执行者变成判断者,从“我就做这件事”变成“我知道怎样指导AI去做这件事”。执行的事情AI基本可以搞定,而判断、设计和担责,仍然属于人。
这里我要多说一句。我个人始终认为,负责任的企业不能把“冗余”的员工一裁了之。帮助员工过渡到新角色,是企业在这个时代应尽的责任,也是维持组织长期能力的投资。这与我多年研究领导力时反复看到的规律一致:真正穿越周期的组织,无一不是在变革中把人放在中心位置的组织。
AI初级时代的三项核心能力
那么,新角色需要什么样的能力?我说“AI初级时代”,是因为到了真正成熟的高级时代,组织形态会是另一番景象;而在当下这个过渡期,员工最需要的是三项与管理直接相关的能力。是的,AI时代的员工必须是管理者——哪怕他不带一个人,他也需要管理一群AI。
第一项,重构岗位的能力。
AI时代的岗位不再是固定的任务清单,而是动态变化的能力集合。员工必须清晰判断:哪些任务可以完全交给AI,哪些必须由人完成,哪些需要人机协作。以人力资源部门的招聘为例:过去海量简历的初筛要一大帮人,初面沟通又要一大帮人;现在两个AI agent基本可以承担这两段工作——当然,人要先给它们设定标准、权重和流程,再对筛选结果的准确性做判断,而复试环节仍然需要人亲自参加,甚至主管参加。能把这条流程重新设计出来的人,就完成了岗位的再造;不能完成这个转变的人,只能离开。
岗位重构的背后,是四重逻辑的转变。其一,岗位从任务集合变成能力集合。过去的岗位描述(job description)把任务写得极细,现在关键是能力清单——任务可以交给AI,能力必须由人承担。讲到这一点,我总会想起我以前的一些日本学生。他们告诉我,日本企业招聘不太看你学什么专业,东京大学毕业、受过良好训练,就录用你,进来之后再根据岗位需要配置,因为企业相信你具备学习新东西的能力。美国企业则相反,专业对口、精专分工,进来就守着一个岗位。在AI时代,前一种思路反而显出了生命力——因为岗位的底座已经从“你会做什么任务”变成“你拥有什么能力”。其二,从执行者变成设计者,员工不再只是执行流程,而是设计、监督、并不断优化流程。其三,从个人工作变成系统工作,必须理解全局而非只守自己的一小段。其四,从单线程变成多线程,同时要管好多个AI agent,协调它们之间的输入输出。
第二项,协调AI agent的能力。
一个人同时与多个AI agent协作正在成为常态。某互联网公司的产品经理小林,每天同时驱动三个AI agent:一个负责用户行为分析,理性但忽略情绪;一个负责生成界面草图,偏文艺但不够精确;一个负责撰写需求文档,逻辑严谨但不接地气。三个“人”的专长、特性、脾气各不相同,小林要做的是指挥家——让它们互通信息、彼此协商,在“更有艺术性”和“足够精确”之间协调出最优解。
这个场景让我有种强烈的既视感。我研究群体决策和团队动力学几十年,看过无数真人团队里的摩擦:分析派和创意派互相看不上,严谨派和现实派谈不拢。如今同样的剧本在人机之间重演,只是“团队成员”换成了AI agent。要当好这个指挥家,前提是理解每个agent的特性,而这个前提的前提,是你已经真正拥抱了AI、学会了使用AI。在此之上,你要为它们制定共同目标、规则和沟通方式,在它们冲突时做最终判断,并且在整个过程中保留人类的温度和价值观。
还有一点,说出来我心里也有些复杂:要想办法把隐性知识蒸馏出来。我们说的tacit knowledge(隐性知识),常常是“只可意会不可言传”的部分——我多年前写过一本关于文化与沟通的书《无
第三项,做判断、做决策并承担责任的能力。
人类的决策背后有价值观、有风险偏好、有组织文化、有社会规范;AI的决策背后只有数据和算法。AI可以识别模式,但无法理解价值观;它不理解情境,只理解输入;它不对后果负责,所以它不纠结、也不谨慎。AI不会为某个决策睡不着觉,不会担心这个决定是否损害某个具体的人的利益,但人会。哪些规范必须遵守、组织文化中最核心的价值观不能破坏,这些都必须由人来把关。
这一点,我在学术出版的场景里体会最深。写论文可以用AI辅助,没有问题,但署名之后的每一个字都要作者自己负责,比如文献引用了,一查根本没有这条引述,那就说明工作不是你自己做的。而我们做期刊审稿,则绝对不允许审稿人把论文交给AI:稿件是匿名评审的,一旦放进公开的AI工具,机密稿件就等于被公开了,这是不可原谅的错误。判断与责任,是人机协作中那条不可让渡的底线。
四个我还没有答案的问题
以上是能力层面的思考。下面有几个更大的问题,我自己也没有答案,提出来与大家一起讨论。
第一,知识工作者的身份危机。如果你是一位年轻教授,苦学二十多年、读完博士、积累多年,才能把研究做到今天这么专业的程度;现在AI一下子就能写出比我更优秀的论文,那我的价值在哪里?我该如何重新定义自己?这不只是学界的困惑。西雅图那些被裁掉的微软、亚马逊员工,高薪、名校、体面的社会地位,一夜之间身份悬空:“我是谁?”知识工作者原本是优绩主义的赢家,每次考试最优、每次评优在列,而当认知能力不再直接决定绩效、长期的技能磨砺不再构成壁垒,人就被迫退回一个更终极的问题:抛开这些标签,我究竟是谁?
第二,信任的重新奠基。当AI成为人与人之间的信息中介,信任建立在什么之上?我有个朋友,每天至少用六个小时AI,什么东西都先交给AI。员工交来报告,AI的评语写得好到他一个字都改不了,他最后只添了一个“赞”发回去。员工一看就明白了:评语是AI写的,只有那个“赞”是你写的。将来如果你用AI、我用AI,AI与AI彼此沟通,我们之间的信任,到底是人与人的信任,还是AI与AI信任的倒影?
第三,到底是我用了AI,还是AI用了我?AI很好用了,想得比你周到,有时比你有创意,于是你养成习惯:问题一来先问AI,答案看起来真好,自己便不再挣扎思索。本来那个苦苦琢磨“背后到底是什么意思”的过程,恰恰是人长本事的过程,现在我们可能正在把它外包出去。博士生的培养已经遇到严峻挑战:如果论文都可以用AI写得漂亮,凭什么判断一个博士生优秀?于是有些博士项目恢复了口试,口试蒙混不过去。我们课堂的考试也越来越多回到纸笔测验,当场手写。有人说这是回到古代,我倒觉得,这是在替人类的思考能力守门。
第四,谁来给AI装上伦理红线?人自带一套底层操作系统:什么事不能做,什么底线不能突破,不需要逐条写进指令。AI没有是非观,它只有任务判断,“完成你给我的指令”是第一优先级。为了完成目标,它可能去侵入别人的数据库、挖取隐私,这里面的伦理风险是真实的。那么,谁来给AI装上红线?装上了,会不会被绕过?讲伦理的人给AI装了约束,不讲武德的人不装,两个AI同时在市场上竞争,谁会赢?这些问题,我没有答案,但回避它们的代价,我们付不起。
未来在我们体内完成转化
有两句诗我很喜欢。一句来自美国诗人维贾伊·塞沙德里:“灵魂,就像负一的平方根,是一种不可能存在的事物,却有其用途。”AI可以计算一切可计算之物,但人身上那些看似“不可能存在”的东西——价值、责任、温度、审美——恰恰是这个时代最有用途的东西。另一句来自奥地利诗人里尔克:“未来在发生之前,便已进入我们之中,在我们体内完成它自身的转化。”
是的,最后还是我们决定未来。AI初级时代的组织命题,表面上是技术命题,实质上是人的命题:员工要成为管理者,管理者要成为更好的自己。而探讨这些宏大的问题,《管理视野》是一个非常好的媒介。
打开视野,见你所未见,与诸位共勉。
本文来自微信公众号“复旦商业知识”(ID:BKfudan),作者:陈晓萍,编辑:谭相宜,36氪经授权发布。















