AI不是外挂,而是劳动力的一部分:企业必须开始设计人机混合型组织
作者：微信文章当岗位不再由人类单独负责，HR的全部制度都要推倒重来
今天，我在飞机上翻Gartner最新报告，有这么一句话：
企业必须从给岗位加AI工具走向设计一个人机共同交付工作的混合劳动力体系。
我当时第一反应是：这不就是换个说法吗？AI工具用得多一点，不就是混合劳动力？
直到我继续往下看，才发现不是这么回事。
Gartner说的不是多用AI，而是把AI当成团队成员。不是辅助，是共同交付者。岗位不再由人类单独负责，而是由人类任务+AI任务+混合任务共同构成。
这是什么意思？过去15年，所有组织设计都基于一个假设：工作是人做的，工具只是辅助。现在这个假设要被推翻了。
我放下手机，想了想我们公司最近招的HRBP。她每天做什么？写报告、做分析、沟通业务、组织诊断。如果按Gartner的逻辑拆解，写报告和做分析，90%可以交给AI；沟通和诊断，100%还得她来。那她的岗位到底是什么？是HRBP，还是HRBP+AI分析师的组合体？
绩效怎么评？招聘怎么招？薪酬怎么定？
这些问题没答案。因为整个HR体系，都是基于人类单独交付工作设计的。
回头看Gartner这份报告，我发现它不是在谈AI技术，而是在谈一场组织设计的结构性变革。
这场变革会影响未来10年的人力资源，也会影响你我的职业生涯。
一、AI正在接管30-60%的任务，但不是接管岗位
先说一个容易被忽略的事实。岗位不会消失，但任务结构会被重写。
研究数据显示，80%的职位中至少30%的任务可以由AI完成，但仅有5%的岗位可以完全自动化。
什么意思？
举个例子。招聘专员，这个岗位会消失吗？不会。但任务会变：
JD撰写：AI自动生成，人类微调，占比从20%降到5%简历筛选：AI初筛，人类复核，占比从30%降到10%面试沟通：100%还是人类负责Offer谈判：100%还是人类负责
你看，岗位还在，但任务比例变了。原来60%的时间花在JD和筛选上，现在只需要15%。剩下85%的时间干什么？要么重新定义岗位，要么这个人就是冗余的。
再看HRBP。数据报告自动生成了，但组织诊断、冲突解决、业务沟通，这些还得人来。那HRBP的核心价值是什么？是做报告，还是做诊断？
过去，这个问题不用回答，因为做报告和做诊断是绑定的。但现在，AI把它们拆开了。
这就是Gartner提出任务拆解的原因。不拆，你就不知道哪些任务该交给AI，哪些任务必须由人来做，哪些任务需要人机协作。
说白了，岗位不是职责，而是任务的组合。AI改变的不是岗位本身,而是任务的组合方式。
但问题来了：如果任务结构变了，岗位定义还能按原来的JD写吗？
答案是不能。
这就是为什么Gartner说，企业必须对每个岗位进行人机任务拆解。不拆，你的组织设计就是基于错误假设运行的。
二、混合劳动力意味着岗位三分法
Gartner给出的解决方案很清晰：把每个岗位的任务拆成三类。
A类：AI完成的任务（Pure Machine Tasks）
什么任务适合AI？标准化、重复性、规则明确的任务。
比如：
自动生成报告自动质检自动归因分析自动推荐
这些任务的特点是：输入确定，输出确定，中间逻辑可以被编码。
以财务分析师为例，数据收集、报表生成、指标计算，这些都可以交给AI。过去一个分析师花80%时间做这些事,现在10%就够了。
B类：人类完成的任务（Pure Human Tasks）
什么任务必须由人来做？需要判断、沟通、伦理决策的任务。
比如：
组织诊断冲突解决业务沟通伦理判断组织政治
为什么AI做不了？因为这些任务的输入不确定，输出也不确定，中间逻辑高度依赖上下文和人际关系。
还是以HRBP为例，业务部门有矛盾，你怎么介入？说什么话？站哪边？这些没有标准答案，只能靠人类的判断和同理心。
C类：人机共同完成的任务（Hybrid Tasks）
这是最有意思的一类。什么叫人机共同完成?
不是人用AI工具，而是人和AI分工协作,各自负责自己擅长的部分。
举几个例子：
人类提供业务上下文→AI生成方案→人类做决策AI提供数据洞察→人类做判断→AI执行落地AI自动执行流程→人类监督审核→AI迭代优化
比如招聘场景：
HR告诉AI：我们要招一个Java工程师,技术栈是Spring Boot,团队风格偏扁平化AI生成JD、筛选简历、推荐候选人HR面试沟通、做最终决策AI生成Offer、跟进入职流程
你看，这不是人用AI,而是人和AI接力完成一件事。每个环节各司其职。
这就是Gartner说的混合劳动力。不是人+工具，而是人+AI团队成员。
但这带来一个巨大的挑战：如果岗位是由三类任务组成的,HR的全部制度都得重写。
三、HR的全部制度都必须围绕人机协作重写
这是Gartner报告最狠的部分。
它不是说AI会改变HR，而是说HR的全部制度都要推倒重来。
1）招聘：从招人变成招能与AI协作的人
过去招人看什么？学历、经验、技能。Excel用得好，英语说得溜，就是好简历。
但未来呢？
最核心的能力不是Excel,也不是英语,而是与AI协作的能力。
什么叫AI协作能力？
知道哪些任务该交给AI会写清晰的AI brief能审核AI的输出质量懂得如何迭代优化AI的表现
举个例子。两个财务分析师，都是985毕业,都有5年经验。但A只会手工做报表,B会用AI生成报表、自己做洞察。谁更值钱？
肯定是B。因为B的产出效率是A的10倍。
那招聘JD怎么写？不能再写熟练使用Excel了，得写具备AI协作能力，能够设计和驱动AI完成数据分析任务。
这不是加一条要求,而是整个能力模型的重构。
2）绩效：从评人到评人+AI系统的整体产出
过去评绩效看什么？看员工的输出。
但如果员工的输出有50%是AI完成的,你怎么评？
举个例子。一个HRBP,每月产出10份分析报告。其中8份是AI自动生成的,她只做了微调；2份是她自己深度诊断写的。
你评她的绩效,是评10份报告,还是评2份报告？
如果评10份,那她的产出看起来很高,但实际贡献可能没那么大。
如果评2份,那AI的贡献算谁的？
Gartner的建议是：不要评人,评人+AI系统的整体产出。
什么意思？把员工和她使用的AI agent看成一个组合,评这个组合的整体效率。
就像评一个团队,不是评单个人的产出,而是评团队的整体交付能力。
但这又带来新问题：AI agent的表现,有多少是员工驱动的,有多少是AI本身的能力？
这个问题没有完美答案。但至少,评价体系得从评人变成评人机组合。
3）晋升：重视驱动AI的能力
过去晋升看什么？业务能力、管理能力、影响力。
未来还要加一条：驱动AI的能力。
什么叫驱动AI？
能设计AI的工作流程能监督AI的输出质量能迭代优化AI的表现能把AI能力规模化复制给团队
举个例子。两个HR总监,都管30人的团队。A的团队还在手工做报表,B的团队已经用AI自动化了80%的数据工作,腾出时间做组织诊断。
谁更有价值？肯定是B。
因为B不仅自己会用AI,还能把AI能力赋能给团队,让整个团队的效率提升10倍。
这就是未来的晋升标准之一：不是你自己能做多少事,而是你能驱动多少AI,放大多少倍的产出。
4）培训：从技能培训转向AI任务分工训练
过去培训教什么？Excel、PPT、沟通技巧。
未来要教什么？
哪些任务该交给AI？如何写AI brief？如何审核AI输出？如何迭代优化AI表现？
举个例子。一个新员工入职,过去培训是教她怎么用系统、怎么写报告。
未来培训是教她：报告不用你写,AI会生成,但你要学会审核AI的报告质量,知道哪些数据有问题,哪些逻辑不对,然后反馈给AI优化。
这不是技能培训,而是人机任务分工的训练。
Gartner说,企业必须建设一个混合劳动力的能力模型。这个能力模型的核心,不是技术能力,而是人机协作能力。
四、不做人机任务拆解的组织会出现三大风险
说了这么多,你可能会想：有必要这么麻烦吗？AI工具用起来不就行了？
真没这么简单。
如果企业不做人机任务拆解,会出现三个致命风险。
风险1：大量岗位被隐性冗余化,却无制度支撑
什么叫隐性冗余？
就是AI已经能做80%的工作,但员工还在做,因为组织没有重新定义岗位。
结果就是：人做AI能做的工作,效率低下,成本浪费。
举个例子。一个数据分析师,每天花8小时做报表。但其实AI 1小时就能做完。剩下7小时她在干嘛？摸鱼。
但组织没有重新定义她的岗位,她也不知道自己该干嘛。久而久之,她就变成了冗余。
更糟糕的是,组织没有制度支撑她转型。她不知道该学什么,该做什么,最后只能等着被淘汰。
风险2：责任归属模糊,绩效体系失效
如果一份报告是AI生成的,出了问题算谁的？
AI的？员工的？还是两者都有责任？
如果没有明确的人机任务拆解,这个问题无解。
举个例子。AI生成了一份财务分析报告,结论是公司现金流有风险。HR拿去给老板看,老板根据这个报告做了决策。结果后来发现,AI的数据源有问题,结论是错的。
这个责任算谁的？
如果没有明确规定AI负责哪部分、人类负责哪部分,这个锅没法甩。
最后的结果就是：绩效体系失效,员工不敢用AI,怕背锅。
风险3：员工抗拒AI,因为组织没有重新定义角色
最可怕的是这个。
如果组织没有重新定义岗位,员工会怎么看AI？
抢饭碗的。
因为他们不知道AI来了之后,自己的角色是什么,价值是什么,未来在哪里。
结果就是：员工抵触AI,能不用就不用,能拖就拖。
Gartner的建议很清晰：越早拆解任务并沟通机制,越少阻力。
说白了,不是技术问题,是组织设计问题。
五、所以,企业该怎么办？
Gartner给出的答案是：对每个岗位进行人机任务拆解,并据此重建HR全套制度。
具体怎么做？
第一步：任务拆解
拿出你的组织架构图,列出每个岗位的所有任务,然后问三个问题：
哪些任务可以100%交给AI？哪些任务必须100%由人来做？哪些任务需要人机协作？
把答案写清楚,这就是你的人机任务地图。
第二步：重新定义岗位
基于任务地图,重新写岗位JD。
不要再写负责XX工作,而是写：
负责XX任务（AI完成）的监督和审核负责XX任务（人类完成）的执行和交付负责XX任务（混合完成）的协作和优化
第三步：重建评价体系
绩效不要只看员工个人产出,要看员工+AI系统的整体产出。
晋升不要只看业务能力,要看驱动AI的能力。
培训不要只教技能,要教人机任务分工。
第四步：沟通和赋能
这是最重要的。
要让员工明白：AI不是来抢饭碗的,而是来帮你做重复性工作的,让你有时间做更有价值的事。
要让员工学会：如何与AI协作,如何驱动AI,如何审核AI。
要让员工看到：未来的角色是什么,价值是什么,成长路径是什么。
只有沟通到位了,阻力才会小。
写在最后
Gartner这份报告,我反复看了三遍。
每次看,都有新的感触。
第一遍,我觉得这是技术变革。
第二遍,我觉得这是组织变革。
第三遍,我觉得这是认知变革。
未来的组织竞争力,不是有多少AI,而是人和AI的分工是否科学。
这话听起来有点虚,但细想想,确实是这样。
AI工具谁都能买,大模型谁都能用。但怎么拆解任务、怎么定义岗位、怎么设计流程、怎么评价产出,这些才是真正的护城河。
就像汽车时代,不是谁有车谁厉害,而是谁会开车、会修车、会设计车,谁才厉害。
AI时代也一样。不是谁有AI谁厉害,而是谁会拆解任务、会驱动AI、会设计人机协作,谁才厉害。
这场变革已经开始了。
你准备好了吗?
页:
[1]