- AI 是一项一项地接手岗位里的标准化工作，很少让整个岗位一下子消失。
- 做决定之前，先把岗位拆成具体的工作项，就能看清哪些部分适合交给系统，哪些必须留给人。
- 价值上升的，是需要承担责任、维护关系，以及在手册没写到的情况下做判断的工作。
1. 先分析任务，再判断职位的去留
一个“销售内勤”岗位，实际上包含十几项具体工作，有的是反复录入数据，有的是打电话安抚正在气头上的客户。如果把整个岗位一并判定为能替代或不能替代，无论选哪个答案都会出错。
“销售内勤”的工作可能包括：接收销售线索（Lead）、录入 CRM、准备文件、安排会面、跟进进度、对接客户。有些任务很容易自动化，有些则要靠人际关系。如果公司笼统地评估整个岗位能不能替代，就会错过重新设计工作的机会。
可以把任务分成常规信息类（Routine Information）、多变信息类（Variable Information）、体力类（Physical）、关系类（Relationship）和问责类（Accountability）。阅读、复制、分类、总结和生成文件这类工作，会越来越多地交给 AI。需要为后果负责、谈判、到现场接触实物、建立信任的工作仍然要有人来做，只是人会从 AI 那里得到更多信息。
2. 可能萎缩或大幅转型的工作
最先减少的工作往往很相似：阅读、复制、分类、转发。留下来的，是需要在手册没写到的情况下做决定的工作。
数据类行政工作，比如录入数据、整理文件、检查格式、汇总报表，会随着 AI 智能体（AI Agent）对接系统、处理各种文件的能力提升而减少。标准化内容工作，比如商品描述（Product Description）、社交媒体配文（Caption）和总结报告，每件需要的人手会减少，但仍要有人定方向、核对事实。
进度协调工作，也就是询问谁做到了哪一步、转交信息的工作，会越来越多地由工作流取代。一线客服会从回答常见问题（FAQ），转向处理带情绪、有风险或属于例外的个案；初级分析工作以收集数据、做幻灯片为主，岗位可能减少，新人则需要通过新形式的实际工作来学习本领。
各行业萎缩的程度并不相同。数据还没有数字化、规则复杂或受到监管的工作，变化可能比较慢。企业主要用自己公司的流程数据来判断，不能拿网上的职位清单决定员工的去留。
3. 价值上升的工作和角色
能教会系统的领域专家（Domain Expert），会比只会照流程做事、却讲不出道理的人更有价值，因为组织需要把知识转化成规则、示例和评测（Evaluation）。流程设计者（Process Designer）把业务、技术和客户体验连起来，消除交接环节。
写给开发团队 · 技术细节
AI 质量与风险岗（AI Quality and Risk）负责测试集、抽检、事故处理和偏差（Bias）问题；客户专员（Customer Specialist）处理 AI 解决不了的情况，并拥有决策权；产品实验员（Product Experimenter）用 AI 快速生成和测试创意，但依据市场证据做取舍。
分析思维、创造力、灵活性、领导力和协作这些人的能力依然重要。生成草稿的成本降低以后，价值会转移到选择要解决的问题、权衡取舍（Trade-off）和为结果负责上。
4. 用人力矩阵（Workforce Matrix）取代一刀切的裁员
| 分组 | 任务特征 | 策略 |
|---|---|---|
| 自动化（Automate） | 重复、有规则、量大、容易检查 | 减少人工处理时间（Touch Time），出现空缺不再补招 |
| 增强（Augment） | 需要分析，但可以借助数据 | 培训员工使用 AI，提高人均产出 |
| 以人为主（Human-led） | 人际关系、问责和例外情况 | 留住能干的人，并扩大他们的决策权 |
| 新型工作（New Work） | 智能体、数据、评测、治理 | 设立新角色或培养新技能 |
请主管为每个角色估算各分组所占的工时，然后分别模拟能自动化 25%、50% 和 70% 的情景，计算产能和需要增加的角色。这样公司既能看到哪些岗位会收缩，也能看到可能阻碍转型的技能缺口。
5. 2029 年职场人需要的关键技能
- 问题界定（Problem Framing）：把宽泛的目标转化成系统能理解的任务、标准和约束
- 数据判断（Data Judgment）：知道哪些来源可信，能发现数据缺口，不做超出证据的结论
- 流程思维（Process Thinking）：从头到尾看待工作，分清哪些交给规则、哪些交给 AI、哪些由人决定
- 评测（Evaluation）：编写好的示例，检查质量，并给错误分类
- 例外处理（Exception Handling）：在信息模糊或影响重大时做出决定
- 客户同理心（Customer Empathy）：理解客户的处境、信任感和没有写下来的需求
- AI 安全素养（AI Safety Literacy）：了解机密数据、权限、提示词注入（Prompt Injection）和可追溯性
会写提示词（Prompt）只是基础技能，工具会越来越多地替人写提示词。长久有用的是对业务的理解，以及判断结果是否“符合情境、创造价值”的能力。
6. 技能重塑（Reskill）必须结合真实的工作流
一天的通用 AI 培训能让大家试一试，却改变不了工作方式。应该选一条真实的工作流，让团队设计改进前后的流程（Before/After），试用系统，并对 KPI 负责。学员必须使用获准使用的数据，建立评测，并汇报业务成果。这样，学到的东西就成了公司的资产。
写给开发团队 · 技术细节
分级培养：面向全员的 AI 素养（AI Literacy），面向使用者的工作流实践者（Workflow Practitioner），面向开发者的构建者（Builder），以及面向风险管理者的负责人（Owner）。内部认证（Certification）以交付的工作为依据，不看学习时长。建立实践社区（Community of Practice），分享模板和事故案例。
7. 按情景制定人员编制计划（Headcount Plan）
写给开发团队 · 技术细节
制定基准（Base）、加速（Accelerated）和受限（Constrained）三套方案，每套都列明工作量、生产率提升（Productivity Gain）、自然流失（Attrition）、冻结招聘（Hiring Freeze）、转岗安置（Redeploy）和新角色。不要把节省下来的工时直接算成裁员人数，要看清这些工时怎样累计成全职人力当量（FTE），以及公司怎样真正获取价值（Capture Value）。
为常规岗位设立招聘关卡（Hiring Gate）：批准增员之前，必须证明已经调整过流程、评估过自动化。以人为主的岗位则要尽快留住人才，并提升他们使用 AI 的技能，因为这群人拉开的差距最大。
8. 企业主和 HR 的 12 个月计划
- 第一季度：在关键工作流中完成任务盘点（Task Inventory）和人力矩阵
- 第二季度：在两个流程中试行自动化和增强（Automate/Augment），配套基于实际工作的课程
- 第三季度：更新岗位说明书、KPI、招聘关卡和职业发展路径
- 第四季度：根据实际的生产率数据，建立 2028–2029 年的人员编制情景
总结：常规信息类工作和协调工作很可能收缩，领域判断、流程设计、客户信任和 AI 治理的价值则会上升。企业应该从按岗位配置人力，转向按任务和工作流配置，同时在真实工作中开展技能重塑。这样既能减少过度招聘，也能降低将来技能短缺的风险。
把人力规划变成能据以决策的数据
哪些岗位该增加、减少或转变角色，答案必须来自真正了解工作内容的 HR 和业务主管，软件公司给不出这个答案。所以我们先帮您的团队把已有的认识整理成结构：把一个岗位拆成具体任务，标明每项任务花多少时间、有哪些数据支撑、需要多大程度的判断、做错了影响有多大。整个公司的这些数据格式统一之后，部门之间才能放在一起比较。
让 HR 和业务主管看到同一份数据的系统
接下来我们通常会做一个内部 Web 应用，用来做任务盘点和人力矩阵，各团队主管可以自己填写。系统提供按角色区分的视图（Role-based View）：HR 看全局，主管只看自己的团队。另有情景模拟模块，计算效率提升 20%、40% 或 60% 时，人数和角色应该怎样调整。我们分短周期交付，先从两三个部门开始，再推广到整个组织。如果您正在考虑增员，手上却还没有任务数据，我们很乐意帮您搭好第一套数据框架。
SOFTWARE ENGINEERING GLOSSARY
软件工程术语表
跟开发团队讨论人员数据系统时，这组术语能帮您说到点子上。
| 术语 | 是什么 | 通俗示例 | 高管应问开发团队的问题 |
|---|---|---|---|
| Role-based View | 同一个系统根据用户的角色显示不同的数据 | 主管只看到自己的团队，HR 看到整个公司 | 谁能看到哪一级的数据？员工调岗时权限怎么变更？ |
| Data Model | 描述有哪些数据、彼此如何关联的结构 | 一个岗位包含多项任务，每项任务都有耗时和风险 | 以后想增加新的维度，需要推倒重来吗？ |
| Scenario Modeling | 在多种假设下模拟结果，用来比较不同方案 | 模拟能自动化 20%、40%、60% 时的人力需求 | 假设基于哪些实际数据？由谁确认？ |
| Capstone | 学员结业时必须提交的实际作品，用来检验能否真正上手，光上完课不算数 | 让团队重新设计自己的工作流，并对比前后效果 | 我们是根据实际工作还是考试来衡量学习效果？ |
| Adoption Analytics | 反映员工实际使用系统的程度和用途的数据 | 看每月有多少主管更新任务盘点 | 我们衡量的是实际使用情况，还是只看开通了多少账号？ |