AI加速了交付，组织为什么还在原地踏步？
一份原本需要两三周才能完成的报告，AI只用了两个小时就生成了，准备向董事会汇报的时候，负责人却申请了两周延期。复旦管院博思荟活动的现场，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。
这位朋友作为一家外资企业的HR业务伙伴，需要搜集一线业务人员的数据并为管理层提供分析报告。过去，整理资料和制作汇报材料耗时不菲，AI智能体的出现大幅压缩了这一过程。但没过多久，最初的兴奋很快变成了新的困惑：AI用很短的时间生成了一份详尽、精彩的报告，但其中不少的分析结论她自己也很难完全理解。
毕竟最终站在董事会面前的不是AI，向高管们解释数据、回应追问的也不是AI，而是HR本人。别无他法，她只能又花了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、材料生成耗时被大幅压缩，但理解、判断和沟通的成本却维持原状。AI工具只完成了任务的一部分，不等于完成了全部工作。
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了调研，共回收324份有效问卷。结果显示，AI已经进入多数企业的招聘、测评和培训环节，但围绕AI建立新的工作方式却远比引入工具复杂。
AI进入了前端招聘，但尚未在组织运行中应用落地
AI工具进入HR场景的渗透度；N=324，多选
多数受访者表示AI已经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，只有少数受访者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的覆盖情况而非使用效果，也不能据此断言招聘已经实现了可靠的自动化。但它们显示出一个明显差异：AI较多进入了招聘流程的前端，但涉及组织运行和员工关系的应用仍然较少。
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，原因可能是薪酬，也可能在主管、晋升机制或业务前景。识别相关性之后还要判断企业能改变什么，以及改变一处会不会引发其他问题。
“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。恰恰因为系统能够迅速给出排序、评分和解释，使用者更需要判断这些结论是否与岗位真正相关，眼前这个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够自然得到解决。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。复核者如果没有足够的专业能力、处理时间和精益求精的动机，所谓人工把关就容易变成确认按钮。对HR而言，培训的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的依据，能否指出系统不适用的边界，这些才是工具进入人事决策之后更重要的能力。
胥正川在博思荟论坛发表主题演讲
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了一个设想：一名工程师原本需要七个小时完成工作，使用AI后只需一个小时，但如果他仍然在第七个小时把成果交给下一位同事，整个流程并没有因此加快。
这不是技术失效，而是个人工作与组织流程之间没有接上。只有改变了任务交接、审批安排或资源配置，员工节省下来的时间才可能转化为更短的交付周期。
但在实操过程中，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。但三个部门面对的目标未必一致：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。每一方都可能完成自己的指标，跨部门的等待和重复劳动却保留了下来。
问卷中，受访者选择的最大障碍也没有集中于某一个环节。27.2%认为缺少适用的工具或方案，21.9%认为HR团队的AI能力不足，21.6%认为数据基础薄弱。
推进AI在HR领域应用的最大障碍；N=324，单选
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 部门的事情，公司正在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，最后还要负责推广，让同事真的用起来。AITP技术合伙人负责搭平台、做开发、判断技术上能不能做，不需要每个部门都懂技术。HRBP组织合伙人负责岗位技能重塑和文化转型，让AI转型不只是技术升级，也是组织能力的升级。先要找到的业务瓶颈和痛点，再看 AI 能不能解决。
但圆桌上的另一种意见同样值得注意。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，而不是为每一种新任务增加一个协调角色？讨论没有给出唯一的组织模板，却点出了AI转型中的一个矛盾：为了减少原有流程的低效，企业可能先增加新的岗位、会议和汇报关系。如果缺少明确的决策权与交付责任，新设的协调机制也可能成为新的等待环节。
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，应当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%的受访者认为，部分岗位会消失、新岗位会产生，但人员总量基本稳定；35.2%认为，人员总量变化不大，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，企业需要主动精简人员。
未来三年AI对岗位结构的影响；N=324，单选
这些是受访者的判断，不是已经发生的就业结果。它们既不能证明AI不会带来裁员，也不意味着多数企业已经找到转岗方案。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。这个项目涉及德国、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，设计相关的问题被转向德国，制造问题转向中国，项目执行问题又转向当地团队。各地都有项目经理，却缺少一个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。这不是一个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可以加快资料整理和跨语言沟通，但如果每个团队仍只对自己的一段工作负责，客户依旧需要在组织边界之间来回寻找答案。工具越能承担分散的执行任务，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。在问卷中，学习与适应能力获得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%。
AI时代招聘管理者最看重的能力变化；N=324，最多选3项
胥正川引用吴恩达教授的观点，把所需的人才形态概括为“有根的通才”：既能够借助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（岗位说明书）更细的要求。企业需要辨认，一个岗位究竟包含哪些任务，其中哪些可以交给机器，哪些需要人机协作，哪些判断仍然必须由有经验的人完成。在此基础上才能讨论培训、转岗和招聘，而不是从某个工具的能力直接推导一个岗位应当消失。
节省的时间怎样变成组织能力？
AI能够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。胥正川在演讲中用一个设想说明这种激励难题：过去员工花三个小时，做出一份85分的成果；现在用AI，一个小时就能得到80分。如果再提高5分仍然需要投入大量时间，而管理者又难以区分两者，员工为什么还要继续打磨？
问题不在于员工是否足够努力，而在于原有考核能否辨认新的贡献。当材料数量与制作速度都容易提升，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的业务涉及艺术、文化和商业空间，不同市场有不同的文化语境。AI可以参与创意生成，但内容是否适合当地，仍需人的判断。这使效率的含义有所不同：不只是用更少的人完成原有工作，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的成长，企业仍需明确新的工作要求、能力支持和回报。类似的激励问题也存在于知识积累中。员工做出了有效工作流，企业如何让其他人也能使用？如果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团队可以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的应用进入更广泛的内部使用，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的责任。
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的边界仍需单独审查。问卷中，39.2%的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已经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。前者可以从一个场景、一项工具开始，后者则要求HR进入流程设计、责任划分和绩效制度。
一份报告能否在两个小时内生成已经有了技术答案。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，仍然需要管理者作答。
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。