04 AI 替代的不是岗位，是任务、判断和流程片段

04 AI 替代的不是岗位，是任务、判断和流程片段

一个老板看完 AI 十分钟写完一份市场报告，回过头问我的第一句话是：“这么说，我那三个做报告的，是不是不用要了？”

这个问题很自然。但它太粗。

粗问题进不了组织决策。它只会带来两件事：管理层焦虑，员工防御。老板拿着一个没有答案的问题到处问，员工拿着“我会不会被替代”的不安开始藏着掖着。最后 AI 转型还没开始，组织里的信任先被消耗了一轮。

真正该问的不是“AI 会不会替代人”。真正该问的是：

AI 先替代这条流程里的哪个工作片段？

这两个问题，听起来只差一点，后果完全不同。

第一个问题只有两个答案：是，或者不是。两个答案都很粗，都导不出下一步动作。

第二个问题会逼着管理者往下拆：是某个重复任务？某个格式化输出？某个标准判断？某个跨部门节点？某个客户沟通动作？拆到这里，组织设计才开始。

很多公司买了 AI 工具，开了账号，做了培训，三个月后老板开会问：“你们有没有好好用？”

员工不知道怎么答，因为没人先把一件事说清楚：AI 到底进入哪一个真实工作片段？这个片段原来谁做？现在谁定义输入？谁看输出？谁复核？谁对结果负责？

这些问题没人答，AI 就停在账号里。钱花了。组织没动。

她没做错任何事，是岗位被重新定义了

前面那位老板问“是不是不用要了”——这个问题，我自己真实地面对过一次。

我有一位高级咨询师。

她跟客户开会，把需求一条条问清楚，再用 PPT 把方案讲出来。这套活她做了大半年——手绘的图，逻辑清楚，配色讲究。我心里其实是欣赏的。

但我自己是怎么做同一件事的？我跟客户谈完，转身跟 Claude 把方案讨论清楚——哪几个选项、优先排序、风险在哪——再用 Obsidian 知识库把 storyline 梳出来，最后一句话让 Claude 把图和文字组装出来。整个过程我一个人在电脑前，没开一次会，没改一次配色。

又快，又稳，外观也不差。

原本一周的事，不到一杯咖啡的工夫。

她的手绘图逻辑清楚、配色讲究，这些都是真本事，只是这套本事所依附的那个岗位，已经不需要一周了。

我看着她，心里是惋惜的。她没做错任何事，是岗位被我重新定义了。 AI 工具把执行过程极限压缩以后，岗位原来那条“从需求到方案”的长链条，尾巴没了。剩下能留给她做的事，她做不来；我也没法凭空造一件事出来让她做。

我不是没试过——工具给了，内部分享做了很多次，也手把手教过。后来才想明白：不是工具用不用得起来的问题。

岗位被重新定义这件事，只有老板亲自把话说清楚，工具替代不了。

后来她自己另谋高就，我们体面地分了手。

这件事教会我两件事：以后招人，先想清楚这个岗位三个月后还在不在；以后看见一个员工的工作被悄悄改写，别装作没看见。 前者是经营，后者是体面。

岗位不是最小单位

岗位是什么？

岗位不是工作的本质。岗位是组织为了管理方便，把一堆事情打包成一个名字。往正面说，岗位的本质是组织为了让某类结果持续发生，设的一个具名责任接口。

“运营专员”“内容编辑”“数据分析师”“HRBP”，每个名字背后都装着很多性质不同的工作。有些是重复任务，有些是经验判断，有些是关系协调，有些是责任兜底。

组织把它们打包成岗位，是为了能招人、填人、考核、交接、追责。这套方式在 AI 之前是合理的，但 AI 进来以后，问题变了。

AI 改造的不是打包后的岗位名，是打包前的那些零件。它先碰到的是岗位里的某些任务，某些判断，某些流程节点，不是整个岗位。

管理层最容易犯的推理错误，是看到 AI 能完成某一类输出，就直接跳到“这个岗位可以被替代”。这中间不只跳过了工作片段，还跳过了更关键的一层：片段只是拆解单位，不是委托单位。

一件事能不能交给 AI、交给人，或者交给一组人机协作的小队，要看它有没有形成一条可委托工作闭环。

它至少要回答八个问题。

第一组问的是活本身：目标是什么，上下文从哪里来。第二组问的是谁来干、拿什么干：谁执行，调用什么工具和资料。第三组问的是边界和验收：权限边界在哪里，结果怎么评估。第四组问的是出事以后：错误怎么反馈回系统，最终谁对结果负责。

缺任何一项，这个片段都只是“看起来可以交出去”。

比如写周报。AI 能写初稿，不等于周报工作已经被委托出去。谁要用这份周报？上下文来自哪些系统？哪些数据不能进去？谁判断结论是否准确？老板看完以后提的问题，谁写回下一版规则？如果周报误导了决策，谁修机制、谁担责任？

这些问题不清楚，AI 接走的只是动作，不是工作。

组织升级的关键，是把岗位里的动作重组为可以委托、可以评估、可以追责、可以更新的工作闭环。做到这一步，AI 才开始进入组织 OS。

所以别急着盯岗位名。先挑一件你们每天都在做、又最想交给 AI 的事，拿上面八个问题挨个问一遍。答不上来的那几个，就是这件事现在还交不出去的原因。

四类工作片段

一个岗位里，至少有四类工作片段。

第一类是任务。任务指重复出现、有规则可循、输入和输出相对稳定的工作，比如生成初稿、汇总数据、整理会议纪要、分类标注、标准化报告。

任务层是 AI 最容易进入的地方。只要输入清楚、格式稳定、质量标准可验证，AI 就能接走一部分重复执行。

人的角色也会变：从重复执行者，变成规则定义者和质量抽检者。

第二类是判断。判断指风险识别、优先级排序、例外处理，以及那些必须结合上下文做取舍的决策。

AI 可以给建议，可以列风险信号，可以做候选排序。但最终判断不能直接让渡。因为判断一旦出错，后果要有人承担。

AI 能说“这个候选方案看起来更优”。但它不能替组织说：“这个决定我负责。”

第三类是关系。关系指跨部门协调、客户信任、上下游资源对齐、冲突处理。

AI 可以帮你准备材料，整理纪要，生成沟通草稿。但真实关系不是靠一封措辞得体的邮件建立的。客户的不满、部门之间的利益冲突、老板和团队之间的信任，最后都要回到人和人之间。

这不是 AI 会不会写话术的问题。这是组织信任怎么运行的问题。

第四类是责任。责任指拍板、复核、验收、兜底，就是那些出了问题以后，别人会问“这是谁定的”“谁验收的”“谁负责”的节点。

AI 可以留痕，可以辅助复盘，可以生成记录。但责任本身是组织属性，也是人的属性。AI 不能成为组织里的责任主体。

把这四类片段分清楚，管理者才能看见 AI 的真实位置。

合同审核就是一个例子。格式核查是任务层，风险条款识别是判断层，和对方法务沟通是关系层，最终签字盖章是责任层。

如果你只看“合同审核”这个岗位，就会误以为 AI 要么能替代，要么不能替代。

拆开以后才知道：有些能交，有些能辅，有些必须人来。

回去挑一个你最想动的岗位，在纸上画四行：任务、判断、关系、责任。每行写一件这个人本周真做过的事。四行都写满，你手里就有了一张能上会讨论的东西，不是一句“这个岗位是不是不用要了”。

AI 先进入哪里

AI 最先进入任务层。

格式化文档、标准摘要、规则分类、重复数据处理，这些是当下最容易被 AI 接住的工作。前提是组织把输入规范、输出格式和质量标准说清楚。

这里有一个冷刀：

如果你说不清楚输入和验收标准，AI 不稳定，可能不是 AI 的问题，是你这项工作原来就没有被组织说清楚。

AI 会把很多旧问题照出来。以前人靠经验和忍耐把模糊流程跑过去，AI 一进来，模糊的输入、模糊的标准、模糊的责任，往往会全部暴露出来。

判断层不能这么简单。判断层的正确用法是：AI 给建议，人看建议，人做决定，人承担结果。

AI 能列出风险，但不知道今天组织里哪个风险最不能碰。AI 能做排序，但不知道某个客户关系背后的历史。AI 能发现异常，但不知道这个异常现在该升级，还是先观察两天。

关系层和责任层，更不能让 AI 独立承担。一个重要客户的不满，不能靠 AI 自动发一封漂亮邮件解决。一个员工去留判断，不能因为 AI 打了一个分就直接拍板。一个对外承诺，不能让 AI 说完以后组织再被迫买单。

所以 AI 转型不是把每个岗位都变成 Agent——Agent 就是那种你交代一句、它自己跑完一串动作的 AI 助手——更不是万物 Agent。正确做法是把规则、工具、模型和人放回正确的位置。稳定任务交给自动化和 AI。复杂判断交给 AI 辅助。人保留决策权和责任权。关系和兜底节点必须有人在场。

四层里最容易出事的是第二层。今天回去问一句：我们现在有没有哪个决定，是因为 AI 给了个分数就直接过了？

有，那就是判断权已经不知不觉交出去了。

任务被替代以后，人去哪

任务被 AI 接走以后，管理者最容易产生一个误判：这件事不需要人了。

错。

任务被替代，和人被替代，是两件事。

任务层被接走以后，人至少会出现四个新位置。

第一是监督者。AI 产出以后，人要识别偏差，发现风险，判断这个结果能不能进入下一个流程节点。这个角色并不低级。它要求人真正懂业务质量，否则根本看不出“看起来对、实际上错”的输出。

第二是判断者。AI 给出建议以后，人要结合组织语境、客户关系、资源约束和历史背景，做最后判断。判断者不是照单全收 AI，是在 AI 建议和现实情境之间做取舍。

第三是训练者。AI 出错以后，例外情况、错误模式、修正动作要写回系统。否则 AI 永远停在初始质量上，组织也只是越来越依赖一个工具，而没有形成自己的能力。

第四是系统负责人。有人要为整个人机协作流程负责，不是为一次输出负责，是为这个流程的长期质量、知识更新、异常处理和业务结果负责。

这四个位置不是降级。这是角色升级。

升级长什么样？

以前这个人一天做八份报表，现在他一天看八份 AI 报表。听起来像没变，差别在于他现在必须看得出哪一份是错的，还要说清楚错在哪、下次怎么不错。

工作被这样重排，不是只在我们这几家公司发生。麻省理工工业绩效中心 2026 年 4 月发了一份报告，叫《Humans in the Loop》，作者是该中心执行主任 Ben Armstrong 和 MIT 航空航天系主任 Julie Shah¹。他们看的正是企业在生成式 AI 早期实验里，工作怎么在人和机器之间被重新分配：搜索、起草、汇总、判断、复核、沟通这些动作被拆开，又重新组合。这还只是早期实验里看到的，不是大规模铺开以后的定论。但方向已经很清楚：先动的是任务，跟着动的是人的位置。

但升级有条件。组织必须明确这些位置，给到权限、工具和绩效口径。否则任务被 AI 接走，人没有被放到新位置上，工作就会变成真空地带：AI 产出没人负责，错误没人写回，系统没人维护。

组织看起来少了一点工作，其实多了一个没人负责的黑洞。

所以你们已经用起来的那个 AI 工具，回去对着这四个位置点一遍名：谁在监督，谁在判断，谁把错误写回去，谁为整条流程负责。四个位置有一个空着，那件事现在就没人管。

一个混合岗位怎么拆

看一个脱敏的混合岗位。表面上，它是一个运营类岗位，每天要看数据、做报告、跟业务沟通、处理异常、对客户解释结果。拆开以后，则是性质不同的四层。

任务层：每日数据汇总、报告生成、状态核查、素材整理、历史记录归档。这些工作有稳定输入和输出，可以优先让 AI 处理。

判断层：方案评估、异常识别、优先级排序、目标不达标时判断先改哪里。AI 可以给候选建议，但最后要人结合业务语境判断。

关系层：和客户对齐目标，和内部业务方协调节奏，异常发生后做解释。这一层 AI 可以准备材料，但不能替人建立信任。

责任层：最终方案谁批，异常升级谁定，出了问题谁解释，谁承担后果。这一层必须有人。

拆完以后，结论不是“这个岗位可以不要了”，是这个岗位的任务清单变了。人不该继续把大量时间花在任务层，而要被放到判断、关系和责任层。

这才是工作片段拆解的意义：它证明的从来不是人没用了。

是人应该从哪里撤出来，又应该被放到哪里去。

岗位重写不是改 JD

很多组织讲岗位重写，最后会落到一个很轻的动作：把岗位说明书——也就是 HR 嘴里那份 JD——改一版，加一句“熟练使用 AI 工具”，再加一句“具备人机协同能力”。这不叫岗位重写。这叫把旧岗位贴上一张新标签。

真正的岗位重写，至少要改四件事。

第一，改交付结果。以前这个岗位交付的是“做完多少事”。AI 进入以后，这个岗位应该交付的是“拿回什么结果”。比如以前看一个运营是不是按时产出日报、周报、复盘，现在要看他能不能让一条流程的输出更稳定、异常更少、响应更快、知识沉淀更多。

过程指标不是不能看，但它不能继续做唯一口径；AI 时代还只考工作量，会把人逼回旧流程。

第二，改能力要求。以前岗位能力常常写成技能清单：会什么系统，会什么工具，会什么方法。AI 进入以后，最关键的能力不是会不会点工具。

关键的能力不是点工具，是另外三件事。能不能判断工具输出是否靠谱。能不能发现流程哪里坏了。能不能把一次经验变成下一次系统可以复用的规则。

这就是判断力。

不会判断的人，AI 给得越多，他越容易变成橡皮图章。

第三，改责任边界。如果 AI 参与了这个岗位的工作，谁下指令，AI 做了什么，输出是什么，谁复核，谁验收，谁对结果负责，这些都要写清楚。

否则岗位说明书再漂亮，出了问题还是互相推。

业务说这是系统问题，IT 说这是业务用法问题，HR 说这是岗位能力问题。最后组织里没人真正负责，只有一个离事故最近的人被拎出来背锅。

第四，改知识沉淀。一个岗位如果开始大量使用 AI，但所有提示词、判断依据、修正动作、异常处理都留在个人账号里，这个岗位就没有真的被重写。

员工变快了。组织没变聪明。

真正的岗位重写，要让这个岗位的好判断能够沉下来。人走了，经验不至于全走；新人来，不至于从零开始；下一条流程要改，不至于重新摸一遍。

所以，岗位重写不是 HR 写一版新 JD。

岗位重写是组织重新回答四个问题：这个岗位交付什么结果，需要什么判断，承担什么责任，留下什么组织记忆。

这四个问题答不出来，就先不要急着谈“AI 时代岗位升级”。

回去把你们最近改过的那份岗位说明书翻出来，对着这四个问题读一遍。如果通篇只改了能力要求那一栏，其余三栏一个字没动，那这次改版就还没开始。

什么时候才有资格讨论编制

做到这里，老板和 CHO 还是会问：那到底什么时候可以动编制？可以问，但要有前置条件。我建议至少四个条件同时成立，才进入编制讨论。

第一，任务替代已经稳定。 不是 Demo 看起来能用，是在真实负载、真实输入、真实异常里跑过一段时间，输出质量可以批量依赖。

第二，责任链已经重写。 谁使用 AI，谁复核结果，谁验收输出，谁在出错时兜底，这些问题都有具名答案。

第三，知识已经沉淀。 AI 处理过程中的例外、错误、修正动作和判断规则，已经写回组织知识系统，不只留在某个人的账号或脑子里。

第四，产能方向已经定义。 AI 释放出来的时间和人力，到底流向哪里？是降本、增产、提质，还是重组到新业务？如果没有方向，所谓提效只是把生产问题变成人员问题。

四个条件少一条，都不该急着动编制。

任务不稳定就动，系统会翻车。责任链没重写就动，出事没人兜。知识没沉淀就动，能力跟着人走。产能方向没定义就动，账面省了，组织变薄了。

所以下次开会有人提编制，先把这四条摆到桌上，一条一条问“做到了没有”。四个都能点头，再谈人数。

没有证明组织结果稳定之前，裁掉的不是成本，可能是组织能力。

给老板的工作片段分析表

讨论任何岗位调整前，先填这张表。

填不出来，就不要急着裁。填得出来，也不代表一定裁。它只是说明，你终于从情绪和口号，进入了组织设计。

这张表在会上怎么用？不要让 HR 一个人填。这张表应该由业务 owner、CHO、CIO 或 AI 转型负责人一起填，因为每一层都不是单部门能回答的。

任务层，业务最清楚每天到底在做什么。判断层，老员工和一线负责人最清楚哪些地方靠经验。关系层，业务和管理者最清楚哪些信任不能丢。责任层，CEO 和组织负责人必须拍板：出了问题谁兜底。

如果这张表只由 HR 填，它会变成岗位分析表。如果只由 IT 填，它会变成系统功能表。如果只由老板拍脑袋填，它会变成裁员理由表。

只有把业务、组织、系统和责任放到同一张桌子上，它才会变成 AI 时代的岗位重写工具。

所以这周先别谈人数。挑一个岗位，把这四个人叫到一间屋里，用一个小时把上面这张表填完。填完你就知道，这个岗位到底是该减人，还是该换位置。

岗位拆开以后，后面才有可能继续讨论三件事：工作经验怎么沉淀成组织资产，AI 参与以后责任链怎么画，释放出来的产能到底怎么分配。

本章只解决第一步。先把岗位拆开——这个岗位三个月后还在不在，先问过一遍。

拆不开岗位的公司，谈的从来不是 AI 转型，是给裁员换一个体面的名字。