05 岗位不是唯一分析单位

05 岗位不是唯一分析单位

很多老板谈 AI 裁员，第一句话就问错了：“这个岗位能不能被 AI 替代？”

这句话听起来很直接，其实太粗了。粗到没法做决策。

一个岗位里，混着太多东西。有人在查表，有人在整理材料，有人在写初稿，有人在判断风险，有人在处理关系，有人在最后签字。它们都被装进同一个岗位名称里，叫运营、客服、HRBP、财务、法务、投放、产品经理。

你可以现在就试一下。把你们公司一个采购专员一天的活写在纸上：录入订单、比价、催货期、盘账对单、判断这家供应商还能不能继续用、决定这批货要不要验退。六件事写完你就会发现，AI 能接的和不能接的，混在同一个岗位名称底下。你问“采购这个岗能不能被替代”，等于问“这六件事能不能被替代”——一个问题里塞了六个答案，当然答不出来。

AI 进来以后，真正被改变的不是这个岗位名称，是里面那些更小的工作片段。查资料、整理数据、生成初稿、标准化复核、异常识别，这些动作很容易先被 AI 接走。因为它们有稳定输入，也有相对稳定输出。做错了，通常还能查、能改、能重来。

但客户承诺、候选人判断、组织风险、价格赔付、重大交付、人员评价，这些东西不能简单交出去。不是因为 AI 一定做不了。是结果一旦发生，组织要买单。

这里才是第一刀：岗位不是最小分析单位，任务、判断、责任、结果，才是。

你可能觉得这四个词在上一章见过。上一章画四行，是为了看清一个岗位内部有哪几类活；这里换四项，是因为岗位这把尺本身该换掉了。两处不冲突，一处是拆，一处是量。

岗位这个单位还能往下拆，拆开以后才看得清哪一块能交、哪一块不能交。所以谈 AI 替代的时候，岗位就不该是你手里唯一的那把尺——它太粗，量不出这些差别。

如果一号位还停在“这个岗位裁不裁”这个问题上，他就很容易做出两种低级动作。

一种是把 AI 当成人力替代器：看到某个岗位里有一部分工作能自动化，就直接推导出这个岗位可以减少人。这个推导太快，中间少了好几层账：哪些任务被接走了？人的判断还在不在？客户和组织结果有没有变稳定？出了事谁兜底？

另一种是把 AI 当成技能标签。岗位说明书里加一句“熟练使用 AI 工具”，培训课上了，员工也真开始用了。但这个岗位交付什么、怎么交付、谁对结果负责，没人核验这些旧安排还能不能接住新的工作量和错误。

这两种动作表面相反，本质一样：都跳过了岗位这笔账，一边急着减人，一边只管加工具。

旧岗位继续按旧逻辑跑，AI 在旁边加速。旧安排经验证仍能接住，就可以继续用；承接能力没核过，谁也不能把加速直接算成组织升级。

过去很多慢，是流程自己在消化风险。现在前面快了，后面的判断、复核、责任和治理没跟上，风险只是被更快地送到了下一个节点。

我现在看很多企业的 AI 转型，最危险的地方就在这里。

老板以为自己在做组织升级，其实只是在给旧岗位装马达。

原来一个人一天处理二十条，现在 AI 帮他处理八十条。看起来产能上去了，但如果后面的复核能力已经不够、异常升级接不住、客户承诺越了界，组织就是把更大流量送进了一根已经超负荷的旧管道。管道本来够用，不必为了上 AI 换掉；已经接不住还继续加压，爆的时候会更难看。真到那一天，模型错了查模型，岗位接不住查岗位，别把两笔账混成一句“AI 不靠谱”。

先把岗位打开

所以岗位重写的第一步，不是改 JD，是把岗位打开。一个能用的岗位重写，至少要问四个问题。

第一，这个岗位真正交付的结果是什么？不是“负责某某工作”，也不是“协助完成某某事项”。这些话写在岗位说明书里很好看，但拿不到结果。真正要问的是：这个岗位存在，是为了让组织拿到什么稳定结果？

客服岗位不是为了“回复客户”，是为了让客户问题被准确处理、情绪被接住、承诺不乱给、体验不掉线。招聘岗位不是为了“筛简历”，是为了让合适的人进入合适的位置，并且这件事能在后续结果里被复盘。投放岗位不是为了“做报表”，是为了让预算花出去以后，组织能拿回更稳定、更可解释的增长结果。

岗位一旦从动作回到结果，AI 才能被放到正确位置。

第二，AI 接走的是哪类任务？这里不能靠感觉。要把岗位里的工作拆出来，看哪些是重复执行、信息整理、初稿生成、标准化判断、复核辅助、异常识别。这些通常是 AI 优先进入的地方。

员工自己也知道。很多人最烦的不是有难度的活。是那些每天都要做、做完也没人觉得有价值、但不做又会堵住流程的活。

我把这类工作叫切黄油。切黄油不是骂人，它只是说，这类工作动作稳定、结果可查、判断含量低，过去靠人硬切，是因为没有更好的工具。现在有了 AI，就应该让 AI 先进去。

这个词是拆岗位拆出来的，不是想出来的。

我拆过一个投放运营岗。拆完发现，这个人的时间大致可以分成两种性质完全不同的工作。

第一种，是查表、整理数据、汇总报表这类活。他每周要查好几张媒体价格表，对比不同渠道的历史投放效果，把散落在各个平台后台的数据拉回来合并成一张汇总表，再整理成汇报用的格式。这些动作很规律，步骤可以复现，做完的产出是信息，不是判断。

第二种，是他真正的专业所在：人和人之间的沟通与链接。

和媒体代表谈采购条件，对方在电话里说的不只是价格。还有这个季度哪个位置流量变了，什么节点有资源可以拿。这些话靠的是几年攒下来的交情，不是发邮件能问出来的。

给客户汇报投放进展，也不只是念数字。客户说一句“我觉得效果一般”，他得当场判断：这是客户没看懂数据，还是当初期望就没对齐。判断完了，才知道下一句话该怎么说。

判断这个月某个渠道要不要加码，依赖的是他对市场节奏的感知，不是表格里能查出来的规律。

这些是他的真任务。关系、判断、信任，这类片段不重复，不能被标准化，出错了也没有简单的“重做”选项。

拆完之后，问题就不一样了。原来的问题是：这个投放运营岗要不要被 AI 替代？这个问题本身无解，因为它既没有正确答案，也没有操作出口。新的问题是：查表和整理报表这块切黄油，今天有哪些工具可以接管？接管之后，这个人每周能省多少时间？省出来的时间，能不能更多地放在维护媒体关系和研判投放节奏上？

这才是有操作价值的问题。切黄油交给工具，人的时间重新分配给真任务，岗位不消失，但工作的重心会迁移。

需要说明的是，这个拆解是方法论示范，不是统计结论。不同公司的投放运营岗，切黄油和真任务的比例会有差异，甚至差异很大。拆解的意义不在于得出一个固定比例，在于让管理者看清这个岗位里有哪两类性质不同的工作，再决定下一步怎么设计。

这个岗位的说明书上，写的都不是这些事。这就是为什么岗位名称回答不了 AI 的问题——名称写的是应该做什么，时间花在哪里才是实际在做什么。

两者之间的差额，往往就是 AI 最先该进去的地方。

但切黄油被接走以后，不能马上跳到“那这个人是不是不用了”。更重要的问题是：这个人的时间被释放以后，组织准备让他去做什么？

如果没有答案，AI 提效就只是把空白时间制造出来。

第三，人保留什么判断？这一步最容易被忽略。很多流程里都有“人工确认”。看起来人在回路中，其实人只是点了一个确认按钮。AI 给出建议，人看一眼，点通过，一天点几百次。出了事，系统记录上有他的名字。

这不是人在负责，是人在背书。

真正的人类判断，至少要有三个条件：他有独立信息，他有推翻 AI 的权力，他推翻以后不会被流程惩罚。

三个条件缺一个，这个人就点不动那个“不通过”。没有独立信息，他手上除了 AI 给的那份材料什么也没有，只能信。没有推翻权力，他点了不通过，系统还是照原样往下走，那点了也白点。推翻要付代价——按一次不通过就得写说明、拉三个人开会、还可能被追问“你凭什么觉得机器错了”——那他第二次就学乖了，闭着眼点通过。

这时候所谓“人工监督”，就变成了组织把风险转移给一个最弱的节点。他没有信息、没有权力、还要担名字。

岗位重写必须把人的判断写清楚。哪些判断不能交给 AI？哪些判断可以由 AI 提建议，但必须由人裁决？哪些判断由 AI 先筛，人只处理异常？这些不是技术配置问题，是岗位设计问题。

第四，责任边界怎么改？AI 参与工作以后，岗位的边界不能只按动作划分，还要按结果追踪。

谁下达指令？AI 做了什么？输出是什么？谁复核？谁批准？结果出了问题谁启动纠偏？这些问题不写清楚，岗位重写就是半截工程。

拿一单赔付试试。客户要赔八千，系统按历史同类案子建议赔三千，坐席照着发了出去，客户第二天投诉到总经理信箱。现在把那六个问号各填一个名字。这单是谁让 AI 算的？AI 用的是哪批数据？它给出的三千是建议还是结论？发出去之前有没有人看过？超过多少钱必须主管签字？投诉进来以后谁有权把这单推翻重算？六个空里只要有两个填不上，这个岗位的责任边界就还没写完。

填得上的公司，第二天在复盘会上讨论的是那批数据该不该改；填不上的公司，讨论的是那个坐席该不该罚。

系统负责人这个角色，就是在这里出现的。人不是站在 AI 旁边看它干活的人，是对人机系统结果负责的人。

系统负责人不是技术管理员，也不是供应商对接人。他要负责这套人机系统的边界、运行质量、异常处理和结果反馈。系统什么时候可以自动跑，什么时候必须人工介入，什么时候必须停下来复盘，这些都要有人说得清楚。

用车间的话说，他是这条线的线长。线长不自己拧螺丝，但这条线出的东西合不合格，是他的事。哪台设备该停，哪个环节要加人复检，出了批次问题谁去查——这些他必须当场答得上来。AI 进了流程，就等于车间里多了一条不睡觉的线。这条线也得有线长。

如果一个岗位原来负责“完成任务”，AI 进来以后，它可能要变成“让一套人机系统稳定拿回结果”。这不是加一个工具技能，是岗位性质变了。

所以，岗位重写不是一句“熟悉 AI”，而是把岗位重写四账逐项核清：交付结果、AI 任务、人类判断、责任边界。

四账都要查，缺口在哪就改哪。原安排经验证仍能稳定拿回结果，就保留，不为证明转型硬改。连这笔账都没查清，AI 才只是旧岗位上的新外挂。

用一小时重写一个岗位

老板下周就可以拿一张纸开会。选一个最想改的岗位，别问这个岗位能不能裁，先把岗位重写四问写上白板。

四个问题答不出来，不要急着谈裁员，也不要急着谈培训。

因为你连岗位到底被 AI 改成了什么，都还没看清楚。

这个工具真正适合放在一次一小时的管理会上。一号位不用先讨论公司全员怎么学 AI，先挑一个高频岗位，让业务负责人、CHO、CIO 和这个岗位的直接管理者坐在一起，把四问写在白板上。

第一轮只写事实，不写愿望。这个岗位现在交付什么结果？每天实际在做什么？AI 已经接走了什么？员工自己最烦的动作是什么？哪几个输出一旦错了，客户、组织或者财务会真的买单？

第二轮再决定哪些要改、哪些保留。哪些动作交给 AI？哪些判断必须留给人？哪些异常必须升级？现在的绩效口径能不能反映实际结果，哪里还需要调整？

会议开完，如果只多了一句“这个岗位要提升 AI 能力”，这会白开。人机责任表要写清哪些改、哪些保留、依据是什么；已有的表能回答，就沿用，不另造一张。

工具：岗位重写四问

这张表这周就能用。先挑一个岗位——挑那个员工抱怨最多、你自己也说不清他一天到底在忙什么的岗位。把这四行抄到白板上，让干这个活的人自己填，填完你再看。

四行都得有回答。“无需逐次人工判断”可以是答案，但依据、授权范围和异常怎么处理得写明；空着不等于已经决定交给 AI。该留什么、能交什么还说不清，就先别谈裁员，也先别谈培训。

岗位不是唯一分析单位。只有把岗位打开，写清交付结果、AI 任务、人类判断和责任边界，组织才不是给旧岗位装马达，是在重写一套能稳定拿回结果的人机系统。