06 岗位怎么重写，才不是加一句“熟悉 AI”

06 岗位怎么重写，才不是加一句“熟悉 AI”

很多组织做 AI 岗位改造，第一反应是改 JD。把岗位说明书打开。在能力要求后面加一句：

熟悉主流 AI 工具，能在日常工作中灵活运用。

HR 看起来动了。

系统里也更新了。老板问：“岗位改完了吗？”回答：“改完了。”三个月以后，实际工作方式没有变，绩效口径没有变，责任边界没有变，岗位上的人只是多了一项模糊的新要求。

这不是岗位重写。这是贴标签。AI 真正进入岗位以后，变化不是“员工多用一个工具”。它会接走一部分动作，改变一部分判断路径，重画一部分复核和追责关系。

但组织还在用旧 JD、旧绩效、旧责任边界管理这个人。人已经按一套新方式工作。组织还按一套旧方式评价。裂缝就在这里。

少做了什么，是效率问题。重新负责什么，是组织问题。

有一类岗位最能看出这道裂缝：专门写报告的初级分析岗。以前它的活很清楚——收数据、整理、出一份格式规整的报告。假如这段活 AI 半小时就能给你一版，能不能由此推出这个岗位没了？先别急。Indeed 的招聘实验室在 2026 年 1 月报告中指出，截至 2025 年 12 月，美国数据与分析类招聘广告里，约百分之四十五提到了 AI 相关词。世界经济论坛《未来就业报告 2025》的雇主调查则预计，到 2030 年，文员、数据录入等岗位将收缩，大数据专家等技术岗位将增长¹。一个是招聘广告的观察，一个是雇主的未来预期；它们不能保证某个初级岗位安全，也不能替我们证明“分析岗全没了”。

所以管理者先要拆开的，不是“这个岗位留不留”，是它里面的活变了没有。标准化出报告那部分如果被压缩，验证和判断就得有人接住。名字没变，考核没变，人却可能已经在干另一件事。一个岗位的名字还在，不代表它还是原来那个岗位。

岗位重写不是改职责描述

岗位重写，第一步不是改职责描述。

是问这个岗位到底对什么结果负责。很多 JD 写得很完整，但写的都是动作。负责内容选题、策划和发布。负责招聘渠道维护、简历筛选和面试安排。

负责业务沟通、人才盘点和组织诊断。这些看起来像职责，其实大多是动作清单。AI 一进来，动作会被改写。AI 可以生成选题，可以整理简历，可以做候选人风险提示，可以汇总业务数据，可以帮 HRBP 预判某个组织单元的异常信号。

如果岗位还只用动作定义，这个岗位会立刻变得尴尬：动作被接走以后，人到底还负责什么？这就是岗位重写的起点。

三道坎

岗位重写通常会卡在三道坎。

第一道坎，是这个岗到底对什么结果负责——英文叫 job understanding，直译过来就是把这个岗看明白。这件事听起来基础，但真正问下去，很多岗位答不上来。内容运营岗到底负责发多少篇内容，还是负责让某类内容带来有效线索？

招聘岗到底负责筛多少份简历，还是负责让人岗匹配判断被后续表现验证？HRBP 到底负责按时交人才盘点表，还是负责让业务团队提前看见组织风险？这些答案不一样，岗位重写的方向就完全不一样。第二道坎，是责任边界。

AI 做了输出，人采纳了建议，最后结果出了问题，谁负责？如果这条线不画清，岗位上的人会变成一种很奇怪的存在：既不像独立决策者，也不像真正复核者，只是一个夹在 AI 和结果之间的人。他看起来参与了。但没有真正负责。

第三道坎，是绩效口径。旧绩效经常考过程：做了多少、响应了多少、产出了多少。AI 压缩过程以后，继续考过程，就会逼员工假装有工作量。新绩效要更多看结果：结果是否更稳定，返工是否更少，判断是否可追踪，经验是否可复用。

这三道坎有顺序。先说清这个岗对什么结果负责。再画清人和 AI 的责任边界。最后才改绩效口径。

顺序反了，岗位重写会变成表格装修。

拿你们公司最近改过的那个岗位对一下：这三件事，先动的是哪一件？如果先动的是绩效表，那基本可以断定，前面两道坎还没过。

三种最常见的假重写

第一种，是只改 JD。

原来写“熟练使用 Office”，现在改成“熟练使用 AI 工具”。看起来跟上时代。其实没有回答任何组织问题。这个岗位对什么结果负责，没有变；人和 AI 怎么分工，没有变；出了错谁负责，也没有变。

第二种，是只做培训。组织安排一轮 AI 课程，员工学会了提问、生成、总结、做图。这当然有用，但上完课还不能证明他在真实任务里会用，更不能单凭培训推出岗位已经改好。

一个员工学会了 AI，不等于一个岗位被重写。

第三种，是只看降本。AI 接走了一部分动作，老板立刻问能不能少几个人。这个问题不是不能问。

但如果组织还没证明结果更稳定、责任能兜住、知识能沉淀，先把人拿掉，拿掉的可能不是成本，是组织能力。岗位重写不是“AI 能干，所以人少一点”。岗位重写是“AI 接走动作以后，人要对更高一层的结果负责”。这句话如果立不住，后面谈裁员、转岗、增产，都会飘。

培训上了，岗位为什么还是没变？AMO提供了一把拆开问的尺子：能力、动机、机会。Yu 等人关于 AI 采用与员工福祉的综述，用它讨论培训、评价回报、岗位设计和参与安排²。

落到一个岗位上，问法很具体：给他一份真实任务，他能不能识别 AI 的局限、判断输出、处理异常？贡献方法以后，他得到什么回报、承担什么风险？工具虽然开通了，必要的信息、时间、权限和新任务有没有一起给到？这些条件可能互相影响，不能把人简单分成“不会”“不愿”“没机会”三类。培训后面，还得接工作安排。

岗位重写七栏表

把岗位重写落地，需要一张表。

我把它叫岗位重写七栏表——名字不重要，你完全可以叫它别的³。四账回答的是这个岗位该怎么拆，七栏要求的是拆完之后逐格写下来。所以它比四账多两栏：新绩效口径和知识沉淀。这两栏在纸上想不出来，只能填出来。它不是标准答案。它是逼组织把问题说清楚。第一栏，原岗位交付结果。

这个岗位在 AI 进入前，真正对哪个业务结果负责？标准是什么？第二栏，原任务清单。为了完成这个结果，原来需要做哪些动作：信息收集、判断、沟通、执行、复核。第三栏，AI 可接走的动作。

哪些动作已经能被 AI 完成，或者被 AI 大幅提速？第四栏，人保留的判断。哪些判断需要由人决定，依据是什么；哪些可在明确授权下委托执行？若没有需要逐次人工决定的事项，也要写明范围和验证依据，不能凭空凑数。第五栏，人机协作后的责任边界。

AI 输出由谁采纳，谁复核，谁最终对结果负责？第六栏，新绩效口径。这个岗位以后不该只考动作量，而要考哪些结果、质量、复盘和知识贡献？第七栏，组织语境 / 知识沉淀。

这个岗位掌握了哪些公司内部的隐性知识？AI 介入以后，这些知识怎么被显性化、沉淀、复用？第七栏很重要。尤其是垂直领域，或者强依赖公司历史、客户关系、业务规则的岗位。如果没有这一栏，AI 接走的只是表层动作。

真正值钱的组织判断，还是留在人脑里。人一走，知识也走。

一个岗位真正改完的样子

拿招聘岗举例。

旧招聘岗是一串动作：发岗位、筛简历、约面试、推进 offer、跟进入职。AI 进来以后，简历结构化、经历整理、风险提示、面试题生成，这些动作大半会被接走。只看到这里，就会以为招聘岗被“自动化”了。

真正难的不在这一层。真正难的是：这个人适不适合这家公司、这个团队、这个老板、这个阶段。AI 能提醒履历里的异常，但这还没有回答团队信任、未来半年的岗位变化和与业务负责人的协作问题。这些判断需要什么证据，谁获准作出，错了如何纠正，都要逐项核清，不能凭一份履历分析直接放行。

所以招聘岗改完以后，不能只对“招了多少人”负责。它要对“人岗匹配判断有没有被后续表现验证”负责：三个月后能不能稳定交付，一年后留下了哪些可复用的判断标准，都要有人回头看。

再看 HRBP。开会、做表、盘点、写汇报，这些弹药 AI 都能提前备好。但真正改完的 HRBP，不是读 AI 报告的人，他要把信号翻译成组织判断：这是能力问题还是流程问题，是敬业度下滑还是组织契约被某次改造伤到了。判断做完，还要推动业务 owner 做动作，并把依据和结果写回组织记忆。

改完之后不是表更快了，是组织更早看见风险，也更稳地处理风险。这才叫岗位重写。

先填第三栏和第四栏

实际使用这张七栏表，不一定从第一栏开始。

更有效的入口，是先填第三栏和第四栏。AI 已经接走了什么？哪些判断由人保留，哪些可以委托，凭什么？这两栏一碰，岗位定义里最含糊的地方就会露出来。

不要先争岗位名。先把动作和判断分开。第三栏写得很满，第四栏却没有依据，要继续查。若不需要逐次人工决定，具名责任、授权范围、检查和处置安排仍要写清并经过验证；需要人工判断，也不能用“业务把关”四个字交差。

好的第四栏要落到具体判断：这类输出能不能进入下一个流程节点？这个风险要不要升级？由人决定还是按已验证规则执行，分别写明依据。

这个人能不能放进这个团队？这个客户承诺能不能说出口？这些问题写清以后，岗位才从动作岗位，变成结果岗位。

人机分工的责任边界

岗位重写里，最难的不是任务分配。

是判断归属。AI 能做什么，和组织允许它决定什么，是两件事。任务做得更快、更准，不能替它自动取得决策权；责任落了名字，也不等于每个动作都必须由人按下去。

涉及组织关系、人的处境和团队结构，先把具体决定拆出来：规则是谁定的，AI 获准执行到哪一步，哪些例外要交回有权的人，受影响者怎样提出异议。责任要具名，更要有办法履行。

拿招聘来说，整理材料和决定录用，不是一回事。文化匹配、信任潜力这些词，也不能直接变成一个自动淘汰分数。判断依据、适用边界和后果处置没有核清，就不能让输出直接生效；明确规则内的动作能否自动执行，要另查授权和控制，不能仅凭它属于 HR 就一概判定。

HRBP 或用人主管若只是跟着 AI 点头，却没有依据、权限和时间检查，签了字也不等于尽了责。要追的是：输出凭什么被采用，靠什么发现错误，出了问题谁能处理，这个判断后来对不对。AI 时代最危险的人机分工，不是 AI 做得太多。

是责任写在纸上，出了问题却没有人接得住。

能力模型要跟着变

一个岗位被 AI 改写以后，先核能力模型是否还对应它现在的责任。原来要求的执行速度、流程熟练度和检索能力，不会因为有了 AI 就一律失效；哪些工作真的变了，要拿实际任务对照。

新增要求也不能只写“判断力”“复核能力”。拿一份有缺陷的输出，看他能否发现问题、说明依据，并知道什么时候该升级；换一份没见过的任务，再看这套判断能不能迁移。这里看的是完成工作的证据，不是提示词写得漂亮。

招聘、培训和评价都要跟着这个核对走。模型、任务或授权发生变化，就回头看原先的能力要求是否仍够用，旧技能哪些要保留，哪些需要补。不能一边要求员工理解系统，一边不给他了解系统和练习的机会。

这个方向不只是我的观察。麦肯锡全球研究院 2024 年那份关于工作未来的研究给了一组数字：到 2030 年，社会情感类技能的需求，欧洲会涨百分之十一，美国会涨百分之十四。他们 2025 年那份报告里还有一句更值得管理者看的话——今天的技能里，超过七成在自动化和非自动化的工作场景里都用得上⁴。也就是说，技能不是在消失，是在换个地方用。

能力模型是否要改，要看实际任务和责任是否已经变化、原来的要求是否仍然适用。确有失配却继续照旧评价，才会把员工推向那些容易被计数、却未必有助于新结果的动作。

所以你回去可以先做一件小事：把现有能力模型和一份真实任务摆在一起。哪些考核项仍能解释结果，哪些只记录了旧动作，哪些新责任还没有对应的训练和评价？先把这几处对不上找出来。

最难跨的那道坎叫系统思维

新能力清单列出来以后，还有一个问题没有回答：这几样里，哪一样最难？

按我的观察，最难跨的不是判断力，也不是提示词水平，是系统思维。从任务执行者到系统负责人，最难的不是学会用 AI。是从“我把这一步做完”，切到“我知道这个系统哪里坏了”。

这个断点有两个很具体的表现形态。

第一种，人只会点确认，不知道怎么改规则。他能看 AI 的输出，能判断这一条对不对，遇到错的也能改过来。但你问他这类错误为什么会反复出现、规则该怎么调整才能让它不再发生，他没有答案，因为他从来没有把自己放在规则那一层想过问题。

第二种，人只会用 AI 出结果，不会看流程哪里坏了。任务交给他，他能用 AI 更快地交出去，效率确实提升了。但流程上游给他的输入一直有问题、下游一直要为他返工、某个异常每周都出现一次——这些他都看得见，却不会把它当成自己该处理的事。

这两类人都不是不努力，也不是能力差，他们只是还停在任务这一层。任务层的人问的是：这件事做完了吗。系统层的人问的是：这件事下次还需要我做吗。

差别就在这一句。

而这道坎难跨，还有一个组织侧的原因，这个原因通常被归到员工身上，其实是管理的责任。

CHO 推动岗位重写时，要先弄清员工遇到的是哪一种困难：不知道工作会怎么变，不知道要补什么能力，还是担心组织借 AI 作一次没有讲明的替代安排。同样的观望，不能直接诊断成不愿意改变。

把方向讲清是一步，把条件给到是另一步。让人反馈流程问题，就要问他看不看得到上下游、有没有时间查、提出意见后谁处理；让人交经验，也要回答经验怎么用、贡献怎么被认可。

如果 JD、能力模型和培训都动了，实际工作还没变，先查这些安排是否落地。不要只凭一个“不积极”，就替员工把原因说完。

把抽象名词换成能问出口的问题

判断力、业务理解、组织语境理解，这几个词写在能力模型上没有错。但它们和第四栏那句“综合判断”“业务把关”是同一种毛病：听起来都对，谁也没法拿它去评价一个人。抽象名词落不了地，不是因为它错，是因为它没有被翻译成一个可以在具体岗位上问出口的问题。

翻译的办法，是先去看这个岗位的人一天到底在干什么，再看这些时间里哪一段是他真正该负责的判断。

我聊过客服岗。普通客服的大部分时间，其实不是在应对客户提出的问题，是在找材料。翻历史订单，翻产品说明，翻过去同类问题是怎么答的，翻这个客户上次投诉过什么。等材料凑齐，客户已经等了很久。而真正需要他判断的那几件事，反而只剩下很短的时间去想：这个客户现在的情绪要不要先处理，这个承诺能不能给，这单要不要升级。

另一个例子是负责效果优化的运营岗。这个岗位看起来是给甲方提供价值，但他有大量时间是在处理杂七杂八的核对：这份信息对不对得上，哪个环节漏了，某份材料到底发出去没有。这些动作一件都不能少，可它们里面几乎没有判断，只有不能出错的执行。

这两个岗位放在一起，说明了同一件事：JD 上写的那件事，和这个人实际耗掉时间的那件事，本来就不是一件事。AI 进来以后，被接走的恰恰是耗时间那一半——找材料、核对、整理、比对。所以岗位重写真正的问题不是“他会不会用 AI”，是他省下来的那半天，有没有换成一个更值钱的判断。

顺着这条线，抽象名词就能被钉成问句。判断力，在客服岗上是：材料齐了以后，他能不能判断这个客户该安抚、该补偿，还是该升级？业务理解，在那个效果优化岗上是：核对的活被接走以后，他能不能看出这个甲方这个季度真正在意的是什么，并据此提出调整建议？组织语境理解，在这两个岗位上都是：他知不知道哪类承诺公司兜不住、哪个客户过去出过什么事、哪条规则是写着的、哪条规则是没写但不能碰的？

这三个问题都有一个共同点：能拿到具体的人身上问，能被后来的结果验证，也能被写进绩效口径。写不到这个程度的能力模型，就还停在名词上。

这张表进会议室的正确打开方式

这张七栏表不应该是 HR 部门自己关门填的表，它应该进老板会。但进会也不能摊开一张大表从第一栏讲到第七栏，老板会最怕这种东西——看起来专业，听完没人拍板。

更有效的用法是只选三个岗位：一个离收入近，一个离客户近，一个离组织能力近，比如销售支持、客服、HRBP。每个岗位只讲四件事：原来对什么结果负责，AI 已经接走哪些动作，哪些判断由人保留或获准委托，绩效口径和责任边界是否需要调整、依据在哪。这样讲，老板能听懂，业务负责人也躲不开。因为讨论的不再是“员工要不要学 AI”，是“这个岗位以后到底怎么拿结果”。会上只能说出“以后多用 AI”，这张岗位账就还没算清。

老板真正要看的不是一张漂亮模板，是组织有没有把 AI 释放出来的产能，重新接到结果、责任和知识上。

从客服岗那半天说起

回到前面那个客服岗。材料被 AI 接走以后，他省下来的时间不会自动变成判断，那半天到底换成了什么，要有人在会上说清楚。

所以下一次开会，最不值钱的问题是“岗位 JD 更新了吗”。这个问题太轻，回答起来太容易。

前面讲过的岗位重写四账，是交付结果、AI 任务、人类判断、责任边界。到了落地会，这四账还要进一步对到四个落点：结果有没有改变，人机分工有没有说清，责任有没有归位，经验有没有沉淀为组织资产。前者是分析账目，后者是会议验收，不是另一套同名“四问”。

这四个落点逐一对上，很多所谓的岗位重写会露出底——岗位没改，标签改了；能力没升级，工具要求加了。

真正的岗位重写，不是让每个人都更会用 AI。是让每个岗位重新说清楚四账：我对什么结果负责，哪些任务交给 AI，哪些判断由人保留、哪些获准委托，责任边界落到谁。至于能不能持续复用，还要看这些判断和反馈有没有写回组织资产。

至于这周能动的，其实只有很小的三件事。

先选三个受 AI 影响最深的岗位，别全公司铺开。招聘、客服、内容、运营、财务审核、销售支持里，挑最明显的那三个。

再用这张七栏表先填第三栏和第四栏，回答 AI 接走了什么、判断由谁作出、保留或委托的依据是什么。填不出依据的地方，就是这次要查的缺口。

最后改一条绩效口径。不要重写整套绩效制度，先把一个岗位从“动作量”换成“结果质量 + 判断复盘 + 知识沉淀”。

岗位重写从来不是文书工作。它是组织重新定义人和 AI 怎么共同负责。