当AI成为“员工”，企业还招人吗？

内容来源|本文摘编自中信出版集团书籍
《自主智能》

[英]弗朗西斯科·哈维尔·坎波斯·萨巴拉 著

责编| 贾宁

第 9874篇深度好文：4548字 | 12 分钟阅读

过去，当一家企业需要扩大业务时，通常会先申请编制、发布招聘信息、接收简历、面试、发放录用通知，再培训新员工。如今，随着AI智能体持续进入企业流程，这套以“岗位—招聘—培训”为中心的用工逻辑正在发生变化。

2026年初，麦肯锡全球管理合伙人鲍勃·斯特恩费尔斯谈到公司的人员构成时，把AI智能体计算在“员工规模”之内：在约4万名人类员工之外，麦肯锡已经运行超过2万个AI智能体，并希望到2026年年底，让每名员工都至少拥有一个与之协作的智能体。

Meta等科技企业也把裁员、组织扁平化和“AI原生”改造放入同一套转型计划。裁员当然还受到成本、资本开支和此前扩张等多重因素影响，不能全部归因于AI，但这些信号共同提出了一个新的管理问题：当智能体能够完成研究、分析、编程、客服、营销和流程协调，一项新增工作是否还必然对应一个新增岗位？

《自主智能》书中将AI智能体视为一种可以租用、配置和扩展的“自主数字劳动力”。它进入企业后，资源配置的顺序可能从“先设岗位、再招聘员工”转变为“先明确目标、拆解任务、配置智能体，最后确认哪些环节必须由人完成”。

所谓“招AI不招人”，其不仅仅是一次以AI为名的裁员潮，更意味着企业获得劳动能力的方式正在改变。

一、AI带来的劳动力市场三轮变革

AI智能体对劳动力市场的影响，很难用“岗位增加”或“岗位减少”简单概括。它首先改变岗位内部的任务组成，随后改变人在组织中的角色，最后才可能推动就业结构和商业模式的整体调整。《自主智能》据此把变化划分为三个相互衔接的阶段。

1.第一阶段(2023-2026年)：任务自动化

在这一阶段，智能体最先接管规则明确、重复度高、结果容易验证的常规认知任务，例如数据录入、基础信息检索、标准化内容生成、常见客户咨询和部分流程处理。企业并不一定立刻取消整个岗位，而是先把岗位中可标准化的部分抽离出来，让AI承担初步执行，人负责审核、纠错和处理例外。

这一阶段最重要的变化，是企业开始按“任务”而不是按“岗位”讨论自动化。一个岗位不会因为使用AI就整体消失，但其中耗时最长、最标准化的一部分工作可能率先被机器接手。员工的工作重心随之从亲自执行每一步，转向定义要求、检查结果和处理复杂情况。

这一阶段的岗位压力将主要集中在常规任务密集的行业，人机协作则成为更普遍的工作方式。

2.第二阶段(2027-2028年)：角色转型

当智能体从偶尔使用的工具变成持续参与项目的“数字同事”，企业需要思考的是如何组织由人类和智能体共同组成的团队。员工需要学会向智能体分派任务，判断其输出是否可靠，协调多个智能体之间的工作，并在系统遇到异常时接管决策。

由此，一批新的组织角色会逐渐出现：AI训练师负责向智能体提供数据、指令与反馈，优化其专业表现；智能体协调员负责统筹多个智能体完成复杂项目，处理任务衔接与资源冲突；智能体集成师把数字工作者接入企业原有系统；AI伦理与治理人员则监督权限、偏差、隐私和责任风险。

这些岗位的共同特点，是不再以直接完成大量标准化任务为主要价值，而是负责设计、管理和约束机器的工作。

3.第三阶段 (2029年及之后)：经济结构调整

当智能体能力可以被封装、交易和规模化部署，“智能体经济”相关岗位将逐渐成为劳动力市场的重要组成部分。企业可以根据需求组合内部员工、外部专业人才和数字劳动力，长期岗位与按需调用能力并存。

在这一阶段，人类劳动的评价标准也将改变。常规执行和部分分析能力不再稀缺，创造力、复杂问题解决、情绪理解、价值判断、跨领域协作以及责任承担将变得更重要。

不过，第三阶段最难准确预测，因为技术能力之外，各国的劳工制度、教育体系、监管政策和社会选择都会改变转型的速度与方向。

二、用工决策转变：
从先设岗招人到最后定人岗

过去百年来，企业的用工逻辑大多围绕“岗位”展开：管理者先划分部门和职责，再把多项任务打包成岗位，最后招聘一个人承接整套工作。

一个营销岗位可能同时包含资料搜集、数据整理、内容生成、策略制定和客户沟通；即使其中只有少部分任务真正需要创造力和判断力，企业仍然需要为完整岗位进行招聘、培训和管理。

AI智能体的出现，使能力第一次可以从完整岗位中被拆解出来。

传统商业模式主要依靠人力、资本和资源创造价值。在产品或服务从投入转化为产出的过程中，信息收集、分析、决策和执行长期由人承担。

AI智能体则带来一个新的生产要素——自主数字劳动力。它可以围绕特定目标感知环境、分析信息、作出选择并采取行动，在一定范围内无须人类持续直接监督。

这使企业可以把完整工作拆解为不同任务模块：规则清晰、重复度高、风险可控的任务，可以交给专业智能体；需要人类判断但可以由AI提供信息支持的任务，采用人机协作；涉及战略方向、伦理取舍、情感沟通、重大例外和责任承担的任务，则保留给人。

企业通过招聘购买的不再只是一个人的全部工作时间，而是实现目标所需要的不同能力。

AaaS，即“智能体即服务”进一步降低了获得数字劳动力的门槛：服务商开发、训练并维护专业智能体，企业通过订阅或按使用量付费来调用相应能力；小型电商可以让客服智能体处理常规咨询、基础问题和商品推荐；营销机构可以调用内容智能体生成初稿、整理社交媒体信息并辅助优化投放。

企业不必先组建完整的AI研发团队，也不必为短期或波动性需求长期维持同等规模的人力。

“智能体市场”则可能像数字人才市场一样，汇集研究、编码或金融分析等不同智能体。企业依据技能、成本、历史表现和可靠性进行选择。管理者需要做的，是学习如何组合员工、工具、专业服务与自主智能体。

用工决策的顺序因而发生反转。

面对一项新增业务，企业可以先明确最终目标，再将工作拆解成具体任务，判断每项任务的自动化条件与风险边界，配置相应智能体，设置人类监督和升级机制，最后才确定需要增加哪些人类岗位。

其基本路径可以概括为：明确业务目标—拆解工作任务—判断自动化边界—配置智能体—确定人类介入节点—设置岗位和责任。

例如，一家企业准备拓展新的客服业务线，不必立即批量招聘客服专员。它可以先把工作分成咨询应答、订单处理、投诉升级、客户关系维护和流程改进。

前两类任务标准化程度较高，可以由智能体承担大部分执行；投诉升级需要人机协作，由AI检索记录、分析情绪并给出处理建议，人类作出最终判断；客户关系和流程改进则更多依赖人的沟通、洞察与责任。

完成这一步后，企业真正需要增设的岗位，可能不是大量基础客服，而是智能体运营人员、复杂投诉处理人员和高级客户关系经理。

但“先配置智能体”不能等同于盲目追求无人化。企业还要判断一项任务是否有清晰目标、可靠数据和可验证结果；错误是否能够被及时发现和纠正；智能体拥有什么权限；一旦造成损失，应由谁负责。

若这些条件尚不成熟，形式上的人员精简可能转化为质量、安全和声誉成本。新的用工决策需要同时计算监督、验证、系统集成、风险治理和组织学习的成本。

三、企业组织架构的终极形态：
零人力组织

如果说用工决策的变化是在单个岗位和流程中重新分配任务，那么当多个智能体能够跨部门协同，企业就需要重新思考整个组织的结构。

《自主智能》提出“零人力操作”的思想实验：如果今天从一张白纸开始重建企业，并把AI智能体视为核心团队成员，组织应当如何设计，才能实现最佳运行与协作？

“零人力组织”借鉴了“零基预算”的逻辑。零基预算不会因为一项费用过去存在，就默认它下一年应当继续存在，而是要求每一笔支出重新证明必要性；零人力操作同样不再默认每个流程都必须由人发起、传递和执行，而是要求每一次人工参与重新说明理由。

管理者首先追问：“如果由AI智能体承担主要职能，这一流程怎样才能最优运行？”然后再识别必须由人介入的节点。

传统数字化通常是在以人为中心的旧流程上增加工具；零人力设计则从流程目标出发，让智能体直接完成状态监测、数据处理、常规协调和部分决策，人类只在需要战略判断、关系维护或责任确认时进入流程。

以供应链为例：智能体可以持续监测库存、预测需求变化、与供应商协商既定范围内的合同，并协调复杂物流。人类要做的，是确定供应链战略、应对突发事件、维护关键伙伴关系、增强系统韧性并推动创新。人类从流程的常驻执行者变成方向制定者、例外处理者和最终责任人。

零人力设计将推动三类组织变化。

第一，管理层级可能进一步压缩。

传统层级的重要功能之一，是收集下级信息、汇总进展、传递指令和监督执行。

当智能体能够实时汇总数据、协调流程并反馈异常，一部分信息传递型和监督型管理工作将被自动完成。管理者需要把更多精力用于判断优先级、解决资源冲突和承担决策责任。

第二，部门边界可能变得模糊。

传统企业按照营销、销售、客服、财务等职能划分人员，跨部门协作往往需要会议、审批和信息交接。

智能体可以围绕同一个目标动态组成工作网络：市场智能体识别需求，销售智能体生成方案，财务智能体评估收益，运营智能体安排交付。人类则在关键节点提供专业判断。组织由固定部门的串联，逐渐转向围绕任务配置能力。

第三，资源配置将更动态。

智能体可以根据业务量快速扩展或收缩，同一个专业智能体也可能服务多个项目。组织不再需要为所有峰值需求长期维持固定编制，而可以建立由核心人类团队、内部智能体和外部专业能力构成的弹性网络。企业的规模优势也可能从拥有更多员工，转变为更善于编排人类与智能体。

不过，组织越接近“零人力操作”，治理问题就越重要。智能体可以执行任务，却不能承担法律和道德意义上的最终责任；它能够基于数据作出选择，却未必理解选择对员工、客户和社会造成的全部影响。

因此，企业需要为智能体设置明确的权限边界、人工复核点、异常升级机制和审计记录。高风险决策必须能够解释、质疑和撤回，不能因为流程自动运行，就让责任在系统之间消失。

未来，AI对既有岗位结构的冲击也许会持续很长一段时间，也会催生出一场深刻的企业变革。

对于职场人来说，面对这样的震荡，为此感到焦虑是很正常的心理感受。“招AI不招人”之所以引发焦虑，是因为它容易被简化为一个二元对立的问题：即企业多使用一个智能体，就意味少招聘一名员工。

然而，事实上，AI智能体带来的真正变化，并不是简单的人与AI之间一对一的岗位替换，而是工作被拆解之后，企业对不同能力进行重新组合。过去被捆绑在同一个岗位中的信息收集、分析、执行、沟通和决策，如今可能分别交给不同的智能体与人类完成。

因此，未来企业招聘的对象，是一组实现业务目标所需要的能力。对于规则清晰、结果可验证的任务，企业可以调用智能体；对于涉及战略方向、价值判断、情感沟通、信任关系和责任承担的工作，人仍然不可或缺。

对于一家企业来说，如果只把AI当作减少员工数量的工具，那么“招AI不招人”最终可能只是一次披着技术外衣的成本压缩。

真正有竞争力的智能体型组织，是让机器承担可以标准化、规模化的执行，让人集中处理目标、创造、关系与责任，最终实现人机协同的共同价值创造。

*文章为作者独立观点，不代表笔记侠立场。

好文阅读推荐：