夜雨聆风
93%的岗位已被波及:AI正在重写企业的＂选择逻辑＂
2023年，咨询公司Cognizant发布了一份预测报告，说到了2032年，大概90%的工作岗位会受到AI影响。当时很多人觉得这个数字有点夸张，毕竟从蒸汽机到互联网，哪一次技术革命不是被高估了短期影响、低估了长期影响？
结果不到三年，这份报告就被现实”打脸”了——而且是被往大了打。Cognizant在2026年3月的更新报告中承认，目前已有93%的岗位被AI波及，其中30%正面临生存性威胁，预计将有价值约4.5万亿美元的劳动力从人类转移到机器。更让他们尴尬的是，原以为2032年才会发生的事情，现在已经发生了，比预期整整提前了六年。
这个数字之所以值得拿出来当开头，不是因为它够吓人，而是因为它揭示了一个被很多人忽略的事实：AI对组织的冲击，从来不是从”用不用AI工具”开始的，而是从”企业怎么看待效率”开始的。
过去十年，中国企业花了大力气做数字化转型。麦肯锡的调研数据显示，全球企业数字化转型的失败率长期徘徊在80%左右，在中国，这个比例甚至更高——埃森哲的报告显示，中国企业数字化转型成效显著的仅占17%，失败率约为83%。更扎心的是，麦肯锡另一项针对800家企业的调查发现，70%以上的企业启动了数字化转型，但71%仍停留在试点阶段，85%在试点阶段停留超过一年，始终没能进入规模化推广。
这些数字拼在一起，勾勒出一个荒诞的画面：企业一边喊着”数字化转型是必答题”，一边在试点里打转；一边采购了昂贵的SaaS系统和AI工具，一边发现业务人员根本不爱用。问题出在哪？不是技术不够先进，而是组织的选择逻辑没有跟着变。
打个比方，你给一个习惯骑马的人配了一辆法拉利，他大概率会把法拉利当成一匹更快的马来骑——油门当鞭子使，方向盘当缰绳拽。很多企业上AI，本质上就是这个状态：把AI当成一个”更聪明的Excel”或者”能聊天的搜索引擎”，没有意识到它改变的不是工具，而是做决策的方式。
2026年4月，新华网报道了”2026超A大会”上的一个观点，我觉得说得挺到位：成功的组织变革不是简单地用AI替代人力，而是重新定义人类与AI的协作边界。这话听起来像口号，但落到实处，意味着企业得回答一个挺残酷的问题——当AI能完成越来越多的”执行任务”，人到底该干什么？
字节跳动旗下火山引擎的一位作者在去年底写过一篇文章，标题叫《2025是Agent元年，而2026才是真正拉开组织差距》。他在文章里回忆了自己早年在一家大厂做投标的经历：最早的时候，一份标书下来，大家翻资料、找历史答复、拼经验，效率全靠谁熟、谁记性好、谁加班多。后来公司做了一次关键升级，把历史标书、统一口径全部沉淀进投标智库系统，Word文档一导入，系统自动抓取相关内容，而且不是给一个答案，是同时给多个备选答案。
那一刻他意识到，人不再需要”一个一个找”，只需要做一件事——判断哪个答案更靠谱。人，从执行者变成了判断者。这套逻辑，和今天讲的Agent、多智能体协同，本质上是一回事。
但这个转变为什么那么难？因为它动的是组织的权力结构。当AI系统能够给出多个备选方案并说明各自的风险和收益时，中层管理者的”信息垄断”就被打破了。以前，下属不知道领导为什么选A不选B，因为决策过程在黑箱里；现在，AI把黑箱打开了，每个人都能看见选项背后的逻辑。这对习惯了”我说了算”的管理模式来说，是一种根本性的挑战。
如果说上一波数字化转型（大概2015年到2022年）的关键词是”上系统、建中台”，那么这一波AI驱动的组织变革，关键词可能是”拆墙、放权、重构协作边界”。
2026年3月发布的《中国企业AI应用场景报告》里有个数据挺有意思：71.4%的企业已经搭建了智能体平台，75.3%的企业有明确的Token消耗量感知。这说明什么？说明大多数企业已经不是”要不要用AI”的问题，而是”用了多少、用在哪”的问题。但另一个数据又泼了冷水：日均百万级Token消耗量，处于”规模化验证期”水平，既非个人试错级（日均万级），也未达企业生产级（日均亿级）。换句话说，很多企业有平台，但还没跑通业务闭环。
这就像一个厨师买了全套米其林餐厅的设备，但还在做家常菜。问题不在设备，而在菜谱。
北京生数科技在2026超A大会上分享了一个案例，挺能说明问题。他们做的Vidu AI是全球头部AI视频工具之一，这个工具的出现，彻底打破了传统视频制作的线性流程。过去，一个视频项目需要脚本撰写、分镜设计、场景搭建、拍摄剪辑，动辄数周；现在通过AI视频生成，几小时就能完成初稿。
这带来的连锁反应远超技术层面。首先，传统岗位面临”洗牌”——提示词工程师、AI视频质检师、人机协作设计师这些新职业应运而生；其次，组织架构从金字塔式向扁平化、弹性化转变，“一人军团OPC模式”开始兴起——一个人借助AI工具，就能完成过去需要一个小组才能完成的任务。
“一人军团”这个词听起来有点科幻，但其实已经在很多行业出现了雏形。我认识一个做跨境电商的朋友，2024年他的团队还有12个人，负责选品、运营、客服、设计。2025年上了AI工具之后，团队缩到了4个人，但GMV翻了一倍。他的原话是：”以前每个人是一块砖，现在每个人是指挥官，AI是士兵。”
但这种模式能推广吗？难。因为它要求组织的考核逻辑、薪酬体系、晋升通道全部跟着变。如果KPI还是按”完成了多少张图、写了多少篇文案”来算，那AI用得越多，人的价值感反而越低，抵触情绪就越大。麦肯锡在分析数字化转型失败原因时提到，员工抵触情绪与高昂的学习成本是核心痛点之一——要求非技术背景的业务人员去适应复杂的软件界面和操作逻辑，极易引发抵触，导致工具的活跃度和渗透率极低。
所以，AI重塑组织的第一步，不是买工具，而是重新定义”人的价值”在哪里。
国际劳工组织（ILO）2026年3月发布的一份研究简报，从另一个角度印证了这个判断。报告指出，生成式AI对女性就业的影响将超过男性，女性占主导的职业受该技术影响的概率几乎是男性占主导职业的两倍——约29%的女性主导职业面临AI影响，而男性主导职业仅为16%。原因很现实：女性大量集中在文秘、行政和商务支持类岗位，这些岗位的任务流程化、可编码，最容易被AI替代；而男性更多集中在建筑、制造和手工技能类行业，这些任务较难自动化。
这个数据背后有一个更深层的问题：AI替代的从来不是”人”，而是”可被编码的任务”。如果一个岗位的核心价值就是执行标准化流程，那它迟早会被替代，不管这个岗位是男是女、是基层还是中层。反过来，如果一个岗位的核心价值是判断、创意、情感连接、跨领域整合，那AI反而是放大器。
Anthropic在2026年3月发布的一份报告也支持这个判断。他们对比了AI暴露度与美国劳工统计局（BLS）的就业增长预测，发现暴露度每上升10个百分点，就业增长预测下降约0.6个百分点——但这个相关性很弱，解释力有限。更有趣的是，软件开发者虽然AI暴露度较高（约0.3），却仍被预测保持强劲增长。为什么？因为AI对软件开发者的”增强效应”远大于”替代效应”。
这给企业的一个启示是：与其焦虑”哪些岗位会被替代”，不如思考”哪些任务应该交给AI，哪些判断必须留给人”。
前面提到，71%的数字化转型停留在试点阶段，85%超过一年没能推广。这个”试点陷阱”在AI时代会不会重演？从目前的迹象看，会，而且可能更隐蔽。
为什么这么说？因为AI的” Demo 效应”太强了。一个大模型demo，几分钟就能生成一篇像模像样的文案、一段流畅的视频、一份结构完整的报告。老板一看，”这效率提升十倍啊，赶紧上！”但demo和落地之间，隔着一条马里亚纳海沟。
《2026中国企业AI应用场景报告》把企业AI落地归纳为五大场景：效率提升、风险管控、精准决策、全链路协同、合规保障。并总结了一个规律：成功落地的案例都具备四个特征——痛点刚需、数据可及、价值可量化、落地门槛低。反过来说，很多失败案例的共同点，是”为了AI而AI”。
我接触过一家制造业企业，2024年花了大几百万上了一套AI质检系统。系统确实能识别产品瑕疵，准确率也不错。但问题是，产线上的老师傅用了三个月就不用了。为什么？因为AI给出的”瑕疵判定”是一个黑箱——它说这批货有问题，但说不出为什么有问题、问题出在哪个环节、怎么调整工艺参数。老师傅凭经验一眼能看出是模具磨损还是原料批次问题，AI只会打标签。最后，系统变成了”辅助参考”，老师傅该凭经验还是凭经验。
这个案例说明，AI落地失败，往往不是技术问题，而是”信任问题”。当AI的决策逻辑无法被业务人员理解和验证时，它就很难融入工作流。这也是为什么”可解释AI”（XAI）越来越受重视——不是技术人员需要解释，而是业务人员需要相信。
另一个更隐蔽的陷阱是”数据幻觉”。很多企业以为，上了AI系统，数据就自动流动起来了。但现实是，ERP、CRM、OA等多个异构系统底层数据不互通，员工需要在不同系统间频繁”搬运”数据，不仅没有提效，反而增加了工作量。AI再聪明，喂给它的是孤岛数据，它也只能在孤岛上跳舞。
所以，企业AI落地的第一重门，是数据治理——不是建一个数据中台就完事了，而是要让数据在业务场景中自然流动。第二重门，是人机协作界面——不是给业务人员一个更复杂的操作面板，而是让AI融入他们熟悉的工作流，像空气一样存在，而不是像考试一样让人紧张。第三重门，是价值闭环——不是算”用了多少Token、生成了多少内容”，而是算”节省了多少时间、降低了多少风险、创造了多少新收入”。
金融行业在这方面的探索比较靠前。报告提到，某金融企业搭建的智能债券交易系统覆盖500多个交易群，聊天解析准确率达99%以上，交易链路从4-6小时压缩至分钟级，人效提升10倍以上。这个案例能成功，不是因为它用了最先进的大模型，而是因为它把AI嵌入了核心业务流程，从”辅助工具”变成了”业务基础设施”。
但制造业、农业等传统行业的数字化基础较弱，AI应用率明显偏低。这不是技术歧视，而是组织能力的鸿沟。金融行业有成熟的数据治理体系、标准化的业务流程、清晰的合规框架，AI进去有”抓手”；而很多制造业企业连基础的信息化都没做完，直接上AI，就像给自行车装火箭发动机——不是不能用，是不知道怎么用。
写在最后：选择的权力，还在人手里
回到文章开头那个93%的数字。Cognizant的报告发出后，很多人解读为”AI要取代人类了”。但如果我们把视角从”岗位”切换到”任务”，会发现另一幅图景。
美国普查局的商业趋势与展望调查显示，在使用AI的企业中，94.6%的企业表示AI没有导致总就业人数的净变化——只有2.8%增加了就业，2.6%减少了就业。当然，未来六个月的预期要悲观一些：预计12.6%的企业就业会受影响，其中6.5%增加、6.1%减少。但即便是这个预期，也远非”大规模失业”的场景。
LinkedIn在2026年2月的数据更有意思：AI已经催生了130万个新岗位，包括超过60万个AI数据中心岗位，以及AI工程师、前沿部署工程师、数据标注员等。”AI工程师”是过去三年领英上增长最快的职业之一。这说明什么？说明AI在替代一部分任务的同时，也在创造新的任务、新的协作方式、新的价值空间。
但这里有一个关键的前提：组织得愿意变。
麦肯锡分析数字化转型失败原因时，列出的第一条就是”把数字化转型当成项目，而非战略”。很多企业的AI应用，目前还停留在”项目制”——IT部门牵头，采购一套工具，做个demo，写份汇报，然后就没有然后了。真正的变革，需要CEO把它当成战略，需要HR重构人才标准，需要财务重新设计考核体系，需要业务部门重新定义流程。
2026年，中国企业AI应用进入”价值化落地阶段”，超级智能体替代传统聊天机器人，成为业务重构的核心执行者。但这个”价值化”，不是靠技术堆出来的，是靠组织的选择逻辑堆出来的。
选择让AI替代哪些任务，保留哪些判断；选择把权力下放给一线，还是集中在中台；选择拥抱”一人军团”的弹性协作，还是固守金字塔式的层级管理——这些选择，没有标准答案，但每一个选择都在塑造组织的未来。
有个观点我挺认同：2025年是Agent元年，2026年才是真正拉开组织差距的一年。差距不在技术，而在”认知升级”——谁更早意识到，AI改变的不是工具，而是人怎么工作、组织怎么决策、价值怎么分配。
93%的岗位已被波及，这个数字是警钟，也是号角。它提醒我们，选择的权力，目前还在人手里。但窗口期可能比我们想象的更短。
END
4月25日晚7点，让我们跟随谢庚曦先生一起，用AI武装头脑，开启中国企业全球化运营的数智化新篇章。
你们点点“分享”，给我充点儿电吧~