一个人+AI做完了整个项目,从HR的视角重新思考＂职位分工＂的定义

前几天晚上刷小红书，算法给我推了一条AI Hackathon的路演视频。一个开发者在台上演示他48小时内做出来的产品，从idea到可用的MVP，一个人，一台电脑，加一个AI编程助手。评委问他团队几个人，他说”就我自己”。台下笑了，但笑完之后安静了几秒。

我躺在床上看完了整个视频，然后失眠了。

不是因为那个产品多厉害。是因为我脑子里冒出一个问题：如果一个人加AI就能干一个团队的活，那”团队”这个东西，还意味着什么？岗位职责、协作分工、人才梯队……这些我每天在琢磨的事，底层逻辑是不是正在被改写？

最近这类视频越来越多。各种AI Hackathon、独立开发者路演、一人公司showcase。后来跟几个做HR的朋友聊，发现大家都有类似的感觉。其实我自己用AI Agent协作已经大半年了。日报、周报、项目追踪、流程自动化等等，它接管了我大约60%的执行性工作。省下来的时间确实让我做了一些更深入的事，但那条视频让我意识到一个更大的问题：

当AI几乎可以零成本干越来越多”活儿”的时候，我们到底在激励什么？人的价值到底在哪？组织要怎么跟上？

今年4月，Cat Wu在Lenny’s Podcast里提了一个案例：她团队的产品发布周期从6-12个月压缩到了1天。一天，工程师不靠PM也能独立把功能从想法推到上线。

我听到这个数字的时候，脑子里冒出来的不是”好厉害”，而是在这种速度下，半年做一次人才盘点，是不是已经来不及了？

我今年观察到的几个变化：

同样的工具，产出天差地别。

今年年初部门发了AI工具账号，所有人都有。三周后，A同学搭了一套自动化工作流，每天省出两小时做业务分析，还把方法写成了文档教其他人。B同学来找我问：”那个东西……怎么登录来着？”

这让我意识到一件事：决定产出差距的不再是工具本身（因为工具一样），而是学习开放度和好奇心。偏偏这两样东西，是传统评价体系最不知道怎么衡量的。

以及，岗位边界的模糊。我前面说的那个后端工程师的例子不是个案。Cat Wu在访谈里也观察到：”PM在写代码，工程师在做PM的活，设计师也能改代码。所有角色的边界都在变模糊。”

在我支持的技术团队里，这已经不是”趋势”了，是”现状”。

还有一个现象：”忙”和”有价值”脱钩了。

一个人花三天手动做了一张数据汇总表，很忙，加班到九点。另一个人花半小时让AI搭了套自动看板，然后用省下的时间发现了一个业务问题，推动了一次策略调整。

谁的贡献大？答案很明显。但如果用传统的”工作量”来评，第一个人可能看起来表现还更好。

说实话这让我挺焦虑的。如果评价体系在惩罚高效的人、奖励低效的人，那体系本身就是bug。

麦肯锡2026年的组织报告里有句话我很认同：领先企业已经开始下注”持续生产力和长期价值创造”，而不是只盯眼前的交付数量。

而且我越来越觉得，AI在拉大差距，不是缩小差距。最先拥抱AI的人，往往本来就更聪明、更有好奇心。AI让强的人更强了。

这就逼着我们想一个问题：激励体系到底是在帮助所有人成长，还是在加速分化？

我不确定答案。但我知道不能假装这个问题不存在。

什么在贬值，什么在升值？

正在变得不值钱的：信息搬运（系统间复制数据）、格式排版（PPT美化这些）、走审批发通知的流程执行、写通知纪要的基础文案、靠记住政策条款吃饭的知识记忆能力、只会一件事做到极致的单一技能深度。

这些东西曾经是很多人的核心竞争力。现在它们正在变成”基础设施”，像识字一样，是基本要求，不再是优势。

北大姜铠丰教授在2026超A大会上说了句很直白的话：”部分传统职能正在收缩，而具备判断力、业务理解力和数据素养的人才站在最关键位置。”

正在变得值钱的：

关于判断力，Cat Wu在访谈中用了一个词叫”Product Taste”，产品品味。她原话是：“当写代码越来越容易的时候，决定写什么就变得越来越值钱。”

这个逻辑放到任何岗位都成立：当执行越来越容易，决定做什么就越来越值钱。

对我来说最直接的体感是：AI帮我秒出一份培训方案，技术上完全可行。但真正的价值在于我判断”这个培训现在该不该做”以及”它是不是当前最重要的事”。方案可以AI写，判断只能人做。

一个新的看人方式：

传统能力冰山是水面上看知识技能，水面下看动机特质。AI时代这个冰山在翻转，水面上的东西（知识记忆、操作技能）正在贬值，水面下的东西（判断力、好奇心、使命感）正在升值。

做人才盘点的时候，我现在不太问”他会不会用这个系统”了。我更关心的是”他面对一个模糊问题时怎么思考”。

AI时代怎么学？学习这件事本身变了

这半年我自己的学习方式发生了巨大变化，我身边的人也是。以前学一个新东西，路径是：找书/找课 → 从头到尾看完 → 做笔记 → 尝试实践。整个周期两三周起步。

现在呢？我想搞明白一个概念，直接问AI，五分钟拿到一个60分的理解。然后带着这个理解去实操，遇到问题再问，边做边学。学习和实践之间的间隔几乎被压缩到了零。

这对组织培训意味着什么？意味着传统的”先培训再上岗”模式正在失效。

我观察到团队里学得最快的人有几个共同特征：

第一，他们不是在”学AI”，而是在”用AI学别的东西”。比如一个做运营的同学，他不是去上什么AI课程，而是直接用AI帮他分析竞品数据、生成投放方案，在这个过程中自然就学会了。工具是副产品，业务能力才是目的。

第二，他们很擅长”追问为什么”。Cat Wu在访谈中提到一个方法：当AI给出一个出乎意料的答案时，不要直接否定，先问它”你为什么这么想”。这个习惯我觉得特别好。很多时候AI的”错误”里藏着你没想到的角度。

第三，他们愿意把学到的东西教给别人。教是最好的学。我发现那些经常在团队里分享AI用法的人，自己的能力提升也是最快的。

作为HRBP，我觉得很重要的是，把培训资源从”系统性课程”转向”场景化支持”。不再搞那种”全员AI培训三天班”，而是你现在手头有什么活想用AI试试？我帮你找方法、陪你走一遍。

结果发现，这种”陪跑式学习”的效果比任何集中培训都好。因为它解决的是真实问题，而不是假设性问题。

还有一个意外收获：学习本身变成了一种社交行为。谁发现了一个好用的AI技巧，自然就会分享出来，其他人看到了就跟着试。不需要组织正式的培训，知识在非正式网络里流动得更快。

HRBP能做的，就是让这种非正式的知识流动被看见、被鼓励。搞个内部路演、建个最佳实践库、在例会上留十分钟”AI小技巧分享”——成本很低，但效果很好。

怎么让人拥抱AI而不是怕AI

先搞清楚大家到底在怕什么。我做过一次匿名调研，”你最担心AI带来什么变化”，排名第一的答案不是”失业”，是”不知道自己还有什么价值”。

这个发现改变了我后续所有的沟通策略。人们最需要的不是”你不会失业”的保证，而是”你依然有价值”的确认。

表面上大家说的是”用了AI老板觉得我不忙””AI出错算谁的””年轻人学得快我学不会”。底层其实都是同一个东西：对失控的恐惧。怕失去价值、怕担责、怕面子。

激励设计上，我总结了几个原则。

奖励”省下来的时间怎么用的”，不是”用了多少AI”。 不是每人调了多少次API，而是：省下来的时间拿去做什么了？如果做了更有价值的事，那才值得奖励。

这里有个重要的判断标准。Cat Wu提过一个”95%自动化”的说法：很多人把事情自动化到90%-95%就不管了，觉得差不多了。但这几乎等于没有自动化，你仍然需要盯着那5%，而且因为注意力已经松懈，出错概率反而更高。真正的效能提升是从头到尾闭环，不是”搭了个半成品然后宣称效率提升50%”。

建立容错机制。AI辅助的内容出了问题，首次免责。建一个”翻车案例库”，失败经验是团队财富，不是个人黑历史。鼓励大家分享”AI差点搞砸”的故事，这种东西比成功案例有学习价值多了。

让”教别人用AI”成为被看见的贡献。在激励体系里明确加入：主动教同事的有奖、通过AI显著提效的有奖、沉淀可复用工作流的有奖。搞个内部路演或Hackathon，让大家展示自己的AI应用，整个过程本身就是最好的培训。

Cat Wu提到一种叫”Just do things”的文化，别等着被分配任务，理解约束后就去做。与其花两周论证”要不要做”，不如两天先做个原型。激励机制得为这种行动力提供安全网。

分层激励，照顾不同起点。先行者给平台给资源让他带人；跟随者配导师给模板手把手教；观望者不强迫，用身边案例慢慢影响；抗拒者尊重选择，但其他维度公平竞争。

有一点我想强调：别把”不用AI”等同于”落后”。有些人的核心价值恰恰在那些AI做不了的事情上——复杂沟通、政治判断、情绪感知。强迫每个人都成为AI达人，跟强迫每个人都学编程一样不现实。

组织架构动不动

我的判断是：短期不动结构，中期动角色，长期动模式。

前半年不要着急改架构。让工具先渗透进来，观察实际变化。你会发现有些人自然就成了AI推动者，有些人自然就在做跨团队协调的事。不用你设计，它会长出来。

半年到一年半，可以开始正式化一些自然演化出来的角色。比如每个团队1-2个”AI Champion”，不一定技术最强，但最好奇、最愿意分享的人。再比如跨团队的AI Governance角色——定规范、管权限、评审高风险场景。

还有一个我觉得很有意思的演变：HRBP本身的角色。我越来越觉得自己不是在做传统的”事务处理”，而是在做某种”人机协作的翻译”，把业务方的模糊需求翻译成精确指令，把AI的能力边界翻译成业务方能理解的方案。

长期来看。说实话我也看不太清。可能是更扁平的、按使命划分而不是按职能划分的团队形态。也可能完全是我没想到的样子。唯一确定的是，等着不动肯定不行。

关于焦虑这件事

最后聊聊焦虑。这是我觉得HRBP最重要、也最难的一块。

技术问题好解，人心难安。

我的做法是三步。

第一步：让恐惧被看见。开一场不设防的讨论会，让大家把担心说出来。不要急着反驳或安抚，先听完。恐惧一旦说出来，杀伤力就减半。

第二步：给掌控感。让每个人自己选择第一个AI工具来尝试，不是强制摊派。从最小最安全的场景开始，比如只拿来写会议通知。每个小成功都及时认可。允许失败，反复强调”这是学习过程”。

第三步：重新定义价值。帮每个人找到他的”不可替代点”。具体的、有名有姓的。”你在XX方面的经验和直觉，AI学不会。”用具体事例证明：AI释放你的时间后，你做了哪些以前没空做的重要事。

在这个话题上，HRBP不是推动者，而是缓冲器。

我发现焦虑往往不是因为”AI太强了”。是因为”没人告诉我接下来该怎么办”。HRBP的核心工作，就是给出那个”接下来”。

如果你也在琢磨类似的问题，欢迎一起探讨～～