AI时代,老员工到底是包袱还是宝贝?

前段时间我在一家科技公司做访谈，跟他们的研发负责人聊到AI时代的人才问题。他说了一句让我一直记着的话：

我当时心里一沉。这话要是让那帮干了十来年的老同事听见了，估计饭都吃不香。

但后来我深入思考，发现事情没那么简单，因为我听过另一句话，跟上面那句完全相反：

这两句话放在一起看，才是今天这篇文章想聊的核心——AI时代，老员工到底是包袱还是宝贝？

先说第一个问题。AI来了之后，老员工的价值是不是被削弱了？

答案表面上”是”。你花了十年积累的行业知识、业务逻辑、客户洞察，AI可能三个月就学完了。而且它学得比你还全——它看过全球几百家同行的案例，你只做过一两家。

但这里有个巨大的前提：AI能学的，是被记录下来的知识。

问题在于，人类历史上大量关键的知识，从来没有被文档化过。

哲学家迈克尔·波兰尼（Michael Polanyi）在六十年代就说过一句话，今天读来依然是对AI最有力的反驳：”我们所知道的，永远多于我们能说出来的。（We can know more than we can tell.）“

骑自行车是这样，识别人脸是这样，一个老工人判断某台机器”声音听起来不对”也是这样。这类知识，你没办法教给AI，因为你自己都不知道怎么”说”。

所以，AI能学的是人类文明的文字遗产，而经验丰富的老员工，是活着的、尚未被书写的知识库。

想想那些顶级高管。他们对谈判桌上施压节奏的把握、决策时综合考量利益关系的方式……这些从来不会出现在任何报告里，因为写出来就是暴露商业机密。一个在行业里摸爬滚打了十年的销售总监，他脑子里的隐形关系地图，是他和客户之间不言而喻的默契。

说完了知识，来说人。

为什么同样在公司待了七八年，有的人AI用得飞起，有的人连ChatGPT都没怎么打开过？

答案跟年龄无关，跟岗位无关，跟学历也无关。

我总结为一句话：“区别不在经验，在有没有创业心态和折腾精神。”

有的人，能把AI从”工具”用成”伙伴”，再用成”无限拓展能力的器官”。别人还在纠结提示词怎么写，他们已经在同时用几个模型跑同一个任务，对比谁的输出更好，然后把好的结果喂给差的，帮它校准。

这不是技巧，是一种燃烧的状态。

我管这种人叫”自燃型”人才——兴趣、技能、职业路径，这三件事能叠在一起的人。这种人不靠推，自己就往前跑，还能带动周围一圈人。

而那些转不过来的老员工，问题不在于笨，在于太”稳”了。

干了十年，已经形成了一套固定的做事方式。过去靠这套方式成功了，所以当新东西来时，第一反应不是”我怎么学”，而是”这玩意儿靠谱吗？””万一出错谁负责？”

有人跟我说了个比方，我觉得特别准：让炒了十年川菜的厨子去炒粤菜，不是不能炒，但总不是那个味儿。 不是能力问题，是习惯问题。

这里有个微妙但重要的区分：对折腾的热爱，不等于对AI本身的热爱。真正驱动转型的，是对自己所做事业的热爱，是因为热爱这件事本身，所以愿意用一切新工具把它做得更好。一个真正热爱销售的人，会比”AI爱好者”更快把AI用进销售场景里；一个真正热爱产品的人，会比”学过AI的人”更清楚让AI去解决什么问题。

热爱是方向，折腾是燃料，AI是工具。 没有前两者，第三者没有意义。

有个情况值得警惕。

“市面上挂AI羊头卖狗肉的水货太多。简历都写着AI，真正看一下，只是略懂。让他深扎、主导、形成战术突破，做不到。“

这不只是个人经验。这是一个结构性问题。

从外部招人，你面对的信息不对称是双向的：候选人不了解你的业务，你不了解候选人的真实水平。

“AI能力”又是一个极难量化的东西。PPT里的案例、面试里的侃侃而谈，和真正在你的业务场景里落地出结果，是完全不同的两件事。

更关键的是，AI能力的价值，必须嫁接在业务理解上才能释放出来。 一个AI高手，如果不懂你的行业、你的客户、你的产品逻辑，他的”高手”往往只能停在工具层面，进不去核心战场。

而你公司里那些看似”普通”的老员工，恰恰具备外来者最难快速习得的东西：对业务的深度理解，对组织的真实认知，以及长期积累的信任关系。

他们需要的只是被点燃，不是被替换。

说了这么多，最后来谈具体怎么办。

第一个动作：办一场”AI路演”，把内部人才盘出来。

例如，给所有人留一个作业，每人回去研究AI，一个月后路演20分钟，讲两件事：你的业务跟AI怎么结合，你用AI怎么提效。10个评委打分，最后出来一份ABCD四档的AI人才盘点报告。

做得最好的不是最聪明的，也不是经验最丰富的，而是最愿意尝试的人。

这套机制最大的价值不是筛人，而是制造可见性，让那些沉默的”自燃型”人才浮出水面，让组织看见他们，也让他们看见自己的可能性。

第二个动作：创造跨界混搭的场域，让业务人和AI人互相激活。

老员工有业务深度，缺工具广度。真正懂AI的年轻人有工具，缺业务土壤。把这两类人强制放在一起做同一个项目，往往会发生化学反应。不是一方教另一方，而是在具体问题里一起摸索出来的东西，才是真正属于这家公司的AI实践。

第三个动作：给老员工重新定义角色，而不是要求他们变成另一种人。

这是最容易被忽视的一点。

很多公司在推AI转型时，潜台词是：你要变成”懂AI的人”。这个要求对于干了十年的老员工来说，既不现实，也不必要。

真正需要的转变是：把”自己干活”变成”指挥AI干活”。

打个比方，AI就像你带的几个硕士生。你不需要比他们更懂代码，你需要的是清楚地知道要解决什么问题、评估输出结果的好坏、在关键节点做判断。而这三件事，恰恰是干了十年的人比新人更擅长的。

“写代码”是AI最容易替代的能力，”定义问题”才是AI时代最稀缺的能力。 你能把业务描述清楚，你就能指挥AI干活。而把业务描述清楚这件事，需要的正是那十年里攒下来的、无法文档化的隐性经验。