ARTICLE · 1029780
AI对企业人力资本与智力资本的重塑
摘要
人工智能特别是生成式人工智能、基础模型和AI智能体的快速发展，正在改变企业创造价值的基本方式。人力资本与智力资本是企业持续竞争优势的重要来源。传统人力资本理论主要强调个人知识、技能、经验与能力对生产率的贡献；智力资本则通常被理解为企业拥有或控制的、已从个人头脑中剥离并固化的知识成果，如专利、技术秘密、算法模型、工艺配方、数据库、方法论、最佳实践与技术标准。AI的出现，使二者之间原有的边界与转化机制发生变化：一方面，AI能够承担信息搜索、知识处理、内容生成、分析推理和流程执行任务，使部分传统人力资本与显性知识的稀缺性下降；另一方面，AI又通过增强员工能力、加速知识显性化、沉淀组织经验、形成智能知识系统，提高了个人知识向企业智力资本与组织能力转化的效率。
已有实验证据表明，生成式AI能够显著提高部分知识工作的效率和质量，但其效果高度依赖任务类型、员工能力以及人与AI的协作方式。针对专业写作、客户服务和知识工作任务的研究发现，AI辅助能够提高生产率，且对新手和低技能员工的改善尤其明显；但“锯齿型技术前沿”研究也表明，在AI能力边界之外的复杂任务中，AI反而可能降低正确率。
因此，AI对企业人力资本结构的真正影响并非简单的“机器替代人”，而是企业人力资本能力配置从以人为中心，转向人、AI、数据、知识、流程和智能体共同构成的复合能力配置。在此过程中，人力资本的价值更多转向问题定义、复杂判断、创造、关系、领导、责任和AI协同能力；智力资本则从静态知识存量，进一步转向可调用、可执行、可迭代、可治理的知识系统。企业竞争优势由“拥有多少人才和知识”，逐渐转向“能否将人才、知识和人工智能组织成持续学习和持续创造价值的系统”。
一、问题的提出：AI改变的不是一个岗位，而是企业能力的配置方式
关于人工智能与就业的讨论，长期存在两种叙事。一种强调替代：AI可以执行越来越多原本由人完成的任务，因此部分职业和岗位将被自动化。另一种强调增强：AI不是简单替代人，而是提高人的生产率，使员工能够完成过去无法完成的工作。事实上，这两种观点都只解释了问题的一部分。
AI对企业最深刻的影响并不是“一个人是否被一台机器替代”，而是：原来由一个人完成的一组任务，现在应该由什么样的“能力组合”完成？
过去，一个岗位通常意味着一个相对稳定的能力集合。但AI把这些能力进一步拆解了。信息检索、数据分析、初步文本生成、代码生成以及部分复杂流程，都可以由AI或AI智能体承担。于是，一个传统岗位中的能力开始被重新划分为四种能力：AI可以独立完成的能力；AI可以增强但不能完全替代的能力；必须由人承担的能力；以及需要人与AI共同完成的新型能力。
这意味着企业正在从“岗位配置”转向“能力配置”。而这正是AI重塑企业人力资本与智力资本的理论起点。按照企业资本的常见分类，人力资本与智力资本属于主体维度的核心。人力资本是依附于员工个体的知识、技能、经验、创造力、健康状态与工作态度的总和，具有不可分离性，是其他能力要素的源泉。智力资本则是企业所拥有的、已经从个人头脑中剥离出来并以某种形式固化的智力成果，如专利、技术秘密、算法模型、工艺配方、软件源代码、数据库、版权、方法论、最佳实践与技术标准，是企业可以明确拥有和控制的知识资产。AI的作用，恰恰在于同时改变人力资本的价值结构与智力资本的生成、固化、调用和治理方式。
需要说明的是，本文不采用“人力资本—结构资本—关系资本”的传统智力资本三元分类，而是聚焦狭义智力资本，即企业拥有或控制的固化知识成果；组织资本、社会资本与数据资本作为协同条件单独讨论。
二、理论基准：人力资本与智力资本的内涵与关系
（一）人力资本：依附于人的知识、技能、判断与协同能力
人力资本的核心特征是不可分离性。企业不能像拥有一台机器那样“拥有”员工的知识和技能，只能通过薪酬激励、职业发展、文化认同、股权绑定等方式获取其使用权。人力资本是其他能力要素的源泉：没有优秀人才，就不可能有卓越的技术、高效的组织、强大的文化和有价值的数据洞察。
在AI时代，人力资本并未消失，而是其价值结构发生重塑。传统知识型员工的竞争力，很大程度上来自“知道什么”。AI时代，“知道什么”仍然重要，但其相对稀缺性下降。因为AI可以搜索、汇总、翻译、比较和生成知识。员工的核心能力开始从知识占有能力，向知识调用、判断与组合能力转移。一个优秀员工未来不一定是“知道最多的人”，而可能是最善于提出问题、调用AI、验证结果、发现错误、重新定义问题并形成决策的人。
（二）智力资本：已固化、可控制的知识成果
智力资本是企业所拥有的、已经从个人头脑中剥离出来并以某种形式固化的智力成果。它不同于人力资本：人力资本依附于人，员工离职可能带走；智力资本已经被企业以法律保护或制度形式固定下来，如专利、技术秘密、算法模型、工艺配方、数据库、版权、软件源代码、方法论、最佳实践文档、技术标准等。
智力资本的关键，不是“知识存在于谁的头脑中”，而是“知识是否已经被组织化、显性化、可控制、可复用”。日本学者野中郁次郎提出的SECI模型，即社会化—外化—组合化—内化，正是描述隐性知识向显性知识、个人知识向组织知识转化的过程。AI的意义，在于极大加速了这一转化过程，并使固化后的知识从“静态存储”进一步走向“动态调用与执行”。
（三）二者关系：人力资本是源泉，智力资本是结晶
人力资本是源泉，智力资本是结晶。个人经验、判断、创意和关系，只有经过显性化、编码化、制度化、确权化，才能转化为企业可控制、可复用的智力资本。AI在这一转化中扮演“加速器”和“转化器”：它把员工的经验通过知识库、工作流、AI模型、智能体和案例库进行结构化，使个人经验部分转化为组织知识，逐步形成一条新的资本转化路径：个人知识 → 数字化知识 → AI知识系统 → 企业智力资本 → 组织能力。这意味着AI不仅能够替代部分劳动，也能够提高人力资本向智力资本、再向组织能力转化的效率。
三、AI对人力资本的重塑
（一）第一次重塑：从“知识拥有”转向“知识调用”
传统知识型员工的竞争力，很大程度上来自对专业知识的记忆、检索和规则处理能力。AI时代，这种“认知套利”空间收缩。员工需要从“知道什么”转向“能否提出好问题、调用AI、验证结果、重新定义问题并形成决策”。因此，人力资本正在由“知识型资本”进一步转变为“认知型资本”。知识占有仍然重要，但知识调用、判断与组合能力成为更稀缺的维度。
（二）第二次重塑：从执行能力转向判断能力
AI能够处理大量结构化信息，却不意味着它可以在所有情境下取代人的判断。“锯齿型技术前沿”研究表明，对于处于AI能力范围内的任务，使用AI可以提高完成数量、速度和质量；但对于处于AI能力边界之外的复杂管理任务，使用AI反而可能降低正确率。这说明AI能力并不是一条平滑的直线，而是一条“锯齿型边界”。AI可能非常擅长总结、分类、改写、模式识别、信息整合和初步分析，但在高度复杂、信息不完整、因果关系模糊、责任重大或者需要现实情境判断的问题上，人的优势仍然重要。因此，AI时代的人力资本将更加重视判断力、批判性思维、情境理解、责任意识和战略思维。
（三）第三次重塑：从“个人能力”转向“人机协同能力”
人工智能并非简单增加一种工具，而是形成了一种新的工作主体。过去是“人—工具—任务”，未来越来越可能变成“人—AI—AI智能体—数据—企业系统”的协同结构。
因此，员工需要掌握一种过去不存在的能力：管理人工智能完成工作。未来员工不仅要会使用AI，还要能够分解任务、评价结果、设计工作流、监督AI代理，并知道何时应当将任务重新交由人处理。由此，人力资本至少增加五个新维度：
1. AI使用能力；
2. AI任务分解能力；
3. AI结果评价能力；
4. 人机工作流设计能力；
5. AI代理管理能力。
这些能力仍然依附于人，因此属于人力资本的新维度，而不是独立的资本类别。
（四）AI改变人力资本的“资本化方式”
传统人力资本具有一个基本特征：能力附着于个人。一个优秀销售离职，他的客户经验可能随之离开；一个优秀工程师离职，他的大量技术经验也可能无法完整留在企业。
AI使这种状况开始发生变化。如果企业能够把员工的经验通过知识库、工作流、AI模型、智能体和案例库进行结构化，那么个人经验就能够部分转化为组织知识。于是出现一条新的资本转化路径：个人知识 → 数字化知识 → AI知识系统 → 组织能力。这意味着AI不仅能够替代劳动，也能够提高人力资本向智力资本和组织资本转化的效率。
（五）AI对人力资本的风险：能力退化与判断外包
AI增强企业能力并不意味着只有正面效应。如果员工长期把思考、分析、写作、判断和记忆全部交给AI，就可能出现新的问题，即员工个人能力逐渐退化。
尤其值得关注的是，AI可能提高短期生产率，却降低长期能力积累。例如年轻员工如果始终让AI完成分析和写作，他可能快速产生高质量结果，却没有真正形成独立分析能力。因此，AI时代企业的人力资本管理不能只衡量员工使用AI后完成了多少工作，还应该衡量员工使用AI后自身能力是否持续增长。
四、AI对智力资本的重塑
（一）从“知识储存系统”向“可运行知识系统”转变
传统智力资本包括企业制度、管理流程、数据库、专利、信息系统、组织经验、方法论和最佳实践。过去这些要素主要用于储存和传递知识。AI时代，智力资本开始具备新的属性，即执行知识。
例如，企业过去拥有一套采购制度，员工需要阅读制度后按照制度执行。未来企业可以将采购制度、供应商数据库、价格数据、历史采购记录和风险规则接入AI系统，由智能体自动完成供应商搜索、价格比较、风险判断、询价、形成采购建议并提交审批。这意味着智力资本从静态知识转变为动态智能。AI正在把企业智力资本从“知识储存设施”转化为“知识执行设施”。但需要强调的是，AI系统本身并不自动等于智力资本。只有当AI生成、整理、优化的知识成果经过验证、确权、制度化并纳入企业控制，才可能成为企业智力资本的组成部分。
（二）智力资本形式的扩展
在AI时代，企业智力资本的形式将进一步扩展。除传统专利、商标、版权、技术秘密、工艺配方、数据库外，还包括：
1. 算法模型与垂直领域模型；
2. 知识图谱与语义索引；
3. 提示词库与工作流模板；
4. 智能体配置与自动化决策规则；
5. 最佳实践库与案例库；
6. 技术标准与接口规范；
7. 经治理的数据产品与数据服务。
这些成果若满足企业控制、可复用、能带来未来经济利益等条件，就构成AI时代智力资本的新形态。
（三）从隐性知识到显性知识：AI加速SECI循环
智力资本管理的核心任务之一，是将个人头脑中的隐性知识转化为组织层面的显性知识。AI可以在四个环节加速SECI循环：
1. 社会化：AI记录会议、对话、协作过程，辅助师徒经验传递；
2. 外化：AI将专家经验整理为文档、案例、规则、提示词；
3. 组合化：AI将分散知识组合为知识图谱、模型、工作流；
4. 内化：AI以智能助手、培训系统、决策支持方式让员工重新调用组织知识。
由此，智力资本不再是少数专家的私有经验，而成为组织可调用、可迭代的知识基础设施。
（四）智力资本从“存量”走向“动态运营”
传统智力资本强调企业拥有多少人才、专利、数据、客户、品牌价值和知识。AI时代还必须回答：企业能够多快地把信息转化为知识，把知识转化为决策，把决策转化为行动，再把行动结果转化为新的知识？于是企业智力资本可以进一步理解为一个动态循环：信息 → 知识 → 判断 → 决策 → 行动 → 结果 → 反馈 → 新知识。AI的真正价值在于提高这一循环的速度和规模。因此，未来企业智力资本的核心不只是知识存量，而越来越是知识生成率、知识转化率和组织学习速度。但严格按企业资本分类，智力资本仍是固化知识成果的存量；知识生成率、转化率和学习速度，属于组织资本与动态能力的表现。二者应结合理解：智力资本是“晶体”，组织资本与动态能力是“循环系统”。
（五）AI对智力资本的风险：反噬、同质化与确权难题
AI增强智力资本的同时，也带来新风险：
1. 智力资本反噬：员工长期外包思考，导致个人判断力与创造力退化，最终削弱智力资本的源头。
2. 知识同质化：多企业使用相似通用模型，可能生成趋同方案，削弱差异化智力资本。
3. 幻觉与数据污染：AI生成错误内容若未经审核进入知识库，将污染企业智力资本。
4. 确权与估值困难：AI生成内容、算法模型、数据产品的产权边界模糊，难以确认、计量与披露。
5. 核心知识外泄：在使用外部模型和开放平台时，企业技术秘密、客户数据与关键算法可能面临泄露风险。
因此，AI时代智力资本管理必须同时重视确权、验证、合规、安全和动态更新。
五、人力资本与智力资本的协同循环：AI作为转化器
AI时代，人力资本、智力资本、组织资本和数据资本之间的边界开始模糊。一个AI销售系统可能同时包含优秀销售人员的经验、客户数据、产品知识、企业流程、AI模型和智能体。它已经无法简单归入任何一种传统资本，而是一种人力资本、知识资本、数据资本、技术资本和组织资本共同形成的复合资本。其价值不在任何一个单独要素，而在于这些要素之间能否形成有效的能力组合。因此，AI时代企业资本理论可能需要从资本要素论进一步发展为资本组合论。企业需要建立新的“人力资本—智力资本转化机制”：发现能力 → AI增强 → 知识沉淀 → 组织复制 → 反馈学习 → 能力再升级。
企业首先需要识别个人能力，再通过AI增强个人能力；随后捕捉工作过程，将问题、方法、判断和结果沉淀为组织知识；进一步让更多员工调用这些知识，并在新的实践中形成新的经验，再次沉淀为企业智力资本。由此形成：个人资本 → 组织资本 → 个人能力提升 → 更高级组织资本。这比传统的单向培训更具有资本积累意义。
六、AI时代企业能力配置与岗位重构
（一）从“人才密度”转向“智能密度”
传统知识型企业经常强调人才密度，例如企业拥有多少博士、工程师和优秀经理人。AI时代，这一指标仍然重要，但可能出现一个新的指标，即智能密度。
智能密度不是简单计算企业拥有多少AI工具，而是衡量每一个员工能够调用多少组织知识、多少数据、多少AI能力和多少智能体。企业的生产能力因此不再简单等于员工数量，而越来越表现为人、机器、知识和数据共同构成的生产系统。
（二）从“人均产出”走向“人均智能”
传统企业的重要生产率指标之一是人均产出。AI时代需要增加一个新的概念，即人均可调用智能。一个员工能够调用多少企业知识、数据、AI模型、智能体、专家经验和自动化流程，决定了他的实际能力边界。因此，员工的生产能力越来越表现为自身能力与可调用组织智能的结合。真正优秀的企业不是简单拥有优秀员工，而是让普通员工也能够调用组织中最优秀的知识和智能。
（三）岗位从“人负责任务”转向“人负责能力配置”
过去，一个岗位通常意味着一组任务。未来，一个岗位更可能意味着一组能力、AI能力以及明确的责任边界。例如，传统市场经理承担数据分析、市场研究、文案撰写、客户分析和营销方案设计。AI介入之后，可以由AI完成数据处理、资料搜索、竞品分析和初稿生成，由人负责市场洞察、战略判断、创意和客户理解，由管理者负责资源配置、目标设定和最终决策。因此，未来企业岗位设计的基本单位不应该只是职位，而应该是能力单元。
（四）企业将出现一批新的岗位类型
围绕能力配置，企业可能逐步出现一些新的岗位类型，例如：
1. AI能力架构岗位：负责确定哪些工作由人完成、哪些由AI完成，例如AI能力架构师、智能组织架构师。
2. 企业知识工程岗位：负责把员工经验转化为企业AI能够调用的知识，例如企业知识工程师、AI知识架构师。
3. 人机协同岗位：负责设计人与AI共同完成工作的方式，例如人机协同经理、AI流程设计师。
4. AI治理岗位：负责AI是否正确、安全以及责任归属，例如AI审计师、AI风险官、AI治理负责人。
5. AI增强专业岗位：例如AI财务专家、AI法律策略师、AI研发专家和AI营销策略师。
6. AI智能体管理岗位：负责管理和协调多个AI智能体。管理学的对象由此可能从“人的组织”扩展到“人—机器混合组织”。
七、全球实践与中小企业能力补缺
全球相关研究已经开始显示前述转型的现实基础。世界经济论坛《未来就业报告2025》基于全球雇主调查，指出到2030年就业市场将经历显著的岗位与技能重组，AI与大数据、网络安全和技术素养等技能需求增长较快，同时分析思维、创造性思维、韧性、灵活性、领导力和终身学习能力仍然重要。这说明AI并没有简单地把技能需求推向纯技术化，而是使技术能力和人类能力同时具有更高价值。企业需要的是技术能力、分析能力、创造能力、社会能力和判断能力的组合。
AI对企业智力资本的影响，在中小企业中可能尤其明显。OECD基于2024年对多个国家和地区中小企业的调查发现，在使用生成式AI且存在技能缺口的企业中，相当一部分企业认为AI帮助其弥补了技能缺口。过去，企业能力不足通常意味着招聘人才；AI时代则可能出现“企业能力不足 → AI增强现有人才”的路径。因此，AI降低了企业获取某些智力资本能力的成本，也降低了中小企业获得部分专业能力的门槛。
八、以保险资产管理机构为例：人力资本与智力资本重塑的路径建议
当前我国监管部门已明确要求银行保险机构建立AI治理架构、全生命周期管理、人机协同和责任追溯机制，同时强调培养“业、技、数”复合型人才。因此，如果以一家中型保险资产管理机构为对象，不应单纯把AI作为IT项目，其人力资本与智力资本重塑的重点应放在“投研能力、风险能力、数据能力、组织知识和人机协同”五条主线上。以下按重要性和实施优先级提出15条建议：
1. 重构岗位体系：从“按部门配人”转向“按能力配人”，重新定义投研、风控、运营等岗位的人机分工。
2. 建立AI战略治理机制：由高管层统筹AI、人力资本与智力资本重塑，形成业务、科技、数据、风险协同机制。
3. 打造“业技数”复合人才：重点培养既懂保险资管业务、又懂投资研究、数据分析和AI工具的核心人才。
4. 建设企业级投研知识库：沉淀宏观、行业、信用、固收、权益、另类投资等专业知识和历史研究成果。
5. 打造AI投研助手：让AI承担信息搜集、数据整理、公告分析、研报摘要和初步研究，人负责判断与决策。
6. 重塑投资经理能力模型：降低对信息处理能力的考核权重，提高战略判断、资产配置、风险识别和组合管理能力的权重。
7. 建立“人机协同投决机制”：明确AI可以分析什么、建议什么、不得决定什么，以及关键投资决策的人机责任边界。
8. 把优秀投资经验资本化：将优秀投资经理的研究框架、决策逻辑、风险经验和复盘成果转化为组织知识资产。
9. 建设智能风险管理体系：利用AI加强信用风险、合规风险、市场风险、流动性和舆情风险的实时识别、预警与穿透分析。
10. 建立企业数据资产体系：统一投资、客户、产品、风险、市场和运营数据标准，提高数据质量、可用性和可追溯性。
11. 设立AI知识工程岗位：专门负责把专家经验、制度流程和研究成果转化为可被AI调用的结构化知识。
12. 重塑中后台岗位：将重复性审核、报表、信息核对、数据报送等工作逐步AI化，把人员转向风险判断、流程设计和价值创造。
13. 建立AI人才激励机制：将AI应用成果、知识贡献、流程创新和组织能力建设纳入人才评价与长期激励。
14. 建立人才“AI能力账户”：持续记录员工专业能力、AI应用能力和知识贡献，形成动态人才能力地图。
15. 形成“人力资本—智力资本”循环：建立个人经验沉淀、组织知识复用、AI增强员工、再创造新知识的持续循环。
其中最关键的并不是第5条“建设AI投研助手”，而是第1、2、4、6、7、8条共同形成新的组织能力体系。否则容易出现“买了AI工具，却没有真正重塑企业资本结构”的问题。对于保险资产管理机构，AI目前更适合定位为增强投资研究、风险管理和运营能力的组织基础设施，而不宜简单定位为替代投资经理的“自动投资机器”。行业研究也指出，保险资管AI应用当前仍主要集中于智能研究、量化投资、信用风险和舆情分析等领域，资产配置等核心环节仍需高度依赖人的专业判断。
九、结论
人工智能对企业人力资本和智力资本的影响，不能用“AI替代员工”这一单一逻辑解释。其真正意义至少体现在六个层面：
1. AI降低了部分知识和技能的稀缺性，因此人力资本的价值从知识占有逐渐转向判断、创造、问题定义和责任承担。
2. AI提高了个人能力向组织能力转化的效率，人的经验可以通过知识库、工作流、模型和智能体沉淀为企业智力资本。
3. AI改变了智力资本的存在形态，企业制度、流程、数据和知识开始从“被储存的知识”变成“能够运行的知识系统”。
4. AI改变了岗位的基本单位，企业未来需要配置的不是单纯的岗位，而是不同的能力单元，并决定这些能力由人、AI还是人机组合承担。
5. AI推动智力资本从存量资本向动态运营转变，企业真正重要的不只是拥有多少知识，而是能否持续完成信息—知识—判断—决策—行动—反馈—再学习这一循环。
6. 企业竞争最终可能从人才竞争、技术竞争进一步走向组织智能竞争。
因此，AI时代企业最重要的问题已经不是“AI会不会取代人”，而应该是“企业如何重新配置人、AI、知识、数据和组织，使人的能力与机器智能形成新的资本组合”。由此可以提出本文最核心的理论命题：AI对企业人力资本的重塑，本质上是人力资本价值结构的重塑；AI对企业智力资本的重塑，本质上是企业知识生成、转化、固化和执行机制的重塑；而二者共同作用的最终结果，是企业资本体系从“人的能力与组织知识的集合”，向“人、知识、数据、AI和组织共同形成的动态智能系统”演进。
在AI时代，企业真正稀缺的人力资本、智力资本将越来越不是单纯的知识，而是把知识转化为行动、把个人能力转化为组织能力、把人工智能转化为组织智能的能力。
（友情提醒：本文为作者震坤原创作品，首发于微信公众号无何有之乡WHY，著作权归作者所有，仅限微信朋友圈转发。未经作者授权，任何个人、媒体、平台不得以任何形式转载、摘编、复制、截图传播、镜像、洗稿或用于商业用途。）