过去，一项工作需要不断理解情况、作出判断、采取行动，企业往往必须持续投入专业人员的时间。AI 带来的新可能，是让其中一些工作由可反复使用、同时服务多个团队的系统承担。

这会让企业重新考虑：哪些能力需要逐个团队配置，哪些能力可以共同取得，岗位、责任和资源又该怎样安排？但这种可能，不会因为员工都用上AI 就自动实现。个人使用、团队协作、能力共享和组织重构之间，还需要发生一连串组织变化。

图1 能力的取得方式变化：从绑定在人和岗位上，到由人、AI与系统共同取得

一、当AI 参与工作推进，原来的分工就需要重新检查

目前，很多企业使用AI，仍然是员工自己写初稿、整理资料、分析数据、生成方案。AI 提高了个人效率，但任务如何分配、流程如何推进、结果如何评价，通常仍由人来完成。

当AI 开始根据任务状态、业务规则和交付节点提醒、分配、调整工作时，问题就不再只是“工具好不好用”，而变成“谁在推进工作、谁有权调整流程”。当 AI 参与检查和评价时，企业还要重新确认：什么叫做好，谁来定标准，谁对结果负责。

所以，AI进入组织后，不应先假定岗位会消失，而应先把工作拆开检查：哪些任务由 AI 完成，哪些由人完成，哪些必须由人和 AI 共同完成；原来的审批、交接和评价安排，是否仍然适合。

二、能力的取得方式变了，企业的战略选择也会改变

一个值得明确提出的前瞻判断是：AI 将重写商业世界的规模法则——能力的扩张，不再必须以组织的膨胀为代价。

过去，一家公司要进入新业务，通常需要招聘人员、设立部门、配置支持职能，再建立一套新的协调关系。现在，企业可以进一步问：这项业务需要哪些能力？哪些能力必须自己建设？哪些可以通过AI、专业系统和外部合作获得？资源应该投向哪里，新的能力又能支持哪些业务选择？

这可能让一些小团队获得过去难以负担的专业支持，也可能让规模企业在拓展业务时不必每次都复制完整的人马。但这仍是前瞻判断，不是已经被普遍验证的规模定律。系统建设、日常使用、复核、维护、协调和外部支持都要计入成本，不能把“少招人”直接等同于“能力增强”。

三、能力，可能成为更直接的组织设计对象

传统组织设计通常从业务价值链出发，拆出部门和岗位，再寻找合适的人来承担。它默认专业能力主要绑定在人、岗位和团队之中。

AI打开的另一种可能，是把一部分专业工作沉淀为可反复调用的能力。这里的能力，不只是简历上的技能，也不只是一段提示词，而是完成任务的方法、需要的知识和工具、判断标准、检验规则，以及何时补充信息、停止或转交人的边界。

因此，能力可能成为更直接的组织设计对象：同一能力可以服务多个岗位，同一岗位也可以调用多种能力。这个判断不意味着Skills 已经取代了人。人仍然要选择方向、创造方法、修正规则、处理例外并承担责任。

四、用四种状态，判断AI 在组织中走到了哪里

四种状态不是所有企业必须依次走完的阶梯。不同团队可以处于不同状态，也可以停留、回退或从某个状态直接开始。它们真正解释的是：从个人有效使用，到组织能力形成，中间还需要完成哪些跨越。

图2 四种状态与三次跨越：不同团队可以并存、停留或回退

个人使用：员工自主选择任务和用法，先把有效经验留在自己的工作中。

团队行动：围绕一个共同业务目标改变一项工作，明确交接、复核、异常处理和验收方式。

能力共享：另一团队也能在明确条件下可靠使用这套方法，能力才初步具备共享价值。

组织重构：当能力的取得方式已经改变，企业才有理由重新安排岗位、专业支持、预算、权限和贡献认定。

可以用“销冠经验如何成为其他团队能用的能力”来理解这条路径。销冠自己借助 AI 改进需求诊断，是个人使用；一个团队共同改变需求诊断的方法，是团队行动；另一团队在明确条件、边界和支持下也能可靠使用，才初步形成共享能力。

要让其他团队可靠使用，第三阶段就必须明确谁维护方法、谁提供专业支持、投入和贡献如何安排。第四阶段要进一步判断：既然专业能力可以跨团队取得，原来每个团队都要配齐的岗位、专业支持和审批安排，是否还需要照旧保留。

这只是教学示例，不等于已经取得成效的客户案例。它提醒我们：共享能力不是把一份文档放进知识库，而是要能被调用、检查、纠错和持续维护。

五、AI进入组织后，人的选择仍然会改变结果

图3  从期望状态、组织设计和人的行动，到实际形成的真实组织

但人不只是让方案落地时产生偏差的人。一线团队会发现新问题，客户会带来新事实，专业人员会提出不同意见。这些反馈可能促使企业修改能力边界，调整规则，甚至重新判断一项业务是否值得继续。

因此，人的价值不能只用“AI还不会什么”来定义。人要参与方向选择、方法创造、规则修正和责任承担，也要保留提出异议、尝试新做法和停止无效方案的空间。AI 可以参与提出问题、预测趋势和评价结果，但价值取舍、例外处理和对未来的判断，仍然需要组织中的人共同完成。

六、从一个真实业务问题开始，而不是从换架构开始

企业不必一开始就重做岗位，也不必先设计一套全公司的AI 组织。更稳妥的做法，是先选一项真实业务，确认当前处于哪种状态，再选择下一步。

图4 当前状态不同，下一步行动和检查方式也不同

• 业务负责人对业务结果负责：决定要改善什么、投入多少，以及结果是否合格。

• AI Champion 推动试用：协调工作调整，收集并跟进实际使用问题。

• 工程或FDE 角色负责把应用接入真实系统：共同确定问题、连接数据和权限、测试、部署并处理工程问题。

• 专业与长期系统负责人承接维护：守住专业标准，明确谁能修改、谁来更新、出错谁接管。

业务负责人和AI Champion 可以由同一个人兼任，但两项责任不能混为一谈。启动时要明确结果责任、试用推动、专业维护和工程部署分别由谁承接。

FDE（前沿部署工程师）在这里不是另一条组织主线，而是一种工作方式：业务与工程团队一起进入真实现场，把应用做起来，并把现场发现沉淀为本地配置、可共享的方法和公共系统的改进。

一次试点是否值得扩大，要看业务结果、完整成本、风险、维护责任和人的成长，而不是只看演示是否顺利。

把AI 的能力变成组织的能力

AI 改变企业，未必先表现为某个岗位被替代，更可能先表现为企业获得能力的方式变了。战略要重新判断哪些业务值得尝试、靠什么制胜、资源投向哪里；组织要重新安排能力、岗位、权责和协作。

如果你的企业已经开始使用AI，但仍卡在试点怎么选、有效做法怎样跨团队复制，或能力共享后岗位与责任怎样调整，欢迎扫描下方二维码备注"AI 组织"，我们可以从当前状态、关键障碍和下一步建设路径谈起。也欢迎深度交流，一起探讨AI如何落地。

赵一丁|组织和人才发展专家

现任京东集团CHO体系特聘顾问

前京东大学校长、领导力中心负责人、CHO体系级专家

前百度大学校长、学习发展中心负责人

前阿里集团新领导力模型开发人、阿里学习平台负责人、湖畔学院战略/组织模块负责人

HeRo NeXus｜HR领域多元交流平台

更多案例内容，扫码联系