ARTICLE · 1175563
定义权之争:AI重写ToB软件企业的业务世界与人才资格(上)
优
势
架
构
本体透镜
重写业务世界：流程、岗位、能力、护城河
报告摘要：AI进入企业，表面上是"工具进来了"，实际上是"世界被重写了一遍"。 流程被按业务的完整因果链重新缝合，岗位被从"职责"改写为"能力"，能力被从"你掌握什么"下沉到"你能用AI和一群人做成什么"。而这三重重写，共用一张施工图——本体论。
本体论听起来抽象，但它的内核极其朴素：你必须先想清楚，你的世界里有什么、它们如何关联、能发生什么、谁负责、什么条件可以例外。 想清楚了，AI就能替你干活；想不清楚，AI只会把你的混乱放大。
这解释了一个反直觉的现象：为什么"买更强的模型"没用。 因为模型是通用的、可外购的，而你的业务本体、你的定义权，是买不来的。竞争对手可以用同一个模型，但拿不走你对"什么是客户、什么算交付、什么叫好"的定义。AI时代最深的护城河，正在从"模型之争"转向"语义之争"。
由此，我们得到本报告最想留下的一句话：
AI时代真正的稀缺，不是算力，不是模型，而是"定义权"——对自身业务与组织世界的显式承诺，以及让全体成员共享这份承诺的能力。
回到人。当机械执行越来越多地交给AI，"人留下来干什么"的答案并不悲观：AI负责可计算、可重复、可规模化的事；人负责判断、创造、关系、信任、价值选择与责任承担。 一个人未来不再因为"能完成某项具体工作"而获得价值，而是因为他能定义问题、调动资源、做出判断，并把一群人、一群AI组织起来，完成一件有价值的事。
这也是为什么，任职资格体系必须重构，却又不会消失——因为组织始终需要一种方式，去确认"谁值得被托付"。只不过，托付的标尺，正在从"年资与熟练度"，换成"判断力、协同力与责任担当"。
世界无人知晓，我们只能先把自己的世界说清楚。谁先定义清楚，谁就先抵达。
第一部分·本体论透镜
AI重写ToB软件企业的"业务世界"
一个人用上AI，效率可能提升20倍；但一个组织，未必快20倍。这道裂缝，就是本篇报告的起点。
为什么是"本体论"这把刀
「没有被定义成对象的东西，AI永远看不见」
1.1 一个被低估的公式
过去两年，几乎每一家ToB科技软件企业都做了同一套动作：买模型、搭Agent、做知识库、教员工用提示词。技术层面能做的，似乎都做了。但半年之后，老板往往会发现一件尴尬的事——员工是轻了，公司却没有真正变。
问题出在哪？我们把它压缩成一个公式：
组织级AI生产力 ＝ 个体AI能力 × 组织AI适配度
个体能力可以借AI瞬间放大，但如果旧流程、部门边界、审批与考核原封不动，组织承接不住这股生产力，AI越强，旧结构内部的摩擦反而越明显。这就是为什么"个人提效、组织内耗"成了行业通病。真正稀缺的，不是更强的模型，而是组织对AI的适配度。
而"适配度"这个词太软，落不了地。我们需要一把更锋利的刀，把"组织适配"拆到可操作的颗粒度。这把刀，就是本体论（Ontology）。
1.2 本体：AI进入企业前的"入场券"
大模型训练的是互联网公开知识，它不知道你企业的字段定义、编码规则、业务逻辑、组织架构。让它去排产、评估供应商、追溯质量，它分不清为什么这张入库单要关联那张发票、为什么这个物料属于那家供应商、为什么这道工序需要持证人员。这些知识是隐性的——藏在老员工脑子里、系统的字段里、制度的条文里。
要让AI真正干活，必须先让AI"看见"这个企业的世界。而"看见"的前提，是把企业原本隐藏的东西变成可描述、可理解、可计算的结构——这正是本体。
学术上，Gruber给本体的定义是"显式规范的共享概念化"（an explicit specification of a shared conceptualization）。翻译成管理语言，就一句话：
本体，是你对世界的一次承诺——你声明哪些对象存在、它们如何关联、能发生什么变化，系统就"看见"一个什么样的世界。
由此推出本篇报告最重要的三个判断：
大模型可以外购，业务本体必须自建。 模型是通用能力，本体是你的定义权。竞争对手可以买同一个模型，但买不走你对"什么是客户、什么是订单、什么算交付"的定义。AI时代的护城河，正在从"模型之争"转向"语义之争"。
没被定义成对象的东西，AI永远看不见。 奎因（Quine）说"存在就是成为约束变项的值"。在你的本体里没有被声明为对象类型的角色与能力，无论是人还是AI，都无法引用、无法调度、无法考核。
本体是测量框架，自带偏见。 它框定什么被看见、什么被测量。遗留定义里的偏见，会原样流入AI系统。因此建模者需要"认识论谦卑"。
1.3 三阶模型：把一次"重写"拆成三层
Palantir的动态本体，不是一张静态图，而是逐层递进的三个层次，也正好对应企业"重写"的施工顺序：
对应到"事实—事理—行动"：
语义层：回答发生了什么、当前是什么状态
动能层：回答遵循什么规则、为何如此
动态层：回答如何触发、执行、反馈
施工铁律：先建语义层（是什么），再注入动能层（能做什么），最后到达动态层（如何决策）。跳过底层直接建"AI决策"，是空中楼阁。
这层结构，恰恰是解剖"业务流程、组织岗位、能力"三重变化的手术台。
业务流程的重写
「从"流程驱动"到"认知驱动"」
2.1 流程的本质，是"人怎么干活"
过去企业设计流程，本质上是在设计"人怎么干活"：谁接单、谁审核、谁填写、谁汇报、谁审批、谁交付，一层一层往下分。流程背后对应的是岗位，岗位背后对应的是"人的能力局限"。
亚当·斯密描绘制针工厂之后，商业世界信奉一条铁律：效率源于分工。因为人的认知能力有限，面对复杂任务必须拆成碎片、设立岗位、再用科层制拼回来。两百年来，这条铁律的逻辑"坚不可摧"。
但生成式AI动摇的，正是这条铁律的地基。当AI不仅能专精、而且能通才，当一个智能体能瞬间完成从策划、设计到合规的全流程时——我们还需要为了迁就人的能力局限，把完整的业务切得支离破碎吗？
2.2 端到端：三场"范式革命"
北京大学汇丰商学院魏炜教授团队发表于《管理学报》的研究（2026年第23卷第1期），给出了一个清晰的判断：企业正从"分工范式"向"端到端范式"跃迁，而这场跃迁包含三场革命：
2.3 ToB软件企业的四大流程，正在被逐条重写
把镜头拉回ToB科技软件企业。软件公司的核心价值链，无非研发、销售、交付、服务四段。这四段流程，在本体论三阶模型下正在被同步重写：
研发流程：从"瀑布/敏捷"到"AI原生开发流"
传统研发是一条"需求→设计→编码→测试→部署"的串行长链，每个环节对应岗位。
AI进入后，这条链正被压缩为"意图→生成→验证"的短闭环。
Salesforce的Benioff在2025年公开宣布"今年不再新增软件工程师，因为AI使工程生产率提升超过30%"，并称AI已承担公司30%–50%的工作量，2026年计划投入约3亿美元购买Anthropic的token（主要用于编码）。
Gartner预测到2027年80%的软件工程师需要升级技能，到2029年60%的企业将规模化采用"微型团队（tiny teams）"
注意：是团队变小，不是工程师变少，人在复杂问题上更集中。
销售流程：从"线性漏斗"到"AI感知+人类关系"
传统SaaS销售是一条"市场→SDR（线索开发）→AE（客户经理）→CSM（客户成功）"的传送带。AI正在把这条传送带重排。
Emergence Capital对560余家B2B软件公司的调研显示：2025年36%的公司削减了SDR/BDR（各销售职能中降幅最大），同期28%的公司扩大了AE团队；SDR占科技劳动力的比重从2023年的1.98%降至2025年中的1.45%；22%的销售团队已完全用AI替代人类SDR。
Benioff在2026年5月说得更直白："我们不再增招工程师……唯一在招的是销售。"——可计算的线索工作交给AI，不可计算的关系与信任留给人。
交付流程：从"金字塔团队"到"方尖碑/小分队"
传统软件交付是大金字塔：咨询顾问把需求结构化，交给开发实现，再层层测试、部署、验收，一个项目常需8–12人。
FDE（前沿部署工程师）模式正在改变这件事：过去需8–12人的交付团队，可压缩至3–4人，原型验证周期从数周缩短至极短。
咨询业的结构正从"金字塔"转向"方尖碑（obelisk）"——顶部是少量资深判断者，底部由AI承担大量可计算工作。
服务流程：从"被动响应"到"预测性主动"
客服是最先被AI重排的环节。
Salesforce的AI客服已处理约50%的客户交互，客服成本较2025年初下降17%，客服团队从9,000人精简至约5,000人，多数被裁员工转岗至销售与客户成功。
客户成功（CSM）的角色也从"任务执行者"升级为"AI治理者+关系架构师"。
2.4 一个更深的转向：流程驱动 → 认知驱动
Palantir的Ontology给出一个精辟的概括：企业正从"流程驱动+数据分析"转向"认知驱动"。区别在哪？
前者"高度依赖人的经验与沟通"，组织不得不靠层级来管理和传递信息；后者让"统一业务语义"成为协调机制，组织的竞争力从"流程效率"转向"智能协同能力"。
【本报告的第1个判断】
业务流程的重写，本质是把"为迁就人而切碎的流程"，重新按"业务的完整因果链"缝合。
谁先把流程的关键节点本体化（对象+事件+动作+权限），谁就先拿到"认知驱动"的入场券。
组织与岗位的重写
「从"坑位金字塔"到"能力节点网络"」
3.1 一座两百年金字塔的地基正在松动
传统组织是金字塔：人是最小的能力单元，一人占一个岗位；岗位组成部门，部门组成组织；层级负责信息传递、任务分配与决策协调。这套结构在过去极其合理，因为人的能力有限，因为信息传递要靠人，因为规模越大越需要层级。
AI开始改变这个基础。一个人加上AI，能力边界突然变宽；一个团队加上Agent，原来需要多个岗位协作的事，可能几个人就能完成。 于是出现一个有意思的状态：人的数量减少了，组织能力反而增加了。
这就是为什么说：AI挑战的不是某个岗位，而是200年前形成的组织结构本身。当"人是最小能力单元"这个前提失效，金字塔就必须重长。
3.2 组织底层的"重新承诺"
在AI原生组织里，组织的底层不再是人、岗位、部门、层级，而是越来越接近：
业务对象、业务关系、事件、决策、权限、人类能力与AI能力。
于是四个对应关系发生了位移：
一句话：岗位开始变成能力节点，部门开始变成能力网络，管理者从监督者变成调度者。 这不是把旧组织"AI化"，而是围绕新的生产力，把组织重新做一遍。
3.3 中层：最痛的一段
组织重写最先冲击的是中层。证据链条已经相当清晰：
原因不复杂：中层的两大职能——信息传递与任务协调——恰恰是AI最擅长接管的部分。当企业建立起一个真正理解业务的AI中枢，很多"找张三问一下、找李四确认一下、开个会拉齐一下"的事情被直接完成，层级存在的理由就被抽掉了。
但这里必须给一个冷静的提醒：中层的消失不等于管理的消失，而是"管理"这件事从监督与协调，转向编排与判断。谁能把一群人和一群AI组织起来完成一件有价值的事，谁就是新的"管理者"。
3.4 新岗位：从裂缝里长出来的角色
岗位在消失，新岗位也在诞生。最醒目的一批：
FDE（前沿部署工程师）
这是AI时代"最热的新岗位"。
招聘量同比增长800%–1,000%以上，自2025年1月以来累计增长超5,000%，而候选人池仅增长约50%；主动需求覆盖1,200余家公司。
薪酬惊人：前沿实验室总包30万–55万美元+，principal超100万美元。OpenAI于2026年5月成立Deployment Company（融资超40亿美元），收购Tomoro带来约150名FDE；Anthropic设合资公司；Palantir是这一模式的发源地。
FDE的本质不是"更高级的程序员"，而是一支同时理解业务、组织与技术的"问题解决队伍"（Squad）——它进入企业现场，判断哪里值得AI化，把解决方案快速做出来。
Agent编排师 / AI工作流设计师
Google CEO Pichai有一句话："现在不编排AI Agent，2027年前就会落后。"
招聘市场上已出现一批新头衔：Product Manager, AI Orchestration；Head of AI Product Operations；Principal PM, Agentic Experiences；AI Workflow Designer；AI Operations Manager。
在Agentic AI项目里，常见的四角色框架是 Builder（构建者）、Orchestrator（编排者）、Evaluator（评估者）、Strategist（策略者）。
AI产品经理
McKinsey《State of AI 2025》显示，大型组织过去一年招聘中，AI产品负责人/经理岗位占比达26%。
其核心能力被公认为评估（evals）与治理（guardrails）——"知道AI输出是否真的好"，这是区分资深AI领导者的关键技能。
评估与治理岗（AI合规/伦理/审计）
新兴岗位中，AI合规专家占招聘的16%、AI伦理专家占6%。Agent越自主，"谁来兜底"就越重要。
提示词工程师、智能体开发工程师
用友明确提出"提高销售营销人员占比、降低交付人员占比"，低技能岗位（客服、文案、低端编码）将被智能化替代，新增提示词工程师、智能体开发工程师及训练岗。
金蝶2025年研发人员从4,265人降至2,971人（-30.3%），同时引进AI产品经理、大模型算法、智能体研发等新型人才——这是典型的"结构性换血"。
3.5 组织形态：从"金字塔"到"能力网络"
新组织形态已经在真实企业里跑起来了：
这些案例的共同点：团队变小、能力密度变高、Agent成为正式"成员"。"企业甚至可能出现一个非常有意思的状态：人的数量减少了，但组织能力反而增加了。"
【本报告的第2个判断】
组织重写的核心动作，是把"岗位"这个对象类型的定义，从"职责范围"改写为"可被调用的能力"。
改完这一步，组织图才会自然长成能力网络，Agent才有"户口"。
能力要求的重写
「从"硬技能+年资"到"元能力+人机协同"」
流程变了、岗位变了，最后压在每个人身上的问题是：那我该会什么？
4.1 半衰期：技能正在"过期"
最硬的一条事实是技能半衰期的坍缩。多口径数据高度一致：
一个可怕的推论：当技能半衰期短于任职资格的评审周期（1–2年），你按旧标准选出来的，恰恰是"具备即将贬值技能"的人。
4.2 冰山模型正在"翻转"：一个需要标注的推论
传统任职资格80%在衡量冰山以上的"显性知识"（硬技能、工具熟练度、行业履历）。麦克利兰（McClelland, 1973）的素质冰山模型告诉我们：真正决定高绩效的是水下的内驱力、动机与自我概念。
AI可以瞬间补齐水面之上的显性知识，于是评估重心被迫下沉到水下——元认知、心理韧性、系统同理心、课题分离的界定力。
需要诚实标注："冰山模型翻转"目前是一个分析性推论，尚未找到将其表述为权威定论的文献。 但支撑它方向性正确的证据是充分的：LinkedIn《Skills on the Rise 2025》把"AI素养（AI Literacy）"列为全球第一大上升技能，Top15还包含适应性（Adaptability）、流程优化（Process Optimization）、冲突化解（Conflict Mitigation）——清一色的"元能力"与"人际能力"。
4.3 人机协同力：一个必须被写进资格标准的新维度
传统体系最大的空洞，是完全没有"人机协同能力"这一栏。它应该被拆成三层递进（可作为各级别行为要件）：
① 指令建构能力：把模糊业务需求 → 机器可理解的精确指令（Prompt / Goal 设计）
② 工具链组合能力：把不同AI应用与业务系统 → 串联成自动化工作流（Agent 编排）
③ 输出鉴别能力：识别AI幻觉与逻辑漏洞 → 为结果兜底（评估 / Evals）
4.4 能力的"三分类"
SHRM的AI能力框架给出一个干净的三分法，可以直接拿来做资格标准的骨架：
值得注意的是，SHRM 2025的数据同时暴露了能力鸿沟：HR任务中AI采用率2025年已达43%（2024年26%），但仅25%的组织有正式的AI技能提升计划，约2/3（67%）的组织尚未投资"人机协同"技能的升级。采用跑得飞快，能力重塑却慢得惊人——这道鸿沟，正是HR可以创造巨大价值的地方。
4.5 McKinsey的关键提醒：别把AI用成"降本工具"
McKinsey《State of AI 2025》区分了两类企业：高价值企业"改变工作方式"，低价值企业只做"减时间/降本"。生成式AI使可自动化的工作活动占比从50%升至60%–70%，近40%的采用企业预计超过20%的员工需要再技能。
它提出的"hybrid intelligence（混合智能）"概念值得记住：领域专家在对的节点介入判断——这正是"人留下来干什么"的答案：AI负责可计算、可重复、可规模化的事；人负责判断、创造、关系、信任、价值选择与责任承担。
【本报告的第3个判断】
业务流程的重写，本质是把"为迁就人而切碎的流程"，重新按"业务的完整因果链"缝合。
谁先把流程的关键节点本体化（对象+事件+动作+权限），谁就先拿到"认知驱动"的入场券。
小结：一张"本体论冲击地图"
「声明存在（对象）→规则（动作）→决策（动态）」
把三节的分析叠在一张图上：
本部分的总结论
AI对ToB软件企业的冲击，不是"加了一层工具"，而是"重写了一次世界"。
重写发生在三个层次：流程被按因果链重新缝合、岗位被按能力重新定义、能力被按下沉到冰山底部。
重写的施工图，就是本体论——先声明存在（对象），再声明规则（动作），最后声明决策（动态）。
谁掌握了对自身业务世界的"定义权"，谁就掌握了AI时代最难被模仿的护城河。
本期完·End
『人类优势能力架构』
Human Advantage Capability Architect & Orchestrator
筑一隅天地予天赋，任其自在生长于智能洪流
真正的人类优势，不是人被机器取代后的残余，而是我们主动从机器手中夺回的位置。它不是与算法比拼效率的竞赛，而是一场围绕判断、想象与意义的协作。它是在算力的疆界之外，为人所独有的能力保留的一片可以自由生长、尽情创造的旷野。
True human advantage capability is not the residue left once machines take over, but the place we actively reclaim from them. It is not a contest with algorithms over efficiency, but a collaboration built on judgment, imagination, and meaning. Beyond the bounds of computation, it sets aside for what is uniquely human a wilderness — where capability may grow freely, and creation may run its course.
