清华分享:AI时代的组织变革与人才发展

AI时代的组织变革与人才发展

DIA dtrial 论坛听讲笔记，主讲：李宁教授（清华大学经济管理学院领导力与组织管理系系主任，Flextronics讲席教授）

在最近的DIA dtrial 论坛上，清华大学经管学院的李宁教授就"AI时代的组织变革与人才发展"这一话题发表了精彩演讲。

李宁教授长期研究组织管理，此次从学者视角切入，分析了AI浪潮下组织与人才正在经历的深层变革。

以下是核心观点的整理。

一、个体提效 ≠ 组织提效

这是演讲开篇最令人印象深刻的判断。李宁教授提到某大型商业银行的内部数据：引入AI后，全公司核算出每年节省了约450万小时的工作量，相当于5000名员工的年工作量，但宏观人数和产出却没有相应变化。

他追踪了一家2023年给每位程序员配备AI编程助手的企业，AB测试结果令人意外，整体项目开发效率提升仅约10%，远低于预期。

原因在于：AI提升了个人某些环节的效率，但整个开发流程（前端、后端、设计并行协作）并未随之重构，系统的瓶颈仍由最慢的环节决定，AI还额外引入了幻觉问题和代码风格不统一等新摩擦。

李宁教授用一个比喻做了总结："这就好比把飞机引擎装在旧轿车上，某种程度上能跑快一点，但不是本质突破，甚至可能带来很多问题。"

二、流程必须以AI为中心重新设计

现有组织的底层设计逻辑，是围绕"人的三个特点"展开的：有限理性（所以需要分工）、组织不确定性（所以需要协调与激励）、人的成长性（所以需要培训体系）。这套逻辑在以人为中心的时代是合理的，但并非最优解。

随着AI Agent的出现，管理对象从人变成了"人+AI+工作流"。与管理人不同，管理AI需要解决两个新问题：

一是验证。

AI的输出是否正确，需要结构化的检验机制，而非依赖信任积累。

二是冗余设计。

过去组织追求消除冗余，但AI时代反而需要让AI多次独立完成同一任务来提升可靠性，Token成本已经足够低，构建正确的架构比追求零冗余更重要。

三、岗位任务的三种分类

李宁教授提出了一个实用框架，将工作任务分为三类：

可自动化任务：关键不在于难度，而在于是否可验证。文献检索、信息整合等，哪怕复杂，只要输出结果可判断对错，AI就能接管。

增强型任务：需要人持续介入判断，AI可以做到80分，但达到95分乃至更高，依赖该领域顶尖专家的持续判断与修正。

以人为中心的任务：价值判断、方向选择、伦理决策，涉及人的立场与判断，暂时无法外包。

四、人才评估体系的重构

AI正在打破传统的专业壁垒。李宁教授指出，过去金字塔顶端的专家价值来自知识壁垒和稀缺经验，但AI之后，写代码不再是程序员的专利，写论文也不再需要多年训练。

传统的"学历+年限+专业化"作为信号，其有效性已大打折扣。

他提出了一个"AI力模型"，其中两个维度尤为关键：

创造力：AI出现后，个人能否做出以前做不到的东西？

他举了OpenClaw和Claude Code两个案例，都是业余工程师、退休工程师的产物，正是因为AI打破了技术门槛，才出现了这些过去难以想象的产品。

判断力：在科研场景中，判断这个问题值得研究，以及在AI工作过程中判断AI是否在正确方向上，是最不可替代的能力。好消息是，这种判断力现在可以被沉淀，李宁教授举例说，他从自己批注学生论文的记录中提取评判框架，嵌入系统后效果很好。

五、职业成长路径的颠覆

这是演讲中最具冲击力的部分之一。

传统的人才培养路径依赖职业阶梯：从初级岗位积累经验，逐步成长为专家。但AI已经大幅替代了初级岗位的工作，美国经济学界也在讨论：初级岗没了，未来的专家从哪里来？

李宁教授认为，成长路径将发生两个变化：

一是时间大幅压缩。

过去培养一个领域专家需要五年，现在可能缩短到几个月。

二是自上而下的学习方式崛起。

传统教育是自下而上的，先学基础，再逐步应用，学了大半天不知道有什么用。

AI时代，一个人可以先有一个真实目标，为了解决这个目标持续追问、深挖，哪里卡住了AI帮你补，这是完全不同的认知路径。

他举了清华瑶班一位同学的例子，这位同学借助AI啃论文，发表的成果获得马斯克点赞。

六、AI时代组织的核心竞争力

李宁教授在演讲结尾给出了他的判断：

效率将不再是竞争力。

效率本质上是可被复制的框架，随着AI工具的普及，组织间的效率差距会迅速拉平，包括小型初创公司也能在效率上对标大企业。

知识的外显与编码，是核心竞争力。

语言是知识的边界，也是行动的边界。一个人或一个组织，能否把隐性的经验、判断、流程转化为可被AI调用的结构化知识，决定了其在AI时代的竞争位置。

这也是当前所谓技能蒸馏话题背后真正的张力所在，组织希望将员工的知识固化到系统中，但员工担心一旦蒸馏完成，自己的价值也随之消失，人与组织的关系正从雇佣走向合伙。

最终的竞争力是创造力。

能否创造出现在尚不存在的东西。对企业而言，值得思考的问题不再是如何降本增效，而是如何设计一套更有效的创新系统。