夜雨聆风30秒速览
这篇文章的核心论点：HR过去赖以存在的几个底层假设——专业分工、流程壁垒、信息不对称——正在被AI重新定义。 当"执行"不再稀缺，我们需要找到新的立足点。
📌 起因：Claude Code创造者Boris Cherny在红杉AI Ascent大会上的一场对谈，让我想了很久 📌 不适感：HR每天做的事——推流程、写文档、拉数据——正在从"专业能力"变成"基础素养" 📌 三个松动的假设：专业分工 / 流程即价值 / 信息不对称，加上一个被忽视的维度——体验 📌 一个隐忧：AI正在重塑行业思维，但HR对数据安全的敬畏远远不够 📌 五个立得住的方向：组织感知力、翻译力、人机协作设计、持续运行模式、跨学科通才 📌 一句话：最适合用AI做HR的人，不是技术人员——是真正懂HR的人
一、这场对谈说了什么
先交代背景。Boris Cherny，Claude Code的创造者，一辈子写代码，出过编程教科书。但他说了一件事：
2026年至今，他一行代码都没自己写过。 每天出几十个PR，最高一天150个，100%由AI完成。
一个以写代码为生的人，不再需要自己写代码了。他在对谈里讲了几件事，我挑对我触动最大的：
1. 他的工作方式已经不是"人在工作"了
Boris现在主要在手机上工作——同时跑5到10个会话，每个会话里又有一堆AI agent，通常几百个并发运行，每天晚上几千个agent在做更深的工作。他有一个叫Loop的工具——本质是让AI在后台持续运行：一个自动盯代码提交修CI，一个每30分钟从Twitter抓用户反馈聚类。
他说："Loop才是未来。"
我的第一反应不是兴奋，是一种说不清的沉重：
- AI不是在帮人减少工作，它在把工作变成24小时不停转的状态。
你以为下班了，但你的AI还在跑；你以为可以暂停，但别人的AI没有暂停。 对HR来说更微妙——我们本来就是"跟人打交道"的职业。与人的互动不会变少，只会更深刻、更复杂、更充斥在所有时间里。AI拉高了所有人的基准线，焦虑和投入只增不减。
2. 印刷术类比——执行正在被抹平
1400年代欧洲，印刷术出现前只有10%的人识字——"能读会写"本身就是一种吃饭的专业技能。印刷术出现50年后，出版物比之前1000年加起来还多。再过几百年，全球识字率涨到70%。
Boris说：写代码正在经历同样的事。未来写软件会变成像"发短信"一样的基础技能。
3. 领域专家 > 工程师
原话："Coding是简单的部分，真正难的是懂这个领域。"
他的例子：最适合写会计软件的人，不是工程师，是一个非常厉害的会计师。
4. 跨学科通才正在涌现
Claude Code团队里，所有人都在写代码——设计师、财务、用户研究员、产品经理、数据科学家。代码变成了所有人共用的"表达工具"。
5. 护城河在变——小公司比大公司适应得更快
他引用Hamilton Helmer的护城河框架，指出两种壁垒正在被AI削弱：
- 切换成本
→ AI帮你快速迁移数据和系统 - 流程力
→ AI帮你快速理解并重建工作流程
由此推论：未来10年能颠覆行业的startup数量会增加10倍。 小公司从零开始就是AI-native，没有任何包袱；大公司必须改流程、改工作方式、重新培训——内部阻力巨大。
6. 真正的领先是组织流程，不是技术
Anthropic内部用的模型和外面完全一样，没有技术上的"独家秘密"。他们和其他公司的差距，不在技术，在组织流程——他们重新设计了人和AI的协作方式。
二、一个大厂HR听完之后的不适感
我的第一反应是"这讲的是软件行业的事，跟我有什么关系"。
但回过味来，发现他讲的是一个更底层的逻辑——
当一种曾经稀缺的能力被技术抹平之后，围绕这种能力建立的整套职业体系会怎么样？
印刷术抹平了"识字" → 靠"能读会写"吃饭的人，必须找到新锚点——不是"我能写"，而是"我写的东西有洞察" - AI正在抹平"执行"
→ 写方案、做表格、跑数据、整理报告、设计流程——这些HR的日常，本质上都是"执行"
我每天在做的事——推绩效流程、写政策文档、拉离职分析数据、整理会议纪要——这些事不是不需要了，而是：
它们不再能定义我的价值了。
这个认知让我不太舒服。过去几年我一直觉得"把事情做好"就是专业性的体现。但Boris在说的是：当AI能把这些事做到80分的时候，"做好"已经不够了——你得做AI做不了的事。
三、正在松动的底层假设
想了很久，我觉得HR这个职能之所以存在，心照不宣地依赖几个假设。没人写在教科书里，但做这行的人都知道。
假设一：专业分工创造价值
HR分成六大模块，底层逻辑是——每个模块的专业性足够深，需要专人来做。薪酬有薪酬的学问，ER有ER的分寸感，OD有OD的方法论。
Boris说他们团队"所有人都在写代码"——设计师也写、财务也写。AI把执行门槛抹平后，"这件事只有专业人士能做"这个前提被削弱了。
翻译到HR：
如果一个懂业务的HRBP，借助AI一天就能做出一个80分的薪酬方案——那"薪酬专家"5年深耕带来的额外价值，从 100分 vs 0分，变成了 100分 vs 80分。
差距在被压缩。 不是说专业没用，是——单靠一个模块的专业深度，已经撑不起一个人的不可替代性了。
我过去一直相信"在一个方向上扎得足够深"就是安全的。但如果AI能让非专业的人快速够到80分——那我那100分的后20分，性价比够不够高？
假设一点五：体验维度——被忽视的价值层
Boris谈产品设计时说："如果用户必须琢磨怎么用——那是产品设计问题，是我的错。" 随着模型变好，很多安全机制、审批环节都会变得没那么重要——因为模型自己就会做对的事。真正重要的不是规则，是体验。
这让我想到HR：
我们太擅长设计流程、写制度、建规则了。但有时候忘了一件事：我们面对的是人，不是流程节点。 如果HR只是"流程+规则+制度"，那就太肤浅了——没有把服务对象当作活生生的人来看。
AI的到来逼迫HR思考一个之前不太被重视的维度——体验：
| 人的体验做到位 |
这可能是互联网大厂HR跟传统行业HR最不一样的地方——大厂会用产品思维去做HR。未来AI会让这种差距更明显：当执行层的事AI都能做了，你到底是在做"管理动作"，还是在做"人的体验"？
假设二：流程即价值
HR很大一部分存在感来自"我管流程"——入职流程我设计的，绩效流程我推动的，离职流程我把关的。年底汇报说"优化了3套核心流程"，PPT上写得很好看。
Boris说"流程力"正在作为护城河被削弱——AI可以快速理解、学习、甚至改进一套工作流程。
如果"重建一套流程"的成本从3个月降到3天——那"我设计了这套流程"还是不是你的价值锚点？
我的判断：流程本身不再是价值。知道"这个组织此刻需要什么样的流程"——这个判断才是。
Boris说未来10年能颠覆行业的startup会增加10倍——从零开始的人没有流程包袱，可以从地基就AI-native。而大公司必须改流程、改工作方式、重新培训，内部阻力巨大。对HR来说也一样。 我们都是在大公司、大系统下长出来的思路——六大模块、三支柱、标准化流程。但AI正在改变这些。
我们需要一种"不破不立"的态度——不是修修补补，是敢于推翻自己建的东西。
产出在贬值。判断在升值。而敢不敢打碎重来，决定了你能不能升值。
假设三：信息不对称赋予权力
HR手里有别人没有的东西——薪酬数据、人事档案、离职原因、管理层意图。你知道别人不知道的，就有了被需要的理由。
Boris的印刷术类比本质上说的就是这件事：信息的获取和处理正在被极度平等化。
如果管理者自己能用AI分析团队敬满数据呢？ 如果员工自己能用AI查劳动法条呢？ 如果老板自己能让AI生成一份组织诊断报告呢？
当信息不再需要经过你才能被获取和处理，你作为"信息中间人"的角色就在弱化。
我在大厂里已经感受到了——越来越多的管理者不再找HR要数据，他们自己在用工具。我还能靠"我有access"撑多久？
四、还有一个更深的隐忧
说完三个正在松动的假设，我还有一个不太好意思说、但又觉得不得不说的感受。
4.1 技术概念背后是行业思维的改变
Boris谈到Computer Use时说："模型不在乎你用什么方式接入——MCP、CLI、API——对模型来说都是token。" 听起来是技术话题，但背后指向的是整个行业工作思维的改变。
HR现在对MCP、API这些东西的理解，还停留在"它能帮我解决什么具体问题"——自动拉数据、自动写报告。但我们还没真正搞懂它对行业意味着什么：不是"HR多了一个工具"，是"HR的工作方式、思考方式、甚至存在方式都在被重新定义"。
4.2 对AI的敬畏——数据安全底线
Boris说"本地还是云端不重要"，因为技术上模型会自己解决。但对HR来说，这件事非常重要。
人，始终是一个组织最核心的资产。员工的薪酬数据、绩效评价、健康信息、家庭情况——这些不是普通数据，是需要被敬畏的东西。 但现在的现实是：
❌ 随手把员工名单丢给ChatGPT分析 ❌ 用公共模型跑离职预测 ❌ 把面试评价喂给各种不知底细的工具
滥用AI暴露了大量不该暴露的信息，这在未来会是一个巨大的隐患。 数据安全不是IT部门一个人的事——HR手里握着一个组织最敏感的信息，我们有责任守住这道底线。
五、松动之后，什么是立得住的
说了几根柱子都在动。但焦虑不产生价值，搞清楚方向才有意义。
Boris自己给了一个答案——"真正的领先是组织流程"。技术一样，模型一样，差距在你有没有勇气重新设计人和AI的协作方式。 这句话恰好指向了HR在这个变化里应该走向的方向：
① 组织感知力——AI学不走的东西
AI能分析数据，但它不知道：
这份报告呈给A老板会被夸、呈给B老板会被骂 谁在上升期谁在边缘化 这个方案动了谁的蛋糕 现在提这个时机对不对
这些东西不在任何数据库里，只在你脑子里——靠你在组织里一天天泡出来的。 前提是你真的在用心感知，而不是坐在工位上等case来。
② 翻译力——把模糊变清晰
老板说"这个团队状态不对，你看看"——这七个字，AI处理不了。你能把它翻译成一个具体的排查方向和行动计划。
这需要你对组织的理解、对人的理解、对那个老板说话习惯的理解。"状态不对"在他嘴里是绩效问题、氛围问题、还是对某个人不满但不想直说？ 只有你知道。
③ 人机协作设计——HR在AI时代最大的战场
Boris说Anthropic领先的地方是"重新设计了组织流程"。这件事在大部分公司里——谁来做？
技术部门可以做系统，但组织流程的重新设计涉及人、权力、习惯、抗拒。有人觉得被威胁，有人消极抵抗，有人需要被说服。这件事本来就应该是HR做的。
不是"HR怎么用AI"，是"HR帮组织用好AI"。 前者是工具使用问题，后者是组织变革问题。后者才是HR的本行。
④ 持续运行模式——从"季度突击"到"持续监控"
Boris说"Loop才是未来"——不是临时问AI一个问题，而是让AI持续运行、持续监控、持续产出。
HR的很多工作天然适合这种模式：舆情监控、考勤异常预警、离职风险追踪、周期性数据看板——这些事本来就需要"持续关注"，而不是"季度末集中突击"。如果HR能建立自己的Loop，让AI持续盯着关键信号，把精力放在判断和行动上——这就是全新的工作方式。
⑤ 跨学科通才——跨出舒适区
Boris说未来会涌现大量"跨学科通才"——设计师、财务、产品经理，所有人都在写代码，专业分工的边界正在模糊。
对HR来说，未来不是"HR+会用AI"就够了，而是"HR+数据思维+产品思维+业务理解"的跨学科角色。领域知识比代码能力更值钱——最适合用AI做HR分析的，不是技术人员，是真正懂HR的人。但前提是你得跨出舒适区，去学数据、懂产品、理解技术。
这对我自己也是一个挑战——我从3月开始学AI，已经回不去了。但这只是开始，下一步不是"更会用工具"，是"让自己变成一个能调动更多学科资源的人"。
六、一句话收尾
Boris说，印刷术之后，识字从专业能力变成了基础素养。
对HR来说也一样——写方案、跑数据、管流程，正在从"专业能力"变成"基础素养"。
基础素养不是不需要。是它不再能定义你的价值。
Boris还说了一句："最适合写会计软件的是会计师。" 翻译过来就是：
最适合用AI做HR的事的人，不是技术人员——是真正懂HR的人。
前提是你得真的懂——不是懂工具，是懂这个领域。懂组织、懂人、懂数据背后的故事。懂得把对象当人看而不只是流程节点，懂得什么该用AI加速、什么必须守住底线，懂得在AI拉高所有人基准线之后，你的不可替代性到底在哪里。
这其实是好消息——AI不是来替代HR的，是来检验HR到底有没有真本事的。
也是坏消息——因为它同时在检验，你有没有勇气打碎旧的自己。
写于 2026年5月
附：Boris Cherny 红杉 AI Ascent 2026 对谈——原文提炼
来源: 红杉资本 2026 AI Ascent 大会（4月29日举办，5月4日视频发布）演讲者: Boris Cherny（Claude Code 创造者，Anthropic）对谈人: Lauren Reeder（红杉资本合伙人）时长: 约24分钟，炉边对谈 + 现场Q&A原始视频: YouTube - "Anthropic's Boris Cherny: Why Coding Is Solved, and What Comes Next"
核心判断：Coding已经被解决了
Boris的个人数据：
2026年至今，一行代码都没自己手写过 每天出几十个PR，最高纪录一天150个PR 100%由模型写代码
拐点时间线：
2024年底开始做，前6个月几乎不可用，只用它写10%的代码 真正的拐点：2025年5月Opus 4发布——从此每发一个新模型就再inflection一次
未来团队：跨学科通才
核心判断：未来会有比今天多得多的generalists（通才）。
两层含义：
今天的generalist = 工程意义上的通才（iOS+web+server都做） 未来的generalist = 跨学科的通才——既懂product engineering也懂design；或者既做product又做data science又做engineering
Anthropic内部已经在发生的事：
Claude Code团队里所有人都在写代码——engineering manager、product manager、designer、data scientist、finance guy、user researcher 每个人有各自的specialty，但所有人都在coding
SaaS护城河：哪些在变弱
引用Hamilton Helmer《Seven Powers》的护城河框架：
正在变弱的：
Switching costs（切换成本）——模型可以直接帮你把数据、流程从一个系统迁到另一个 Process power（流程力）——Claude在搞清楚process这件事上越来越好
没怎么变的：
Network effects（网络效应） Scale economies（规模经济） Cornered resources（独占资源）
对startup的推论：
未来10年能颠覆一切的startup数量会增加10倍 小startup能做出跟大公司一样有价值的东西并正面竞争 大公司必须改流程、改工作方式、重新培训——内部阻力巨大 从零开始的人没有这个包袱，可以从地基就AI-native
印刷术类比：软件的彻底民主化
对软件的推论：
写软件会变成像"发短信"一样的基础技能 最适合写会计软件的人不是工程师，是一个非常厉害的会计师 "Coding是简单的部分，真正难的是know the domain"
Anthropic真正领先的地方：组织流程，不是技术
Anthropic内部用的模型和外面一样 公司任何地方都没有手写代码了 所有SQL都是模型写的，所有东西都是模型build的 - 技术相同，差距在"你有没有勇气重新设计组织流程"
Boris的个人工作流
主要在手机上工作（Claude iOS app的code tab） 同时跑5-10个sessions，每个session里又有一堆agents 通常几百个agents并发运行，每天晚上会有几千个agents在做更深的工作 核心工具——Loop（/loop）：让AI在后台持续运行、持续监控、持续产出 Boris的判断："Loop才是未来"
Harness（产品外壳）的未来
当前产品层仍然重要——"做一个人们爱的东西" 趋势：随着模型变好，安全机制、审批环节都会变得没那么重要，因为模型自己就会做对的事 "如果用户必须琢磨怎么用——那是产品设计问题，是我没做好"
Computer Use与接入方式
Computer Use是兜底方案——对没有API接入的系统，AI可以直接操作 MCP、CLI、API——"模型不在乎，对模型来说都是token" 重要的不是用什么方式接入，是能接
本地vs云端
Boris的回答："It doesn't matter（不重要）。" 模型自己就能决定用本地还是云端 这些不再是工程师做的决定
对HR工作有启发的5个点
- "Domain知识比代码能力更值钱"
——最适合用AI做HR分析的，是懂HR的人，不是懂技术的人 - "跨学科通才将大量涌现"
——未来HR不是"HR+会用AI"，而是"HR+data+product思维"的跨学科角色 - "切换成本和流程力不再是护城河"
——HR传统价值来源之一是"我设计了流程、我维护着系统"，但这个锚在松动 - "真正的领先在组织流程"
——HR部门能不能帮公司重新设计组织流程来拥抱AI，这本身就是HR的新战场 - "Loop才是未来"
——HR的很多工作（舆情监控、数据看板、周期性报告）天然适合持续运行模式
原文金句摘录
"100% of my code is written by Claude. I have not edited a single line by hand since at least the beginning of 2026."
"The real gap is not technology—it's organizational structure and process."
"Coding is the easy part. The hard part is knowing the domain."
"I think in the next 10 years, the number of startups that can disrupt everything will increase by 10x."
"Loop is the future. If you haven't tried it, I strongly recommend it."
"If users have to figure out how to orchestrate agents—that's a product design problem. That's my fault."
"It will become like texting—everyone will be able to build software."
