AI没有取代你，它正在把你推向一个新角色——智能体的管理者。

世界经济论坛2025年《全球职场变革报告》显示，未来5年内，全球超过70%的企业将完成AI工作流部署。麦肯锡同期报告则指出，仅有1%的企业认为自己的AI成熟度达标。

Forrester 2026年的调研给出了一个更直接的答案：68%的企业已部署AI，但只有16%的员工具备高AI商数。

差距不仅在技术，还在于人。

本文回答一个问题：当AI接管执行层工作，你该做什么？以及组织该怎么评估你做的事？

一、拆开来看，你的工作正在分层

要理解角色为什么变了，先看看一份工作的底层结构。

大多数人每天60%到70%的时间花在执行层——写邮件、填报表、查数据、做PPT。

AI正在系统性地接管这一层。

微软2025年Copilot企业用户调研显示，常态化人机协同的职场人，工作效率平均提升3.5倍，80%以上的人表示工作重心从"动手执行"转向了"定方向、审结果、做优化"。

这个转向的本质是：你被推向了协调层和决策层。

而协调层和决策层，恰好是"管理者"过去做的事。

一句话：你不再只是一个执行者，你正在变成智能体的"管理者"。

二、你的新职责

当AI接管执行，你的角色开始承担过去只有管理者才做的事。以下是四项新增的管理职责。

职责一：标准定义者

例子：假设你每周要出一份销售数据周报。

差的标准："帮我分析一下销售数据"

好的标准："分析这份销售数据，输出一份周报。面向销售总监，核心回答三个问题：本周销售额同比/环比变化、Top10产品和滞销产品、下周重点关注区域。数据截止本周五，只引用2025年后的数据，语气客观，不要主观评价。"

区别在哪？前者是"分派任务"，后者是"定义标准"。

你不需要自己动手统计数据，但你要说清楚：给谁看、回答什么问题、什么格式、什么语气。

职责二：流程设计者

例子：还是那份销售周报。过去你的流程可能是：

导出数据 → 清洗处理 → 制作图表 → 写分析文字 → 排版发送

每一步都是你手动做。

现在你可以设计一个新流程：

你在设计流程，不是在执行流程。

职责三：判断决策者

例子：

AI生成周报后，发现某区域销售额下降了15%。AI给出了三个可能原因的推测：

1. 竞品在区域投放了新活动

2. 该区域渠道政策发生了变化

3. 数据采集存在异常

你的判断来了：哪个推测最可能？是否需要调取更多数据验证？是否需要人工介入沟通？

AI负责"做"和"推测"。你负责"判断"和"决策"。

职责四：责任承担者

AI执行出错、判断失误、产出质量不达标——责任不在AI，在管AI的人。AI没有"责任"这个概念，你有。这就是为什么你是在"管理"智能体，而不只是"使用"工具。

例子：你用AI生成了一份数据报告，报告里有错误导致业务决策失误。你不能说"AI给的"，因为你没有验证、没有设定质量标准、没有设计检查节点。

一句话总结

1. 标准定义者：从按规则执行，到定义"好"的标准和边界——这是设定方向。
2. 流程设计者：从流程中的一个节点，到设计和编排协作流程——这是组织资源。
3. 判断决策者：从在给定范围内执行，到高频判断和优先级决策——这是做取舍。
4. 责任承担者：从对自己做的事负责，到对AI产出的结果负责——这是承担责任。

三、今天开始行动

理解了角色变化，关键是落地。在开始之前，先用一个工具筛选：哪些场景值得用AI，哪些暂时不适合。

舵舟四问三步法是我在企业AI落地实践中总结的筛选框架。

• 四问选场景：数字化（数据有没有？）、流程化（流程清不清？）、可衡量（效果能否量化？）、风险可控（出错有人兜底吗？）

• 三步做落地：流程拆解（人机流程如何重新设计？）→ 节点识别（哪个节点适合AI？）→ 技能复刻（AI如何学会专家技能？）

四问三步法解决的是“业务场景值不值得做AI”以及“怎么把AI做进去”的问题。这是组织层面的实施框架。

但无论业务场景怎么选、流程怎么重构，最终落地的关键在人。下面这三步行动，是你作为个体，在日常工作中练习“智能体管理者”这个新角色的具体方法。它们与四问三步法一一对应，但视角从“业务”切换到“你”。

第一步：盘点你工作中的“可AI化”部分（四问）

花一个下午，把你每周的任务列出来，按这个维度分类：

目标：把自己的执行层工作时间压缩到30%以内。

第二步：每天一次“标准定义”练习（技能复刻）

从明天开始，对每一个交给AI的任务，先写下你的“质量标准”。

练习方法：每天选一个工作任务，用“标准定义”的方式写下来。

对比一下：

一个月后你会发现，你的判断力和标准定义能力在快速提升。

第三步：建立你的人机协作新范式

把你最常做的工作任务，梳理成人机协作的标准流程（SOP）：哪些环节由AI完成，哪些由你完成，人机之间怎么交接。

这个SOP不是写给别人的，是写给你自己的——它是你在AI时代的个人操作系统。

同时，你需要建立审核机制：

1. 多久检查一次AI的产出质量？每小时？每天？还是每个任务后？

2. 检查什么？数据准确性？逻辑一致性？格式规范？

3. 出错了怎么兜底？你的判断依据是什么？

AI执行出错、判断失误、产出质量不达标——责任不在AI，在管AI的人。你的审核机制，就是你把“责任承担者”这个角色落到实处的工具。

每两周回顾一次，优化这套协作范式。你会发现，随着你的标准越来越清晰，AI的产出质量会越来越高，你的决策效率也会越来越快。

四、对组织意味着什么

当一线员工的角色从“执行者”扩展为“智能体的管理者”，评估体系必须跟着变。

否则就会出现一个荒诞的局面：员工用AI提升了3倍效率，但绩效评估还在问“你花了多少小时”。

变化已经在发生。Meta是目前在这条路上走在前列的公司。

Meta：AI使用正式纳入绩效考核

2025年11月，Meta人力资源负责人Janelle Gale向全员发布备忘录：从2026年起，绩效评估将正式把“AI驱动的影响”纳入核心指标。

评估标准包括：

1. 员工如何利用AI提升工作成果

2. 是否开发出显著提高团队生产力的AI工具

3. 是否主动推动所在团队的AI化进程

Janelle Gale写道：“随着我们迈向AI原生的未来，我们希望表彰那些帮助我们更快实现这一目标的人。”

除了定方向，Meta还做了三件事让这套体系落地：

第一，更新绩效系统Checkpoint。新系统整合员工在内部AI工具中的工作信号，统计AI辅助生成的代码量，帮助经理判断“AI驱动的影响”，而不是简单监控使用次数。

第二，推出“AI绩效助理”。在2025年12月的评估周期中，员工只需罗列一年的业绩要点，AI助手帮忙润色、补充，生成完整的绩效评语。

第三，设立了明确的AI使用目标。公司为2025年第四季度设定目标：核心产品团队的软件工程师代码变更中，55%需要由智能体参与完成；80%的中高级工程师需使用DevMate、Metamate等AI工具。

扎克伯格正在加速推进这一转型。据Business Insider报道，Meta已经开始在Reality Labs部分团队引入新头衔体系，包括“AI Builder”“AI Pod Lead”和“AI Org Lead”。

Meta的实践给出的答案：AI能力不是“加分项”，是“必选项”。会用AI、用好AI，是绩效评估的核心维度。

评估维度的转变

结合Meta的实践，以下是评估维度的转变方向：

HR的第一步行动

不需要立刻推翻整个绩效体系。以下三件事可以从下个周期开始：

1. 增加一个观察维度

在绩效评估中增加：“该员工对AI智能体的管理能力”——他能否清晰分配任务、设定边界、评估输出质量。

2. 在自我评估中增加一个问题

让员工回答：“过去一个周期，你是如何利用AI提升工作效率和质量的？”——这个问题本身就在引导行为变化。

3. 识别高潜力AI应用场景

使用四问三步法（见文末链接）筛选团队中哪些任务最适合用AI，优先在这些场景推动人机协作。

观察，迭代，再推广。不需要完美，先开始。

总结

AI时代，每个人的角色正在从“执行者”扩展为“智能体的管理者”——定标准、设流程、做判断、扛责任。

这四件事，过去只有带团队的人做。现在，每个人都在做。

如果你是一线员工：

从今天开始练习“标准定义”。每天一次，一个月后回头看。然后建立你的人机协作新范式，明确AI做什么、你做什么、怎么交接，以及多久审核一次AI的产出。

如果你是HR或管理者：

在下个绩效周期，问自己三个问题：我们是否在评估AI参与了多少？AI放大了多少效率？员工是否在主动推动团队的AI化进程？先增加一个观察维度，观察，迭代，再推广。

变化已经发生。趁它还没完全到来，先让自己准备好。

欢迎来舵舟“企业AI落地工作坊”，一起进化，一起做好准备。