夜雨聆风一份写给 CEO 和 AI 转型负责人的岗位演化指南
参考：OpenAI 首席经济学家 2026年4月报告《AI Jobs Transition Framework》
原始报告：https://cdn.openai.com/pdf/the-ai-jobs-transition-framework_report.pdf
企业刚接触 AI 时，兴奋的管理者最容易问的第一个问题是：
“哪些岗位可以被优化？”
这像什么？
像一个人刚拿到电锯，走进森林后，第一反应不是理解生态，而是挨棵树问：
“这棵树能不能被砍？”
但问题在于：
电锯能砍树，不代表这片森林最后会消失。
技术能做到，和组织真的会怎么演化，从来不是一回事。
先做一件事：把自己公司的岗位真正看懂
问题一：摸个底，AI当前实际接管了多少？
部门长要做的，是把每个岗位的任务清单拆开来看，问自己：
假设明天公司上线了一套 AI 自动化系统，可以处理你岗位 70% 的日常工作。 你如何向管理层证明你仍然值得被留下来？你会把精力集中在哪些事情上？当前哪些重复性的工作，AI可以稳定完成。
要按月提交 《部门AI 渗透率报告》
不是上报理论上能不能，而是现在的真实业务里，AI 已经在干多少。
问题二：AI 降低成本后，有些岗位需求反而扩大了？
这是大多数管理者漏掉的变量，也是最容易让预判失准的地方。
效率提升不等于岗位减少。历史上每一次重大技术变革，都同时发生了两件事：
一部分工作被替代，
另一部分需求因为成本降低而爆发。
AI 让设计成本降低，不是设计师变少了，而是每家公司能做的设计迭代变多了。
以单设计作图这一个AI能力为例，不是招更多真人设计师，而是
公司就应该把‘设计作图’这个能力，
从‘专业技能’下放为全员通用的‘办公文具’。
专业工具文具化。
通过提供【工具】、【模板】、【工作流】+培训，赋能非设计岗也能大规模生产一致且高质量内容。
当一线员工拿到趁手的工具，分开执行时，团队的整体行动才会更快。
所以在判断岗位走向之前，先问：如果这个岗位的工作成本降低一半，需求会跟着增加吗？如果会，这个岗位不是在消失，而是在扩张。
例如：
原本太贵的服务，变得人人可用
原本低频的服务，开始高频发生
原本标准化的产品，开始个性化定制
原本普通的体验，因为 AI 增强而质量提升
AI不只是降本，以下业务模式均可产生变革机会。
问题三：哪些岗位还需要人？为什么？
这才是最核心的问题，也是决定岗位命运的根本。
人类在组织里的必要性，通常来自三种硬约束：
第一种是责任必要性（AI需要真人背锅）。有些岗位，法律和监管明确要求必须有人担责。
AI 给你开了一张处方，你不会直接吃。但医生说"AI 的判断我确认了"，你就敢了。
最终签字、承担后果、向监管机构负责的，仍然必须是人。
法务、合规、审计、医疗、金融——这些领域里，AI 可以把 90% 的工作做完，但那 10% 的"人必须在场"，就是整个岗位存在的理由。
第二种是关系必要性。 有些岗位的核心价值，不是提供信息，而是让人愿意相信、愿意行动、愿意被托住。
大客户销售能把产品参数讲完整，但客户最终签单，往往不是因为参数。而是因为"这个人让我觉得，他是真的站在我这边"。
AI 可以提供完美的话术，但"被理解、被确认、被真正陪伴"这种感觉，目前还是人给的。
关系型岗位的核心价值，在于关系本身，不在于信息传递。
第三种是物理必要性。
有些工作必须现场，必须用手。
维修、施工、护理、物流、现场检测——只要工作需要身体行动、空间操作、复杂的现场判断，语言模型就无法完整替代。这类岗位的演化节奏，会明显慢于纯数字工作。
如果一个岗位以上三种必要性都很弱，这个岗位就真的处于高风险区了。
第二部分：岗位AI变革后的四种流向
当以上四个问题交叉之后，岗位通常会走向四种路径。
01
能被高度自动化的岗位
这类岗位的特点是：AI 能承担大量工作，人类必要性较弱，降本后需求也不会明显增加。风险不是岗位一夜消失，而是编制被持续压缩——一个岗位，开始只需要原来三分之一的人。企业需要提前做预警、转岗设计和能力再培训，而不是等到业界压力来卷你了才反应。
02
将被AI重组的岗位，这是管理者最需要关注的。
这类岗位不会消失，但工作的内容会被重新分配。AI 接管文档处理、流程执行、标准化认知任务；人回归判断、担责、协调和现场执行。
所以核心问题不是"这些人还要不要"，
未来还需要多少人？以及，人主要负责什么？
这个问题没有标准答案，需要管理者主动重新设计职责边界。
03
因 AI 而增长需求的岗位
很多人低估这一类。
成本降低带来需求扩张，这类岗位不是被 AI 淘汰，而是被 AI 放大。
找到这些岗位，提前增加投入和供给能力，把 AI 变成业务增长工具，而不只是降本工具——这才是 AI 真正能给企业带来竞争优势的地方。
04
短期内变化有限的岗位，但不代表可以不管。
强关系性（与人高度沟通）或强物理性（必须现场，必须用手）是这类岗位的保护屏障，AI 短期内很难触碰核心价值。
但稳定不等于永久安全——很多岗位不是不会变，只是技术和组织改造暂时还没到那里。管理者要做的是持续观察，而不是默认它们不会被影响。
第三部分：CEO和 AI转型责任人要如何做？
企业最需要的，不是一张"替代名单"，而是一张岗位转型地图——清楚地知道每个岗位在这四种走向里处于哪个位置，然后针对性地行动。
待办一，把岗位拆到任务层，而不是看职能名称。
传统岗位说明书描述的是一个相对稳定的职责范围。但 AI 进入之后，同一个岗位内部的任务会不断被拆分、替代、增强和重组。
HR 和业务负责人需要重新盘点每个岗位的任务结构：
哪些任务 AI 可独立完成
哪些任务 AI 只能辅助
哪些任务必须由人负责
哪些任务会因为 AI 变得更重要
未来被替代的，往往不是岗位，而是岗位中的某部分任务。
"运营"这个名字没变，但里面 70% 的任务已经可以由 AI 完成——这种情况下，你是在管一个岗位，还是在管一堆正在变化的任务？
这是 AI 时代人力资源管理的基础动作。
待办二，对每个关键岗位，强制回答一个问题。
"如果 AI 越来越强，这个岗位里的人，为什么还必须存在？"
如果答案是法律责任，这个岗位的边界就是监管要求的底线。
如果答案是客户信任，这个岗位的核心就是关系维护而不是信息传递。
如果答案是现场执行，这个岗位的价值就在物理世界里。
说不清楚答案的岗位，就是最需要提前重新设计的岗位。
待办三，评估需求弹性，找到可以放大的那些。
AI 提效之后，如果需求不会增长，企业会自然进入人力压缩。
但如果需求可以扩大，企业应该把 AI 带来的效率空间转化成服务规模的增长、新产品的开发、新市场的开拓。
很多企业最大的 AI 资源浪费，不是用错了工具，而是 AI 把效率提上来了，却没有新的需求承接能力——节省下来的时间和人力就这样白白消耗掉了。
原来10 个人干的活 → 6 个人。其中 1 个"大 New 人"建能力，5 个"小 New 人"用能力。
能力复合化：每个人具备多种被 AI 放大的能力——一个人原来只能做营销文案，现在借助 AI 能同时做选品分析、文案生成、图片生成、数据复盘。这不是"多任务"，是"AI 把原来要专家才能做的事，下放给每一个有 C 照的人"。
组织专小化：组织单元变得小而专——不再是"营销部 50 人"，而是"5 个 ADT，每个 6 人，每个专攻一个流程节点"。
待办四，把衡量标准从"用了多少"升级到"组织因此变强了多少"。
Token 消耗诸如此类的这些数字告诉你有没有人在用 AI，但不告诉你 AI 有没有在改变组织。真正重要的是：响应速度有没有更快、客户体验有没有更好、产出质量有没有提升、业务结果有没有变强。
AI 的价值，从来不是"有人在用"，而是组织是否因此变强。
结论
第一个：
技术能力只是起点。真正决定岗位命运的，是人在环的必要性有多强、这比"AI 能不能做这件事"重要得多。但凡事情过了人，人就会成为 AI 的瓶颈。毕竟人的带宽处理是有限的。
不要问"AI 能不能替代这个岗位"。要问"这个岗位里，什么价值只有人能提供"。
找到这个答案，就找到了这个岗位未来存在的理由。
第二个：
AI 对工作的影响，不是简单替代，也不是平均冲击。它会先改变任务，再改变岗位；
先改变工作流，再改变组织结构；
先改变能力要求，再改变人才标准。
更多阅读