0621 全球 AI 组织在发生什么:从＂用 AI＂到＂管 AI 员工＂的新功课

AI ORG LAB · AI 组织进化实验室

组织与人才洞察日报 · 2026-06-21

今日导读

今天这组信号串起来，指向同一件正在发生的事：agent 正在从"工具"变成被当作"员工"来配置的东西，而管理学还没准备好。ServiceNow 这周把 AI specialist 像新员工一样编进 IT、客服、HR、财务各个职能，由人来带教、考核；与此同时，HBR 把 "agent manager（智能体管理者）" 称作 2026 增长最快的新角色，Microsoft 管它叫 "agent boss"。一边是 Walmart、JPMorgan 把上百万员工塞进 reskilling 的快车道，一边是新的失败模式同步冒头：HBR 的 "workslop"（AI 糊弄活）正在让同事互相返工，Meta 因 AI 监控员工被迫叫停。今天的主线是：当 agent 被当员工用，招聘、带教、绩效、信任这套老管理学，每一项都得重写一遍，而多数公司还停在"发个工具给大家用"的阶段。

板块一｜ServiceNow Autonomous Workforce：把 AI 当"专员"编进每个职能

信息源：ServiceNow Newsroom《ServiceNow launches the Autonomous Workforce》《brings Autonomous Workforce to every major business function》（Knowledge 2026，2026 年 5 月）；Techzine、CXToday、NoJitter 报道。

关键信息　ServiceNow 推出 "Autonomous Workforce"：一批有明确岗位的 AI specialist（如 Level 1 服务台专员、员工服务专员、安全运营分析师），从头到尾完成一段流程，并按企业既定政策、权限与审计留痕运行；首个 Level 1 服务台专员 Q2 2026 上线，后续扩展到 IT、CRM、员工服务、安全与风控。官方反复强调"人在中心"：员工负责监督、带教、给反馈，agent 从结果中学习改进。被引用最多的一个数字是，过去销售向财务提问平均要等 4 天，重做后的流程 8 秒解决。

解读　值得注意的不是"又一个 agent 产品"，而是它的组织语言：ServiceNow 不说"自动化功能"，而说"specialist""workforce""带教"。这等于把 agent 正式塞进了人力资源的概念框里：有岗位、有上级、有权限、有绩效。一旦企业开始用"招一个员工"的方式思考"上一个 agent"，HR、IT、业务的边界就被重画了：谁来给 agent 写 JD？谁批它的系统权限？它干砸了谁担责？4 天到 8 秒的诱惑越大，这些治理问题越不能含糊。一个有用的对照是中国侧：IDC 数据显示 60% 中国企业还在了解评估和试点，仅 18% 把 agent 接进核心业务流，百度文心已支撑企业搭建超 130 万个 agent。产能爆发和"真正进核心流程"之间，差的正是这套组织功课。

可借鉴点

·给即将上线的 agent 写一份真正的"岗位说明书"：职责边界、可调用的系统与数据权限、上级是谁、出错谁兜底，按"招人"而非"装软件"的标准过一遍。

·先挑一条等待长、规则清晰的内部流程做样板（如内部问询、工单分流），用"前后耗时对比"建立可复制的证据，而不是全面铺开。

·同步建 agent 的审计与回溯机制：权限、操作留痕、人类复核点，趁部署早期就装上，别等规模化后补。

板块二｜"Agent Manager"：2026 增长最快的新角色，需要的不是 AI 高手

信息源：Harvard Business Review《To Thrive in the AI Era, Companies Need Agent Managers》（2026 年 2 月）；Fortune、World Economic Forum 关于 "agent boss / 管理 AI 智能体技能" 的讨论。

关键信息　随着 agent 从试验走向执行，企业发现需要一类新管理者，即 agent manager，负责编排 agent 如何学习、协作、安全地与人共事。Microsoft 称之为 "agent boss"，主张像带新员工一样 onboard agent：组队、立预期、盯早期产出、建立"信任但要核验"的例行机制。HBR 强调一个反直觉点：这个岗位最关键的不是 AI 技术能力，而是对被自动化的业务流程的深刻理解：最好的 agent manager 来自本就懂这套业务的人。Microsoft 2025 Work Trend Index 称 28% 的管理者在考虑招"AI 工作组管理者"、32% 计划在 12–18 个月内招 AI agent 专员。

解读　这条戳破了一个流行误区：很多公司以为"管 agent"是技术活，于是把它推给 IT 或新设的 AI 团队。HBR 的判断恰恰相反，懂业务的人才管得好 agent，因为管理的核心动作是判断"这步该不该交给它、它的产出对不对、什么时候必须叫人"，要的是业务判断力，不是 prompt 技巧。真正难的活是设计交接边界：agent 何时自主执行、何时求助、何时整段交还给人；调好了 agent 显得可靠，调不好信任会崩得很快。这也给"AI 培训"提了个醒，把员工都送去学工具是不够的，更稀缺的是培养一批能给 agent 当"带教组长"的现有业务骨干。

可借鉴点

·别把"管 agent"默认外包给 IT：从最懂某条业务流程的资深员工里选 agent manager，给他们配 AI 工具能力，而不是反过来。

·把"交接边界设计"写成可培训的具体技能：明确每个 agent 任务的自主区、求助区、转人工区三档，并要求管理者定期复核。

·在干部能力模型里加一条"人机团队领导力"：能给 agent 立预期、读它的产出、判断何时信任，纳入晋升与考核。

板块三｜The Great Reskilling Race：Walmart 给 210 万人发"AI 驾照"

信息源：CIO Dive《Why Walmart is rolling out AI to 2M employees》、Fortune（2026 年 6 月 12 日 Walmart 致 210 万员工信）、HR Grapevine《The great reskilling race has begun》、Virtasant（JP Morgan / Walmart / AT&T 上的 upskilling 案例）。

关键信息　Walmart 将与 OpenAI 合作，2026 年为美国员工推出 AI 认证项目，依托其 Walmart Academy（全球最大的私营培训项目，350 万参与者），作为近 10 亿美元技能投入的一部分，目标是让 210 万员工（从技术团队到门店迎宾）都具备某种程度的 AI 能力，并对员工喊话"AI 是来改善你的工作，不是取代你"。JPMorgan 面向 30 余万全球员工做技能建设、扩展技术与业务学徒制；Amazon 则走另一条路，预期某些岗位用人更少、另一些更多，对全员普惠式再培训着墨更少。

解读　把 Walmart 和 Amazon 摆在一起看最有意思：两家都在重金投 AI，对人的态度却分叉。Walmart 选择"全员上车 + 公开承诺不取代"，把 reskilling 当成稳定军心和保住一线战斗力的手段；Amazon 更直白地预告岗位结构会变。这背后是两种关于"人"的下注：一种认为规模化的人力经过再培训仍是核心资产，另一种认为结构性替换不可避免。对多数公司而言，Walmart 模式的可借鉴处不在那 10 亿美元，而在它把"承诺"和"投入"绑在一起，空喊"AI 不会取代你"没人信，配上人人可及的认证项目，话才有分量。需要警惕的是，认证别办成走过场的合规打卡，关键看学完之后岗位里有没有真给 AI 留出位置。

可借鉴点

·把"不取代"的承诺和真金白银的培训绑定发布：只承诺不投入会失信，只投入不沟通会落空，两者要同时出手。

·reskilling 别停在"发课程、拿证书"：在岗位职责和绩效目标里明确写进"用 AI 完成什么"，让学到的东西有落脚点。

·想清楚你的人力下注：哪些岗位走 Walmart 式全员再培训、哪些走结构性重置，别用一个模糊口号糊弄两种完全不同的处境。

板块四｜AI 绩效管理：从"年度考评"转向"持续赋能"，但别把判断让给模型

信息源：SHRM《The State of AI in HR 2026》；AIHR Institute《Running the 2026 Performance Cycle with AI》；Asanify、Sprad 等 2026 AI 绩效管理指南。

关键信息　2026 年的绩效管理正从"年度评估 + 合规"转向"持续、以发展为导向"的模式：AI 实时追踪目标进度、反馈、敬业度与产出信号，生成绩效洞察与教练式提醒。多家来源给出可量化收益（如新人产能爬坡时间缩短约 30%、内部晋升率提升约 25%）。但共识也很明确：AI 给管理者提供洞察和提示，不替代人的判断；该自动化的自动化，该留给人的留给人。

解读　绩效管理是 AI 最容易"用力过猛"的地方，因为它天然诱人把"可测量"等同于"该测量"。当系统能实时抓取一切信号，最大的风险是把绩效降维成仪表盘读数，用代理指标（发了多少、点了多少、在线多久）替代真正重要的判断、协作与创造。AIHR 那句"该自动化什么、该留住什么人味"是关键分界：AI 适合接管证据收集和过程记录，把管理者从填表里解放出来，去做它做不了的事：理解情境、给出发展性反馈、做有担当的评价。换句话说，AI 让"持续反馈"第一次在规模上可行，但持续反馈的价值仍取决于背后那个愿意花心思的人。把这步做反了，员工感受到的就只剩被更密地盯着，谈不上什么赋能，这正好接上下一块的隐患。

可借鉴点

·划清"AI 记录 / 人来评判"的界线：让 AI 做数据归集与过程留痕，把评价、反馈、发展对话牢牢留在管理者手里。

·警惕代理指标绑架绩效：明确哪些是"过程信号"（仅供参考）、哪些才是"真正的成果"，别让易测的挤掉重要的。

·用 AI 把考评从"一年一次"变"持续在线"，但配套训练管理者做高质量的发展性对话，否则只是把低质反馈做得更频繁。

板块五｜员工体验的暗面：Meta 叫停 AI 监控，与挥之不去的"AI brain fry"

信息源：HR Grapevine《Meta scales back AI employee monitoring tool after staff backlash》（2026 年 6 月）；Inc.《Meta's AI Experiment Shows Why Monitoring Employees Backfires》；CNBC（2026 年 5 月，几乎每家 Fortune 500 都在追踪 AI 使用）；SHRM 关于 AI 监控与离职关联的报道（BCG 2026 研究提出 "AI brain fry" 一词）。

关键信息　在 agent 上岗、绩效系统实时化的同时，监控也在加码：约 78% 公司监控员工，72% 的员工却说这不提升生产率；研究显示同时受线上与物理监控的员工压力高出 45%，54% 表示若监控再升级会考虑离职。Meta 在员工持续数周的隐私反弹后缩减了一项 AI 监控工具。另有研究指出，用 4 个以上 AI 工具的人效率反而下滑，BCG 把过度盯 AI、处理海量 AI 产出导致的精神耗竭称为 "AI brain fry"。

解读　这块是前四块的影子。当公司热情地给每个人发 AI、给 agent 配上级、给绩效装上实时仪表盘，一不留神就滑向"全景监控"。问题在于，监控解决的是管理者的焦虑，而非员工的生产率，数据已经很清楚：盯得越紧，效率越可能下降、人越可能走。"AI brain fry" 则揭示了另一重代价：让员工同时操心一堆 AI 工具、还要消化它们吐出的海量内容，认知负荷会把效率吃回去。真正的员工体验功课不是"要不要用 AI 管人"，而是把信任设成默认值：把 AI 用来减负而非监视，让员工对"我的哪些数据被怎么用"有知情和发言权。否则，agent 省下的时间会从离职率和"假装忙碌"里重新流失掉。

可借鉴点

·给 AI 监控划红线：明确只采与工作产出直接相关的数据，公开用途、给员工知情与申诉渠道，别碰生物特征和私人空间。

·控制"AI 工具过载"：与其给每人塞十个工具，不如精选少数几个并配清晰用法，警惕工具越多效率越低的拐点。

·把"减负"而非"盯人"设为 AI 落地的第一原则：定期问员工"AI 让你更轻松还是更被盯"，把答案纳入转型评估。

⚠️ 值得警惕的反面信号："workslop"：看着像干活，其实在给同事制造返工

信息源：Harvard Business Review《AI-Generated "Workslop" Is Destroying Productivity》（BetterUp Labs × Stanford Social Media Lab）；The Next Web、CIO.com、Charter 等 2026 年报道与后续研究。

关键信息　"workslop" 指看起来体面、实则缺乏实质、几乎没经人工打磨的 AI 产出。一项针对美国全职桌面工作者的调查显示，52.7% 承认发过某种程度的 workslop；38% 收到过同事的 workslop，处理、讨论、返工平均每月耗掉约 3.4 小时。收到 workslop 的人里，53% 感到恼火、42% 觉得发送者更不可信、约一半认为对方变得不那么靠谱。

解读　这是对"AI 提效"最锋利的反证：很多看上去的产能提升，只是把工作量从上游悄悄推给了下游。一个人用 AI 三分钟糊出一份报告，看着自己效率翻倍，代价是三个同事各花一小时去核验、纠错、重做，账面上的"效率"是真的，组织整体的损耗也是真的，只是不显示在他的 KPI 上。这恰好解释了那个反复出现的困惑：为什么个人都说 AI 提了效、公司整体却看不到回报。workslop 的根子不在 AI，在于把"产出速度"当成了价值本身，却没人为"产出质量"和"下游负担"负责。它和前面 workslop 监控、绩效的隐患是一条线：当组织只奖励看得见的快，就会系统性地生产看不见的烂。解药不复杂，要把"对最终结果和接收方负责"重新写回评价标准，而不是奖励谁交得快、交得多。

可借鉴点

·把"质量与对下游负责"写进 AI 使用规范：明确发出去的 AI 产出必须经本人核验、对接收方可用负责，而非"生成即转发"。

·评价工作别只看产出速度和数量：把"是否给同事制造了返工"作为团队协作的隐性指标拿出来谈。

·用培训和示范立标杆：示范"人 + AI"打磨出的高质量产出长什么样，让大家知道及格线在哪，而不是默认 AI 出的就能用。

一句话总结

agent 正被当成"员工"编进组织，可招聘、带教、绩效、信任这套管理学还停在给人发工具的阶段；谁先补上"管 AI 员工"的新功课：给它写 JD、培养带教它的业务骨干、为结果而非速度负责，谁才真正把 AI 的产能落到账上。

完整信息源清单

· ServiceNow Newsroom — ServiceNow launches the Autonomous Workforce (Knowledge 2026)

· Techzine — ServiceNow replaces people with AI specialists using Autonomous Workforce

· Harvard Business Review — To Thrive in the AI Era, Companies Need Agent Managers (2026-02)

· Fortune — Weary managers, get ready to learn a new skill: leading AI agents

· CIO Dive — Why Walmart is rolling out AI to 2M employees

· Fortune — Walmart's message to its 2.1 million workers: AI will improve your job, not take it (2026-06-12)

· HR Grapevine — The great reskilling race has begun (2026-06-12)

· AIHR Institute — Running the 2026 Performance Cycle with AI

· SHRM — The State of AI in HR 2026 Report

· HR Grapevine — Meta scales back AI employee monitoring tool after staff backlash (2026-06-01)

· Inc. — Meta's AI Experiment Shows Why Monitoring Employees Backfires

· CNBC — 'Almost every Fortune 500 is tracking AI usage': what it means for employees (2026-05)

· Harvard Business Review — AI-Generated "Workslop" Is Destroying Productivity

· The Next Web — Harvard Business Review warns AI 'workslop' is rotting companies from the inside

关于这份日报

AI 正在重写企业经营与组织管理的底层逻辑。最前沿的技术突破、领先企业的真实实践、顶尖机构的最新研究，每天都在催生关于管理、经营、组织与人的新趋势——但这些信号往往散落各处、稍纵即逝，等它们沉淀为人人皆知的共识时，认知的先机早已让渡于人。

这份日报的初衷，正是每天替我们在最前沿打捞、梳理、解读这些变化：不堆砌信息，而是提炼出当下真正值得关注的主线与本质，用几分钟，看清别人要花很久才看明白的方向。

在一个确定性日益稀缺的时代，更快的洞察、更早的理解、更开阔的视野，本身就是一种稀缺的竞争力。愿它成为一扇每天为我们打开的窗——把外部世界的变化，转化为指导工作的判断与提升自己的能力。

AIOrgLab · AI 组织进化实验室

每天一篇 · AI 时代的组织与人才洞察