别急着裁人:企业 AI 转型真正的关键词,是“我们”

每一场 AI 发布会之后，企业里最先被生产出来的，往往不是 Agent，而是“人效测算表”。

模型会写文案，内容团队是不是可以缩小？视频能自动生成，剪辑是不是可以减半？智能体能调系统、跑数据、执行任务，中层管理者是不是没有必要了？

6 月 23 日，火山引擎集中发布豆包 2.1 Pro，并预告 Seedance 2.5 将于 7 月上线。视频、图像、音频和面向 Agent 的云服务同时升级，意味着 AI 正在从“能生成一些东西”，进入更接近真实生产流程的阶段。

感叹字节All in AI正在全面爆发，过去是飞书达人，现在是扣子达人。

但如果一家企业面对 AI 的第一个问题只有“能少多少人”，它很可能还没有真正理解这场变化。

一、AI 替代的是任务，不是抽象的“人”

把复杂劳动过度简化，是很多 AI 裁员误判的起点。

一个客服岗位，至少包含信息查询、情绪安抚、投诉定责、订单处理、关系维护。信息查询和标准订单可以高度自动化，情绪安抚可以 AI 辅助，但投诉定责和客户关系，仍然需要人的判断。

内容团队也一样。它不只是写稿、剪辑、做图，还承担选题判断、品牌取舍、用户洞察、风险把关和长期内容资产沉淀。

所以企业分析 AI 影响时，基本思考不该是“这个人要不要留”，而应该是“这个岗位里的任务如何重新分配”，业务流程该如何调整。

世界经济论坛在《Future of Jobs Report 2025》中提到，41% 的雇主计划在 AI 自动化部分任务时缩减用工；同一份报告也显示，77% 的雇主计划提升现有员工技能。

二、别把技术演示，当成组织答案

从“模型可以做这件事”，直接跳到“这个岗位不需要了”，中间还有一个巨大坑，别一不小心掉下去。

哈佛商学院与 BCG 的实验提出过一个重要概念：AI 能力有“锯齿状边界”。在边界以内，用 AI 的顾问完成任务更多、速度更快、质量更好；但任务一旦越过边界，AI 反而可能让人更不容易得出正确答案。

危险之处在于，两个任务在人看来难度差不多，一个 AI 做得漂亮，另一个却会生成非常像正确答案的错误结果。

这意味着企业不能凭几次漂亮 demo，就推导出一整套人员方案。

AI 可以高速生成，但企业仍然要回答：结果对不对？依据从哪来？哪些错误可以容忍？哪些错误会变成合规、品牌和客户的代价？最终谁签字、谁担责？

三、真正优秀的转型，是任务换位

更值得看的不是“AI 替代了多少人”，而是“AI 接走旧任务之后，人被放到了哪里”。

宜家的客服机器人 Billie 曾处理大量标准咨询，普通问答被自动化之后，宜家没有把故事停在“省了多少工时”，而是培训呼叫中心员工转向远程室内设计顾问，把熟悉客户和家居场景的人放到更高价值的服务里。

摩根士丹利的 AI 工具也不是“自动理财顾问”。在客户同意后，AI 记录会议、提炼行动项、起草摘要和邮件初稿；顾问负责检查、修改、决定是否发送，并对最终建议负责。

招商银行的做法更接近一套组织工程。它先把全行工作梳理出来，识别大模型可以发挥作用的独立工作项，再由科技和业务部门共同判断价值与适用度。它披露的 1588 个工作项、856 个落地场景，以及“一个 Agent 平均迭代约 6 次才能投产”，说明 AI 转型不是上线即成功，而是持续拆工作、改流程、定责任。

四、“我们”不是口号，而是一种机制

“我们”不是用来缓解员工焦虑的温情表达，它是一种具体的组织机制。

OECD 对制造业和金融业的调查发现，培训和员工协商与更好的工作结果相关。原因并不复杂：AI 转型本质上是复杂系统，没有任何单一角色掌握全部信息。

管理者知道战略目标，却未必知道每个流程里的真实例外。

技术人员知道系统能做什么，却未必知道结果做到什么程度才算能用。

一线员工知道工作如何发生，却未必掌握把经验变成系统的方法。

法务、合规、安全团队知道什么不能碰，却未必知道怎样在不挡住创新的前提下设边界。

只有把这些角色组织进同一个房间，AI 转型才可能从一个漂亮 demo，变成一个可靠的工作系统。

五、领导者可以立刻做的三件事

结语：未来，人人都是增强的起点

AI 带来的不是单纯的岗位替代，而是工具杠杆的下沉。

过去，业务一线发现流程冗余，只能提交需求、等待技术排期；今天，拥有主动性的通才，可以用自然语言拆解问题、组织知识、编排工具，搭建高频可用的 Agent。

销售在开发客户心智的研究助手，客服在定义问题分类与升级机制，内容人在构建选题、生产到复盘的闭环系统，管理者在把决策原则固化为组织可反复调用的机制。

但杠杆会放大成效，也会放大错误。创造越快，越需要克制、拉回与精准判断。

这不是老板、IT 部门或数字化负责人的独角戏。它属于由业务、管理、技术与一线员工共同咬合的“我们”。