夜雨聆风“AI时代真正的工作：从现实到AI，再由AI回到现实”
最近，6月22日世界经济论坛发布了一篇关于未来工作的文章，题目是What is the future of work? Defining roles for humans and AI。
文章开头一句话很关键：
AI does not begin with an instruction or end with a recommendation. It begins with a real-world problem and ends with a real-world consequence.
AI不是从一条指令开始，也不是以一个建议结束。它开始于真实世界的问题，最终也会带来真实世界的后果。
WEF的核心判断是：随着AI越来越擅长分析、生成内容、辅助决策甚至自动执行，人类工作的价值不会消失，但会向更高责任的位置移动。
过去，人更多在执行层创造价值：处理信息、写材料、做分析、跑流程、生成方案。未来，AI会越来越多地占据执行层，而人的价值会移动到执行前后：framing the problem, setting constraints, reviewing outputs, making final decisions。也就是定义问题、设置边界、评估结果、做最终决策。
简单说，AI越来越负责“做”，人越来越负责“让AI做对”。
不是AI替代人，而是工作过程被重新切开
今天很多关于AI和工作的讨论，容易落入几个旧框架：AI versus humans，白领 versus 蓝领，技术能力 versus 人类能力。但WEF提醒我们，真正大的变化不是发生在岗位名称上，而是发生在工作过程内部。
文章里有一个判断很清楚：AI increasingly occupies execution. Human value moves to the work around execution.
AI越来越占据执行层：处理信息、生成内容、优化方案、自动化动作。人的价值则转移到执行周围：怎么定义问题，怎么设计AI运行的条件，怎么结合现实情境审查输出，怎么决定下一步该做什么。如下图：
所以，AI时代的工作不应简单理解为“AI抢走人的工作”。更准确地说，是岗位里的工作被重新切开了：一部分交给AI执行，一部分由人重新设计，一部分由人判断和负责。
WEF由此提出两个正在出现的新角色：AI Work Architect和AI Steward。我更愿意把它们翻译成：AI工作架构师和AI监督者或AI治理管家。
第一种角色：AI工作架构师
AI Work Architect，不是提示词工程师。
提示词工程师解决的是“怎么问AI”，AI工作架构师解决的是“这项工作到底应该怎么被AI重构”。它要先把业务问题说清楚：目标是什么，范围在哪里，成功标准是什么，哪些风险不能碰；再把工作拆开：哪些可以委托给AI，哪些适合AI增强，哪些必须由人主导。
WEF原文里说，这个角色要明确data, assumptions, constraints, risk limits and decision rights，也就是数据、假设、约束、风险边界和决策权；还要设计handoffs, approval points and escalation paths，也就是交接点、审批点和升级路径。
这才是很多企业AI落地真正缺的一环。比如供应链预测，AI可以生成需求预测，但人的工作要更早开始：预测周期多长？服务水平要求是什么？供应商约束是什么？缺货容忍度是多少？这个预测最后会不会改变库存、生产、采购和客户承诺？如果这些没有定义清楚，AI给出的只是一个数字，而不是可以进入经营决策的结果。
HR招聘也是一样。AI可以写JD、筛简历、生成面试题，但真正重要的是：候选人画像怎么定义？筛选标准由谁确认？哪些判断必须人工复核？面试官如何接力？最终责任由谁承担？
AI工作架构师的价值，不是“把AI用起来”，而是把工作重新设计成AI可以参与、组织可以控制、结果可以负责的样子。
第二种角色：AI监督者或治理管家
AI Steward，可以理解为监督者或AI治理管家。
如果说AI工作架构师负责“把现实问题交给AI”，那么AI治理管家负责“把AI结果带回现实”。AI生成了内容、给出了判断、优化了方案，甚至自动执行了动作，但这并不意味着工作结束了。
AI治理管家要判断输出是否符合专业知识、业务常识、现场情况和已知例外，还要评估这个结果会不会影响客户、员工、资产、安全和信任。最后，他要决定：accept, modify, reject, stop or escalate。接受、修改、拒绝、暂停，还是升级处理。
WEF文章里举了一个仓储场景。AI和自动化系统可以支持仓库运营，但一线主管可能会注意到一些模型看不到的细节：地面湿滑、临时工不熟悉现场、机器人动作虽然技术上合规，但会让员工犹豫。
这些细节不一定出现在系统数据里，却决定自动化是否安全、是否被接受、是否值得继续推进。
这就是AI治理管家的意义。未来很多AI风险，不一定来自模型本身出错，而是来自无人负责。AI给出建议，谁判断？AI自动执行，谁设边界？AI影响客户和员工，谁承担后果？
AI治理管家不是简单验收结果，而是组织和AI之间的责任接口。
新的工作循环：从现实到AI，再从AI回到现实
基于两类新的角色，文章中提出了一个新的工作循环：real to AI, and AI to real。
工作不是从提示词开始，而是从现实开始。
真实业务里有目标、有约束、有例外、有风险，也有人与人的关系。AI工作架构师先把现实问题翻译成AI可以处理的目标、假设、边界和任务；AI负责执行，处理信息、生成内容、优化方案、自动化动作；AI治理管家再把AI输出带回现实，结合专业判断、现场情况、客户影响和组织责任，决定下一步怎么做。
当现实中出现新的例外、风险或意外后果，这些反馈又要回到下一轮工作设计里。
这也是原文最后那句话的意思：
This is the work of the AI era: connecting reality to AI, bringing AI back to reality and improving the cycle through human design and responsibility.
AI时代真正的工作，是把现实连接到AI，再把AI带回现实，并通过人的设计和责任不断改进这个循环。
对企业的启发：不要只做工具培训
这篇文章对企业最大的提醒是：AI培训不能只停留在工具使用。
很多企业现在的AI培训，还在教员工怎么写提示词、怎么生成PPT、怎么总结会议纪要。这些当然有用，但远远不够。真正需要训练的是五种能力：AI literacy, domain expertise, process understanding, risk awareness and decision rights。也就是AI素养、领域专业、流程理解、风险意识和决策权。
员工不只是要知道AI怎么用，还要知道哪些问题适合AI，哪些问题不能交给AI，AI输出如何判断，结果出了问题谁负责。尤其是离工作最近的一线员工，必须参与工作重设计，因为他们最清楚真实工作里的例外情况、隐性约束和风险细节。
AI转型不是“总部买工具，员工去使用”。更合理的方式是，让懂业务、懂流程、懂现场的人参与设计人机协作方式。
总结
这两个角色未必马上变成独立岗位，但它们会越来越多地嵌入现有工作中。
未来，一个优秀管理者不只是带团队，还要会设计团队里的AI工作流；一个优秀业务专家不只是懂业务，还要会把业务问题翻译成AI可执行任务；一个优秀HR也不只是组织AI培训，而要重新定义岗位能力、工作边界和责任机制。
如果企业只看到AI提效，看不到责任重构，AI转型就很容易变成新的管理风险。
WEF原文地址：https://www.weforum.org/stories/2026/06/future-of-work-define-roles-humans-ai/
📍关注AI组织进化论｜赋能AI组织转型
AI转型升级中，我们也坚信人是终极变量，而管理者则是关键杠杆。因此我们设计了一门面向AI时代管理者的《极简AI领导力-加速迈向AI原生组织》课程，聚焦如何领导AI，而不仅仅个人使用AI，帮助管理者快速掌握推动团队AI落地的核心框架、方法与工具，推动团队AI升级。适合管理者、技术负责人、产品负责人、HR、OD 及数字化转型相关伙伴，欢迎私信交流。
其他推荐阅读：
案例PPT｜谷歌最新六大机制：AI时代如何对抗大公司病，重塑产品力
