AI时代的人才观:从管理人到服务人

35岁，一条隐形的组织经济学分界线

2025年春天，苏州工业园区发布了一份不太起眼的政策文件，提出到2028年培育超过1万名"一人公司"人才。

一个人，加上AI工具链，干一个小团队的活。

这份文件没有引起太大波澜，但它指向了一个正在发生的结构性变化：工业时代那套围绕"管理人"建立起来的组织模型，正在被AI从底层瓦解。

工业组织的底层经济模型

理解今天的人才困境，要先理解工业组织为什么长成现在这个样子。

工业化的核心矛盾，从来都是规模效应与人的不可预测性之间的冲突。流水线可以标准化，钢铁产量可以精确计算，但人不行。人会迟到，会情绪波动，会有自己的想法，会在关键时刻做出管理层无法预判的决策。

所有的管理制度，本质上都是对"人不可控"这个事实的应对方案。

岗位说明书把人的工作边界框死。KPI把人的产出变成可量化的数字。考勤制度把人的时间变成可监控的资源。审批流程把人的决策权逐级上收。

这套体系的设计目标从来不是"帮人发挥潜力"，而是"让人的行为变得可预测"。对一个追求规模效率的组织来说，可预测比优秀重要得多。

HR在这套体系里的角色，准确地说是"人力成本管控部"。招聘是采购，培训是维护，考核是质检，裁员是报废。不是哪个HR总监把部门设计成这样的，是整个工业化组织的经济模型决定了这个职能定位。

当组织把人当成生产要素来管理，HR就只能是要素管理员。

35岁危机的经济学真相

理解了这个模型，35岁危机就不再是一个情绪话题，而是一道数学题。

在工业组织模型里，一个人的经验价值增长曲线是对数型的。前三年陡峭上升，学会了流程、工具、行业知识。五到八年趋于平缓，核心技能已经掌握，增量越来越小。十年以后几乎是一条水平线，新增经验被组织流程消化掉了，体现不出差异。

但人力成本曲线是线性的。工龄越长，薪资越高。社保基数越高，管理成本越高。这是劳动合同法和市场惯例共同决定的刚性成本。

两条曲线的交叉点，大致落在工作十到十五年的区间。对大多数人来说，就是35岁前后。

过了这个交叉点，从企业的财务模型看，这个人的边际产出低于边际成本。"不划算了"。

但这真的是人的问题吗？

一个在供应链领域干了15年的人，脑子里装着几百个供应商的脾气、几千次异常处理的经验、对市场波动的直觉判断。这些东西极其值钱。但在工业组织的标准化流程里，这些经验被锁死了。

ERP系统不会因为操作者经验丰富就多产出30%。审批流程不会因为申请人判断力强就少走三个环节。

组织流程把经验的价值天花板压得很低，然后反过来说经验不值钱。

一个干了15年的人和一个干了3年的人，在同一套系统里，产出被拉平到差不多的水平。差距可能只有20%到30%。

这不是人在贬值，是组织模型没有给经验正确定价的能力。

Photo by TruckRun on Unsplash

AI让执行技能变成基础设施

2023年到2025年，美国劳工统计局的数据呈现出一个有意思的分裂："计算机程序员"岗位两年减少了27%，同期"软件开发者"岗位预计增长15%。

前者的核心工作是把明确的需求翻译成代码，是执行。后者的核心工作是理解业务问题、设计解决方案、做技术选型，是判断。

AI正在把执行类技能变成基础设施。写代码、做报表、翻译文档、设计初稿、数据清洗，这些曾经需要专业训练才能掌握的技能，现在是AI工具的基本功能。

2025年的数据显示，拥有AI技能的岗位薪资溢价达到56%。但这个溢价不是给"会用ChatGPT"的人的。会用ChatGPT就像二十年前会用Excel一样，很快会变成基本素养。

真正的溢价给的是判断力。

知道什么时候该用AI、什么时候不该用，知道AI的输出哪里可信哪里需要修正，这种判断力正在成为最稀缺的资源。

个体差异的指数级放大

工业时代，一个优秀工人和一个普通工人的产出差距是线性的。快30%，质量好20%，已经是顶尖了。这个差距不足以让组织改变管理方式，统一管理仍然是效率最优解。

AI时代，这个差距变成了指数级的。

一个懂得用AI工具链重构工作流的人，产出可能是同岗位普通员工的3倍、5倍，甚至30倍。苏州规划的"一人公司"模式就是这个逻辑的极端体现：一个有判断力的人加上AI工具，产出相当于过去一个五到十人的小团队。

当个体差异是线性的，统一管理有道理。当个体差异是指数级的，统一管理就变成了最昂贵的浪费。

管理优秀人才，在AI时代是一件投入产出比极低的事。

中国目前AI人才缺口达到500万人。Gartner预测到2030年，HR现有工作的50%将被AI自动化。这两个数据放在一起看，意味着HR这个职能本身正在经历双重冲击：一边是需要服务的人才变得极度稀缺，一边是自身的大量工作正在被AI接管。

HR的转型不是"要不要"的问题，是"怎么转"的问题。

Photo by Christin Hume on Unsplash

从部门制到任务流

传统组织按功能划分部门。市场部、技术部、运营部、财务部，每个人被分配到一个部门里，向一个直属上级汇报。

这套结构在工业时代很高效，因为大部分工作是重复性的、可预期的，部门内部可以形成流水线。

但AI时代的工作越来越像项目制：一个业务问题出现，需要快速组建跨职能小组，用AI工具链在短时间内解决，然后解散重组。

HR在新模式里的角色，是内部人才市场的运营方。

建立内部项目制平台，每个项目发布任务需求，员工可以跨部门申请参与。HR负责两件事：一是维护每个人的能力画像（不是岗位画像，是"这个人擅长什么、最近学了什么、做过什么项目"），二是根据任务需求做匹配和调度。

人不再被锁在一个部门里等任务分配，而是像内部自由职业者一样流动。HR从"管人的部门"变成"连接人和任务的平台"。

招聘：从技能清单到判断力评估

翻开任何一个招聘网站，90%的JD长这样："本科以上学历，计算机相关专业，3年以上Python开发经验，熟悉MySQL，有大数据处理经验优先。"

这是一份螺丝钉采购单。它描述的是一个标准化零件的规格参数。

AI时代需要的不是螺丝钉，是能解决问题的人。

新的招聘方式应该是写"任务描述"而不是"岗位说明书"。不是列出"需要会什么"，而是描述"这个角色要解决什么问题、面对什么场景、需要做什么判断"。

面试方式也要跟着变。用真实的业务case做面试题，提供AI工具，让候选人现场解决一个实际问题。评估的不是最终答案的正确性，而是整个判断过程：怎么拆解问题，怎么决定哪些部分交给AI、哪些自己来，AI给出的结果怎么验证和修正。

评估标准从"会什么"变成"学习曲线有多陡"和"判断力有多强"。招聘要投资的是斜率，不是截距。

薪酬：从岗位定价到产出定价

传统薪酬体系的底层逻辑是"岗位×等级"。同一个title、同一个职级，薪资差距最多30%。

这在工业时代是合理的，因为同岗位的人产出差距也就30%。薪酬差距和产出差距基本匹配。

AI时代，同一个title的人产出可以差10倍。一个能用AI工具链重构工作流的市场经理，获客效率可能是另一个市场经理的5到8倍。但在传统薪酬体系里，两个人的薪资差距可能只有15%。

这意味着高产出的人在补贴低产出的人。补贴到一定程度，高产出的人就走了。

新的薪酬模式应该是：基础薪资保底，确保安全感和生活质量；产出奖金弹性，反映真实贡献差异。优秀人才的总收入可以是平均水平的3到5倍。这个比例听起来很夸张，但如果这个人的产出是平均水平的10倍，3到5倍的薪酬其实是打了折的。

考核：差异化评估取代统一KPI

统一KPI的隐含假设是"所有人做同样的事"。工业时代这个假设大致成立，同一条生产线上的工人，工作内容高度相似，用同一把尺子量，公平且高效。

AI时代，同一个团队里每个人的工作内容可能完全不同。有人在用AI做客户画像分析，有人在搭建自动化营销流程，有人在训练垂直领域的AI模型。用同一套KPI评估这三个人，要么尺子太粗量不出差异，要么强行统一扭曲了每个人的工作方向。

用OKR替代KPI，目标由员工自己设定，和上级协商确认。评估维度从"完成了什么指标"变成三个层面：产出的业务影响力有多大、同行怎么评价这个人的贡献、在项目中展现了什么样的判断力和学习能力。

取消末位淘汰。末位淘汰的前提是正态分布假设，AI时代的产出分布是幂律的，强行用正态分布的框去套幂律分布，只会逼走头部人才。

培训：从教课到搭环境

传统培训模式是"请老师上课"。HR采购课程，安排教室，员工坐在下面听。完成率100%，吸收率可能不到10%。

AI时代最有效的学习方式不是听课，是"给工具、给场景、让人在实际业务中摸索"。HR的培训角色要从"教课的"变成"搭环境的"。

HR负责采购和部署AI工具链。不是买一个ChatGPT账号就完了，而是根据业务场景配置工具组合。内容团队需要写作AI加图像生成AI加数据分析AI，销售团队需要CRM智能助手加客户画像工具加话术生成器。

建立内部AI使用案例库。把公司内部已经验证过的AI使用场景、具体prompt、工作流截图、效果数据，整理成可检索的案例库。新人来了不用从零摸索，直接看同事怎么用的。

培训预算重新分配。一堂两天的外部培训课可能要花5万块，同样的钱能买半年的AI工具订阅加算力。后者的学习效果持续时间远超前者。

留人：自主权比涨薪更值钱

优秀人才离开一家公司，最常见的原因不是钱给少了。到了一定收入水平之后，多加20%的薪资对生活质量的改善是边际递减的。但工作自主权的增加，对创造力和满意度的提升是线性甚至超线性的。

传统留人手段是加薪、升职、期权三板斧。这三样东西正在贬值，因为"一人公司"选项越来越现实。一个优秀的AI原生人才，自己出来接项目，年收入可能不低于在公司的薪资，还不用开会、不用写周报、不用应付办公室政治。

企业要留住这样的人，不能靠加钱，要靠给空间。给自主权，让优秀人才自己决定工作方式、工作时间、工作地点，结果达标，过程不管。给资源，AI工具的企业版授权、充足的算力、高质量的业务数据，这些是"一人公司"模式下个人很难获得的。给信任，减少审批层级。一个年薪百万的人，报销500块的差旅费需要三级审批，这不是管理，是侮辱。

文化翻转：从不信任到信任

工业组织的默认假设是"人会偷懒"。这个假设催生了整套监控体系：打卡、签到、日报、周报、月报、季度述职、年度考评。每一层都是一道"有没有在干活"的验证。

这套体系在管理流水线工人时有道理。但用来管理知识工作者，尤其是AI时代的高产出人才，是一种系统性的资源错配。

一个人花在写周报上的时间，本可以用来多完成一个AI自动化方案。一个管理者花在检查考勤上的精力，本可以用来思考业务方向。

新的默认假设应该翻转为"人想创造价值"。管理只在出问题的时候介入，而不是全程监控。取消无意义的日常打卡，改成结果导向的周期性回顾。不是不要汇报，而是把汇报频率和形式交给团队自己定。

管理层的考核指标也要跟着变。从"团队出勤率""流程合规率"变成"团队产出质量""人才留存率""内部人才流动率"。

衡量一个管理者的标准，不是团队有多听话，是团队能产出多少高质量的结果。

Photo by Annie Spratt on Unsplash

组织经济模型的重写

回到开头苏州那份政策文件。

"一人公司"的出现不是技术新闻，是组织经济学意义上的结构性信号。当一个人加上AI工具就能干一个团队的活，传统组织存在的经济理由就被削弱了。

科斯在1937年提出企业存在的原因是"交易成本"。企业内部协调的成本低于市场交易的成本，所以人们组成企业而不是各干各的。AI正在急剧降低市场交易成本。自动化沟通、智能匹配、标准化接口，让个体之间的协作成本大幅下降。

如果企业不能提供超出市场交易的价值，如果内部协调的成本因为层层审批和低效管理反而高于市场，优秀人才就会用脚投票。

HR的转型不是一个人力资源管理议题，是一个组织生存议题。从管理人到服务人，从成本管控到价值创造，从不信任默认到信任默认。这不是理念的升级，是经济模型变了，不得不跟着变。

Gartner说2030年HR现有工作的50%会被AI自动化。被自动化掉的部分，恰好是那些"管控"属性最强的工作。留下来的部分，应该是真正需要人来做的事：理解人才的独特价值、设计激发创造力的环境、在人和任务之间建立最优匹配。

这才是HR这个职能在AI时代的生存空间。

王冉，跃盟科技创始人。连接稀缺人类岗位与AI劳动力。

本文仅代表个人观点，不构成投资建议。文中数据来自Harvard Business School/BCG联合研究、美国劳工统计局、Gartner、人力资源和社会保障部。