夜雨聆风
最近，我们谈论AI对工作的影响，常常围绕一个问题展开：
AI会取代哪些岗位？
这个问题当然重要。
但一项最新研究提醒我们，AI对组织的改变，可能并不是从“一个岗位消失”开始的，而是从岗位之间那些原本清晰的边界，逐渐变得模糊开始的。
例如：销售人员开始自己分析客户数据；HR开始制作传播内容、处理基础财务分析；市场人员不再等待技术部门，而是借助AI排查网站问题；小企业负责人可以自己完成文案、合同初审和经营数据分析。
这些任务过去往往需要交给另一个部门或专业岗位，现在，离问题最近的人可以借助AI先完成其中相当一部分。
表面上看，这是效率的提升。
但从组织的角度看，它正在改变一件更根本的事情：
企业过去关于“谁应该做什么”的分工逻辑，正在被重新改写。
一、AI改变的，不只是工作怎么做，而是谁来做
2026年7月27日，OpenAI Economic Research发布了一项关于AI与工作变化的研究。
研究分析了80多万条美国ChatGPT用户的工作相关消息，发现：
16.8%的工作相关消息涉及其他职业的任务；
在排除写作、总结、日程安排等通用任务后，43.5%的职业特定消息，涉及用户本职岗位之外的工作。
这种“跨界”在一些岗位中尤其明显。
客服人员的职业特定使用中，77%涉及岗位之外的任务；设计人员为75%；HR人员为69%；法务人员为56%；市场人员为53%。
OpenAI把这种现象称为“任务跨界”（task crossover）：
原本属于某个专业岗位的工作，开始出现在其他岗位员工的AI使用中。
报告中有一句话，非常值得管理者关注：
“AI changes not just how work gets done, but who does what.”
“AI改变的不只是工作如何完成，也改变了谁来完成这项工作。”
这可能是AI对组织设计最早、也最容易被忽略的影响。
因为岗位名称和组织架构通常不会立刻改变，但员工每天实际完成的任务，已经开始发生变化。
企业的职位说明书还没有调整，真实的工作边界可能已经移动了。
当然，这项研究来自美国ChatGPT用户的使用数据，并不代表整个劳动力市场。但它至少提供了一个重要的早期信号：
AI对组织的改变，可能会先发生在日常任务中，之后才出现在岗位名称、组织架构和人才标准里。
二、任务开始流动，并不意味着专业已经不再重要
看到这样的趋势，我们很容易得出一个结论：以后每个人都可以成为多面手，岗位边界会逐渐消失。
但我认为，这个判断还不够完整。
AI确实降低了人们进入其他专业任务的门槛，却没有自动赋予使用者完整的专业能力。
销售人员可以借助AI分析客户数据，但是否理解数据口径、样本偏差和因果关系，是另一回事。
HR可以让AI生成劳动合同或绩效制度，但是否理解其中的法律责任、组织影响和员工感受，仍然需要专业判断。
管理者可以让AI快速设计培训方案，但能否准确识别团队问题、判断干预时机，并处理现场复杂关系，不会因为拥有一份方案而自动获得。
所以，我们需要区分三件不同的事情：
能够完成一项任务，不等于真正掌握一项专业能力；
能够生成一个结果，不等于有能力判断结果是否可靠；
能够跨进另一个岗位的工作范围，不等于可以承担那个岗位的最终责任。
AI让任务可以跨界，但责任不能因此失去边界。
真正需要改变的，不是把组织变成“人人什么都能做”，而是重新回答：
哪些任务可以开放？
哪些能力可以扩展？
哪些专业责任必须保留？
三、岗位定义需要从“任务清单”转向三层结构
传统职位说明书通常会列出一系列岗位职责：
负责什么工作，完成什么任务，与哪些部门配合，达到什么绩效标准。
这种方式隐含了一个假设：岗位的任务边界是相对稳定的（其实一直都有灰色地带）。
但在AI环境下，这个假设正在被打破。
很多过去需要专业岗位完成的基础任务，会被AI降低操作门槛；员工也会不断“借用”其他岗位的任务来解决眼前的问题。
因此，企业未来定义岗位，可能需要从一张固定的任务清单，转向一个更有弹性的三层结构。
第一层：核心责任
核心责任回答的是：
这个岗位最终为什么结果负责？
例如，HR的核心责任不是制作招聘海报、整理数据或撰写制度，而是帮助组织获得合适的人才，建立有效的人才机制，并维护健康的员工关系。
销售的核心责任也不是填写客户资料、制作方案或发送邮件，而是理解客户需求、建立信任并实现有质量的业务增长。
AI可以改变完成这些工作的方式，却不能模糊岗位对最终结果的责任。
第二层：可扩展能力
可扩展能力回答的是：借助AI，这个岗位可以向哪些相邻任务延伸？
HR可以扩展到基础数据分析、学习内容制作和内部传播；
销售可以扩展到客户研究、方案搭建和经营信息分析；
咨询顾问可以扩展到资料处理、数据可视化、产品原型和内容生产。
这部分不必成为岗位永久固定的职责，而可以根据业务需要、个人优势和AI能力持续调整。
第三层：专业红线
专业红线回答的是：
哪些判断和决定，不能因为AI降低了操作门槛，就交给未经授权的人完成？
涉及财务合规、法律责任、人员录用与淘汰、员工隐私、重大客户承诺和高风险决策的事项，都需要明确审核权与最终责任人。
因此，未来好的职位说明书，可能不再追求把所有任务写得非常细，而是要更加清楚地定义：
核心责任是什么，可扩展范围在哪里，专业红线又在哪里。
四、当交接减少，协作不一定会自动变好
OpenAI的研究提出了一个很有意思的变化：
过去必须交给另一个岗位的工作，现在可以由最先遇到问题的人借助AI完成。这会减少等待和交接。
市场人员不必为了一个简单的数据分析排队等待；
项目经理不必为了调整一个页面，反复与技术人员沟通；
顾问也不必把每一项资料整理和图表制作都交给支持人员。
从效率上看，这是进步。
但交接减少，并不意味着协作问题自然消失。新的问题可能随之出现：
员工是否有权限使用相关数据？
跨界完成的结果由谁审核？
当员工采用了另一个部门的方法，却没有通知对方，是否会出现信息不一致？
如果AI生成的结论导致错误决策，最终由使用者、专业部门，还是管理者承担责任？
过去的组织问题可能是“部门之间交接太多”。未来的组织问题则可能变成：
任务已经跨部门流动，责任和信息却没有跟上。
因此，企业不能只鼓励员工“大胆使用AI”，还需要为新的协作方式建立清晰接口。
对于重要工作，至少应明确四个角色：
谁提出问题和发起任务；
哪些环节可以由AI协助完成；
谁负责专业审核；
谁对最终决定和结果负责。
AI可以减少不必要的流程，却不能取消必要的责任。
五、个人工作半径扩大，也会改变人才培养方式
AI带来的另一个重要变化，是员工可以更早接触过去不属于自己岗位的工作。
一名年轻员工可以借助AI分析数据、形成方案、设计表达，甚至模拟客户沟通。
这为人才成长带来了新的可能。
员工不必等待多年，才有机会了解完整的业务链条；小团队也可以让一个人承担更综合的角色；人才发展可以从单一专业通道，转向更丰富的跨界成长。
但这里也存在另一种风险：
如果员工只是借助AI快速获得答案，却没有经历形成专业判断的过程，所谓“跨界能力”可能只是一种表面的任务完成能力。
他能够生成分析报告，却不知道数据为什么值得相信；
能够输出解决方案，却不能识别问题是否定义正确；
能够获得一套沟通建议，却无法感知真实场景中的情绪、关系与权力变化。
这也把我们带回人才培养的一个根本问题：
知识和任务可以快速获得，判断力却仍然需要在真实情境中形成。
因此，AI时代的人才培养不能只关注“员工会不会使用工具”，还需要重新设计经验获得的路径：
哪些基础任务可以交给AI？
哪些过程虽然低效，却是新人建立专业感觉所必需的？
哪些跨界任务适合作为发展机会？
员工完成任务以后，谁来帮助他复盘背后的判断逻辑？
企业既要利用AI扩大员工的工作半径，也要避免AI掏空人才成长所需要的经历。
六、AI还会迫使企业重新设计内部系统
当员工开始跨越岗位边界，企业的信息系统和权限体系也需要随之变化。
传统系统通常围绕部门和岗位进行设计：
HR使用人力资源系统，销售进入客户系统，财务掌握经营数据，学习平台负责培训记录。
但跨界工作增加以后，员工需要调用的信息、知识和工具，会超出原来的部门边界。这时，企业会遇到一组新的问题：
谁可以访问哪些数据？
AI能读取哪些企业知识？
跨系统调用时如何保留记录？
员工调岗以后，权限是否及时变化？
AI生成的内容如何进入正式业务流程？
哪些步骤必须经过人工确认？
所以，AI转型不能只是不断增加工具。
如果岗位边界已经变化，系统仍然按照过去的部门墙运作，员工要么无法完成跨界任务，要么会通过非正式方式绕开系统，形成新的数据和治理风险。
真正成熟的AI系统，需要同时支持三件事：
让知识能够流动，让权限保持清晰，让责任可以追溯。
七、领导者需要重新设计的，不只是岗位，而是组织运行方式
面对任务跨界，管理者不能只做两件事：一是要求员工学习AI；二是修改几份职位说明书。
更重要的，是重新观察真实工作正在怎样变化。
哪些跨部门交接正在消失？
哪些岗位的工作半径正在扩大？
哪些员工已经在承担职位说明书之外的任务？
哪些专业判断被误认为只是一个可以自动完成的操作？
哪些新人因为AI跳过了基础训练，也失去了建立判断力的机会？
这些问题指向的不是单个岗位调整，而是组织运行方式的重新设计。
我认为，企业可以从五个问题开始：
哪些任务可以借助AI跨岗位流动，从而减少等待和重复劳动？
哪些核心责任必须继续由明确的岗位承担，不能因为AI而模糊？
哪些跨界结果需要专业审核，最终决定权属于谁？
当基础任务被AI接手以后，员工将通过什么方式获得经验、反馈和判断力？
企业的数据、知识、权限和评价系统，是否支持新的工作方式？
这五个问题，分别对应任务、责任、协作、成长和系统。
它们或许也可以成为企业开展“AI时代岗位与协作边界重构”的起点。
写在最后
过去，我们通过专业分工提高效率。企业把复杂工作拆分成不同岗位，再通过流程和部门协作，把它们重新连接起来。
AI正在改变这种分工方式。
它让员工能够进入过去难以进入的任务领域，也让离问题最近的人拥有更大的行动空间。这可能带来更敏捷的组织、更丰富的人才和更少的部门等待。
但前提是，企业不能把“边界打开”误解为“责任消失”。
真正健康的组织，不是没有边界，而是拥有更有弹性的能力边界、更清晰的责任边界，以及更顺畅的协作接口。
所以，AI时代真正需要重新设计的，不只是一份职位说明书。而是三个更根本的问题：
谁可以做什么？
谁需要为结果负责？
一个人又将如何在新的工作体系中持续成长？
当企业能够重新回答这些问题，AI才不只是帮助员工完成更多任务。
它才可能真正转化为组织能力。
参考资料：OpenAI Economic Research，《How AI is Expanding What People Do at Work》，2026年7月27日。
END
