夜雨聆风在企业行动学习和组织发展项目里,我越来越频繁地看到一种变化。
它通常不是以"岗位被AI替代"的方式出现,而是更早、更细,也更容易被低估——AI先接走的,往往是岗位里的一些具体任务:整理材料、生成初稿、提炼访谈要点、搭建汇报结构、润色表达、制作页面。
这些任务单独看,都是可以优化的工作,甚至本来就耗时、重复、低效。所以组织很容易把它们理解为"提效"。
但从组织设计的角度,我更在意另一件事:
当一项任务被AI接走,原来附着在它上面的判断、协同和责任,谁来承接?
最近一次行动学习项目里,一个小组很快用AI做出了一版汇报PPT。页面完整,结构像样,表达甚至比很多人工初稿更顺。如果只看结果,这当然是效率提升。
但我当时没有先被它的效率打动。
真正让我停下来的是另一个问题:AI好像不是帮他们完成了一项任务,而是把原来需要小组一起经历的过程,切开了。
过去,他们要整理材料、重看访谈记录,在一堆零散表述里搭出逻辑,还要反复争论几个问题——这个观点从哪里来?这个问题到底是谁的?这个结论站不站得住?
现在,材料可以让AI总结,结构可以让AI先搭,页面可以让AI生成,表达也可以让AI润色,结果出来得更快。
但被切开的不只是PPT制作,还有原来藏在这个过程里的判断形成、协同磨合和责任确认。
先被切开的,是任务
很多组织讨论AI时,喜欢直接问:这个岗位会不会被替代?
这个问题不能回避,但它通常问得太晚,也问得太粗。
在真实组织里,AI很少一上来就完整替代一个岗位,它更常见的进入方式,是先切开岗位里的几件事。
一个岗位里,原本混合着不同性质的任务。有些主要负责产出,比如整理资料、汇总数据;有些看起来也在产出,实际却承担着判断训练,比如从访谈记录里区分事实、情绪和推断;有些表面是沟通,实际是协同接口,比如在写纪要、改方案时理解上下游真正关心什么;还有些看起来只是流程动作,背后却连着责任,比如最终确认一个判断能不能写进汇报、能不能提交管理层。
这些东西在旧岗位里常常混在一起,不一定被说清楚,但确实被同一个人、同一个工作过程承载着。
AI一进来,最先被切开的,往往就是这些混合任务——资料整理、会议纪要、初稿生成、信息检索、客户线索排序,被一件件拿出来。
每一件单独看,都是可以优化的任务。但几件事被切走之后,组织必须追问:原来附着在这些任务上的职责、判断、协同和责任,有没有被重新安排?
如果没有,岗位名称还在,岗位内部的结构已经开始变薄。
· · ·
岗位不是任务清单的机械相加
判断AI是否会改变一个岗位,我通常不用"岗位会不会消失"作为第一问,而会先看四个东西:任务、判断、接口、责任。
任务,是这个岗位具体做什么;判断,是它通过哪些工作形成判断;接口,是它连接哪些上下游;责任,是哪些后果最终要由它解释和承担。这四件事合在一起,才构成一个岗位的真实结构。
所以,岗位从来不只是一张任务清单。
一个人做资料整理,也在理解业务;写会议纪要,也在识别哪些话是事实、哪些只是情绪、哪些背后藏着组织矛盾;做初稿,也在把零散信息转成可以被讨论的问题;和上下游沟通,也在慢慢摸清哪些事自己能决定、哪些必须请示、哪些出了问题要自己解释。
这些东西过去被任务包裹着。AI接走任务以后,包裹被打开了。
组织如果只看见"这项任务可以自动化",没看见任务背后承载的判断、接口和责任,就会低估AI对岗位结构的影响。
真正被改变的不只是工作量,而是岗位内部那些原来靠工作过程自然维系的关系。
· · ·
基础任务不只是低价值劳动
HBR 在 2026 年 2 月刊发的《How Do Workers Develop Good Judgment in the AI Era?》提出了一个重要提醒:AI让有经验的专业人员获得更大的效率提升,但初级员工往往更难判断AI生成内容的好坏,也可能失去那些原本帮助他们形成判断的基础经历。
这个提醒值得管理者认真看,因为它点破了一个经常被低估的事实——有些基础任务看起来是低价值劳动,实际是判断力形成的一部分。
这在行动学习现场尤其明显。整理材料,不只是为了得到一份材料;重看访谈,不只是为了提取几条要点;搭汇报结构,不只是为了生成几页PPT。它们同时是小组成员理解事实、争论问题、形成判断的过程。
如果这些过程全部被AI替代,组织确实得到了更快的产出,但也要问一句:人还在哪里形成判断?
不过我在现场更想往前推一步。这不只是新人培养问题,也是岗位结构问题。
因为一项基础任务被拿走,受影响的往往不只是某个人少了一次训练机会,还包括:这个岗位原来通过这项任务承担的判断、接口和责任,被重新放到哪里去了?
换句话说,问题不只是"人还怎么成长",还包括"岗位还怎么成立"。
· · ·
岗位完整性,不等于任务不可拆分
我把这里的判断概括成一句话:
岗位完整性,不等于任务不可拆分。
任务当然可以拆,AI时代也必须拆。如果一项任务只是重复产出,AI能做得更快更稳,就该交给AI——不能为了维持旧岗位,故意留下低效动作。
但任务拆开以后,岗位是否还完整,需要重新看。因为岗位不是一堆任务的机械相加,它还包括:这个人承担什么职责、形成什么判断、连接哪些上下游、对什么后果负责。这些没有被重新安排,任务拆得越快,岗位就变得越薄。
组织最容易出的错,是把"任务被自动化"直接等同于"岗位被优化"。
两者不是一回事:任务自动化只说明某个动作可以被更快完成;岗位优化则要求组织重新设计判断如何形成、协同如何发生、责任如何落下。
这一步不做,提效会很快,但后面的组织问题也会回来得很快。
· · ·
不是所有基础任务都该保留
当然,总会有人反问:如果AI能做,为什么不让AI做?为什么还要为了所谓"岗位完整性",保留低效任务?
这个反问成立。企业不是学校,组织也不是为了训练而训练。如果一项任务只是机械重复、低价值产出,AI能做得更快更稳,当然应该交给AI。
真正需要区分的是:这项任务只是产出动作,还是同时承载着判断训练、协同接口和责任确认?
有些基础任务,一面是低效劳动,另一面是判断训练;一面是信息传递,另一面是协同接口;一面是流程动作,另一面连着责任边界。
所以组织不该简单地问"这个任务能不能被AI替代",而该问:这项任务被AI接走以后,它原来承担的组织功能还需不需要?如果需要,放到哪里?
更可行的做法,不是原样保留旧任务,而是重新设计任务——哪些可以交给AI直接完成,哪些可以让AI先做、但人必须复盘判断过程,哪些必须保留人的讨论,哪些一旦交给AI、责任边界就要重新说明。
这不是回到低效,而是避免组织在提效时,把原来藏在任务里的判断、协同和责任一起拿掉。
· · ·
回到那版AI生成的PPT
回到那个行动学习小组。那版AI生成的PPT本身没有错,它甚至可以是一个很好的起点。
问题不在于能不能用AI做PPT,而在于小组有没有意识到:PPT生成了,不等于问题被定义了;结构出来了,不等于判断形成了;页面完整了,不等于责任清楚了。
如果AI生成的是一个初稿,小组再围绕它追问、修改、推翻、重构,它会是很好的工具。
如果AI生成的是一个替代过程的结果,小组直接拿来用,那些原本藏在过程里的判断和协同,就被跳过去了。
关键不是回到低效,而是重新设计任务。
这一点在行动学习里尤其重要——它的价值从来不只是最后那份汇报,还包括小组在真实问题中经历的判断形成、角色协同和责任承担。如果AI把这些过程全部压缩成一个结果,行动学习最重要的部分,反而被削薄了。
· · ·
任务显形之后,组织问题会继续显形
AI进入组织,最先显形的往往是任务:哪个任务可以更快、可以自动化、可以被系统接走,哪个岗位因此少了工作量。这些变化最容易被看见。
但任务一动,后面的东西也跟着动——判断怎么形成,协同接口怎么重排,责任边界怎么说明,岗位还靠什么成立。这些问题不一定立刻出现,却会在后面不断回来。
所以下一次讨论AI和岗位时,不要只问"这个岗位会不会被替代",可以先问四个更具体的问题:这个岗位里哪些任务正在被AI切开?被切开的任务原来承载着什么判断?它连接了哪些上下游接口?它背后的责任由谁继续承担?
这些问题慢一点,却更接近组织真正要面对的变化。
· · ·
今天先留下一个问题:
当AI切开岗位里的任务时,你的组织看到的是效率提升,还是也看到了判断、协同和责任的重新安排?
任务可以被拆开,这不可怕。真正需要警惕的是,组织只拆任务,却没有同步重写岗位里的判断、接口和责任。
这不是为了保住旧岗位,而是为了避免组织在提效时,把岗位原本承载的组织功能,也一起拆散了。
· · ·
本文参考 Harvard Business Review 2026年2月刊文章《How Do Workers Develop Good Judgment in the AI Era?》,不替代原文阅读。文中分析为围绕"AI时代组织管理"主题所作的整理与思考,相关内容请以原文为准。
