两年前"会用AI"=会聊天；今天，领先的公司已经开始给AI"发工牌"

美世2026 · 工作重设计四讲 ①

奥德赛三部曲讲完，我们留下一个意象：AI 时代的风浪已经来了。但很多人理解这场风浪，还停留在手机屏幕上的聊天对话框——让 AI 写周报、改邮件、出份 PPT，就觉得自己"用上 AI 了"。

其实不是。真正冲击企业组织的，不是聊天框，而是能够自主执行任务的 AI 智能体（Agent）。它不再只是回答问题，而是能串联多步工作、调用工具、流转任务，深度嵌进业务流程。

美世《2026年全球人才趋势》（Global Talent Trends 2026）这份覆盖近 1.2 万人的调研，正是站在"Agent 驱动工作模式变革"这个前提下，去谈 AI 原生（AI native）组织、人机分工和"工作重设计"。如果少了这层认知铺垫，直接读报告会看不懂它的底层假设。

所以这是「美世2026 · 工作重设计四讲」的第一篇：先把认知对齐，再读数据。

一、先看清差距：两个场景之间隔着什么？

场景 A（2023 年的主流）：打开一个对话 AI，输入"帮我写一份周报""润色这封邮件"，拿到答案后全盘接手后续工作。很多人至今觉得，这就是"会用 AI"。

场景 B（正在发生的现实）：一个 AI 智能体在 HR 系统里自动跑完"发布职位→初筛简历→发送面试邀请→汇总评分表"一整条链路，人类只做审核与最终决策；它还能记住业务规则、调用内部知识库、处理例外情况。

从 A 到 B，不是工具升级那么轻，而是AI 从"工具"变成了"数字员工"。这意味着企业里的"队伍"定义变了：未来不仅有碳基员工，还会有硅基员工，人机要一起被设计进组织。

二、"会用 AI"的定义，已经变了

这个认知差非常关键。两年前，"会用 AI"大概等于两件事：能跟大模型对话、会写几条提示词。现在企业招聘里再谈"会用 AI"，标准已经拉高了不少。

▌ 两年前 vs 今天："会用 AI"的标尺

两年前：会打开对话框、会问问题、会复制粘贴答案，懂一点提示词技巧。

今天企业想要的是：能判断什么任务适合交给 AI、什么必须人主导；能把人和 AI 串起来完成完整业务任务；能参与设计 Agent 嵌入工作流程的方式。

一句话：从"让 AI 代写"升级为"和 AI 协同"，再升级到"设计人机怎么协同"。

对职场人来说，启示很直接：不能再只把 AI 当高级打字助理，得建立"人机协同"的工作思维。对 HR 来说，这意味着招聘、发展、绩效管理里关于"能力"的定义，都要跟着刷新。

图｜"会用 AI"的三层跃迁：对话问答 → 结构化协作 → 智能体/工作流

三、企业落地 AI 的四级台阶

把上面的变化放进组织里，可以看成四级台阶。每上一级，AI 与人和流程的融合程度就深一层。美世 2026 的数据正好帮我们标出：全球企业目前大致卡在哪。

▌ Level 1 个人工具化

特征：员工自发用 AI 提效，写材料、做摘要、翻译、出图。流程没变，岗位没变，只是个人手里的工具多了。

美世数据点：员工因为 AI 担心失业的比例，从 2024 年的 28% 升到 2026 年的 40%；但 75% 的员工从没和经理聊过"AI 会怎么改变我的工作"。人人都在用，组织层面却集体沉默。

▌ Level 2 流程嵌入

特征：把 AI 嵌进现有流程，比如客服机器人、HR 咨询台、自动排期。流程基本不动，只是某些环节由 AI 先接一手。

美世数据点：美世直接提醒——"AI 不应只用在 help desk、chatbot 这类最显眼的 HR 用例上，尤其当它们叠在糟糕流程之上、几乎不产生价值"。同时，只有 30% 的 HR 职能在主导 AI 驱动的工作重设计，另有 72% 的员工因岗位不同，拿到的 AI 工具与培训机会差距明显。

跨源现实校验（非美世）：MIT 2025 研究显示 95% 的企业 AI 试点没有可量化的 P&L 影响；Gartner 发现仅 1/5 的 AI 计划真正产生 ROI；Domino/BARC 2026 调研显示 57% 的企业 AI 回报追不上投入。多数企业其实就卡在这一级，还误以为这就是终点。

▌ Level 3 流程重塑 / 工作重设计

特征：不是让 AI 适配旧流程，而是围绕人和 AI 的能力重新设计工作。岗位被拆成任务，任务再按"谁更适合"重新分配。

美世数据点：63% 的 C-suite（企业最高管理层，即 CEO、CFO、CHRO 等 C 字头高管群体）把"用算法、智能体和自动化重设计工作"列为优先事项；98% 的高管计划未来两年做组织设计变革；65% 的高管预计 11%–30% 的员工会因 AI 被重新部署或再培训。这是美世报告最核心的判断：最高 ROI 的人事投资，不是买工具，是重设计工作。

▌ Level 4 AI 原生（AI native）组织

特征：组织整体围绕"碳基+硅基混合队伍"重构：技能取代静态岗位成为管理基本单位，人机边界、治理机制、人才体系全部重新设计。

美世数据点：资本市场已经先投票——72% 的投资者认为人机协同企业更具竞争优势，77% 更愿意投资"用 AI 赋能员工"而非只买工具的公司。但现实落差也大：仅 32% 的高管认为自家能设计好人机技能组合；63% 的高管认同必须转向技能驱动型人才管理。

关键判断：大部分企业卡在 Level 2，误把"流程嵌了个 chatbot"当成 AI 落地终点。这正是大量 AI 投入见不到回报的根本原因。真正的组织变革，要从 Level 3 才开始。

四、"+AI" vs "AI原生（AI native）"：不是同一回事

理解了四级台阶，就能看清一个非常普遍的误区：把"给现有工作加一个 AI 工具"当成"AI 转型"。这两者的差别，可以这样对比。

▌ "+AI" 思维

• 原有流程一丝不动，只是给员工配了一个 AI 工具；

• AI 充当高级打字助理，员工在对话框里复制粘贴、辅助写材料；

• 组织设计、岗位分工、审批链路、责任归属全都没变。

▌ "AI原生（AI native）" 思维

• AI 智能体直接接手某些环节，人与智能体共同完成任务；

• 岗位分工、决策链路、责任归属跟着重新设计；

• 组织为"人机混合队伍"重新制定规则，而不是让 AI 硬塞进旧流程。

图｜左：+AI = 旧流程不变，AI 只是辅助；右：AI 原生（AI native）= 流程围绕人机能力重新设计

"+AI" 是必经起点，但它不是终点。把起点当终点，就会看到一种典型景象：工具买了一堆，演示很惊艳，一线员工却不知道自己的活该怎么变，最后 AI 成了少数人的"私人文秘"。

五、AI 原生（AI native）组织，对 HR 意味着什么？

当 AI 成为"数字员工"，HR 面对的就不再只是"招什么人、怎么考核人"，还要回答"人和智能体怎么分工"这个问题。具体看，有三个层面的变化。

1. 编制表出现新物种。未来 workforce 规划里，可能同时出现"人头"和"Agent 算力/数量"。智能体也要被"分配任务、设定边界、考核输出、监督行为"——虽然方式与人不同，但管理动作同样存在。

2. 工作的基本单位变了。过去管理以"岗位"为最小单位；AI 原生（AI native）组织里，更多以"任务/技能"为单位。一个岗位的活被拆成若干任务，再判断：哪些给 AI、哪些给人、哪些必须人机协作。

3. 人的价值上移。当 AI 接管重复执行，人的价值更多体现在判断、创意、共情、跨域整合和异常处理上。HR 的人才标准、发展路径、薪酬逻辑，都要跟着重新校准。

这也解释了为什么"工作重设计"是 HR 的新主场：任务拆解、角色说明书重写、能力模型调整、人机分工规则、员工情绪管理——这些本来就是 HR 的老本行，只是过去画的是"没有 AI 的图"。

六、给不同读者的分层建议

▌ 对个人

Level 1 的实践仍是必要起点，但目标要从"会用工具"升级为"会拆任务、会协作"。判断标准：你交给 AI 的是不是越来越完整、越来越能复现的业务任务？

▌ 对 HR

从 Level 1–2 的"推广工具者"，走向 Level 3–4 的"工作设计者"。核心问题不是"大家用不用得上 AI"，而是"人和 AI 怎么一起把活干好、组织规则怎么重画"。

▌ 对管理者

先判断自己组织目前处在哪一级。如果全公司还在 Level 1–2，不要急着喊"AI 原生（AI native）"；但如果把 Level 2 当终点，大概率会掉进"工具越买越多、回报越看越薄"的坑。

写在最后

"+AI" 是起点，Agent 嵌入流程、倒逼组织流程重塑，才是真正的风浪。厘清这套基础认知，我们再来看专业咨询机构的行业报告，就能读懂数据背后的底层假设。

下一篇，我们正式读美世《2026年全球人才趋势》，看看这份覆盖近 1.2 万人的调研，怎么用数据验证这个演进方向：为什么 63% 的 C-suite 把"工作重设计"列为今年最高的人事 ROI，却只有 32% 的高管觉得员工已经准备好了？

（欢迎在评论区交流：你觉得自己目前处在四级台阶的哪一级？你所在的团队，是把 AI 当工具用，还是已经在重设计工作了？）

📚 资料来源美世（Mercer）《2026年全球人才趋势》（Global Talent Trends 2026，副标题 Solving the human–machine equation / 破解人机协作方程式）——基于覆盖 16 个地区、16 个行业、近 1.2 万名高管 / HR 领导者 / 投资者 / 员工的全球调研，完整报告于 2026 年 2 月发布。文中 40% / 75% / 30% / 72% / 63% / 98% / 65% / 72% / 77% / 32% 等数据均出自该报告。跨源现实校验（非美世）：MIT 2025《生成式 AI 的鸿沟：2025 年商业 AI 的现状》95% 试点零 P&L 影响；Gartner 2025 仅 1/5 AI 计划实现 ROI；Domino Data Lab / BARC《Fifth Annual Enterprise AI Report》(2026.4) 57% 企业 AI 回报未跑赢投入。▸ 美世官方报告页（英文）：mercer.com/insights/.../global-talent-trends▸ 美世官方报告页（中文）：mercer.com/zh-tw/.../global-talent-trends▸ 官方新闻稿（数据最全）：corporate.marsh.com/.../mercers-global-talent-trends-2026-report