许多公司创始人希望借助人工智能来实现“降本增效”的目标。然而，AI 并非只是一个简单的效率工具，它更像是一场管理思维的系统性变革。 真正实现“AI 原生”的公司管理，意味着从底层数据结构到组织流程、再到价值体系的全面重塑：你的战略目标是否清晰？效率与风险如何权衡？在人机共生的未来，组织如何保持核心竞争力？ 近期《虎嗅·AI无悖论》节目，特别邀请到了中欧国际工商学院管理学教授韩践与易路人力资源科技董事长&CEO、中欧EMBA校友王天扬，他们深入探讨了AI对公司管理的冲击与机遇，分享了对于组织变革、员工激励、数据伦理及中小公司转型的洞见： 首先，在个体工作层面，AI带来的提效已经非常明显。像会议纪要生成、文生图、生成标准化报告等容错率较高的应用场景，已经成为不少职能部门的“标配工具”，显著减轻了日常重复性劳动。 这背后有两个动因：其一，公司在战略层面对AI给予了高度重视，认为AI是未来竞争力的关键部分；其二，是为了推动AI相关工作从分散应用走向系统管理和统一协调。这与当年信息化浪潮中公司设立CTO（首席技术官）的做法相似，都是公司主动适应技术变革、进行组织升级的自然反应。 陈庆春：刚刚提到的这些现象，比如组织架构调整和流程变化、增设CAIO等新岗位，同时减掉某些中层，这些岗位上的增减是正常现象吗？ 韩践：是的，这其实是技术演进中的常见规律。从工业革命以来，每一轮技术进步都会带来岗位结构的变化。过去像打字员、纺织工人这样的职业逐渐消失，同时也催生了大量新岗位，比如程序员、系统管理员等。 AI的发展同样如此。未来一定会有一部分岗位被AI取代，但也会出现许多全新的职能和职业角色。这是一个动态演化的过程，也是组织对技术进步做出的自然适应。因此，岗位结构的变化并不是管理危机，而是技术发展的必然结果。 王天扬：公司今天设CAIO应该有两方面的因素。一是想推动AI在公司内更高效、规范地落地，二是应对技术变革可能带来的风险和组织冲击。这个岗位的出现说明公司对AI是非常看好的。 王天扬：AI Agent 已经在公司管理的各个环节产生影响，比如HR，我们就研发了38个Agent，覆盖从入职、调岗到离职等全周期管理。比如“老友会”Agent，可以帮助公司管理离职员工，继续为公司创造价值。 在招聘领域，AI Agent也 已经很成熟。以前招聘流程是岗位描述、投简历、筛选、面试等各个环节割裂。现在，AI Agent 可以从老板的口头需求出发，自动归纳人才画像，全网搜索匹配，智能排序，安排面试，甚至给出薪资建议。AI 还能跳出传统标准，比如不拘泥于985、211，帮助公司发现“画像不同但更合适”的人才。 韩践：AI Agent 更像是一个聪明的“合作伙伴”，能帮助管理者整合各种信息、快速分析问题，并提出有逻辑的数据支持建议。这在提高公司决策效率和应变速度方面，确实带来了很大的价值。 有时候，AI会跳出我们原本设定的框架，带来一些“惊喜”。但我们不能把决策完全交给AI。最终拍板、承担责任的，必须是人。这是出于伦理、安全和管理责任的考虑。这也对管理者提出了新的要求：他们要理解AI能做什么、不能做什么，在“惊喜”和“风险”之间作出清醒判断。 总之，从本质上讲，最终的判断与决策仍需要由人来承担。这不仅是技术问题，更涉及价值判断、责任归属和人际协同，这些都离不开人的参与和把关。 韩践：目前确实有不少公司将AI作为提升效率的工具，特别是在组织结构调整中，“裁撤中层”“推动组织扁平化”成为显著趋势。但需要澄清的是，这种变化并不能完全归因于AI本身。 从本质上看，中层管理者的核心职能是“上传下达”与“跨部门协同”。而在过去十多年里，随着公司信息化、标准化和流程化程度的提升，中层的这些传递信息与协同的职能已经在逐渐被削弱。AI的出现只是进一步加速并放大了这一“去中介化”的结构转型。 但与此同时，我们也应警惕一种对“扁平化”的误读或滥用。组织结构并不是越扁平越好。一个健康的中层管理体系，不仅承担执行与传导任务，更是公司文化、战略落地、绩效管理、员工辅导等多方面的承接层， 因此，在是否“裁中层”的决策上，公司管理者不能只从AI的技术能力出发，而应回到战略层面思考：当前的组织设计能否支撑战略落地？传递信息的基础设施如何？在哪些环节，人的协同和辅导功能仍然是不可或缺的？ 王天扬：确实。我们观察到，公司的执行层，特别是重复性脑力工作，已经在大面积被AI取代。以前这类工作，很多是靠实习生、助理去填补的，现在直接由AI完成了。这是第一层冲击。 第二层冲击到了中层。AI不只是做自动化的任务分配，归纳总结能力也越来越强，部分中层的上传下达、任务拆解的职能正在被稀释。只是要做到这一点，绝不是买个通用AI模型就能解决的。公司需要把AI跟自己的业务深度结合，才谈得上替代。 韩践：而且别忽略了一个误区，很多人以为减员就等于人效提升。但人效提升的本质是价值创造，不是单纯的人少了、成本低了。AI提升人效，更多是帮公司重塑流程、解放生产力，而非“砍掉人”这么简单。对新兴的技术的利用往往需要先投入，提升生产力，在此基础上才能去做降本增效。 王天扬：对，我想补充说明，降本增效的前提是前期的投入。AI的知识库来自于整个通用的知识，他并没有学习公司专业的知识。前期投入不但是一个系统硬件设备的投入，还包括大模型人才的投入，这对人才素质要求也是很高的，因为他又要懂业务，又要懂技术，跨界的复合型的人才仍然很稀缺。 AI 带来了两个 “平权”—— 一是公司规模上的，现在算力越来越便宜，小公司能用 AI 和大厂竞争，比如有个 12 人的公司靠 AI 做脑机接口，市值都到 240 亿美金了； 二是管理和技术上的，管理者哪怕不懂技术，也能靠 AI 和技术对接，甚至能支撑一个人开公司。所以不管啥公司，都该积极拥抱 AI，该调整组织架构就调整，不然可能被比自己弱的公司超过。 第二，AI提升了员工能力，拓宽了视野。若员工比管理者更擅长使用AI，传统指令式管理可能失效，需探索更多样的管理方式构建权威与信任。 第三，AI依赖数据，公司的核心数据是否准备充分？数据筛选、治理规则是否完善？影子AI（员工私自使用外部AI工具）可能引发安全风险，需通过PDCA的方式，发现问题，评估问题，解决问题，优化管理。 第四，员工可能因担心被AI取代而抵触变革。公司需通过激励、文化建设等方式，推动员工拥抱AI。更关键的是，这一转型必须由CEO亲自推动，并配备能将技术与业务战略有效对接的人才，以确保真正落地。 王天扬：举一个实际案例，一个公司快速上线AI政策管理工具，开放联网搜索后，员工通过AI获取了包括离职谈判技巧等大量信息，导致管理混乱。这表明公司在引入AI时，不仅要利用其优势，还需预判潜在负面效应，通过流程优化与权限管理降低风险。这增加了管理难度，但也促使公司更规范地使用AI。 王天扬：以人力资源领域为例，我们定位AI为“虚拟实习生”，帮助HR完成重复性、低价值工作，如校招季的简历筛选、材料整理。AI以低成本、高效率执行这些任务，解放HR去做更高阶工作。员工认识到AI并非取代者，会减轻心理抵触。公司可以鼓励员工培训AI，类似老带新制度，让员工感受到掌控感与成就感。慢慢地，公司会形成人机共存的环境。 第三，构建AI友好型基础设施和文化，员工在良好平台上自然会跟上学习与应用的步伐。此外，AI可提供定制化培训，增强学习动力。在薪酬管理上，AI可通过全网数据分析、职位解构重构、技能匹配与绩效联动，优化薪酬体系。但前提是公司需具备完善的基础设施。 王天扬：影子AI源于员工积极拥抱AI但公司未提供合规环境。举个例子，员工将公司代码上传至外部AI工具，可能导致数据泄露。解决办法是公司构建内部AI平台，如我们开发的“易路iBuilder智能体平台”，基于DeepSeek，为员工提供规范的AI工具，确保数据安全与合规使用。 要让影子AI变成利好，关键是打造一个员工认可、易用的内部AI平台，赋予员工自由发挥的空间，同时通过权限管理与流程规范降低风险。这需要公司在基础设施建设与文化营造上双管齐下。 韩践：在人才招聘方面，公司需根据业务目标、发展阶段与数字化转型需求，招聘与公司匹配的AI人才，避免“高配”或“低配”。不是每个公司都需要顶尖AI专家，关键是人才与业务需求的适配性。 在裁员问题上，裁员多由业务转型或流程优化驱动，而非单纯因AI。HR需深入理解裁员的驱动因素，通过工作解构与重构，优化流程后再评估人员调整需求。 王天扬：许多公司因AI热潮焦虑，倾向于招聘顶尖AI专家，但实际需求往往是懂业务且愿意拥抱技术的复合型人才。公司无需自研AI大模型或Agent平台，可通过与外部合作快速落地AI应用。HR应聚焦业务主航道，避免被AI焦虑牵着走。 韩践：中小公司要实现“超越”，关键在于提升管理专业化和资源配置效率。AI可以帮助公司快速获取专业知识，弥补管理短板，加快数字化转型进程。同时，要保持开放心态，避免重复造轮子，善于通过采购AI工具或与外部合作，迅速提升效率和能力。 AI本身不是护城河，公司的核心竞争力仍在于对市场的洞察、产物能力和运营效率。中小公司应善用AI赋能自身主业，而不是因“弯道超车”的焦虑而脱离战略主航道。 王天扬：AI带来知识与技术平权，中小公司可低成本获取过去高昂的管理咨询成果。例如，AI可将产物更新周期从“年”缩短至“天”，提升迭代速度。但成功的关键仍在于明确业务价值与主航道，开放心态，快速抓住AI机会。 王天扬：未来，碳基人与硅基人将共生。硅基人需像人类员工一样被管理。公司要为AI Agent分配部门与职责，融入公司流程。对AI Agent设定绩效目标，其回报可能是数据输入或持续训练，而非传统薪资。公司需建立内部AI平台，确保Agent在合规范围内运行，避免失控。 再次，当机器人网络逐渐主导，人类网络的角色需重新定义。人与人、人与机、机与机的信任机制将成为组织设计的核心问题。最终，人类需保留决策权与终审权，确保AI在伦理与合规框架内运行。
