AI 就业转型（六）：把框架变成公司的行动计划

AI 就业转型 · 6/6

一套劳动力市场框架，只有在公司里改变了具体决策，才真正有用。

目标不是给每名员工计算一个“自动化风险分数”，而是理解一条工作流：AI 应该移除哪些任务，人的职责需要如何改变，降本能否扩大业务，或者当前只需要继续观察。

下面是一套可以重复执行的工作方法。

从工作流开始，而不是从职位名称开始

先选择一条客户、产出、负责人和任务量都清晰的工作流。画出任务、交接、决定、工具和异常情况，并按真实时间分布理解工作，而不是依赖职位说明。

然后标出四类信息：

1. AI 今天已经能稳定完成的任务；
2. 必须由人承担责任、建立信任或现场执行的决定；
3. 成本或等待时间下降后可能出现的新需求；
4. 当前真实使用，包括员工未正式申报的个人使用。

这会形成一个基于真实工作的转型假设。

用边界明确的实验验证委派

不要从全公司部署开始。选择一种任务，定义输入和完成标准，限制 Agent 权限，并明确什么情况下必须升级给人。

衡量周期、经过验证的质量、人工修复时间、异常率和每个成功结果的成本。如果审核者把节省的时间全部用来寻找隐蔽错误，更快的初稿就没有实际价值。

实验要回答的是“这条工作流能否被委派”，而不是“模型能否偶尔生成一个像样的结果”。

围绕新的瓶颈重新设计岗位

AI 移除常规任务后，不要留下一个内容被掏空的旧岗位。应该识别哪些能力变得更重要：判断、客户关系、异常处理、系统改进，还是现场交付。

随后更新决策权、工作量上限、培训、绩效评估和职业路径。否则，公司获得了更高吞吐量，员工却承担了难以被看见的监督和责任。

验证生产率能否变成增长

把效率提升写进人员计划之前，先验证需求。尝试更快交付、更低价格的产品层、新客户群或更高定制程度，观察新增需求是否真实，以及服务这些需求是否仍然经济。

如果需求扩大，就投资分发和新的瓶颈；如果需求没有扩大，就应诚实规划人员转型，而不是用“AI 增强员工”掩盖实际变化。

建立转型预警指标

按工作流和岗位持续跟踪：

• 交给 AI 的任务量占比；
• 验证通过率与人工修复率；
• 人均产出与总产出；
• 需求、价格、积压量和客户结构；
• 招聘、内部流动、工资和离职；
• 异常任务与责任是否集中到少数人。

单个指标无法解释变化。把它们放在一起，才能判断当前发生的是自动化、工作重组、业务扩张，还是采用延迟。

为每条工作流指定转型负责人

如果模型部署属于一个团队，人员规划属于另一个团队，风险属于第三个团队，而没有人对整体结果负责，AI 转型很容易失败。

每条工作流都需要一名直接负责人，同时负责生产率、质量、员工影响、客户影响和异常升级。随着模型、监管、需求和组织能力变化，负责人还要重新判断这条工作流处在哪一种转型路径。

真正持久的能力，不是一次性准确预测未来，而是建立一套能够发现机制已经改变的系统，并在组织图成为最后一个变化信号之前采取行动。

参考来源

• Alex Martin Richmond, The AI Jobs Transition Framework, OpenAI Economic Research, April 2026.

AI 就业转型系列

• 从头阅读：AI 能做你的工作，不等于它会取代你的工作
• 上一篇：AI 不会给所有职业带来同一种变化