智東西
作者 茄子
編輯 程茜

智東西6月18日報道，昨天，獵聘、清華大學(xué)經(jīng)管學(xué)院人工智能與管理研究中心聯(lián)合發(fā)布《AI時代技能趨勢報告》，報告中提到，當(dāng)下，AI基礎(chǔ)算法與模型在AI勞動力中的需求已從2022年的約50%降至20%。

在國內(nèi)的AI勞動力市場中，該報告發(fā)現(xiàn)，過去四年，AI智能體相關(guān)人才需求的環(huán)比增速達(dá)40%，AI應(yīng)用人才需求為35%，AI倫理與安全技能需求長期穩(wěn)定位居前三。整體來看，AI崗位需求已從“會做算法”走向“算法+應(yīng)用+智能體”的復(fù)合結(jié)構(gòu)。2025年Q3之后，AI人才需求向中高層級匯聚，領(lǐng)軍級人才需求在過去兩年實現(xiàn)倍增。

此外，獵聘CEO戴科彬透露，2026年以來全球科技行業(yè)共發(fā)生363起裁員事件，波及近15萬人，AI連續(xù)3個月成為裁員首要推手，日均裁員達(dá)974人。但值得注意的是，這些在裁員的公司利潤普遍上漲，亞馬遜利潤暴漲77%卻累計裁員3萬人，其中78%為L5-L7中層管理者。

他還提到，大語言模型會減少部分崗位，具身智能會創(chuàng)造新的長產(chǎn)業(yè)鏈，帶來新就業(yè)機會，例如白領(lǐng)側(cè)包括Agent產(chǎn)品經(jīng)理、Prompt策略設(shè)計師、AI治理專家、AI工作流設(shè)計師等；藍(lán)領(lǐng)側(cè)包括機器人巡檢技術(shù)員、機器人裝配技師、人機協(xié)作安全監(jiān)管員、工業(yè)AI訓(xùn)練數(shù)據(jù)采集員等。

一、AI時代技能趨勢報告：7×4框架下的10個數(shù)據(jù)發(fā)現(xiàn)

清華大學(xué)徐心教授稱，在AI時代技能趨勢的研究中，研究團(tuán)隊構(gòu)建了一個7×4的分析框架。這個框架的構(gòu)建經(jīng)歷了“演繹+歸納”的雙重過程：演繹層面，該團(tuán)隊參考了國際上成熟的AI技能分類體系——美國Lightcast的10個AI技能集群、英國SFIA的7個技能層級、歐洲ESCO技能數(shù)據(jù)庫，并結(jié)合中國本土企業(yè)實踐進(jìn)行了適配。

歸納層面，該團(tuán)隊從獵聘大數(shù)據(jù)出發(fā)，結(jié)合GitHub、Google Trends、CSDN、知乎等技術(shù)社區(qū)的熱門技能動態(tài)進(jìn)行聚類驗證，最終收斂為7個AI技能領(lǐng)域和4個能力層級。

7個AI技能領(lǐng)域分別是：AI基礎(chǔ)算法與模型、生成式AI應(yīng)用、AI智能體構(gòu)建、AI多模態(tài)理解與生成、物理AI、AI數(shù)據(jù)算力與工程化部署、AI倫理安全與合規(guī)。4個層次分別是：入門級（使用成熟工具和模板）、進(jìn)階級（獨立完成單一業(yè)務(wù)場景的AI項目落地）、專家級（打通多業(yè)務(wù)場景）、領(lǐng)軍級（設(shè)立標(biāo)準(zhǔn)、建立護(hù)城河）。

這一框架的底層邏輯有兩條主線。第一條是技術(shù)演進(jìn)邏輯：AI從感知（讓機器“看懂”和“聽懂”世界，以CNN、RNN、Transformer為基礎(chǔ)）走向生成式（讓機器“創(chuàng)作”內(nèi)容，以GPT、擴散模型為基礎(chǔ)）→走向智能體（讓機器“自主行動”，規(guī)劃、調(diào)用工具、執(zhí)行多步驟任務(wù)）→走向物理AI（讓機器“進(jìn)入物理世界”，通過機器人、自動駕駛、具身智能與環(huán)境交互）。

第二條是發(fā)展與治理并重：AI要產(chǎn)生生產(chǎn)力，必須“突出應(yīng)用導(dǎo)向”，推動產(chǎn)業(yè)創(chuàng)新和賦能應(yīng)用——為此需要算力、數(shù)據(jù)和工程化部署作為支撐，這是報告將“AI數(shù)據(jù)算力與工程化部署”獨立列為第六個領(lǐng)域的根本原因。徐心稱，這一領(lǐng)域在國際主流報告中尚未被旗幟鮮明地單列，是本次研究的一個獨特貢獻(xiàn)。與之對應(yīng)，AI倫理、安全與合規(guī)作為第七個領(lǐng)域，體現(xiàn)了“健康有序”發(fā)展的治理邏輯。

10個核心數(shù)據(jù)發(fā)現(xiàn)：

發(fā)現(xiàn)一，AI能力生態(tài)圈從單一走向多元。2022年，AI基礎(chǔ)算法與模型占據(jù)了AI勞動力需求的半壁江山（約50%）；到2026年Q1，這一比例已降至20%。ChatGPT和DeepSeek是兩個明顯的分水嶺節(jié)點——每次新技術(shù)的出現(xiàn)，都伴隨著其他六類AI技能需求的大幅放量，而基礎(chǔ)算法與模型的絕對需求保持穩(wěn)定。

發(fā)現(xiàn)二，各領(lǐng)域增速差異顯著。過去四年，AI智能體構(gòu)建的技能需求環(huán)比增速達(dá)40%，生成式AI應(yīng)用為35%。AI倫理與安全技能需求長期穩(wěn)定位居前三。整體來看，AI崗位已從“會做算法”走向“算法+應(yīng)用+智能體”的復(fù)合結(jié)構(gòu)。

發(fā)現(xiàn)三，技能共現(xiàn)呈現(xiàn)規(guī)律性。哪些技能會同時出現(xiàn)在一個崗位中？數(shù)據(jù)顯示，AI基礎(chǔ)技術(shù)與算法和生成式AI應(yīng)用、物理AI、算力工程化部署經(jīng)常共現(xiàn)。AI勞動力市場需求已經(jīng)從聚焦基礎(chǔ)算法，走向“算法+應(yīng)用+智能體”的復(fù)合結(jié)構(gòu)。

發(fā)現(xiàn)四，需求向中高層級匯聚。2025年Q3是一個轉(zhuǎn)折點——此后入門級和進(jìn)階級需求有所下降，而專家級和領(lǐng)軍級持續(xù)增長。領(lǐng)軍級人才需求在過去兩年實現(xiàn)倍增。總體趨勢是從“獨立完成單一場景落地”向“聚焦復(fù)雜場景的系統(tǒng)設(shè)計”演化。

發(fā)現(xiàn)五，總體需求向中高層級匯聚。生成式AI應(yīng)用層面，初級人才即可上手，體現(xiàn)了“技術(shù)平權(quán)”——AI不再是少數(shù)人的專利。數(shù)據(jù)算力、物理AI、智能體構(gòu)建的最大需求集中在進(jìn)階級和專家級，這是工程化落地的“中間力量”。AI倫理與治理則需要領(lǐng)軍級人才來把控方向。徐心將這一結(jié)構(gòu)總結(jié)為三個詞——“應(yīng)用平權(quán)，工程中間，治理領(lǐng)軍”。

發(fā)現(xiàn)六，AI職位與滲透率呈“雙峰分布”。AI職位數(shù)量最大的體量出現(xiàn)在30-40萬年薪區(qū)間，但AI滲透率（即該薪酬區(qū)間內(nèi)要求AI技能的崗位占比）與薪酬成正比——薪酬越高，AI使用滲透率越大。這組數(shù)據(jù)基于北京、上海、深圳、杭州四個城市的統(tǒng)計，與美國一項針對2000家企業(yè)管理者的調(diào)研（美國管理者平均每周為工作使用AI約10小時）形成了有趣的呼應(yīng)。

發(fā)現(xiàn)七，市場為復(fù)合能力買單。橫向看，七個技能領(lǐng)域之間的薪酬差異并不明顯；縱向看，層級差異顯著——專家級以上的薪酬明顯更高。高溢價來自“物理AI+治理安全”的復(fù)合能力。如果同時具備生成式AI和物理AI的復(fù)合能力，薪酬溢價達(dá)24.7%。高溢價的能力組合通常包含物理AI或治理安全，兩者同時具備的溢價最高。

發(fā)現(xiàn)八，3-5年工作經(jīng)驗者是AI人才市場最大的增長源。具備3-5年工作經(jīng)驗的成長型人才，是當(dāng)前AI人才需求增長最快的群體。

發(fā)現(xiàn)九，AI需求向本碩學(xué)位延展。四年前，博士學(xué)歷的AI滲透率最高，這與當(dāng)時基礎(chǔ)算法研究需要博士背景吻合。過去三年，碩士滲透率快速增長，已追上博士。本科和大專在過去一年也實現(xiàn)了倍增。

發(fā)現(xiàn)十，行業(yè)與城市差異明顯。行業(yè)層面，AI需求集中在IT、汽車、電子、金融，但制造、生活服務(wù)、科研已開始實質(zhì)性使用AI，這區(qū)別于高盛2024年“大模型在制造業(yè)中幾乎沒有實質(zhì)性使用”的判斷。

生成式AI在廣告、傳媒、文化、消費品行業(yè)使用較多，物理AI在汽車行業(yè)使用突出。

城市層面，北京凸顯“最大規(guī)模+最高滲透率”的雙重高地特征；上海是工程化與實體產(chǎn)業(yè)結(jié)合最突出的城市，汽車制造和物理AI場景明顯；深圳體現(xiàn)硬科技與制造鏈驅(qū)動，智能硬件、電子通信、半導(dǎo)體相關(guān)AI需求突出；杭州雖然總體規(guī)模較小，但金融屬性特征十分明顯。

關(guān)于物理AI的特別發(fā)現(xiàn)。在中國AI勞動力市場上，物理AI技能需求已排在7個領(lǐng)域的第4位，四個重點城市對物理AI的總體需求是AI智能體構(gòu)建需求的3倍。這一特征顯著區(qū)別于PWC、麥肯錫等國際主流報告——后者幾乎尚未將物理AI作為獨立技能領(lǐng)域單列。徐心稱，這體現(xiàn)了中國長期以來“數(shù)實融合”國家戰(zhàn)略的落地效果。

面向未來，研究團(tuán)隊將持續(xù)關(guān)注三個層面：個體層面（AI時代必要的能力要件+心境/審美/好奇心）、組織層面、生態(tài)層面。 徐心稱，智能已不僅僅是實驗室中的科學(xué)研究對象，智能作為生產(chǎn)要素的作用已然凸顯。

二、組織正從“People Cost”走向“Token Cost”

同道獵聘集團(tuán)董事會主席兼CEO戴科彬談到了當(dāng)下AI產(chǎn)業(yè)對組織和人才帶來的變化。

首先是全球裁員的結(jié)構(gòu)性特征。2026年至今，全球科技行業(yè)363起裁員事件波及近15萬人，上月裁員近4萬人，創(chuàng)近兩年單月最高。AI連續(xù)3個月成為各行業(yè)裁員最常援引的理由，日均裁員974人，較去年同期加快44%。

但值得注意的是，這些公司的利潤普遍在漲。亞馬遜單季凈利潤302.55億美元，同比暴漲77%，創(chuàng)歷史最高，但2024-2026年累計裁員約3萬人，其中78%裁員員工為L5-L7中層管理者。甲骨文季度歸母凈利潤43.04億美元，同比增25.59%，2026年裁員約3萬人，一個47人裁員的團(tuán)隊中44名中層被裁，同比減少93.6%。利潤增長與裁員并行，這一現(xiàn)象的背景是：AI大幅提升了單個員工的生產(chǎn)力，組織正在經(jīng)歷“中層塌陷”。

戴科彬分享了他的硅谷見聞：美國CS專業(yè)畢業(yè)生（包括名校）目前很難找到工作，大廠只發(fā)實習(xí)offer，不發(fā)全職offer。在中國獵聘平臺上，2026年1-5月的數(shù)據(jù)顯示，初級崗位需求明顯下降，銷售類初級崗位同比降14.47%，商務(wù)類降10.50%，品牌類降9.74%?；ヂ?lián)網(wǎng)技術(shù)崗位降幅更為顯著，機器學(xué)習(xí)崗位對1年以下經(jīng)驗人才需求降71.43%，圖像算法降66.67%，軟件測試降52.94%?！癡ibe coding”使非技術(shù)人員也能通過AI輔助完成編碼工作，不需要那么多工程師坐在電腦前寫代碼。

從2023年到2026年，AI大模型究竟是怎樣影響整個人才就業(yè)市場的變化？戴科彬用一張AI基礎(chǔ)設(shè)施的演進(jìn)圖做了類比：互聯(lián)網(wǎng)的發(fā)展經(jīng)歷了從電腦到網(wǎng)絡(luò)到4G到應(yīng)用的過程，AI同樣遵循這一邏輯，從大模型到存儲/芯片到服務(wù)器/數(shù)據(jù)庫，再到應(yīng)用/服務(wù)。AI推理基礎(chǔ)設(shè)施的建設(shè)正在催生應(yīng)用層爆發(fā)，未來會出現(xiàn)大量AI Agent應(yīng)用，就像當(dāng)年的小紅書、滴滴一樣。

戴科彬認(rèn)為，AI對組織的沖擊可以拆解為五個層面：

個人層面，每個人都是一專多能。一個人可以同時管理多個Agent，實現(xiàn)多任務(wù)并行。以前約會議需要截圖發(fā)給助理，現(xiàn)在直接丟給Agent自動完成——助理不會被取代，但工作方式徹底改變。他現(xiàn)場提問有多少人擁有自己的Agent，并建議大家盡快“養(yǎng)龍蝦”（部署AI智能體，源于OpenClaw開源項目）。

組織層面，從部門之間的協(xié)作變成人機組成的項目組協(xié)作?？茖又频牟块T墻正在被打破，Agent可以快速組建項目組，跨部門協(xié)作效率大幅提升。

同時，工作范式從串聯(lián)任務(wù)SOP轉(zhuǎn)向并聯(lián)多任務(wù)，突破時間與空間的限制。戴科彬指出，以前產(chǎn)品開發(fā)是串聯(lián)式，用戶調(diào)研、寫需求、開會確認(rèn)、UI設(shè)計、開發(fā)，但現(xiàn)在多個任務(wù)可以同時并行，因為人被AI“分身”了。

第三，組織內(nèi)部從層層匯報的上傳下達(dá)，變成老板直達(dá)一線，中間層的管理價值需要重新定位。

成本結(jié)構(gòu)層面，HR未來要算的是Token Cost（Token消耗量），而非People Cost（人頭數(shù)）。一個團(tuán)隊用了多少個GPT賬號、消耗了多少Token，正在成為衡量組織效率的新指標(biāo)，組織的設(shè)計與ROI需要重新定義。

但戴科彬認(rèn)為最核心的變化是：人類歷史上最重要的一次變化——Skill開始與人分離，打破人類技能的生成和傳承范式。

傳統(tǒng)做法是建知識庫、案例庫，再培訓(xùn)，效果因人而異。新做法是萃取最佳實踐者的技能（Skill），沉淀在組織中。具體路徑是：Data+Know-How+Workflow→Skill→AI模型→AI Agent→完成任務(wù)→產(chǎn)生數(shù)據(jù)反饋回模型→形成飛輪?！敖M織可以人來人往，技能永久沉淀?！彼f。

關(guān)于人才審美，他回溯了自己在2023年提出的框架：決策力、擔(dān)當(dāng)、創(chuàng)新、審美，AI幫不了人做判斷、拍板、擔(dān)責(zé)，這些仍是人的核心價值。

他繪制了中國版的中等技能塌陷圖景：初級白領(lǐng)向兩個方向流動，一是向上走人才專業(yè)化（中高端人才知識資產(chǎn)化，知識與經(jīng)驗沉淀為Skill/Agent），二是向下走向白領(lǐng)藍(lán)領(lǐng)化（長期雇傭向任務(wù)交付轉(zhuǎn)變）。

在具身智能方面，戴科彬指出，中高端人才的知識與經(jīng)驗正通過Skill/Agent的方式沉淀，而藍(lán)領(lǐng)勞動者也正在經(jīng)歷“科技勞動力化”。物理AI發(fā)展相對較慢是因為缺乏人類動作過程的數(shù)字化數(shù)據(jù)。但VLA（Vision-Language-Action Model）和World Model正在突破。

獵聘旗下“新超人”品牌正在幫助具身公司收集第一人稱視角的人類勞動視頻數(shù)據(jù)——通過頭戴設(shè)備（egocentric視角）記錄雙手動作，采集運動數(shù)據(jù)用于模型預(yù)訓(xùn)練和后訓(xùn)練。

大語言模型會減少部分崗位，但具身智能會創(chuàng)造新的長產(chǎn)業(yè)鏈（生產(chǎn)、制造、運營、維護(hù)），帶來新就業(yè)機會。他列舉了新興崗位：白領(lǐng)側(cè)包括Agent產(chǎn)品經(jīng)理、Prompt策略設(shè)計師、AI治理專家、AI工作流設(shè)計師等；藍(lán)領(lǐng)側(cè)包括機器人巡檢技術(shù)員、機器人裝配技師、人機協(xié)作安全監(jiān)管員、工業(yè)AI訓(xùn)練數(shù)據(jù)采集員等。

三、AI變革的關(guān)鍵不是“+AI”，而是組織底層邏輯的重構(gòu)

清華大學(xué)楊斌教授拋出了一個核心隱喻——“AI次方”（AI?）。從去年3月14日（π日）起，他就開始倡導(dǎo)這個概念，對當(dāng)時熱議的“AI+”或“+AI”提出了不同的看法。

他解釋道，“AI次方”并不是單純強調(diào)AI的指數(shù)級發(fā)展速度，而是一種理解AI時代的心智模式。與“AI+”或“＋AI”所代表的工具疊加、技術(shù)賦能不同。AI被置于指數(shù)的位置，而底數(shù)則是組織、商業(yè)模式、人才本身。如果底數(shù)小于1，指數(shù)越大，結(jié)果反而越小。對企業(yè)而言，真正需要關(guān)注的不是AI本身有多強，而是自身這個“底數(shù)”能否在AI作用下完成重構(gòu)。

他回顧了兩個AI里程碑。2016年AlphaGo第37手，在人類看來無法理解、無法解釋的落子，最終戰(zhàn)勝了李世石，這是一個在專門領(lǐng)域攻堅克難的突破。而2022年ChatGPT的預(yù)覽版，激發(fā)的是人類最自然的工具——自然語言，這才是對人的真正解放。他引用兩句話來做對比：“AI is really something”（AI很了不起）和“AI is actually everything”（AI就是一切），后者才是對AI更精確的刻畫。

楊斌認(rèn)為，對多數(shù)現(xiàn)有企業(yè)而言，AI Native是“別人的戲”，他們面臨的是AI Transformation（AI轉(zhuǎn)型）。他將AI對組織的影響程度分為了五個層次：AI native（原生）、AI first（優(yōu)先）、AI only（唯一）、AI-ed（被AI化）、AI proof（AI打不倒）。多數(shù)企業(yè)的目標(biāo)不是變成AI原生，而是完成AI轉(zhuǎn)型。

他提到了兩個歷史參照，左邊是1956年達(dá)特茅斯會議的青年科學(xué)家們提交的proposal，四位助理教授向基金會申請15000美元，最終獲批7500美元，人類歷史上第一次提出了“Artificial Intelligence”。值得注意的是，這份proposal中已經(jīng)出現(xiàn)了“improve themselves”，機器自我改進(jìn)。右邊是邀請數(shù)學(xué)家Ray Solomonoff參加達(dá)特茅斯會議的信函，信中寫道“Can we count on you?”，強調(diào)人與人之間的協(xié)作。這兩者之間的張力，一頭是機器自我改進(jìn)、人不在回路中，另一頭是人與人之間的咬合與協(xié)同，至今仍在延續(xù)。

他也引用了索洛在1987年的“生產(chǎn)力悖論”作為第二個參照，“計算機時代無處不在，唯獨不在生產(chǎn)力統(tǒng)計中”。AI同樣可能經(jīng)歷期望膨脹后的回撤，真正的生產(chǎn)力影響可能要晚10-15年才在統(tǒng)計中顯現(xiàn)，這并非否定AI，而是提醒大家保持耐心。

對教育和人才培養(yǎng)，楊斌認(rèn)為，當(dāng)前的教育模式，講臺、黑板、整齊的座位，本質(zhì)上是普魯士教育體系的產(chǎn)物，不過100多年的歷史。這種模式是工業(yè)時代的產(chǎn)物，人被機器賦予位置，培養(yǎng)的是“NPC”，在一個巨大系統(tǒng)中扮演功能性角色。而AI時代將顛覆這一切。

他以今年5月在新加坡總統(tǒng)午餐會上的分享為例：清華大學(xué)主動變化，停辦了一些本科專業(yè)、推行書院制轉(zhuǎn)型；上海出現(xiàn)了像“知春創(chuàng)新中心”這樣的新型教育機構(gòu)，從高中生中直接選拔人才；職高和技能培訓(xùn)重新受到青睞。這些現(xiàn)象背后有一個共同信號，學(xué)位作為“信號”的價值，正在被更高效的“技能信號”替代。

他有兩個建議。一是戒掉日刷AI公眾號的習(xí)慣——那些每天都在更新的內(nèi)容重復(fù)性極高，真正值得關(guān)注的是100年后歷史學(xué)家會用放大鏡研究的事情。二是卸載搜索引擎——作為一種決心，學(xué)會“unlearn”（反學(xué)習(xí)），主動擺脫舊習(xí)慣和舊思維的束縛。他提到，今年春節(jié)前后大廠還在用紅包策略爭搶流量，很多人和AI之間還保持著單回合互動的傳統(tǒng)方式，說明習(xí)慣和執(zhí)念對人的束縛有多深。

最后他點出人之所本。在《西游記》取經(jīng)團(tuán)隊中，沙僧是典型的NPC，孫悟空雖神通廣大但也有局限，而唐僧和豬八戒反而是“人之所本”，唐僧代表目的性（Purpose），豬八戒代表創(chuàng)造例外、打破常規(guī)的能力。這些是AI難以替代的人的核心價值。無論是OPC（One Person Company）還是其他新的組織形態(tài)，都不應(yīng)忘記：底數(shù)上的組織與人，才是決定最終結(jié)果的根基。

四、AI時代，人做AI監(jiān)護(hù)人，組織進(jìn)化為AI型組織

同道獵聘集團(tuán)副總裁把冉擔(dān)任主持人，與清華經(jīng)管學(xué)院教授郭迅華、獵聘CEO戴科彬圍繞“AI時代的人才審美與組織進(jìn)化”展開深度對談，核心議題從“什么是AI人才開始”。

戴科彬?qū)I人才分為三大類。上層是AI領(lǐng)導(dǎo)能力，能設(shè)計架構(gòu)、重新思考組織戰(zhàn)略；中層是AI技術(shù)人才，做算法和工程結(jié)構(gòu)，量不多但專業(yè)深度要求高；下層是AI應(yīng)用型人才，包括銷售、設(shè)計、營銷、文員等普通職能崗位，人人都需要具備AI工具使用能力，這個框架從2023年提出至今仍然成立。

把冉補充了一組數(shù)據(jù)作為佐證，2025年全年要求AI工具能力的崗位翻倍，2026年仍在翻倍，并且已經(jīng)出現(xiàn)了對Agent能力的明確要求。

在能力遷移的問題上，郭迅華將能力分為兩類。一類隨經(jīng)驗積累而增長，另一類可以跨場景遷移。前者正在被AI吸收，比如程序員快速定位代碼bug的能力正在被AI替代。后者即元能力，才是人的核心價值所在。他提出了整場圓桌最具穿透力的概念——“監(jiān)護(hù)關(guān)系”，人與Agent之間就是這種關(guān)系。Agent有能力、能學(xué)習(xí)但不能擔(dān)責(zé)，像一個天才少年，人要做三件事，設(shè)定目標(biāo)、培育把關(guān)、承擔(dān)責(zé)任。這個“監(jiān)護(hù)人”的身份重新定義了人在AI時代的位置。

落實到選人標(biāo)準(zhǔn)上，戴科彬提出從“變”與“不變”兩個維度來判斷。變的是工作方式，候選人用哪些AI工具、怎么與AI對話，是搜索式還是對話式，這決定了他是把AI當(dāng)搜索引擎還是當(dāng)協(xié)作對象。不變的是人的底色，誠實正直、堅韌不拔、面對新環(huán)境的學(xué)習(xí)能力，這些AI替代不了。

關(guān)于文科生的機會，郭迅華從十年前就堅持一個觀點，文科生學(xué)計算機沒有劣勢，進(jìn)入自然語言編程時代反而有優(yōu)勢，因為計算機語言也是語言，而語言能力是文科生的長項。

戴科彬用一個真實案例回應(yīng)。他有一個朋友在長沙雇了上百號文科生寫劇本，在東京做漫畫融合，去年做的短劇App月凈利潤1000萬。他說，“能把事情描述清楚的人，AI就能幫到他”。

郭迅華提出了AI組織的三個特征。AI像水電一樣無處不在；任務(wù)的最小單元從“人”變成“人+Agent”；組織開始形成AI參與決策的權(quán)責(zé)體系。相應(yīng)地需要三個轉(zhuǎn)變，從技術(shù)部署轉(zhuǎn)向能力生長，AI是在業(yè)務(wù)一線“長”出來的，不是部署下來的；從替代思維轉(zhuǎn)向共生結(jié)構(gòu)，抵制減員降本的誘惑，因為技術(shù)最大的價值在于解放人的創(chuàng)造力；從職能劃分轉(zhuǎn)向任務(wù)編排，未來組織是人機協(xié)同的任務(wù)網(wǎng)絡(luò)，員工是騎手，Agent是馬匹。

戴科彬用獵聘三年“黑客馬拉松”的實踐驗證了這種生長。第一年全員講PPT，第二年做Demo，第三年Demo已經(jīng)落地可用。安全崗員工自己手動構(gòu)建了AI面試輔助工具“面寶”，還有人做了OKR自動對齊的“歐寶”。

他稱，只要把基礎(chǔ)設(shè)施做好，一線員工的創(chuàng)新力會自己爆發(fā)，組織進(jìn)化的動力正在從老板驅(qū)動轉(zhuǎn)向一線生長。

整場圓桌最后落在兩個建議上。郭迅華說管理者要先讓自己成為合格的Agent監(jiān)護(hù)人，再識別組織中潛在的卓越監(jiān)護(hù)人，創(chuàng)造環(huán)境讓他們脫穎而出。

戴科彬給了六個字：“放下、清零、打開”。放下過去的包袱，清零舊知識，打開自己重新?lián)肀н@個世界。技術(shù)是平權(quán)的，不要恐懼被替代