当人沦为机器质检员，AI转型就已经走偏了

“最终还得有人盯着流程。”

这句话，也许是在企业探讨AI落地时最常被引用的说法。高层管理者常用它来解释为何采用这类系统显得稳妥且负责，同时也用来宽慰员工，告诉大家工作不会受到威胁。然而，这句看似令人安心的言辞，最终往往只是把公司里最核心、最有价值的员工，安排去守护那些即将被机器取代的岗位。

思想领袖们常声称，未来人类劳动者的定位，就是填补机器无法覆盖的空白。例如，一家顶级风投机构提出，在知识经济时代，很快就会形成四类主要的人类岗位：当AI结果不可信时，最终承担责任的人；设计机器运行工作流程的人；维护智能代理无法承接的人际关系的人；核验机器输出内容的人。这套未来构想，如今频繁出现在咨询框架、学术预判，以及AI厂商的落地指南中。监管机构甚至已将其写入法规：欧盟《人工智能法案》要求对高风险AI系统实施人工监督，而人工把关几乎成了负责任落地AI的代名词。

这类预判背后的逻辑大同小异：先找出AI目前还无法完成的任务，再划定人类需要承接的、用于弥补缺口的工作。在这种思路中，人就像包裹在尚不完善的自动化系统外的一层安全防护。在自由职业平台Fiverr上，写作类需求中增长最快的就是“AI内容人工润色”（半年内搜索量上涨641%）。校对AI生成的文稿，从2023年起已成为独立服务类别。翻译行业受AI冲击尤为明显，如今校对机器译文的业务，大约占欧洲语言服务公司营收的四分之一，而传统笔译业务规模逐年萎缩。就连那些保留下来、专为修正机器输出而设立的岗位，其工作内容也在不断收窄，所需技能越来越少，几乎不再要求员工学习新能力。

让人去填补机器的空白，听起来审慎稳妥，在许多人担忧饭碗不保时，它也承诺了工作的延续性。但问题在于，这套思路是从现有工作流程出发，先挑出智能体可以接手的任务，再把剩余的边角活儿分给人。按照这种视角，未来的组织，不过是基于今天的组织，去掉已自动化的任务，再加一层人工监督。在这里，人从未被视为全新生产力的来源。

这种看法本身存在不少隐患。数十年的自动化领域研究表明，自动化系统越高效，这层人工安全防线反而越脆弱。自动化的可靠性越高，负责监控的人就越容易松懈，技能逐渐退化，注意力也越来越难以集中。四十年前，莉桑娜·班布里奇（Lisanne Bainbridge）将此现象称为自动化的悖论：自动化做得越多，你反而越依赖那些恰恰被自动化慢慢削弱的人类能力。而AI进一步放大了这一难题。AI出错时输出的内容，与正确时一样，语气笃定、行文流畅、结构完整。只检查文字通顺度的审核者，根本分辨不出内容是否属实。

就算核验机制生效、人成功揪出错误，每一处修正都会被收作训练数据。人类处理的每一个特殊案例，都会教会系统自行应对同类情况；训练数据质量越高，未来需要人工核验的范围就越小。举个例子，xAI在2025年9月裁撤了大约500名通用型“AI辅导专员”，同时宣布计划把专项岗位的规模扩大十倍。如果要挑选未来最容易消失的人类岗位，这类核验岗位的生命周期无疑是最短的。

但依托人工把关模式搭建的组织，存在一个更深层的问题：这套顶层蓝图，对转型的理解本末倒置。它让企业围着机器暂时还做不到的、不断收缩的边界运转。可这里藏着一个更大的机遇：**AI打破了原有约束，让全新的工作组合、全新的决策权限、全新的价值形态成为可能。**相应地，企业有机会围绕这些新的决策去重构组织、重新组合业务，而不是守着旧工作里不断萎缩的剩余部分。这正是本文想要探讨的核心。

两场转型

每当一项通用技术进入某个行业，企业都会面临相似的组织抉择。随着机器能力变强，曾经束缚工作方式的种种限制会被打破，人们得以转向从前难以触及的高价值工作。

一项执行层面约束的解除，会拓宽一家组织能够承担、可以做出的决策空间。不妨看看电影行业近年发生的变化。2019年，《曼达洛人》向行业证明，巨型LED屏可以实时渲染生成虚拟场景，让摄制团队直接在镜头前拍下复杂特效画面。这看似只是特效技术的革新，实则拉开了电影生产组织模式根本性变革的序幕。它带来的改变其实更为深远：很多原本要放到后期制作阶段才敲定的决策，被前置到了拍摄现场。场景的风格、布光、画面构图，大量最终成片里的视觉效果，都可以在演员实拍的同时完成创作与确认。创作者不用搭建实景布景，也不用等上好几个月的特效工期，就能在丰富的虚拟场景之间切换；大制作级别的世界观搭建，用电视剧的预算也能实现。

特效艺术家的工作重心，也从拍完之后修补画面，变成从一开始就参与决定镜头该捕捉什么。约束消失之后，有价值的决策，其范围和发生位置都随之改变，电影行业的组织架构，也围绕着负责做出这些新决策的人重新搭建起来。一批新岗位随之诞生，融合了摄影、美术置景、视觉特效与计算机技术，比如虚拟制片主管、LED影棚操作员、虚拟摄像师。

类似这种业务的“重新组合”，在新闻编辑部的演变里同样可见。传统编辑部把三件事绑定在一起：事实采集、稿件撰写、内容分发。生成式AI让写稿、拟标题、做摘要变得简单之后，不少编辑部的应对方式，只是让记者花更多时间审核AI生成的文稿，编辑部本身的架构却一成不变。

但编辑部真正的机会，是往上游走：去识别值得深挖的线索、核查信息来源、产出可供他人采信的证据。很能说明问题的是，BBC在AI时代最标志性的编辑创新，并不是一套配着人工复核、写稿更快的流水线，而是BBC核查组（BBC Verify）。面对层出不穷的AI虚假信息，编辑部专门组建了一支记者团队，依托开源情报、卫星影像、溯源分析和数据科学，去核实存在争议说法的真伪，而不只是单纯转述报道。路透社也朝着同一个方向拓展，搭建了专门的核验与事实核查团队，把经过核验、基于事实的报道本身做成独立的商业产品。

管理转型

跳出人工把关这套模式，并不是要等着AI持续迭代，直到不再需要人工核验。领先的企业不会先去想机器可以接手哪些任务，而是反过来思考：**这项技术创造了哪些从前没有的新岗位，再围绕这些岗位重新设计组织。**想要做到这一点，可以参考下面几个步骤：

1、梳理被打破的约束与新增能力，而不是盘点可以自动化的任务

常规的AI转型路线图，一上来就做任务盘点：哪些工作可以交给机器，能省下多少工时。这个起点要换掉。对每一个业务模块，要问的是：哪一项旧约束消失了？这打开了哪些新机会？哪些事从前成本太高、迭代太慢、目标市场太小，根本没法落地？

2021年，宜家客服聊天机器人开始承接常规咨询，把员工释放出来去做价值更高的工作。2021到2023年间，这个聊天机器人处理了320万次咨询，省下近1300万欧元成本。但英格卡集团（宜家最大零售运营方）走得更远，给8500名客服中心员工做远程室内设计相关的再培训。把人力调配到个性化咨询服务上之后，宜家没有只盯着削减客服开支，反而拓展了销售与服务能力。到2022年，英格卡集团的远程销售渠道年营收达到13亿欧元。宜家没有只用自动化压缩现有业务的成本，而是借自动化放大员工能够创造的价值。

2、资助前沿创新项目，而不只是效率优化项目

提升效率的方案，往往看起来更务实、更容易落地，但它会让企业始终困在“自动化减负”的思维框架里，推迟更有深度的组织重构。每一个AI业务立项时，都要要求团队，不仅说明它能省下多少工时，还要提出一个这项技术才刚刚有机会解决的新问题。在英国，加菲尔德律所（Garfield Law）在2025年5月获得英国律师监管机构资质，成为英国首家“AI驱动律所”。它承接传统律所觉得无利可图的小额债务追偿，服务费最低2英镑，每一个案件都有挂牌律师全程担责；上线一年之内，它发起了数百起诉讼，打赢了首起有争议的庭审。这不是在原有市场里单纯提升效率，而是经济成本结构改变之后催生的全新市场。

3、持续评估人的能力，同步跟进AI能力的迭代

岗位定义如果是静态的，根本跟不上每隔几个月就更新一轮的AI能力曲线。强生公司会借助机器学习，从数千名技术人员的工作数据里，推算每个人的技能情况，对照企业下一阶段战略需要的能力做打分，并且多轮迭代、持续更新评估。强生没有把员工能力当成一成不变的存量，而是搭建一套体系，持续判断员工当下能做什么、需要学什么，以及随着技术演进，他们的价值贡献可以往哪个方向延伸。

4、把治理规则内嵌进业务流程，而不是最后再加一道核验关卡

事后核验节点不仅稳定性不足，还会随着技术演进逐步失效。治理的方向不该是减少管控，而是换一套治理范式：把规则嵌入业务流程，由责任人负责把控，持续开展校验。

可以看看摩根士丹利在财富管理业务全面上线GPT-4助手前后的做法。试点阶段，公司内部专家先定义高质量回答的标准，整理出大约400道“标杆问题”，附带确定无误的标准答案，用来测试系统。之后摩根士丹利把评估环节嵌入正式业务链路，每天都会运行一套由标杆问题组成的回归测试集，找出系统短板，检验版本更新会不会损害回答质量、触碰合规红线。在这个监管要求极高的知识服务领域，这套方案实现了部署过程中的持续治理，而不是偶尔在事后复核顾问给出的回复。

5、检验自己是不是真的在推动转型

真正的组织重构，和简单的任务重新分配，有三点核心区别。第一，企业边界会重新划定：企业会选择内化驱动转型的学习闭环和核心AI能力，而不是一直向外采购、租用服务商的能力。第二，组织单元发生变化：团队围绕那些刚刚可以解决的新问题搭建，而不是沿用旧业务流水线的环节来划分。第三，重心转移：负责开展这套新业务的职能部门，离CEO更近。

如果只是新增一批头衔，却没有发生上面这三重变化，那就算不上重构，只是换了一种形式重新分配任务，依然属于人工把关的组织模式。

约翰迪尔（John Deere）的转型，刚好把这三点落到了实处。首先，它重新划定企业边界，2017年收购计算机视觉初创公司Blue River Technology，把核心的模型迭代能力收归内部。其次，2020年调整组织单元，不再按单独的产品线划分设备业务，转而围绕生产系统重组——也就是围绕作物种植、其他农事工作里相互关联的任务与决策来搭建业务。第三，在这家拥有183年历史的企业里，首次设立首席技术官岗位。这一调整改变了权力重心：统一技术栈的权责，交给直接向CEO汇报的高管。这一系列决策，改变了约翰迪尔自主掌控的能力、业务的组织方式，以及技术相关决策的归属。它没有把AI塞进既有的组织框架，而是顺着新技术打开的机会，重新设计了整套框架。

随着AI扫清执行端约束，收益将流向那些自主决定如何运用这份新自由的企业：**做什么产品、服务谁、攻坚哪些问题。**如果企业只把员工安排去处理剩下的边角任务，损失的就不只是转型机遇。它们错把业务拆解当成终点，而不是激发全新思考的起点。久而久之，那些新的控制权——模型迭代、治理规则、客户关系、能持续优化系统的专属知识，都会慢慢落到工具厂商和竞争对手手里；自家员工，反倒变成了帮别人培养竞争优势的标注训练员。

关键词：#AI

桑吉特·保罗·乔达里（Sangeet Paul Choudary）| 文

桑吉特·保罗·乔达里是AI与平台战略高管顾问，加州大学伯克利分校高级研究员，四次入选《哈佛商业评论》“十大必读文章”作者。

周强 | 编校

本文来自微信公众号“哈佛商业评论”（ID：hbrchinese），作者：HBR-China，36氪经授权发布。