韩践：AI人才争夺战可能是个“伪命题”

在人工智能(AI)快速发展的当下，企业正以前所未有的速度进行战略重塑，试图在这场技术革命中抢占先机。

过去一个月，Meta为打造超级智能实验室，不惜重金挖角AI领域的顶尖人才，由此掀起了一场声势浩大的AI人才争夺战，不断刷新薪酬上限和招聘强度。这场竞赛不仅加剧了全球人才市场的紧张态势，也引发了对企业组织能力的广泛讨论。

“从短期来看，这是科技巨头间在争抢AI人才；但从长远看，这其实是一种信号传导，会影响整个行业生态。”中欧国际工商学院管理学教授、中欧组织成长与人才发展研究中心主任韩践在近日接受采访时指出，“人才争夺战”的模式恐难持续，真正具备竞争力的企业应着眼于整体组织能力和人才管理能力的提升。

在AI的推动下，企业对人才的选拔标准也在悄然转变，普通职场人正面临技能重塑与职能转型的巨大压力。在韩践看来，企业AI转型不是简单的技术升级，而是一次深刻的组织范式重构。企业必须重新解构并重构每个职位和流程节点，根据AI与人类能力的发展重新进行任务匹配。教育体系也需要加快培养复合型人才，以回应新时代的需求。

【Q&A】

您如何评价近两年AI对职场生态的总体影响？相比前几轮技术革命，AI带来的冲击有何不同？

面对新技术，人们最关注的两个问题是：第一，它到底能多大程度上提升效率？第二，效率提升是否意味着工作、组织甚至职业会被颠覆甚至取代？

历次技术革命都会带来收益和焦虑，但这一次AI带来的冲击确实有些不同。首先，以前技术主要影响体力劳动者或机械式工作，但这一次，AI对高端白领、知识型劳动者的冲击非常大，很多原本不易被替代的认知型岗位正受到挑战；其次，相比过去几次工业革命，AI的渗透速度更快，让人产生一种“追不上”的不可控感；第三，虽然AI尚未显著触及人类意识、情感等形而上的层面，但这一潜在影响已经引起思想家和科学家的关注：如果机器未来真的具备意识或情感，人类的核心能力到底还有什么独特性？这些关于人与机器本质差异的质疑，在以前的技术革命中不曾如此突出。

很多科技巨头和初创公司不惜重金抢夺AI人才，例如最近Meta就在硅谷掀起了一波人才争夺战，您认为这种趋势会一直持续下去吗？

从短期来看，这是科技巨头间在争抢AI人才；但从长远看，这其实是一种信号传导，会影响整个行业生态。

回顾90年代末到21世纪初，硅谷曾有过一轮类似的“人才战争”（The War for Talent）。当时大家认为，只要拿下顶尖人才，就能获得行业领先地位，甚至形成垄断优势。这直接提升了人力资源管理的战略地位，也推动了股权激励、雇主品牌等机制的发展。不过，劳动经济学者认为这可能是个“伪命题”。巨头出于短期竞争博弈砸钱抢人，从而推高行业整体薪酬，尤其是科技领域的核心人才和高管的薪酬，但这对企业的长期可持续发展并非是好事。高薪聘请的外部人才未必能发挥应有的作用，很多最终被裁撤、转岗或降薪。

仅靠挖少数几个明星员工就想获得竞争优势是不可持续的。真正长期有效的不是堆砌明星人才，而是企业提升整体组织能力和人才管理能力。这里涉及一个“搜索匹配理论”——企业和员工都需要花时间与资源进行匹配，但很多公司不愿承担这部分成本，于是设定一个“高大全”的人才标准、砸重金挖人，然而由于前期投入不足，往往达不到效果。

很多时候，企业的抢人行为源于一种FOMO心理（Fear of Missing Out，又称“错失恐惧症”）。以Meta为例，我认为扎克伯格可能焦虑于之前的产品没有达到理想状态，担心错过AI浪潮，所以选择强势投入，用“秀肌肉”的方式表态All in，但这种做法不可持续。尽管如此，人才争夺现象在竞争环境中会一直存在，毕竟企业需要释放或跟随市场信号来吸引人才。

随着AI的加速应用，企业选拔人才的标准是否有所改变？新时代的人才需要具备哪些核心技能？

不同行业、不同岗位对技能的需求差异很大。比如，程序员需要掌握与AI协同开发的能力，具备系统设计和数据分析思维；商业人员要通过AI增强商业洞察力；管理者要提升应用数据分析和叙事的能力等。

从人才选拔标准来看，未来更应强调人的独特价值，比如情感共情、解决复杂问题的能力、创造力、思辨力、判断力等，这些综合能力AI在短期难以替代。我认为人才评估应对岗位进行分类，并区分通用能力与岗位专业能力。企业在招聘时，可以将通用技能作为筛选的第一道关口，再进一步评估岗位所需的专业技能。

目前的教育体系和职业培训能否满足AI相关新兴职业对技能的需求？应该如何改进？

基础教育非常关键，目前我们的教育体系明显滞后于技术发展的节奏。虽然从小学到初中都开设了计算机相关课程，但内容仍偏传统，主要集中在编程和理解编程的逻辑上，缺乏对AI伦理以及如何使用生成式AI的系统性教学。

另一方面，当前教育体系长期受专业分工影响，高校普遍采用分学科、分专业的方式，导致跨学科的复合型人才培养严重不足。尤其是在通识教育方面，国内的基础还很薄弱。很多家长在孩子高考时仍纠结于“选哪个专业好”，把选专业等同于就业。但我认为本科学什么专业并不决定一切，真正重要的是跨学科的通识学习和成长能力。

AI是否加速了平台型用工和自由职业的扩展？这对组织和个体意味着什么？

我认为AI将进一步推动技术的平权化。在AI出现之前，平台型组织、零工和自由职业就已经存在。AI的出现增强了个体和小团队的能力，提升了他们的竞争力。如今，许多大企业已不再追求明确的组织边界，而是试图模糊与外部商业生态的界限。对于一些非核心工作，只要外部效率更高，就会选择外包，这也使雇佣关系变得更加灵活和多样化。AI在其中的重要作用是提升了信息对称性，加快了灵活用工的匹配效率。尤其在新冠疫情之后，远程协作成为常态，进一步推动了平台型用工的扩展。

此外，新一代劳动者更重视个体成长与自由，渴望自主权。随着社会对零工和自由职业身份的接受度提高，这类群体会不断增长。但也带来一个现实问题：过去雇佣关系明确，薪酬福利有保障，而现在的制度、法律对这些新型用工关系的界定严重滞后，缺乏传统的劳动保障机制。这方面的制度建设需要尽快跟进。

AI 的引入会如何改变团队合作模式？在人机协作的团队中，人类员工的角色和职责会发生怎样的变化？

我倾向于将工作分为三类：第一种是人类擅长的工作，人比机器或人机协同做得更好；第二种是AI擅长的工作，AI比人或人机组合更有优势；第三种是人机协同更优的工作，单独依赖人或AI都不如两者结合：机器能处理海量数据，人则基于情境做出更有判断力的决策，两者结合能有效抵消错误，产生更好的创意与结果。

在这三种情形下，企业必须重新解构并重构每个职位和流程节点，根据AI与人类能力的发展去重新匹配任务。这是一个非常复杂的过程，要求企业对所有工作进行“数据镜像化”，但目前多数企业在数据治理和流程梳理方面仍不完善，因此面临不小挑战。

从容错率角度看，不同场景下人机协作的适用性也不同。比如，电商客服这类高容错场景，机器人基本可以胜任；而自动驾驶、医学诊断、金融风控等低容错场景，一旦出错后果严重，因此必须有人参与监管，不断优化安全边界，等达到一定程度时再去进行创新和探索。这也是人机协作变革中需要经历的逐步迭代的过程。

AI在提升企业运营效率方面表现突出，在实际应用中，企业面临的最大挑战是什么？

企业仍面临诸多挑战，最大的问题在于数据基础薄弱、质量低下，存在大量数据孤岛与碎片化的现象。这是因为中国企业发展速度很快，但信息化建设相对滞后，企业尚未建立统一的数据底座，导致数据难以复用，建模效率低。目前多数企业只是碎片化地应用AI，没有系统化地构建组织级AI。关键阻力来自组织内部——许多员工缺乏协助系统升级的动能，担心自身被替代，除非他们能在变革中明确获益。根据智库和咨询公司的数据，全球范围内真正深度使用AI的企业比例通常不超过5%，有些报告甚至显示只有1%。

我们曾经历过互联网和信息化浪潮，也见过大量“烂尾项目”。这让人担忧，新一轮AI转型是否会重蹈覆辙？这个问题目前在业界仍存在争议。

有人说AI正在“挤压”中层管理者，您同意这种观点吗？AI的应用是否会导致企业内部组织结构更加扁平化？

我认为企业组织结构确实会越来越扁平化，因为信息传递的速度和方式正在被AI彻底改变，组织形态也会随之调整。其实不仅是中层，高层和基层也在经历转型，只不过很多企业的中层人数庞大，变化显得更为突出。

具体来看，被AI挤压的更多是“传声筒式”的中层管理者，他们主要负责指令传达、流程监管和任务跟进等工作，这部分人员确实容易被替代。但那些能真正发挥中层价值的人，比如能够进行绩效反馈、团队带领、上下沟通解读、洞察分析、跨部门协同，以及承担战略落地与任务/组织设计的中层管理者，他们的角色很难被替代。

中欧国际工商学院在培养未来管理者时，是否正在调整课程内容和方法？具体有哪些实践？

首先，我们会定期进行外部洞察，关注世界领先商学院、竞争对手、合作伙伴、商业案例的动态，通过学习和跟进来激发创新。其次，中欧持续构建“2+4+X”跨学科研究高地，其中，四大跨学科研究领域之一就是“AI与企业管理”，重点关注大数据和AI等现代科技，以及对以往科技转型的成因和后果的探究，致力于探讨推动前沿科技变革对商业和社会产生的影响等问题。很多教授也在推动AI相关课程内容的更新和创新。此外，我们还会调动中欧丰富的资源，邀请来自不同行业和职能的业界人士进行分享，举办AI主题论坛，促进思想碰撞，帮助学员保持与时俱进。

来源 | Bloomberg