广告
加载中

陆海访谈|员工投喂错误数据 反抗被AI蒸馏?穆胜:组织可以这样“接住”人

穆胜 2026-06-30 14:44
穆胜 2026/06/30 14:44

邦小白快读

EN
全文速览

这篇访谈围绕AI时代企业人力变革的核心问题,拆解了普通职场人关心的核心信息与应对方向,主要干货如下:

1. AI替代岗位是生产力进步的必然趋势,会倒逼人类转向AI无法替代的创造力领域,极端反抗无法阻挡技术进步,短期失业问题需要企业内部福利和社会福利系统共同承接。

2. 职场发展不需要焦虑年龄标签,AI时代评判“年轻人”的核心是思想年轻,也就是能在理解现状基础上不拘一格创新,AI能帮助有经验的员工快速落地创意,老员工同样有不可替代的价值。

3. 面对企业AI变革,普通员工可清晰定位:头部能力者可抓住市场化激励的机会成为变革先锋,获得更高收益;无法适配的员工也可平稳退出,寻找新的职业方向,不用盲目抵触。

这篇访谈为AI时代品牌企业的组织变革、人力布局提供了核心参考干货,主要内容如下:

1. AI重构组织分工后,品牌企业可转型智能体组织,前台拆分出小而全的经营单元深耕细分用户赛道,中后台搭建智能化平台提供资源支持,更适配当前消费分层趋势,能快速响应用户需求变化。

2. AI替代大量重复性岗位后,品牌企业如果不想简单裁员,可参考京东“涅槃计划”,投入资源安排原有员工参加技术培训转岗,提前布局AI机器人维修保养等新赛道,既承担社会责任也抢占市场先机。

3. 推行AI变革要设计市场化激励机制,给头部精英合伙或交易性质的市场化收益,拉动他们主动参与变革,对被替代员工做好人文关怀平稳分流,避免内部抵触影响品牌业务稳定。

AI浪潮下卖家转型发展可参考这些干货内容,涵盖趋势机会与风险应对:

1. 行业趋势层面,AI替代重复性岗位是必然方向,会重构组织分工,同时催生大量AI配套的新职业机会,比如AI大模型训练监管、机器人运维保养等领域,卖家可提前卡位布局,挖掘新增长空间。

2. 风险提示方面,如果AI应用的分配机制设计不当,很容易引发员工抵触,出现员工偷偷用AI省出时间划水,甚至投喂错误数据反抗AI替代的情况,会直接阻碍AI转型,需要提前规避。

3. 应对方法上,推行AI转型不要只用口号要求员工自我驱动,要建立市场化激励机制:前台经营单元按利润分成,中后台按服务效果收费,让能力强的员工获得更高收益,成为转型动力,对无法适配的员工做好安置,减少转型阻力。

AI时代工厂推进数字化、智能化转型,可获得这些启示与机会:

1. 组织变革方向上,AI重构组织分工的规律同样适用于制造工厂,转型后工厂可逐步走向平台型智能体组织,前台拆分为灵活的小经营单元对接细分生产需求,中后台搭建智能化生产服务平台,能大幅提升生产响应效率。

2. 员工安置层面,大量重复性生产岗位会被AI和机器人替代,工厂转型不用简单裁员,可参考京东的做法,投入资源给原有蓝领员工做技术培训,转岗到机器人运维保养等AI配套岗位,既稳定团队,也能提前卡位AI配套服务的新市场。

3. 人才管理上,转型过程中不要用年龄一刀切淘汰老员工,有经验的老员工结合AI能更快提升生产创新效率,只要保持创新思维就是优质人才,能帮助工厂更快完成数字化落地,降低转型阵痛。

面向AI转型的企业服务领域,服务商可把握这些行业趋势、客户痛点与机会:

1. 行业发展趋势上,大量传统企业都在推进AI应用,转型智能体组织是未来企业组织的主流方向,相关的组织变革咨询、AI落地配套服务、人才培训服务的需求会持续增长,市场空间较大。

2. 核心客户痛点方面,企业AI转型普遍遇到内部阻力,员工担心被替代不愿配合,原有激励机制无法调动员工参与变革的积极性,很多传统企业还不知道怎么合理安置被AI替代的原有老员工,痛点十分明确。

3. 解决方案方向上,服务商可推出适配智能体组织的激励机制设计服务,帮助企业建立市场化激励体系,还可开发传统企业老员工AI转岗的定向培训服务,对接企业转型需求,解决客户实际痛点,拓展自身业务。

AI时代平台型企业推进组织转型,有这些核心干货可参考:

1. 平台组织进化方向:加载AI技术的智能体组织是未来主流方向,平台要调整架构,前台拆分为小而全的独立经营单元深耕细分赛道,中后台搭建各类职能AI智能体,向前台开放资源接口,形成网状组织架构,大幅提升整体运营效率。

2. 内部转型阻力破解:很多大平台AI转型遇到员工抵触,核心原因是激励机制不到位,要建立市场化激励体系,前台经营单元采用合伙制按比例分利润,中后台AI配套的人工服务按效果收费,让能力者获得更高收益,拉动转型;对无法适配的员工做好内部培训或平稳退出安排,降低转型阻力。

3. 人才管理风险规避:不要用年龄一刀切识别人才,只要有创新思维,有经验的老员工结合AI反而能创造更高价值,可避免错杀优质人才,保障平台业务稳定。

AI时代组织变革领域,有这些新动向、新问题和新观点可供研究:

1. 产业新动向方面,生成式AI的普及不仅替代部分岗位,还重构了组织分工,推动组织形态从工业3.0时代的事业部制,转向工业4.0时代的平台型智能体组织,形成“前台小经营单元+中后台AI智能平台”的网状新架构,这是全新的组织形态方向,值得深入研究。

2. 新问题层面,AI转型过程中出现了员工投喂错误数据反抗技能被AI蒸馏、员工抵触AI应用、传统激励机制失效、短期失业冲击就业稳定等新问题,都有较高的研究价值。

3. 现有观点反思上,当前不少观点推崇精英自我驱动,认为不需要市场化激励,穆胜提出这其实是多方利益博弈的产物:老板想零成本撬动员工,高管不想失去权力,非专业学者简化研究问题,这种批判为组织变革研究提供了新的视角,他提出的市场化激励变革方案,也值得深入研究落地效果。

返回默认

声明:快读内容全程由AI生成,请注意甄别信息。如您发现问题,请发送邮件至 run@ebrun.com 。

我是 品牌商 卖家 工厂 服务商 平台商 研究者 帮我再读一遍。

Quick Summary

This interview unpacks key insights and coping strategies for ordinary professionals facing core human resources transformation issues in the AI era. The key takeaways are as follows:

1. AI-driven job replacement is an inevitable outcome of productivity progress, which will force humans to shift to creative fields that AI cannot replace. Extreme resistance cannot stop technological advancement, and short-term unemployment needs to be addressed through a combination of corporate internal welfare and social welfare systems.

2. Professionals do not need to be anxious about age-based labels. In the AI era, the core criterion for a "young talent" is a young mindset: the ability to innovate freely based on a solid understanding of current conditions. AI helps experienced employees bring their ideas to life quickly, so senior employees still hold irreplaceable value.

3. Facing corporate AI transformation, ordinary employees can position themselves clearly: top performers can seize market-driven incentive opportunities to become transformation pioneers and earn higher returns; employees who cannot adapt can exit smoothly and pursue new career paths, rather than resisting blindly.

This interview provides core insights for organizational transformation and human resources planning for brand companies in the AI era. Key takeaways are as follows:

1. After AI restructures organizational division of labor, brand companies can transform into agent-based organizations. Front-end operations can be split into small, self-sufficient business units that focus on deepening niche user segments, while middle and back offices build intelligent platforms to provide resource support. This structure is better aligned with current consumer segmentation trends and enables faster responses to changing user needs.

2. After AI replaces a large number of repetitive roles, brands that wish to avoid layoffs can reference JD.com's "Nirvana Program": invest resources to arrange training for existing employees to help them transfer to new roles, and pre-position in new tracks such as AI robot maintenance. This approach allows brands to fulfill social responsibility while gaining first-mover advantage in the market.

3. To drive AI transformation, companies should design market-aligned incentive mechanisms, offering top performers partnership opportunities and market-based returns to encourage active participation in transformation. For employees whose roles are displaced, companies should provide humane support and smooth restructuring to avoid internal resistance that disrupts business stability.

Sellers navigating AI-driven transformation can refer to these key insights covering industry trends, opportunities and risk mitigation:

1. In terms of industry trends, AI replacing repetitive roles is an inevitable direction that will restructure organizational division of labor, while also spawning a large number of new AI-related career opportunities, such as large language model training and oversight, and robot operation and maintenance. Sellers can position early in these areas to unlock new growth.

2. For risk warning: poor design of AI-enabled distribution mechanisms can easily trigger employee resistance. Common issues include employees using AI to free up time for loafing, or even feeding incorrect data to resist AI replacement, all of which directly hinder AI transformation and should be prevented in advance.

3. For coping strategies: when rolling out AI transformation, do not rely solely on slogans to demand self-motivation from employees. Instead, build a market-aligned incentive system: front-end business units split profits according to performance, and middle and back offices charge based on service outcomes. This allows high-performing employees to earn higher returns and drive transformation, while properly安置 employees who cannot adapt to reduce transformation friction.

Factories pursuing digital and intelligent transformation in the AI era can draw the following insights and opportunities:

1. For organizational transformation direction: the pattern of AI restructuring organizational division of labor also applies to manufacturing. After transformation, factories can gradually evolve into platform-based agent organizations. The front end splits into flexible small business units to serve segmented production demands, while the middle and back offices build an intelligent production service platform, greatly improving production response efficiency.

2. For employee resettlement: a large number of repetitive production roles will be replaced by AI and robots. Instead of simply laying off workers, factories can reference JD.com's approach: invest resources to train existing blue-collar workers and help them transfer to AI-related roles such as robot operation and maintenance. This stabilizes the workforce while allowing factories to position early in the new market for AI supporting services.

3. For talent management: do not implement blanket age-based layoffs during transformation. Experienced senior employees can leverage AI to improve production innovation efficiency more quickly. As long as they maintain an innovative mindset, they remain high-value talents that can help factories complete digital implementation faster and reduce transformation pains.

For enterprise service providers serving companies undergoing AI transformation, these are the key industry trends, customer pain points and opportunities:

1. For industry development trends: a large number of traditional enterprises are rolling out AI adoption, and transforming into agent-based organizations will become the mainstream direction for future corporate structures. Demand for related services including organizational transformation consulting, AI implementation support, and talent training will continue to grow, creating large market potential.

2. For core customer pain points: enterprises普遍 face internal resistance during AI transformation: employees worry about being replaced and refuse to cooperate, existing incentive mechanisms fail to motivate employees to participate in transformation, and many traditional enterprises still do not know how to properly resettle displaced long-tenured employees. These pain points are well-defined.

3. For solution directions: service providers can launch incentive mechanism design services tailored for agent-based organizations to help enterprises build market-aligned incentive systems. They can also develop targeted training programs to help traditional enterprises reskill long-tenured employees for AI-related new roles, aligning with customer transformation needs, solving practical pain points and expanding their own business.

Platform-based enterprises pursuing organizational transformation in the AI era can refer to these core insights:

1. For platform organization evolution direction: AI-powered agent-based organizations are the mainstream future direction. Platforms need to adjust their architecture: the front end splits into small, self-sufficient independent business units to deepen focus on niche segments, while the middle and back offices build various functional AI agents, open resource interfaces to the front end, and form a networked organizational structure that greatly improves overall operational efficiency.

2. For overcoming internal transformation resistance: the core reason employee resistance is common at large platforms undergoing AI transformation is inadequate incentive mechanisms. Platforms should build a market-aligned incentive system: front-end business units adopt profit-sharing partnership structures, and human-driven AI supporting services in the middle and back offices charge based on service outcomes. This allows high performers to earn higher returns and drive transformation, while arranging internal training or smooth exit for employees who cannot adapt to reduce transformation resistance.

3. For mitigating talent management risks: do not screen talent based on blanket age criteria. Experienced senior employees with innovative thinking can actually generate higher value when combined with AI, helping platforms avoid discarding high-quality talent and maintain stable business operations.

In the field of organizational transformation research in the AI era, these new trends, issues and perspectives are available for research:

1. For new industry trends: the popularization of generative AI not only replaces some roles, but also restructures organizational division of labor, pushing organizational forms from the division system of Industry 3.0 to the platform-based agent organization model of Industry 4.0. This new networked architecture of "small front-end business units + middle and back-end AI intelligent platforms" is an entirely new direction for organizational forms that merits in-depth research.

2. For new research questions: new issues emerging during AI transformation, including employees feeding incorrect data to resist AI skill extraction, employee resistance to AI adoption, failure of traditional incentive mechanisms, and short-term unemployment shocks to employment stability, all hold high research value.

3. For reflection on existing perspectives: many current perspectives praise elite self-motivation and argue that market-based incentives are unnecessary. Mu Sheng points out that this view is actually the product of multi-stakeholder gaming: business owners want to leverage employee effort at zero cost, executives do not want to give up power, and non-specialist academics oversimplify research questions. This critique offers a new perspective for organizational transformation research, and the market-based incentive transformation scheme he proposed also warrants in-depth research on its implementation outcomes.

Disclaimer: The "Quick Summary" content is entirely generated by AI. Please exercise discretion when interpreting the information. For issues or corrections, please email run@ebrun.com .

I am a Brand Seller Factory Service Provider Marketplace Seller Researcher Read it again.

谁的思想年轻,谁就是“年轻人”,年轻本身是自然现象,并不值得推崇,我们推崇的应该是“年轻的思想”。

来源丨陆海商界(ID:shangjiezz)

作者丨穆 胜

编辑 | 张陈会

AI技术全面袭来,对于商业世界的颠覆,犹如改天换地。新技术时代不仅重塑了商业逻辑,也重塑了组织逻辑,于是“智能体组织”成为热门议题。然而当各种观点纷至沓来,这一概念反而愈发模糊。剖开表层概念,我们更想追问:在“AI优先”的组织中,人类员工何去何从?企业又将呈现怎样的组织形态?

《商界》特邀长期深耕组织变革、持续关注AI趋势的国内知名管理学家、穆胜咨询创始人、北京大学光华管理学院工商管理博士穆胜,通过17个焦点问题,系统剖析AI时代的组织逻辑。本次专访分上、下两篇,上篇聚焦人力,直面员工与AI的“恩怨”,拆解激励难题;下篇聚焦组织,剖析老板们的真实顾虑,并探讨企业如何转型智能体组织。

以下为上篇“人力篇”。

《商界》杂志(以下简称“商界”):过去企业谈自动化,往往是“机器替人”,替代的主要是蓝领工人;但生成式AI已经开始对办公室白领“下手”了。AI对人类来说是好事吗?已经有一些企业出现员工拒绝大规模使用AI,甚至向AI投喂错误数据来反对个人技能“被蒸馏”的极端行为了。

穆胜博士(以下简称“穆”):任何生产力的进步都是以替代人的某种功能为标志,如果生产力一直进步,就会将人类活动倒逼到最能发挥创造力的领域内。人类做人类擅长的,机器和AI做它们擅长的,生产力就可以得到爆发式发展,最终受益者还是人类。从这个意义上说,AI的普及是积极的。

只不过生产力的进步总是更有利于精英,他们拥有不能被替代的能力。被抢走岗位的人会反感新技术,但也阻止不了技术进步,就像以前工人们怒砸珍妮纺织机,也没能阻止工业革命。

商界:被牺牲掉的人是生产力进步的代价吗?如果人类大量失业,会不会破坏社会稳定性?如何平衡生产力进步和社会稳定性?

穆:社会福利系统保护弱者,从精英手里征税,转移支付到弱者手中,维护他们的生存和尊严,这是有温度的制度。每个国家都有这样的福利系统,只不过在AI时代,这套系统可能需要发挥更大作用。

AI这种巨大生产力进步带来的短期内失业,有点像银行爆发的“挤兑”,并非福利系统可以完全承接住的。企业首先需要建立内部福利系统,帮助被AI替代的员工重新接受培训、重新上岗,或是让他们以更平稳的方式离开企业,寻求新职业生涯。这需要企业付出成本,考验企业实力和企业家的社会责任感。

商界:刘强东坚持AI替换后不裁员,以京东这类人数众多、流程复杂的大企业为例,如果大量重复性岗位被AI接管,但企业不希望简单裁员,组织该怎么安置这些人?

穆:这的确是一个很棘手的事情。京东的成功很大程度在于它自建的物流系统,让其能依赖自营模式和阿里之类的平台型电商错位竞争。在这一过程中,刘强东对包括物流系统在内的蓝领员工非常友好,打造了有情有义的“人设”,他手下的几十万名兄弟显然不能被轻易抛弃。从这个意义上说,他们是最难转型的,如果能渡过这关,那就为所有大厂树立了标杆。

我和京东的高管朋友交流过,他们正投入大量精力研究这个课题。近期刘强东也披露了内部的“涅槃计划”,希望把已有的70万快递员等蓝领工人,送到学校进行技术培训,帮助他们适应AI时代。他的理念是,以后这批人可以给机器人做维修、做保养,与AI并存,而不是被AI抢走饭碗。

很多人没理解刘强东这步动作,认为他在为过去的“人设”买单,在被动防守,其实并非如此。这70万人以后不可能都为京东的机器人做维修、做保养,否则京东还不如不用机器人,因为人工成本一点没降。刘强东这一步是在提前进攻,未来机器人维修、保养的市场有限,京东的兄弟先占了,其他企业就没那么多机会了。

商界:以前的技术进步也在替代部分岗位,但这次AI技术的到来不仅在替代岗位,也在重构组织分工。这会如何改变大厂的组织设计?

穆:任何革命性的生产力进步都会改变组织分工,并反映在组织模式上。

回顾工业发展史:工业1.0时代是机械化,以蒸汽机为标志,组织模式是直线制,即“总厂—分厂”的简单架构;工业2.0时代是电气化,以电力和流水线为标志,组织模式是职能制,包括后来改良的直线职能,是在直线制的基础上建立了充当大脑的职能体系;工业3.0时代是信息化,以计算机和互联网为标志,组织模式是事业部制,为业务BU(业务单元)配置部分职能,让他们拥有更多自主权;工业4.0时代是智能化,以物联网、大数据和AI为标志,平台型或网络状的组织模式为主流,这也是我们当下关注的焦点。

我把这种组织模式称为“平台型组织”,这种组织模式加载AI技术,就是当下备受关注的“智能体组织”。

前台会变成一个个极小但职能齐全,能够实现“从创意到货币”的经营单元;中后台会变成一个智能化平台,通过各类职能智能体,提供资源或服务。小经营单元以自己的目标客户为中心,深耕一个赛道,他们由若干职能BP(业务伙伴)组成,并接入了各类职能智能体的API(应用编程接口),连接了全司的火力。当每个经营单元连接了若干职能智能体,每个职能智能体连接了若干经营单元,企业就变成了一张纵横交错的网络。

商界:如果各类职能都变成了智能体,人类员工的实际工作量和决策权会不会被AI压缩?企业应如何重新定义人类员工的岗位价值、绩效指标和晋升标准,避免员工变成“AI操作员”或“流程看守员”?

穆:如果各类职能都变成了智能体,人类员工的规模一定会被压缩,人类精英的工作就变成了设计和训练大模型,进行关键时刻的监管判断和应急接管,或在一线做“十指要沾阳春水”的工作。工作量和决策权被压缩是必然的,但这不是坏事,人类可以聚焦于上述AI无法替代、更有意义的事。

其实有职场经验的人多少都能感受到,很多岗位的工作内容存在“水分”。老板也知道人工成本被浪费了一半,但不知道是哪一半。企业的绩效管理系统有用吗?绝大多数中国企业没把它用起来。穆胜咨询有一个原创指标叫“激励真实指数”,用来衡量绩效总分中的实际变动部分占比。大样本调研显示,从2020年开始,每年这个指标都在5%左右。换言之,按百分制对员工进行绩效打分,结果基本都在60~70分。

这种“大锅饭”里,真正的奋斗者不能被识别出来,定义岗位价值和绩效指标有什么意义?晋升标准又是什么?但如果各类职能都变成了智能体,围绕这些智能体工作的员工的价值反而容易被显化,对他们的激励回报和职涯进阶会更清晰,因为他们努力的过程和贡献结果都由精确数字反馈。

商界:大厂给员工配置Token和AI工具,但员工只把它当效率工具,不愿让AI改变自己的岗位边界;企业希望员工用AI重塑组织,员工却担心被替代。企业该如何设计激励机制,让员工愿意主动暴露可被AI优化的流程,而不是隐藏真实工作?

穆:首先要澄清一个概念。用AI重塑组织,即打造智能体组织,本身就是一次组织变革,是对责权利的重新分配,注定不可能被所有员工接受。“如何让员工接受”这个问题没有太大意义,因为“员工”本来就不是一个整体。

要做好组织变革,一方面需要给头部精英更多机会,让他们有施展舞台,能赚到激励,成为变革先锋;另一方面要给尾部员工人文关怀,让他们平稳落地,不至于成为变革阻力。这两头设定一旦完成,中间的人就会自动分流,一部分努力成为先锋,一部分急流勇退,各得其所。

组织变革的关键是要让头部精英跑出来,需要注入“市场化激励”,市场最能造就英雄。在平台型组织的设计里,有市场触感的人,在前台经营单元里研究客户、设计产品、组织交付,赚钱后和企业一起按比例分钱,内部再按虚拟股权分配,这是“合伙关系”;有专业职能能力的人,在中后台提供专业服务,按服务内容和效果收钱,可能采用能源合同这类形式,这是“交易关系”。无论合伙关系还是交易关系,都是市场化关系,有能力的人都能赚到远高于工资的钱。这就是他们参与变革的最大动力。

商界:很多互联网大厂老板、高管或知名学者并没有强调您所谓的“市场化激励”,而是认为精英应该自治、自我驱动,应以挑战自我、成就事业作为最高激励。您如何看待这一观点?

穆:这类观点有点“何不食肉糜”的意思,我不准备争论观点的对错,因为说这些话的人可能自己都不相信。我想谈谈为什么会存在这些观点。

对企业老板来说,他们想在避开组织变革的折磨和风险的基础上,实现“0元购”,用几句口号撬动员工热情。对企业高管来说,他们既不愿思考方案,也不希望市场化激励弱化他们的权力,于是最好的激励就是“拿麻袋分钱”。

有的学者并不是研究组织与人力资源管理的,也不想跨专业去挑战,但又要让商业模式和战略理论形成闭环,那这种“为爱发电”的简单观点就最合适不过了。他们不会探讨组织架构和激励的细节,而是用“网络化”和“自驱”一笔带过。他们也会给出员工“为爱发电”“创造奇迹”的极致个案,佐证自己的观点。

学者愿意说,老板和高管愿意听,媒体愿意宣传概念和故事,这类观点才会甚嚣尘上。

商界:回到更实际的激励机制上。如果员工用AI把原来8小时的工作压缩到3小时,企业是增加任务、减少人力、提高薪酬,还是让员工承担更复杂的工作?如果分配机制设计不好,会不会导致员工抵触AI?

穆:大多企业会把节约下来的5小时安排上其他工作,这就造成一个现象——员工偷偷使用AI工具,用AI节约出来的时间“划水”。老板们知道后不愿意,就挥刀裁员。一件好事就变成了坏事。

这种情况是老板在“对付”员工。但企业转型智能体组织后,这个问题就迎刃而解了。

AI工具只提升了个体生产力,并未提升组织生产力——没有反映在企业最终经营结果上。某个岗位爆发的生产力,依然被消耗在了无意义的分工、流程、审批里。甚至,爆发的生产力反而会阻塞企业的运转,就像一个体弱之人喝下十全大补汤,反而会上吐下泻。

智能体组织的意义在于,它让所有的AI智能体都能瞄准终端客户创造价值,不能创造价值的,就会从这张网络里被挤出。这时候哪有老板去关注你的工作时间问题,为你分配具体的工作任务?这时候,是老板和员工一起去“对付”市场,一起赚钱、分钱。

商界:在应用智能体或AI时,会存在认知边界、工作经验问题,有经验的员工在使用效率和结果上,比新员工要好很多,会不会导致企业更难招新,企业“老龄化”?

穆:没有什么老龄化,谁的思想年轻,谁就是“年轻人”。

什么样的思想年轻?在理解现状的基础上,不拘一格、巧妙创新。有经验的员工使用AI时会更有效率,一方面他们理解现状,有经验的累积,对某些领域有“感觉”;另一方面,AI创造了无限可能,让他们可以突破边界,而以前他们不敢提出想法,因为没人去落地。

列举一个具体的场景。一个员工提出:“这个事为何不这样做?”领导大手一挥:“想法很好,辛苦动动笔,形成方案!”这样折腾几次后,谁还敢提出创意?他们顺理成章地成了“老油条”。但现在不一样了,有了AI,你只要有创意,会出具提示词,自然会有产出。

对于年龄问题,一直有很多荒谬的观点。那些用年龄来一刀切的企业,要么是人才太多,“错杀”无所谓;要么是水平太差,没有其他办法来识别人才,只能使用年龄这种显性标签。

我也见过很多企业老板盲目崇拜年轻,尤其是“互联网思维”如火如荼的年代,他们热捧少年英雄,把自己卑微到尘土里,再加上某些媒体的推波助澜,高呼“向年轻人学习”“向年轻人投降”,这种现象居然成为了当时的时尚。而年轻人面对这样的“顺从”,未必待见“老登”们,反而更意气风发,坚决踩踏。其实这完全没有必要。还是那句话,谁的思想年轻,谁就是“年轻人”,年轻本身是自然现象,并不值得推崇,我们推崇的应该是“年轻的思想”。

注:文/穆胜,文章来源:商界杂志(公众号ID:shangjiezz),本文为作者独立观点,不代表亿邦动力立场。

文章来源:商界杂志

广告
微信
朋友圈

FAQ回顾

AI时代企业怎么安置被AI替代的员工?

社会福利系统要发挥更大作用,企业也需建立内部福利系统,为被AI替代的员工提供转岗培训,帮助其平稳过渡或重新上岗。例如京东推出“涅槃计划”,将70万快递员等蓝领工人送去接受技术培训,未来可从事机器人维修保养等工作,实现与AI并存。

智能体组织的架构是怎样的?

智能体组织是加载了AI技术的平台型组织,前台是极小但职能齐全、可实现“从创意到货币”的经营单元,以目标客户为中心深耕赛道;中后台是智能化平台,通过各类职能智能体提供资源或服务,各经营单元与职能智能体相互连接,形成纵横交错的网络结构。

AI时代企业怎么设计激励机制让员工接受AI应用?

打造智能体组织的组织变革本身是责权利的重新分配,一方面要给头部精英提供施展舞台与市场化激励,让其成为变革先锋;另一方面要给尾部员工提供人文关怀,帮助其平稳落地,中间群体自然会分流,主动适配AI时代的工作要求。

企业大规模应用AI会不会导致人员老龄化?

不会,判断人才的核心标准是是否拥有年轻的思想,而非生理年龄。有经验的员工理解业务现状,有经验积累,使用AI的效率和产出结果往往优于新员工;用年龄一刀切筛选人才的企业,要么人才储备充足可容错,要么缺乏科学的人才识别能力。

这么好看,分享一下?

朋友圈 分享

APP内打开

+1
+1
微信好友 朋友圈 新浪微博 QQ空间
关闭
收藏成功
发送
/140 0