为什么你的职位头衔将不再重要

从职位头衔，到可以构建和重新调配的能力

联合利华由人工智能驱动的内部人才市场并没有消灭岗位。它消灭的是这样一个假设：一个人的职位头衔决定了他能做什么工作。通过在细颗粒度上梳理员工能力，并把这些能力与全公司的项目做匹配，联合利华释放出500,000小时此前看不见的产能，这些产能原本被锁在无法反映员工全部贡献能力的岗位里。结果是生产率提升41%，70%的任务分配跨越了职能边界。

百胜中国把同样的逻辑用在一线招聘上。面对16,000多家餐厅门店和持续的大规模招聘需求，公司在候选人筛选、岗位匹配和入职环节部署了人工智能。如今89%的招聘需求在一到两周内完成。门店经理的流失率从9.7%降到7.8%，这来自候选人能力与岗位要求之间更好的匹配，而不只是处理速度更快。

从周期性人才盘点，到持续的洞察

强生在员工能力管理上的做法，展示了企业规模下持续人才洞察是什么样子。公司在技术团队中梳理出41项面向未来的技能，构建了一套持续跟踪个人能力发展和项目经历的人工智能系统，并向90%的技术人员开放了与这些技能相匹配的学习资源。结果是学习生态的参与度提升20%，而推动这一点的，是把相关的发展路径实时呈现出来、让人随手可及，而不是一项强制培训计划。

这对人才规划的含义是：组织对能力的要求，变化得比传统的年度人才盘点能跟上的速度更快。那些维护着一张实时能力地图的组织，能看到哪些技能正在被自动化、哪些需求在增长、哪些人离获得关键能力只差一步，他们在调配和培养上的判断，会比依赖一年一次快照的组织更准。

从层层叠叠的科层，到人与智能体的扁平团队

Repsol在IT和运营部门部署人工智能的做法，说明了人工智能给团队结构带来的变化。公司在技术部门的38个用例中部署了22个人工智能智能体，并正在扩展到90个，有3,000名IT员工直接与基于智能体的工作流打交道。每个智能体负责一个明确的任务域；人则担任编排者、异常处理者和质量责任人，而不是每一步的默认决策者。

Moderna在组织层面走得更远。公司把人力资源和IT两个职能合并到一位Chief People and Digital Transformation Officer之下，在内部部署了数千个基于GPT的工具，并取消了「人力管理」和「技术管理」之间的传统边界。当人工智能智能体和员工从同一个任务队列里取活时，人力问题和IT问题之间的区分就失去了意义。

把持续学习变成操作系统

世界经济论坛关于员工投入度的研究结果，量级上很惊人。使用人工智能驱动人才系统的组织报告称，留任率高出21%，员工投入度高出5×，每小时使用人工智能带来的生产率提升为33%。这些是把学习嵌入工作流本身的结果，而不是某个培训项目的结果。

传统的学习模式把发展和工作分开：员工完成培训，然后回到岗位。人工智能让另一种模式成为可能：系统在真实工作的场景中识别能力缺口，在需要的那一刻推出相关的学习内容，并用真实的绩效信号而不是课程完成记录来追踪成长。

Repsol的人工智能智能体做的不只是自动化任务：它们还产出数据，说明这些任务是怎么被处理的、错误出在哪里、哪些技能供不应求。这些数据直接进入人力规划的决策：哪些能力自己培养，哪些从外部获取，哪些进一步自动化。

在人才上走在前面的组织，投的不是更大的培训预算，而是治理模型，用来界定哪些工作由人来做、哪些由智能体来做，以及把人匹配到这两类工作上的能力系统。职位头衔不会一夜之间消失。但那些继续把它当作人力规划主体架构的组织，会越来越难以调动自己本来就拥有的能力。