AI 浪潮之下，工作方式、组织形态与个人价值正迎来根本性重构。
智能释放了远超想象的生产力，“人天”这个传统的工作量标准失去了意义，时间换薪酬的传统岗位模式已然失效。
对组织而言，变革已不是流程优化，而是从“管理人力”转向“驾驭AI”的物种级进化。
企业必须淡化岗位边界，以任务驱动重构协作，将隐性知识显性化为 AI 可复用技能，把知识管理升级为核心战略。同时，组织需打破思维惯性，放弃对确定性 ROI 的执念，精简非核心能力，拥抱 AI 原生架构。
唯有主动进化、以新需求破局，才能在跨物种竞争中占据先机，真正释放 AI 的全域价值。
希望今天的内容，对你有所帮助。
一、AI重塑工作：碎片化能力，成为优势
1.当“不可能任务”成为现实
我从ChatGPT出来开始，就是第一批用户，之后每出一个新的AI工具，我都会第一时间去用。到现在，除了发微信是我自己亲手发的，其他几乎所有事情，都是AI在背后辅助我完成的。
我的工作主要分三块：教学、科研，现在还多了一块开发工作。
我以前一行代码都没写过，以前有开发需求，只能找外包团队来做，但很多时候，我们的核心目的不是开发本身，而是解决实际需求。
举个例子，我教领导力的课，和教物理、教计算机的课，需求天差地别。学校统一的教学系统软件，只能满足大家共通的那20%的需求，剩下80%的个性化需求，根本满足不了。
现在有了AI，每开一门新课，我都会自己做一个交互式网站，学生所有的学习互动都在这个网站上完成。
比如我要讲领导力、讲沟通技巧，就可以直接在网站里做模拟场景，学生可以直接跟大模型对话，进行角色扮演，就像虚拟沙盘一样。
所有内容都是根据我这门课的独特内容定制的，这种事在以前是完全不可能实现的。它不是说把你的课件做得更好、PPT做得更精美，这种想法太缺乏想象力了。AI能做到的，是以前你想都不敢想、根本实现不了的事。
教学如此，科研也是一样。
前几天我们刚发了一篇论文，研究的是AI能不能拥有判断力，具体来说，就是我们做了一个微调模型，教AI去判断一个研究想法到底好不好。
很多人都想试试，让AI帮自己评判一下自己的idea、自己的商业计划书靠不靠谱，但普通大模型效果不太好，然后我们微调出了这个模型，结果效果挺好，所以我们做完之后直接部署上线，做了个开放网站。
现在我的学生们，都把自己压箱底的研究想法拿进去，让AI做评判。不光是科研，商业计划书、创业想法，其实都能用。
这又是一个以前完全实现不了的事，AI最大的价值，就是把你以前的梦想、幻想，变成了现实。
2.智能体效率远超想象
现在AI的生产力、效率的天花板，已经远远超出了很多人的想象，尤其是熟练运用智能体之后。
前段时间，我给高管上课，现场做了个演示，十分钟写了一本书，我只定了核心方向，AI给过来的书的主题是“给高中生的组织行为学”，而且还说市面上根本没有这类内容。
里面的章节，比如怎么理解班级集体、怎么管理自己的情绪、怎么认识自己、怎么处理同学关系，这些其实都是学生真正需要的，但市场上是空白的，而AI特别擅长做这件事。
我让AI当包工头，同时再拆分出十个子智能体，一个负责一个章节，十分钟就写完了，还排好了版。当时台下还有出版社的朋友，看完都说书的质量非常高。
这对很多人来说都是巨大的冲击，AI能完成你过去一个月、半年的工作量，甚至你可以同时开三个、五个项目，十分钟写三本书、五本书，核心只在于你能不能发现一个真实的需求。
这就引出了一个更值得思考的问题：十分钟就能产出的东西，理论上是没有太多价值的，怎么才能让它真正产生价值？
甚至说你产出的东西，可能都不叫书，而是另一种东西和形态。但是它们的本质都是一样的，都是能满足用户获取知识、获得精神滋养的核心需求。
就像龙虾这个东西，以前根本不存在，它突然出现，就催生了一个新的产业。
3.“人天”工作量标准已然失效
过去，不管是做研发项目管理还是做咨询项目报价，评价一个项目的工作量，最常用的单位就是“人天”，也就是多少人做多少天，其底层逻辑，就是人事成本。
这在小学数学题里经常见到：挖一个洞，小明要3天挖完，小李要5天挖完，这里的3天、5天，就是所谓的“人天”。
到了AI时代，这个标准显然已经过时了，现在核心成本只有Token成本，而Token的成本又极低。人被解放出来，核心工作变成了驱动Token运行。
企业的AI化程度早就不看普及率，因为普及率太容易做到了，给所有人都装个豆包，普及率就是100%了。
真正的衡量标准，是企业的Token消耗量，尤其是智能体运行带来的Token消耗。
最开始我其实没有这个想法，大家用豆包、DeepSeek、ChatGPT的时候，都是实时交互的，你一直在工作，不存在“实打实干了一天”这种说法。
第一次有这种感觉，是ChatGPT出专业版Pro的时候，你问它一个问题，它有可能15分钟之后才回复你。这时候我就发现，这15分钟我该干什么？
我们当时马上就做了一个研究，探讨AI出现之后，会不会打破我们传统的工作节奏，核心问题就是：AI在工作的时候，你在干什么？
到了现在，大家开始用Claude Code、Codex，还有很多重型AI工具，它真的能独立完成一个小时的任务。这时候你自然而然不会一直刷短视频，而是会开新的窗口、接新的项目。
突然有一天我就发现，工作量不能这么算了。
比如一个项目，从启动到结束，实打实花了8个小时，但我可能只在开头跟AI聊了10分钟，中间它给了几个选项，我做了个决策，剩下的时间就是点点同意、确认进展，同时我还在并行推进另外一个项目。
这时候你就会发现，用“人天”这个单位，根本没法衡量工作量了。这个项目从开头到结尾确实花了8个小时，但我真正投入的时间不到40分钟。
所以我当时就在想，是不是该有一个新的测量单位？
现在大模型都在讲Attention（ 注意力 ），其实对人来说，核心也是注意力，我在A项目上真正投入了多少注意力时长，在B项目上投入了多少，中间是怎么来回切换的。
4.碎片化，是一种新工作方式
“碎片化的注意力，现在可能不是缺陷，而是一种超能力”，这是我从实际工作中体会出来的。没有一手的体验，我不会随便提出一个“反常识”的概念。
人为什么会拖延？因为越是难的事，启动成本越高。
比如我要写一篇论文，最难的就是打开Word写下第一句话，你对这个任务有很高的预期，但开头很难达到预期，就会一直卡在那里。所以好不容易进入状态后，大脑被激活了，就不想被打断，想一鼓作气做完。
但有了AI之后，你会发现，任务的启动成本变得极低，你能瞬间进入思维活跃的状态，根本不需要长时间的铺垫。
第一，AI会独立工作，天然就会打断你的节奏，尤其是现在它能一次工作30分钟，这半个小时你干什么？自然而然就会去做另一件事，工作节奏完全变了。
第二，人做任何工作，都分两部分：一部分是真正原创性的想法，另一部分是落地执行。
比如写一篇论文，核心的方向和雏形，已经在我脑子里了，但真正把这个想法落地，把它写完善、做严谨，80%-90%的工作都在执行上，我们过去说的深度工作，大部分时间也都花在了执行上。
但现在，AI能帮你完成这90%的执行工作，反而那10%最有创造力的部分，根本不需要深度工作。
你开车的时候，脑子里就能不断孕育、打磨创意；甚至睡觉的时候，潜意识里都在想。它是一种低功耗的运行状态，反而能产生很强的创意，而AI能帮你把创意落地。
碎片化的状态，反而能让你接触到更多的信息，走路、看到的任何东西，都能成为外界的刺激，而你的脑子里有一个核心目标，会自动把这些外部信息加工、反馈，形成新的创意。
过去的深度工作，更多的是深度执行，而现在，执行的事AI帮你做了，碎片化的创意和洞察，反而成了最核心的价值。
二、AI重塑组织：岗位淡化，任务驱动
1.岗位淡化：从时间换薪酬，到知识换产出
“岗位”这个词，本身就是以人为中心的组织设计出来的。现代组织有几个基本假设：第一个是有限理性，也就是人不能做所有事，所以必须分工。
但分工之后，多人协作就会产生大量摩擦。管理的核心，就是管理这些摩擦、管理人的不确定性，所以才有了岗位。
岗位打卡制度的底层逻辑，是员工和组织之间，用时间换薪酬。但现在已经不是这样了，核心变成了用知识换产出。
如果还是抱着打卡的心态，你会发现很多员工，AI能力很强，十分钟就把一天的活干完了，但他不会再多干一点。
而很多初创企业，员工会把工作当成自己的事，AI来了之后，他觉得自己能做的事情更多了，所以反而变得更忙了。
因此，现在出现了几个明显的变化趋势：
第一，岗位一定会合并，未来我们会按照任务来划分工作，而不是按照岗位，“岗位”这个概念会被不断淡化。
如果AI成了工作的主力，人只负责出想法、做决策，那很多岗位里的可标准化、可验证的任务，都可以交给AI来跑，只留下需要人和AI高度协作、做价值判断的部分。
第二，岗位会被打散、重组，一个人要负责的面会更广，人的核心工作，变成了编排整个工作流程。
传统大厂里那种“一颗螺丝钉”式的岗位，会大量消失，不是人消失了，而是人的工作方式变了：人从螺丝钉，变成了体系的设计者。
就像第一次工业革命，大家都是手工匠人，后来出现了设计工厂、设计流水线的人，出现了质检员、安全员这些新岗位，现在也是一样的道理。
2.知识管理成为核心战略
以前人的核心能力，都是内化在脑子里的，比如设计能力、写代码的能力、做产品的能力。
现在企业最该做的事，就是把员工脑子里的隐性知识显性化，变成一个个Skill（技能），让它变成组织的公共能力，全公司都能调用。
如果以前知识管理是企业的边缘职责，那么现在变成最重要的核心职责。因为AI可以被无限调用，用它来承接这些知识，效率是完全不一样的。
我给大家分享一个我自己的实践。
我平时经常给学生的论文写批注，不管是学生自己写的，还是跟AI合作写的，我都会在markdown里标注清楚，开头哪里写得不好、该怎么改，逻辑哪里有问题、该怎么调整。
以前这些批注都是一次性的，学生看完、改完就没用了。但AI时代，这些批注反而成了最有价值的东西。
如果你标注了十篇论文，把标注的逻辑讲清楚，再把这些知识变成一个Skill，AI就完全学会了你的评审标准和修改逻辑，能直接帮你完成论文批注工作。
为此，我专门开发了一个标注平台，把文章上传上去，就能直接做标注，标注完之后，背后的AI会一键把这些知识提取出来，转成技能包，直接放到智能体里。
这是我个人的实践，其实每个企业都应该想，怎么找到适合自己的方式，把专属的经验和技能提取出来。
3.激励体系随之变革
Skill（ 技能 ）本质上就是一段文本，特别容易被盗、被复制，不像网站、产品，没法轻易抄走。
所以现在市面上的Skill（ 技能 ），大多是通用型的，比如写代码的，真正行业里的独门绝技，很少有人做成公开的Skill（ 技能 ）。
而这些独门绝技，恰恰是企业的核心竞争力，可能全世界某个细分领域里，懂这个技能的人不超过5个，就在某一家企业里，这就是最有价值的东西。
以前企业里有5个这样的专家，只能服务100个客户；但把他们的经验萃取出来，变成企业的Skill、企业的智能体，就能把服务范围扩大无数倍，这会变成企业最核心的资产。
很多人担心AI时代的安全风险，总怕自己的资料上传到大模型里会泄露，其实这个风险发生的概率极低，除非遇到世界级的黑客破解。
所以，持续迭代的能力，才是人才的核心。
人的能力是呈正态分布，未来可能会变成这种情况：企业里最顶尖的专家做出来的Skill，贡献了企业80%的Token调用和价值产出。
此时，企业必须调整自己的激励体系，否则员工根本不愿意把自己脑子里的东西，变成企业的Skill。这会降低他自己的不可替代性，甚至会让他丢掉工作，不符合人性。
4.管理，从管人变成管AI
以前做管理，核心是识人善任，把合适的人放在合适的岗位上，用好人、做好激励，就是好的管理者。
但现在这个逻辑，已经不完全成立了。 用人当然还是重要的，但你要指挥AI，前提是你真的懂业务、懂这个领域的核心逻辑。
对管理者来说，你自己要变成干活的主力，变成这个领域的专家。
AI需要的所有技能、所有标准，都需要你自己先提炼出来，你管理AI的过程，本质上你就是一个个体创造者，这和以前的管理逻辑，有天壤之别。
当然，人的时间是有限的，以前做了管理者，天天开会，根本没时间做具体业务，以后会没那么多会了，你更多的是管流程，完全可以把自己对市场的洞见、对组织流程的理解，结合AI落地实现，这才是关键。
你要指挥AI干活，前提是你对这个活的逻辑、哪里有坑、哪里是价值点，都要特别清楚，甚至要比你的下属还清楚。你把这些东西交代清楚了，AI才能交付好的结果。
其实以前好的管理者也是这个逻辑，指挥下属干活的时候，已经给了清晰的思路和方向，下属只需要执行。
但有些管理者，自己根本没思路，就只会让下属“你去干一下，你去悟一下”，下属悟出来的结果他不满意，又说不出来哪里不好，这种管理者，用AI也根本用不好，AI更不会主动帮你“悟”。
5.组织规模趋向精简
根据科斯的交易成本理论，企业做大了，既能降低风险的不确定性，又能降低外部交易成本、内部管理成本。
但现在，企业很多的能力，都可以通过市场获得。
比如现在很多AI团队，根本不自己做模型，只做AI应用，全部调用开源或者闭源的API，以前这部分是企业的核心能力，现在变成了外部可采购的服务。
再比如招人，以前要专门设HR岗位，现在用一个招人的技能包，就能跑通全流程。
企业会不断思考，什么才是自己真正的核心，一定是大模型不知道、别人也不知道，只有我知道的东西，这才是核心护城河。
大模型已经有的能力，直接复用就行；别人有的、非核心的能力，通过API、通过合作就能买到，根本不需要自己养团队做。
所以未来的组织，一定会越来越精简，只保留最核心的、独一无二的能力。
三、AI时代个人的核心竞争力：从证明过去到创造未来
我们经常听到一句话：如何不被这个时代淘汰？
我想，这应该是个伪命题。
1.别被标签限制
首先，千万别给自己设限，不要用“文科生”“女生”这些标签困住自己。
现在人和AI之间的唯一门槛，就是自然语言交互，而文科生，天天学的、练的就是自然语言，就是人的表达和沟通，这天然就是你的优势，根本没有任何限制。
职业发展、专业选择，这些都是没有AI的时代，劳动分工形成的上层建筑。
而AI时代，最本质的能力，是人的创造力、判断力、对社会需求的敏感性，这些能力，跟你是什么专业、什么性别，没有任何关系。
其次，年龄不是问题。年龄更多是自我暗示，或者社会给你的暗示。
龙虾的创作者年龄就超过35岁了，就像在我们团队里，我年龄最大，但我应该是AI用得最好的一个。
2.简历只证明过去，作品展现潜力
以前我们证明自己，靠的是学历、经验、大厂背景，但未来，你完全可以用自己的作品、自己的产品、自己在社区的影响力来证明自己。
比如GitHub上的开源项目，有多少点赞、多少收藏，都是你的硬实力。
龙虾的创作者，就是靠这个产品，让扎克伯格和山姆·奥特曼轮番邀请，他根本不需要什么华丽的简历，作品就是最好的证明。
以前你有个想法，要做一个产品，可能要几十万、上百万的成本，还要一个完整的团队；现在有了AI，你一个人就能做出来，这是一个更公平的赛场，完全靠实力说话。
3.别迷信，去躬行
去年DeepSeek火的时候，大家都把DeepSeek等同于AI，今年龙虾火了，大家又把龙虾等同于AI，但本质上，我们要抓住背后AI的核心原理。
对我来说，龙虾只是一个桥梁，它在我和各种AI工具之间搭了个通道。
在办公室电脑前，我可以直接操作AI工具做开发；离开办公室的时候，我就让龙虾帮我盯着、帮我指挥，它就像一个管家，帮我衔接各项工作。
大家说“养龙虾”，本质上是构建一套文件系统，把它的核心记忆、长期技能，把做某类任务可复用的诀窍，以文件的形式存起来，告诉它之前已经做过类似的事，流程是什么样的，这次照着做就行。
如果真的让它做开发，它肯定不如Claude Code这类更专业的AI工具好用，核心是你要给它定好位，才能发挥它最大的作用。
但也需意识到，一个人用AI，确实能做一个跟淘宝首页一模一样的网站，但要做到淘宝“双十一”那种高并发、高稳定性，全中国也没几个团队能做到，这中间的差距是巨大的。
你自己不去体验，根本不知道AI的能力边界在哪里，只会做出错误的决策。
4.AI时代的学习，从具体问题开始
现在AI时代，知识的获取已经不是障碍了，核心是你的主动性，还有自上而下的学习方式。
OpenAI团队里有个很火的瑞典科学家，高中就辍学了，最后成了顶尖的AI科学家，他采用的就是自上而下的学习：对什么东西感兴趣，就以这个问题为核心，去学需要用到的知识，遇到卡点就问AI，根本不会卡住。
而以前我们的学习是自下而上的，先学一大堆基础知识，学的时候根本不知道这些知识有什么用，等用的时候，早就忘光了。
但有了AI之后，你完全可以围绕一个具体的问题、一个你感兴趣的方向去学，AI会一步一步教你，帮你解决所有卡点，慢慢就会形成围绕解决问题的完整知识体系。
就像装龙虾这件事，已经形成了一个500块钱上门安装的产业，但这件事AI完全能解决。
装的时候遇到问题，截个图扔给AI，问它下一步该怎么办，就算你一点基础都没有，让它一步一步给你解释清楚，它也能教你装好，根本没必要花钱请人。
四、未来趋势：从“组织变革”到“物种进化”
1.真正用好AI的，是AI原生组织
真正用好AI的，基本都是一些初创型的AI原生组织，也就是成立之初就把AI融入核心的企业。
那么，为什么传统组织很难转变为AI原始组织呢？
首先，传统组织最大的问题，是思维惯性。
初创企业刚起步，想的就是怎么省钱、怎么高效，找不到人，自然而然就会让AI来做。但大企业不一样，它已经有了成熟的体系、流程，就像前面那匹马，还有固定的人力成本，AI来了之后，反而会形成巨大的阻碍。
AI来了之后，对初创企业来说，一个人就能端到端跑通全流程；但大企业已经有这么多人了，除了效率问题，还要考虑大家有没有活干、在组织里扮演什么角色，这就变得非常困难。
每个人都会从自己的视角出发，比如我们跟一些企业合作做课题，经常项目都快做完了，合同还没走完流程，因为很多东西都是全新的。
对法律合规部来说，企业AI化根本不是他的KPI，他的KPI是别出问题，这就引出了巨大的矛盾。
其次，更深层的问题是，识别不出最重要的资源。
大企业最稀缺的资源，我们以前以为是钱、是人，但接触了很多大企业之后发现，最稀缺的是员工的时间，员工根本没有探索的时间，而这恰恰是AI时代最稀缺的东西。
现在对AI最热衷的，往往都是老板，如果老板认为某个东西好，可能钻研到凌晨三点，明天上午的会直接不开了，他自己说了算。
但普通员工不行，你要做这些事，只能占用下班之后的业余时间，而很多人根本没有这个动力。就算有动力，真的愿意花时间钻研，往往也不是为了给公司做，而是有了其他的想法。
初创企业里大家有共同的利益，很容易有这种主人翁精神（ ownership ），但成熟企业里，这件事就变得非常难。
第三，传统企业追求确定性，追求ROI（投资回报率）。
他们会问，这个AI应用，最后能带来多少收益、能裁掉多少人，只有把这笔账算清楚，才愿意做。
但实际上， 真正好的AI应用，是算不出ROI的，它有强烈的溢出效应。
比如你做了一个东西，它可能改变了整个组织的流程、整个组织的决策方式，这个收益根本没法量化。
就像龙虾这个东西，刚出来的时候，大家都觉得就是个玩具，Claude Code最开始也只是Anthropic内部的一个工具，结果现在成了他们最大的营收来源之一。
2.组织转型，需要的不是变革，而是进化
“龙虾”本身不见得会给组织带来多大的改变，但它代表了一个非常重要的趋势。
从最开始的聊天机器人，到现在命令行式的Agent出现，AI终于能做“重活”了。但怎么把它和组织结合起来，现在还是一片空白。
如果你是一人公司，用各种AI工具自己整合，完全没问题；但几百人的公司，几百个员工和几百个AI工具，该怎么连接？
现在已经出现了一种雏形，就是“人的分身”，人去指挥自己的龙虾分身，它知道你所有的信息、有你的记忆，通过记忆管理系统，去调用底层的各种工具。
未来人与人之间的开会、协同，可能会变成“我的龙虾先跟你的龙虾聊，聊不拢、解决不了的，人再沟通”。
这代表着，工作的主体从人，变成了AI，而人要做的，是重新设计组织的流程，这件事现在所有企业都还在探索。
几百人的公司可以做这种转型，但再大型的企业，怎么和现有的系统整合，怎么转型成AI原生组织，现在已经成了很多企业的核心课题。
以前很多人讲“组织变革”，AI出来三年了，大家喊了三年组织变革，结果基本都没变，为什么？因为“变革”这个词，分量还是太轻了。
未来的组织，要经历的是“进化”。
进化是更痛苦的，就像水生生物到陆生生物，要蜕一层皮，要用鳃呼吸变成用肺呼吸，是完全新的物种。
所以我们旧物种的所有衡量方式，都需要重新反思，包括“人天”这个最基础的单位。
以前是纯人工作，现在是人和AI混合工作，人的创造力、判断力，根本不需要用时长来衡量。
龙虾的创作者，可能就是洗澡的时候灵光乍现，想出了这个产品，这个灵光乍现的瞬间，就是最有价值的。
那么，对企业来说，到底该如何做？
第一，别在现有的场景里内卷，去发现新的需求。
以前你服务一万个客户，只能做标品，现在用AI，你可以用极低的成本，给一万个客户每人做一套个性化的服务，单个客户的额外成本可能只有一块钱、两块钱，这在以前是根本不可能的。
第二，现在的竞争，是组织能力的竞争。
AI的溢出效应太明显了。这就像进化时代，是跨物种的竞争，而不是同物种的竞争。
比如Claude发布了一个新的Skill，可能就会让股市里某个行业的市值蒸发几千亿美元。
你的组织能力越强，能找到新需求、效率越高，你能“掠食”的范围，就根本不局限在你的行业里了。
一个小团队，也能接软件公司的活，别人收一万块钱做个网站，我五百块钱就能做，因为我两个小时就能干完，这就是组织能力的竞争，而不是行业积累的竞争。
高级笔记达人| 李云
责编| 柒
兴盛网提示：文章来自网络，不代表本站观点。
