---
title: "AI提效的下一站：不是干得更快，而是岗位被拆开"
canonical_url: "https://supawriter.sevnday.com/articles/7ac7cfe4-6348-4acb-9700-1ff167db6632"
channel: "财经投资与商业消费洞察"
channel_slug: "finance-market"
author: "商业与职场观察"
published_at: "2026-11-17T03:48:03.090688+00:00"
updated_at: "2026-11-20T13:04:14.097486+00:00"
word_count: 4073
keywords: ["AI","岗位","验证","智能体","组织","判断"]
---

> 摘要：个人效率与组织利润之间的裂缝正在扩大：80%的人觉得AI让自己更快，只有37%的企业利润改善。本文用银行、科技公司和个体案例说明，AI真正改变的不是速度，而是岗位内部的动作结构——从执行者转向AI管理者，而这一转变的瓶颈不在技术，在组织能否重设分工与考核。

# AI提效的下一站：不是干得更快，而是岗位被拆开

## 效率数据很好看，但利润没有同步变好

### 个人效率与组织利润之间的裂缝

麦肯锡2026年的调查给出了一个看似矛盾的组合：80%的受访者表示AI提高了自己的工作效率，但只有37%表示AI改善了所在企业的息税前利润。两个数字之间隔着一道43个百分点的裂缝，而且后一个比例与2025年基本持平。同一时期，74%的一线白领员工已成为AI的常规用户，一年内跃升23个百分点；AI Agent采用率从13%翻倍至30%。使用面在快速扩大，利润端却几乎没有动静。

![人机共创办公模式调研数据](https://supawriter.sevnday.com/cdn-img/supawriter/ea596d02bc0e1bd4.png)

腾讯研究院《从超级个体到超级团队》报告提供了一个解释角度：个人能力被AI放大后，团队反而容易出现新的内耗。个人产出变快，但团队来不及阅读、来不及决策，结果只是堆积了更多无效材料。换句话说，AI省下的时间没有变成组织决策速度的提升，而是被验证、对齐、返工这些环节重新消耗掉了。

这解释了为什么“干得更快”不能自动等于“赚得更多”。个人效率的改善发生在任务层面，而企业利润取决于整条价值链条的节奏。当链条中间环节的节奏没有同步改变，前端的加速只会制造拥堵。麦肯锡数据基于受访者主观报告，企业EBIT也受多重因素影响，不能把利润停滞完全归因于AI；但80%与37%的持续落差指向一个真实的结构性问题：效率红利正在被旧的工作结构吞噬。

## 岗位正在被拆开：从“执行者”到“AI管理者”

### 为什么说AI不是在替代岗位，而是在拆解岗位

岗位并没有消失，消失的是“一个人从头做到尾”的动作序列。过去一个后端工程师的岗位包含理解需求、写代码、自测、提交、修复缺陷这一串动作；当智能体接管其中写代码和自测的部分，这个岗位剩下的动作变成了：把需求拆给智能体、审核它生成的代码、判断哪些改动可以合并、出了问题负责修复。岗位名称可能没变，但核心动作已经不同。

![AI算法优化与模型迭代流程示意](https://supawriter.sevnday.com/cdn-img/supawriter/6f0639b5912545c9.jpg)

一项全球调研显示，72%的受访者认为AI已经改变了岗位所需技能，47%的人表示自己的角色已从“执行者”转向“AI管理者”。这个数字的值得注意之处不是它有多高，而是它把“管理”这个词放进了普通员工的日常描述里——过去管理意味着管人，现在意味着管智能体。

北京大学计算机学院副教授杨仝给出的区分更精确：大模型像顾问，负责提供答案；智能体则像执行者，能规划任务、调用软件、访问数据库，完成一整套工作流程。当执行动作被移出人的岗位，留下来的部分自然偏向判断、验证和兜底。这不是AI在消灭岗位，而是岗位内部的动作结构被重新分配了。

### 当你的工作变成“审核AI的推理”

这种转变在规则明确、结果可验证的领域进展最快。Stripe在2026年2月披露，每周已有超过1300个完全由Minions生成的代码变更经审核后合并。工程师不再逐项编写代码，而是把精力放在把关结果上。Morgan Stanley的对账智能体FIXR也有类似结构：单个账簿的对账时间从最长6小时缩短到2—3小时，约100名财务人员每周合计节省约1500小时。节省下来的时间并没有变成空闲，而是转移到了异常处理、规则调整和结果抽查上。

深圳一位后端工程师的描述更具体。AI来了以后他干活确实少了，但脑力负担加重：以前一行一行敲代码，累但下班就是下班；现在要同时管三个智能体，盯着、审着、改着、兜底，智能体不休息，他也无法完全放松。这段话点出了一个常被忽略的事实：审核和兜底也是高强度认知劳动，只是它的产出不直接可见。

![内部邮件全文截图](https://supawriter.sevnday.com/cdn-img/supawriter/cd2f82fc59fc9070.jpeg)

但“AI管理者”这个角色并非在所有领域都成立。杨仝同时指出，在科学研究、医疗诊断、法律判断这类开放性领域，验证成本极高，核心挑战可能不是AI缺乏解释，而是人类是否有能力持续验证AI的推理。代码合并有测试和编译作为客观验证，对账有数字平衡作为硬约束；但一个法律判断或医学诊断，往往没有即时、统一的标准来判定对错。在这些领域，把岗位拆成“AI执行+人类验证”的模型会碰到一个根本问题：如果人类自己都难以快速验证，那么“审核AI”这个新岗位的动作就失去了可操作性。

## 组织的真正考题：重新设计分工，而不是分发工具

### 为什么“人人都有AI助手”不等于AI原生组织

银行是观察这轮转变最合适的样本。不是因为银行技术最先进，而是因为银行的岗位边界最清晰，任何调整都会直接反映在成本、流程和风险控制上。巴克莱银行计划在2026年裁员5000人，约占员工总数的5%，其中约60%属于支持职能。KBW欧洲银行业研究主管安德鲁·斯廷森的判断是，裁员集中在后台与支持岗位，而非前端业务。这本身不意外：后台岗位的产出更容易标准化，也更容易被工具接管。

![AI原生组织十大特征架构图](https://supawriter.sevnday.com/cdn-img/supawriter/84acc7b2f9f3cc3e.png)

但裁员数字说明的只是“工具替代了某些任务”，不等于组织变成了AI原生。真正的AI原生组织，不是人人都有AI助手，而是组织能够重新设计人机分工、权限边界、责任归属、流程监控和价值衡量体系。麦肯锡的变革管理框架把这一点讲得更具体：围绕成果制定北极星目标、通过数据与治理构建信任、重塑工作流打造AI团队、重塑架构平衡自动化与增强型团队、赋能员工从学习者到变革推动者。这五步里没有一步是“分发工具”。

问题在于，多数组织的实际动作停在第一步之前。麦肯锡2025年1月的数据显示，员工对生成式AI的实际使用频率是管理层认知的三倍。48%的员工表示若能接受正式培训会更频繁使用，45%认为工具融入日常工作流后使用率会显著提升。这说明使用意愿不是瓶颈，流程和权限设计才是。当员工自发使用AI加速个人产出，而审批、复核、决策链条没有同步调整，前端加速只会把拥堵推到下一个环节。

### 银行裁员的另一面：降本容易，增收难

桑坦德银行的披露提供了一个更完整的图景。2026年前9个月，其AI项目创造了1.94亿欧元业务价值，首席财务官何塞·加西亚·坎特拉称AI已嵌入银行所有业务流程。如果只看这个数字，结论似乎是AI转型已经跑通。但同一位CFO在同一场合承认，AI主要帮助减少低附加值流程，让员工聚焦更高价值工作，同时影响收入端和成本端，却很难单独核算其中多少收益来自AI。

这恰恰是组织层面最棘手的问题。降本可以量化，裁员人数、流程时长、处理单量都有明确基线；增收却很难归因。策略师指出，目前仍难以找到确凿证据，证明AI能够带来可观、可验证的营收增量。桑坦德银行的1.94亿欧元是内部测算，不是审计后的增量利润。当一个组织无法把AI贡献从其他变量中分离出来，考核和激励就失去了锚点，岗位重构也就缺乏持续投入的依据。

| 维度 | 降本逻辑 | 增收逻辑 |
|------|----------|----------|
| 可测量性 | 高：裁员数、流程时长、单量 | 低：增量收入难以单独归因 |
| 生效路径 | 直接：减少低附加值流程 | 间接：依赖服务质量和客户体验改善 |
| 组织阻力 | 中：涉及岗位裁撤 | 高：需要前端流程和客户关系重构 |
| 当前证据强度 | 较强：银行裁员计划明确 | 较弱：缺乏可验证的营收增量 |

银行案例的启示不在于“AI能不能替代人”，而在于组织是否有能力同步调整考核与责任结构。降本可以靠行政命令推动，增收却需要重新设计前端岗位的权限和激励。前者是分发工具，后者才是重设岗位。目前多数组织还停留在前者，却用后者的语言描述自己的转型进度。

### 常见问答

**问：银行裁员主要是AI造成的吗？**
不完全是。巴克莱银行明确表示AI并非所有裁员的唯一诱因。银行后台岗位的缩减还受到成本压力、流程集中化和外包等因素影响。

**问：桑坦德银行的1.94亿欧元能证明AI增收吗？**
不能直接证明。这是银行内部测算的业务价值，CFO本人承认很难单独核算其中多少收益来自AI。它更适合理解为AI项目覆盖的业务规模，而非可验证的利润增量。

**问：为什么员工用了AI，组织效率没有同步提升？**
因为个人效率提升发生在任务层面，而组织效率取决于整条价值链条的节奏。如果审批、复核、决策环节没有同步调整，前端的加速会在中间环节形成新的拥堵。

![文章标题：公司的未来](https://supawriter.sevnday.com/cdn-img/supawriter/295bb06fafd57ed2.png)

**问：AI原生组织的核心标志是什么？**
不是工具普及率，而是组织能否重新设计人机分工、权限边界、责任归属和价值衡量体系。麦肯锡的框架强调工作流重塑和架构调整，而非简单的工具部署。

**问：企业应该先降本还是先增收？**
没有固定顺序，但降本路径更清晰、阻力更小，容易成为默认选择。问题在于，只做降本会固化旧的工作结构，让后续的增收转型更难启动。

## 对普通人的含义：你的岗位正在被重新定价

### 技能溢价从“会用AI”转向“会管AI”

招聘市场的变化比多数人的职业规划更快。智联招聘平台上，明确要求掌握AI工具的职位数量从2023年1月起增长了46倍，2026年一季度同比增速仍超过70%。北京一家中型互联网公司内部数据显示，社招岗位中要求“熟练使用AI工具”的比例从2024年的12%升至2026年第一季度的71%。这些数字指向同一个事实：会操作AI工具本身，正在从加分项变成基本门槛。

![员工成为智能体主管的论述](https://supawriter.sevnday.com/cdn-img/supawriter/c72bfd0ed55dcadb.jpeg)

门槛一旦普及，溢价就消失了。真正稀缺的不再是操作能力，而是判断能力、验证能力和责任承担能力。周鸿祎对程序员岗位的判断提供了一个具体参照：程序员不会被AI淘汰，但工作重心已从重复敲代码和基础测试，转向驾驭AI、精准提出需求、为AI生成的成果把控质量。这个转变的实质是，执行环节被AI接管后，岗位的价值锚点移到了链条的后端——谁来决定AI该做什么，谁来判断AI做得对不对，谁来为结果负责。

行业专家对就业市场的分析也落在同一方向：AI并非颠覆就业，而是重新定义了就业能力评价标准，未来就业者无需成为专业技术专家，但必须具备驾驭AI工具、释放创意价值的能力。这里的关键词是“驾驭”而非“使用”。使用是输入指令、获得输出；驾驭包含设定边界、识别错误、修正方向，以及在AI产出不可靠时做出替代方案。

这一转变并非在所有领域同步发生。在规则明确、输出可验证的领域，AI执行加人类验证的模式推进较快；在需要人类判断和责任承担的领域，AI更多是辅助而非替代。岗位重构的速度取决于验证成本：代码有测试覆盖，对账有数字平衡，这些领域的新分工容易建立；而法律判断、医疗诊断缺乏即时统一的验证标准，岗位边界的变化会慢得多。

### 培训缺口才是真正的瓶颈

技能溢价的转移已经发生，但培训供给远未跟上。全球调研中，88%的员工认为未来五年需要重大技能提升，仅有36%的人认为自己获得了充分培训。这个52个百分点的落差，比任何技术预测都更能说明问题的紧迫性。企业愿意在招聘端提高AI技能要求，却尚未在培训端建立相应的支持体系。

个人层面的应对因此变得具体：不能等待组织提供系统训练，因为供给缺口在短期内难以弥合。麦肯锡的数据提供了一个反直觉的线索：35至44岁人群中有62%自评具备较高AI专业水平，高于18至24岁人群的50%。经验可能比年龄更重要，因为判断力和验证力恰恰来自对业务本身的深度理解。这意味着，真正有竞争力的不是最早学会用AI的人，而是那些既懂业务、又能把AI接入业务判断的人。

### 常见问答

**问：我该先学什么，才能跟上岗位重构？**

优先补验证和判断能力，而非更多工具操作。学会在AI产出中识别错误、设定验收标准、判断哪些任务适合交给AI，比多掌握一个模型更有长期价值。

**问：年龄大了还有机会吗？**

数据不支持年龄焦虑。35至44岁人群的AI自我评估水平高于更年轻的群体，说明业务经验在验证和判断环节是资产而非包袱。

**问：如果公司不提供培训，个人怎么补？**

把工作中的真实任务当作训练场。先在自己的业务领域内定义AI的适用边界，再逐步扩大；关注AI产出与业务结果之间的因果关系，而不是停留在“看起来不错”。

**问：所有岗位都会被重构吗？**

不会。验证成本低、规则明确的领域变化快；依赖人类判断和责任的领域，AI更多是辅助。岗位重构的速度取决于能否建立可靠的验证机制。

**问：会管AI的人到底管什么？**

管三件事：AI该做什么，AI做得对不对，AI出错时谁来兜底。这三件事的稀缺性，决定了新的技能溢价方向。

## 参考来源

- [人工智能正在重塑银行业岗位，但它能否提振盈利仍存疑问_新浪财经_新浪网](https://finance.sina.com.cn/stock/usstock/c/2026-11-16/doc-iniyxpwz2344433.shtml)（extra_url）
- [AI转型进入深水区：战略比工具更重要](https://jimo.studio/blog/ai-transformation-in-deep-waters-why-strategy-matters-more-than-tools/)（ddgs）
- [腾讯的探索样本——分析AI原生组织兴起十大特征、变革突破 ...](https://www.smartcity.team/news/%E8%85%BE%E8%AE%AF_%E8%BF%88%E5%90%91ai%E5%8E%9F%E7%94%9F%E7%BB%84%E7%BB%87/)（serper）
- [当AI开始“干活”__经济网_国家一类新闻网站 - 当AI开始“干活”](https://www.ceweekly.cn/cewsel/2026/0616/496033.html#1)（deepseek）
- [人工智能赋能就业模式转型 多元新形态加速涌现](https://www.ce.cn/cysc/newmain/yc/jsxw/202601/t20260119_2711646.shtml)（yuanbao）
- [被AI激活，员工变创客 - 被AI激活，员工变创客](https://www.news.cn/globe/20261027/a0a7315c96db40ea8baa42a734490e09/c.html#1)（deepseek）
- [2025雇佣关系趋势报告:6成以上职场人借助AI独立工作](https://finance.cnr.cn/rdzt/dtzgxyex/dtzgxyexhyal/20260107/t20260107_527485831.shtml)（yuanbao）
- [重塑工作：生成式AI时代的变革管理](https://www.mckinsey.com.cn/%E9%87%8D%E5%A1%91%E5%B7%A5%E4%BD%9C%EF%BC%9A%E7%94%9F%E6%88%90%E5%BC%8Fai%E6%97%B6%E4%BB%A3%E7%9A%84%E5%8F%98%E9%9D%A9%E7%AE%A1%E7%90%86/)（serper）
- [人机新分工：AI 时代的职业进化__经济网_国家一类新闻网站 - 人机新分工：AI 时代的职业进化](https://www.ceweekly.cn/cewsel/2026/0616/496032.html#1)（deepseek）
- [当“标准答案”变得不再稀缺,在智能体时代,如何守住职场人的“护城河”?](https://www.hubpd.com/detail/index.html?contentId=4323455642280716230)（yuanbao）
- [AI重塑工作方式,过往经验如何找到新价值?](https://finance.cnr.cn/jjgd/20261003/t20261003_527833133.shtml)（yuanbao）
- [AI提效个人易，组织变革难转载](https://blog.csdn.net/summer_fish/article/details/163244412)（serper）
