AI会成为更靠谱的员工吗？

当前，关于“AI 时代哪些工作会被替代”的讨论如火如荼。各个领域都在发展大语言模型（Large Language Model，LLM），这些模型不仅是“通才”，能够跨领域思考问题，还能输出类似人类的语言文本，对人类语言有更深刻的理解。

与以往数字化工具带来的冲击不同，SaaS 类工具只会在某些领域帮助从业者提升效率，但 AI 带来的却是对从业者的完全替代。

最近微软的一项研究里，研究人员分析了 20 万条用户与微软 Copilot 的真实匿名聊天记录，整理了 AI 对若干工种的覆盖范围和帮助程度。结果显示，重灾区几乎都是那些依靠“动脑子”和“靠嘴说”的职业，而不容易被替代的工种反而是“体力活”。

与其宏观地去观察就业市场，我更大的兴趣在于观察 AI 给企业带来的影响。如果大量工种被 AI 替代，企业的组织结构会发生什么样的变化？

AI 推动极致平台化

如果受 AI 冲击最大的是“动脑子”和“靠嘴说”的岗位，那企业中后台职能部门的大量工种都无法幸免。当然，在 AI技术完全成熟之前，由于人类和 AI 在这些领域各有优势，企业可能不会立即进行彻底的变革。

然而，从商业环境变迁的角度观察，AI 冲击中后台职能部门的趋势已十分明显。在当前的经济形势下，企业追求轻资产运营、灵活生存已成为普遍趋势。庞大的中后台职能部门不仅带来巨大的人力成本，还在很大程度上制约了业务部门的敏捷性和灵活性，使其成为组织变革的重点改造对象。

穆胜咨询《2025 中国企业平台型组织建设报告》的数据显示，当前企业组织变革的主要方向是组织精简，其中计划精简后台、中台和前台部门的企业比例，分别为 45.8%、40.0% 和 34.2%。这意味着相当一部分中后台职能岗位已不在企业的未来规划之中。再加上 AI 技术带来的效率提升，组织结构的深刻变革呼之欲出。未来，每个岗位都会被要求产生直接的经营价值，而那些价值难以量化的中后台工作，将由 AI 来承担。

以地产巨头万科集团的实践为例，其在 2021 年评选出的优秀新人—崔筱盼，是万科首位数字化员工，而且已在集团财务部工作了 10 个月。她的主要工作就是处理各类应收和逾期款项的提醒，效率远超人类员工百倍。经她催办的单据核销率高达 91.44%。对企业而言，这样的员工堪称完美 ：全天候工作、无需支付工资和社保、没有情绪波动、也不会离职。

试想，职能部门中存在多少类似的“事务性工作”？既然崔筱盼能够胜任，那其他 AI 为何不能？值得注意的是，崔筱盼还并非基于大语言模型的 AI，只能算是处理高度重复性任务的 RPA（Robotic process automation，机器人流程自动化）。

更进一步，职能部门中那些需要深度决策的工作内容，又有多少是 AI 无法替代的呢？如果是基于数据的决策，AI 的表现通常会优于人类。而那些不基于数据的决策，恰恰是职能部门需要清理的 “阴暗角落”。随着企业数字化变革的持续推进，大量企业的职能部门已被倒逼走向数字化。这一趋势几乎是不可逆转的，因为固守传统模式将难以支撑日益复杂的业务需求。

未来，中后台职能部门将更多采用智能算法进行决策，实现资源的敏捷调用，最大程度产生效率结果。AI 将逐步取代庞大的传统职能架构，成为企业高效运转的核心“大脑”。整个职能体系将呈现更加精简、智能的特征。

AI 驱动下的敏捷赋能

职能部门精简已经成为了组织变革的主流趋势，但其角色不会消失，而是在 AI的加持下加速转型。无论是响应外部市场需求，还是提升组织效率，职能部门的转型方向都已经十分明确 ：聚焦于如何整合公司资源，高效赋能前台业务敏捷作战。

根据我们的观察，职能部门的工作重心正在从传统的“事务性工作”转向以下四个关键方向 ：

模型化 ：基于业务分类分级，构建稳定的决策模型，提升决策效率。

风控化 ：基于风险分类分级，构建稳定的风控模型，提升风控效率。其核心原则就是确保风控投入与风险等级相匹配，避免成本倒挂，不能为了控制 10 元的风险，投入 100 元的风控成本。

产品化 ：将职能资源转化为可赋能前台的“产品”，为业务单元提供所需“弹药”。BP（业务伙伴）化 ：向前台业务单元派驻 BP，提供本地化场景的政策（如激励）与资源（实体、专业服务、方法论等）支持。

其中，模型化与风控化是 AI 的核心应用领域，产品化与 BP 化也与 AI 密切相关。

而经过数字化改造后的企业，大量决策都基于数据，这正是 AI 发挥作用的舞台。要探索职能部门的转型，还需要理解其内部分工的变化。就我们的观察来看，起源于财务职能的“三支柱模式”，已经被人力资源等领域广泛采纳。而采纳三支柱

模式的职能部门分为三个部分 ：专家中心（后台）负责政策制定 ；共享中心（中台）负责流程执行与数据管理；业务伙伴（BP，前台）负责赋能业务单元。

这一结构天然适配 AI 的深度渗透 ：专家中心—由各个领域的精英 AI工程师组成，主要专注于算法设计、模型训练与企业 AI 大脑的持续进化。AI 更多的是实现任务（task）自动化，而不是将整个工作（job）自动化。所以，AI 架构师需要规划职能体系，明确可 AI 化的部分并构建模型。对于这类工作来说，人数没有意义，团队规模会被压缩到极致。

共享中心—主要负责基础流程（如HR 入离调转）运营与数据仓管理。他们有能力基于专家中心的模型，进行预训练、调优等工作，以确保应用效果。虽然这部分规模要大于专家中心（因含操作性任务），但同样不以规模见长。

业务伙伴—既是使用 AI 的高手，也是使用体验的反馈者。他们从中后台进入前台，成为了业务部门和中后台职能部门的连接器。其团队规模在三支柱中是最大的，但会随着对应职能部门 AI 成熟度与赋能效率的提升而逐步缩减。

这种模式清晰展现了未来职能部门的工作场景与组织架构演变，与前述“阵型前压”趋势高度一致。

职能部门的转型进展

如果职能部门的转型已经是大势所趋，那哪些部门会率先转型呢？

2025 年，穆胜咨询以 68 家中大型客户企业为样本，对其老板或 CEO 进行了一次问卷调研。在问卷中，我们针对企业的职能领域，通过以下三个问题量化了该项职能的决策复杂程度 ：

数据复杂性 ：决策是否需要调动多种数据？

决策独立性 ：决策是否需要考虑其他职能领域的反馈？

决策封闭性 ：决策结果能否直接形成封闭选项，抑或需要补充大量开放性答案？

假设职能领域的核心工作都是基于数据的决策（而非感性决策），如何衡量决策的复杂程度？我们可以把前两项看作是决策的输入维度，最后一项则是决策的输出维度。如果某职能决策需要大量数据、多职能协同，且产出结果难以直接应用，那这个职能领域就是相对复杂的。

基于此，我们可以把职能复杂程度分为三档 ：第一档是后台的战略、财务和人力，以及中台的研发、生产、业务、运营 ；第二档是后台的办公室，以及中台的采购、金融，这些职能相对标准化 ；第三档则是高度依赖标准化的法务、质量标准和审计监察。

根据观察，现实中越是强调自己在为企业规避风险的职能部门，越是会忽略自己的赋能属性，成为工作难度偏低的部门。

例如，在法务领域，智能合同大大降低了合同审核的难度 ；在审计领域，AI 比人工更擅长于识别业务流程中的风险点。在 GPT-3 中，有 1 750 亿个代表不同变量权重的参数，而在 GPT-4 中，这类参数的数量达到了 1.76 万亿个。如果需要这么多的数据才能得出结论，AI 显然比人类更适合去做风控或监察类工作。

而后，我们关注了 AI 替代该项职能效果的三个问题 ：

AI 的应用范围—对于该职能，AI 能够在多大范围上进行应用？

AI 的实施效果—对于该职能上应用AI 的地方，是否能够让人满意？

AI 的影响程度—在该职能上应用 AI后，对于职能工作的影响程度如何？

同样地，AI 在职能领域的应用效果也可以分为三个层次 ：第一档是生产、业务、财务、人力这类核心职能 ；第二档是研发、采购、金融、法务 ；第三档则是办公室、战略、质量标准、审计监察。

显然，部分核心业务和核心职能在导入 AI 上走在了前面。另外一些核心业务和核心职能则因种种原因，并未积极导入AI。

为了探究这个问题，我们设计了一个名为“导入 AI 积极度”的指标，即“导入AI 积极度 =AI 适用效果 / 职能复杂程度”。

这个指标很明确地说明了职能部门在不同“先天条件”下导入 AI 的进展，指标越大，说明该职能导入 AI 越积极。反之，越抵制AI。

结果显示，并非易用 AI 的部门才会导入 AI，而是那些压力最大且易于使用 AI的部门会积极导入。从趋利避害的角度来看，所有职能部门的从业者都希望职能非标化，工作必须依赖自己 ；但推动标准化甚至引入 AI 的，终究是那些承受压力最大的部门。一方面，法务、质量标准、采购、金融等部门的效率长期受到诟病，也有条件导入 AI，其积极性可理解 ；另一方面，生产、业务、财务、人力资源这类职能则因难度太大，在导入 AI 上尚需努力。除此之外，办公室、战略、研发、审计监察的工作，因被从业者们导向了凭手感操作，AI 自然难以渗透。

商业逻辑的再次迭代

在企业经营管理中，前台能否高效运转，关键看中后台的支撑。因为中后台决定了企业的运作规则与资源配置逻辑。显而易见，那些能够率先成功对中后台职能部门进行改造的企业，将迎来效率的爆发式增长，从而建立起远超竞争对手的显著优势。

就目前的数据来看 ：积极程度最高的法务、质量标准、采购、金融部门，将率先实现 AI 化，其前景几乎毋庸置疑 ；而积极度最低的办公室、战略、研发、审计监察等部门，其变革在相当长时期内都难有明显的变化。因此，决定胜负的关键领域还是在于生产、业务、经营、运营、财务以及人力资源部门，它们分别代表着企业的核心业务流、资金流与人才流。

要在这几个领域有所突破，企业首先要对这些职能有超越竞争对手的穿透性理解，以及开阔的格局 ；其次，必须坚定地推进 AI 化实践，深耕落地应用。若能在两方面同时发力，企业效率的提升将是水到渠成之事。

可以预见，一旦企业完成这几个职能部门的 AI 化改造，其整体敏捷程度将发生翻天覆地的变化。过去，在各方中后台效率相近的条件下，前台业务部门往往都是“孤勇者”，依赖捕捉机会创造业绩，这带有相当大的偶然性。如今，中后台效率的巨大差距，将使得这些“孤勇者”中，有的能插上 AI 赋能的翅膀，有的却只能继续依靠双腿艰难跋涉。

接下来，AI 会让商业格局经历一次大规模洗牌。在这场洗牌中，那些身躯庞大、算法落后、依赖蛮力的“恐龙”式企业将被淘汰。在残酷的商业逻辑下，一度位于后方的职能部门成为了决定成败的关键手，其从业者也骤然成为了主角。

过去，职能部门作为权力的中心，有权拒绝转型。但现在，AI 无疑为这场转型添上了一把最炽热的火，烧掉了其固守的传统模式。从此，他们避无可避，唯有拥抱变革。