AI搬不了的磚

AI會成為更靠譜的員工嗎？

當前，關于“AI時代哪些工作會被替代”的討論如火如荼。各個領域都在發展大語言模型（LargeLanguageModel，LLM），這些模型不僅是“通才”，能夠跨領域思考問題，還能輸出類似人類的語言文本，對人類語言有更深刻的理解。

與以往數字化工具帶來的沖擊不同，SaaS類工具只會在某些領域幫助從業者提升效率，但AI帶來的卻是對從業者的完全替代。

最近微軟的一項研究里，研究人員分析了20萬條用戶與微軟Copilot的真實匿名聊天記錄，整理了AI對若干工種的覆蓋范圍和幫助程度。結果顯示，重災區幾乎都是那些依靠“動腦子”和“靠嘴說”的職業，而不容易被替代的工種反而是“體力活”。

與其宏觀地去觀察就業市場，我更大的興趣在于觀察AI給企業帶來的影響。如果大量工種被AI替代，企業的組織結構會發生什么樣的變化？

AI推動極致平臺化

如果受AI沖擊最大的是“動腦子”和“靠嘴說”的崗位，那企業中后臺職能部門的大量工種都無法幸免。當然，在AI技術完全成熟之前，由于人類和AI在這些領域各有優勢，企業可能不會立即進行徹底的變革。

然而，從商業環境變遷的角度觀察，AI沖擊中后臺職能部門的趨勢已十分明顯。在當前的經濟形勢下，企業追求輕資產運營、靈活生存已成為普遍趨勢。龐大的中后臺職能部門不僅帶來巨大的人力成本，還在很大程度上制約了業務部門的敏捷性和靈活性，使其成為組織變革的重點改造對象。

穆勝咨詢《2025中國企業平臺型組織建設報告》的數據顯示，當前企業組織變革的主要方向是組織精簡，其中計劃精簡后臺、中臺和前臺部門的企業比例，分別為45.8%、40.0%和34.2%。這意味著相當一部分中后臺職能崗位已不在企業的未來規劃之中。再加上AI技術帶來的效率提升，組織結構的深刻變革呼之欲出。未來，每個崗位都會被要求產生直接的經營價值，而那些價值難以量化的中后臺工作，將由AI來承擔。

職能復雜程度

以地產巨頭萬科集團的實踐為例，其在2021年評選出的優秀新人—崔筱盼，是萬科首位數字化員工，而且已在集團財務部工作了10個月。她的主要工作就是處理各類應收和逾期款項的提醒，效率遠超人類員工百倍。經她催辦的單據核銷率高達91.44%。對企業而言，這樣的員工堪稱完美：全天候工作、無需支付工資和社保、沒有情緒波動、也不會離職。

試想，職能部門中存在多少類似的“事務性工作”？既然崔筱盼能夠勝任，那其他AI為何不能？值得注意的是，崔筱盼還并非基于大語言模型的AI，只能算是處理高度重復性任務的RPA（Roboticprocessautomation，機器人流程自動化）。

更進一步，職能部門中那些需要深度決策的工作內容，又有多少是AI無法替代的呢？如果是基于數據的決策，AI的表現通常會優于人類。而那些不基于數據的決策，恰恰是職能部門需要清理的“陰暗角落”。隨著企業數字化變革的持續推進，大量企業的職能部門已被倒逼走向數字化。這一趨勢幾乎是不可逆轉的，因為固守傳統模式將難以支撐日益復雜的業務需求。

未來，中后臺職能部門將更多采用智能算法進行決策，實現資源的敏捷調用，最大程度產生效率結果。AI將逐步取代龐大的傳統職能架構，成為企業高效運轉的核心“大腦”。整個職能體系將呈現更加精簡、智能的特征。

AI驅動下的敏捷賦能

職能部門精簡已經成為了組織變革的主流趨勢，但其角色不會消失，而是在AI的加持下加速轉型。無論是響應外部市場需求，還是提升組織效率，職能部門的轉型方向都已經十分明確：聚焦于如何整合公司資源，高效賦能前臺業務敏捷作戰。

根據我們的觀察，職能部門的工作重心正在從傳統的“事務性工作”轉向以下四個關鍵方向：

模型化：基于業務分類分級，構建穩定的決策模型，提升決策效率。

風控化：基于風險分類分級，構建穩定的風控模型，提升風控效率。其核心原則就是確保風控投入與風險等級相匹配，避免成本倒掛，不能為了控制10元的風險，投入100元的風控成本。

產品化：將職能資源轉化為可賦能前臺的“產品”，為業務單元提供所需“彈藥”。

BP（業務伙伴）化：向前臺業務單元派駐BP，提供本地化場景的政策（如激勵）與資源（實體、專業服務、方法論等）支持。

其中，模型化與風控化是AI的核心應用領域，產品化與BP化也與AI密切相關。而經過數字化改造后的企業，大量決策都基于數據，這正是AI發揮作用的舞臺。

AI 適用效果

要探索職能部門的轉型，還需要理解其內部分工的變化。就我們的觀察來看，起源于財務職能的“三支柱模式”，已經被人力資源等領域廣泛采納。而采納三支柱模式的職能部門分為三個部分：專家中心（后臺）負責政策制定；共享中心（中臺）負責流程執行與數據管理；業務伙伴（BP，前臺）負責賦能業務單元。

這一結構天然適配AI的深度滲透：

專家中心—由各個領域的精英AI工程師組成，主要專注于算法設計、模型訓練與企業AI大腦的持續進化。AI更多的是實現任務（task）自動化，而不是將整個工作（job）自動化。所以，AI架構師需要規劃職能體系，明確可AI化的部分并構建模型。對于這類工作來說，人數沒有意義，團隊規模會被壓縮到極致。

共享中心—主要負責基礎流程（如HR入離調轉）運營與數據倉管理。他們有能力基于專家中心的模型，進行預訓練、調優等工作，以確保應用效果。雖然這部分規模要大于專家中心（因含操作性任務），但同樣不以規模見長。

業務伙伴—既是使用AI的高手，也是使用體驗的反饋者。他們從中后臺進入前臺，成為了業務部門和中后臺職能部門的連接器。其團隊規模在三支柱中是最大的，但會隨著對應職能部門AI成熟度與賦能效率的提升而逐步縮減。

這種模式清晰展現了未來職能部門的工作場景與組織架構演變，與前述“陣型前壓”趨勢高度一致。

職能部門的轉型進展

如果職能部門的轉型已經是大勢所趨，那哪些部門會率先轉型呢？

2025年，穆勝咨詢以68家中大型客戶企業為樣本，對其老板或CEO進行了一次問卷調研。在問卷中，我們針對企業的職能領域，通過以下三個問題量化了該項職能的決策復雜程度：

數據復雜性：決策是否需要調動多種數據？

決策獨立性：決策是否需要考慮其他職能領域的反饋？

決策封閉性：決策結果能否直接形成封閉選項，抑或需要補充大量開放性答案？

假設職能領域的核心工作都是基于數據的決策（而非感性決策），如何衡量決策的復雜程度？我們可以把前兩項看作是決策的輸入維度，最后一項則是決策的輸出維度。如果某職能決策需要大量數據、多職能協同，且產出結果難以直接應用，那這個職能領域就是相對復雜的。

基于此，我們可以把職能復雜程度分為三檔：第一檔是后臺的戰略、財務和人力，以及中臺的研發、生產、業務、運營；第二檔是后臺的辦公室，以及中臺的采購、金融，這些職能相對標準化；第三檔則是高度依賴標準化的法務、質量標準和審計監察。

根據觀察，現實中越是強調自己在為企業規避風險的職能部門，越是會忽略自己的賦能屬性，成為工作難度偏低的部門。

例如，在法務領域，智能合同大大降低了合同審核的難度；在審計領域，AI比人工更擅長于識別業務流程中的風險點。在GPT-3中，有1750億個代表不同變量權重的參數，而在GPT-4中，這類參數的數量達到了1.76萬億個。如果需要這么多的數據才能得出結論，AI顯然比人類更適合去做風控或監察類工作。

而后，我們關注了AI替代該項職能效果的三個問題：

AI的應用范圍—對于該職能，AI能夠在多大范圍上進行應用？

AI的實施效果—對于該職能上應用AI的地方，是否能夠讓人滿意？

AI的影響程度—在該職能上應用AI后，對于職能工作的影響程度如何？

同樣地，AI在職能領域的應用效果也可以分為三個層次：第一檔是生產、業務、財務、人力這類核心職能；第二檔是研發、采購、金融、法務；第三檔則是辦公室、戰略、質量標準、審計監察。

顯然，部分核心業務和核心職能在導入AI上走在了前面。另外一些核心業務和核心職能則因種種原因，并未積極導入AI。

為了探究這個問題，我們設計了一個名為“導入AI積極度”的指標，即“導入AI積極度=AI適用效果/職能復雜程度”。這個指標很明確地說明了職能部門在不同“先天條件”下導入AI的進展，指標越大，說明該職能導入AI越積極。反之，越抵制AI。

結果顯示，并非易用AI的部門才會導入AI，而是那些壓力最大且易于使用AI的部門會積極導入。從趨利避害的角度來看，所有職能部門的從業者都希望職能非標化，工作必須依賴自己；但推動標準化甚至引入AI的，終究是那些承受壓力最大的部門。一方面，法務、質量標準、采購、金融等部門的效率長期受到詬病，也有條件導入AI，其積極性可理解；另一方面，生產、業務、財務、人力資源這類職能則因難度太大，在導入AI上尚需努力。除此之外，辦公室、戰略、研發、審計監察的工作，因被從業者們導向了憑手感操作，AI自然難以滲透。

商業邏輯的再次迭代

在企業經營管理中，前臺能否高效運轉，關鍵看中后臺的支撐。因為中后臺決定了企業的運作規則與資源配置邏輯。顯而易見，那些能夠率先成功對中后臺職能部門進行改造的企業，將迎來效率的爆發式增長，從而建立起遠超競爭對手的顯著優勢。

就目前的數據來看：積極程度最高的法務、質量標準、采購、金融部門，將率先實現AI化，其前景幾乎毋庸置疑；而積極度最低的辦公室、戰略、研發、審計監察等部門，其變革在相當長時期內都難有明顯的變化。因此，決定勝負的關鍵領域還是在于生產、業務、經營、運營、財務以及人力資源部門，它們分別代表著企業的核心業務流、資金流與人才流。

要在這幾個領域有所突破，企業首先要對這些職能有超越競爭對手的穿透性理解，以及開闊的格局；其次，必須堅定地推進AI化實踐，深耕落地應用。若能在兩方面同時發力，企業效率的提升將是水到渠成之事。

可以預見，一旦企業完成這幾個職能部門的AI化改造，其整體敏捷程度將發生翻天覆地的變化。過去，在各方中后臺效率相近的條件下，前臺業務部門往往都是“孤勇者”，依賴捕捉機會創造業績，這帶有相當大的偶然性。如今，中后臺效率的巨大差距，將使得這些“孤勇者”中，有的能插上AI賦能的翅膀，有的卻只能繼續依靠雙腿艱難跋涉。

接下來，AI會讓商業格局經歷一次大規模洗牌。在這場洗牌中，那些身軀龐大、算法落后、依賴蠻力的“恐龍”式企業將被淘汰。在殘酷的商業邏輯下，一度位于后方的職能部門成為了決定成敗的關鍵手，其從業者也驟然成為了主角。

過去，職能部門作為權力的中心，有權拒絕轉型。但現在，AI無疑為這場轉型添上了一把最熾熱的火，燒掉了其固守的傳統模式。從此，他們避無可避，唯有擁抱變革。