很多企业把人工核验当成 AI落地的安全方案，却落入自动化悖论：核验岗位生命周期很短，人力价值持续萎缩。真正的转型，不是让人补齐AI短板，而是抓住技术打开的新空间，围绕新决策、新业务重构组织，挖掘更高维度的增长机会。
“流程里始终有人把关。”
这句话，大概是企业讨论AI落地时被重复最多的一句话。高管们总拿它来解释，为什么采用这类系统是稳妥负责的，也用来安抚员工，告诉大家工作不会受冲击。可这句看似让人安心的话，到头来往往只是把公司里最核心、最有价值的员工，安排去守着那些马上就要被机器接手的工作。
思想领袖们常常宣称，未来人类劳动者的定位，就是补上机器填不上的缺口。比如一家头部风投机构就提出，在知识经济时代，很快会形成四类主要的人类岗位：当AI结果不可信时，最终担责的人；设计机器运行工作流的人；维系智能代理无法承接的人际合作关系的人；核验机器输出内容的人。这套对未来的设想，如今频频出现在咨询框架、学术预判，以及AI厂商的落地指南当中。监管机构甚至已经把它写进法规：欧盟《人工智能法案》要求对高风险AI系统实施人工监督，而人工把关几乎成了负责任落地AI的通用简称。
这类预判，背后的逻辑大同小异：先找出AI眼下还做不了的事，再划定人类要承接的、用来补齐缺口的工作。在这套思路里，人就是裹在尚不完善的自动化外面的一层安全防护。在自由职业平台Fiverr上，写作类需求里增速最快的就是“AI内容人工润色”（半年内搜索量上涨641%）。校对AI生成文稿，从2023年起就已经单独成为一类服务。翻译行业受AI冲击尤其明显，如今校对机器译文的业务，大约占到欧洲语言服务公司营收的四分之一，而传统笔译业务规模逐年萎缩。就连那些保留下来、专为修正机器输出而设立的岗位，本身的工作内容也在不断收窄，需要掌握的技能越来越少，几乎不再要求员工学习新能力。
让人去填补机器的缺口，听起来审慎稳妥，在很多人担心饭碗不保的时候，它也承诺了工作的延续性。但问题在于，这套思路是从现有的工作流程出发，先挑出智能体可以接手的任务，再把剩下的边角活儿分给人。按照这个视角，未来的组织，不过是在今天的组织基础上，去掉已经自动化的任务，再加一层人工监督。在这里，人从来没有被视作全新生产力的来源。
这种看法本身存在不少隐患。数十年自动化领域的研究表明，自动化系统越好用，这层人工安全防线反而越脆弱。自动化的可靠性越高，负责监控它的人就越容易松懈，技能慢慢退化，注意力也越来越难集中。四十年前，莉桑娜·班布里奇（Lisanne Bainbridge）把这个现象称作自动化的悖论：自动化做得越多，你反倒越依赖那些恰恰被自动化慢慢夺走的人类能力。而AI进一步放大了这个难题。AI出错时输出的内容，和它做对的时候一样，语气笃定、行文流畅、结构完整。只检查文字通顺度的审核者，根本分辨不出内容是否属实。
就算核验机制起效、人成功揪出了错误，每一处修正都会被收作训练数据。人类处理的每一个特殊案例，都会教会系统自行应对同类情况；训练数据质量越好，未来需要人工核验的范围就越小。举个例子，xAI在2025年9月裁撤了大约500名通用型“AI辅导专员”，同时宣布计划把专项岗位的规模扩大十倍。如果要挑选未来最容易消失的人类岗位，这类核验岗位的生命周期无疑是最短的。
但依托人工把关模式搭建的组织，存在一个更深层的问题：这套顶层蓝图，对转型的理解本末倒置。它让企业围着机器暂时还做不到的、不断收缩的边界运转。可这里藏着一个更大的机遇：AI打破了原有约束，让全新的工作组合、全新的决策权限、全新的价值形态成为可能。相应地，企业有机会围绕这些新的决策去重构组织、重新组合业务，而不是守着旧工作里不断萎缩的剩余部分。这正是本文想要探讨的核心。
两场转型
每当一项通用技术进入某个行业，企业都会面临相似的组织抉择。随着机器能力变强，曾经束缚工作方式的种种限制会被打破，人们得以转向从前难以触及的高价值工作。
一项执行层面约束的解除，会拓宽一家组织能够承担、可以做出的决策空间。不妨看看电影行业近年发生的变化。2019年，《曼达洛人》向行业证明，巨型LED屏可以实时渲染生成虚拟场景，让摄制团队直接在镜头前拍下复杂特效画面。这看似只是特效技术的革新，实则拉开了电影生产组织模式根本性变革的序幕。它带来的改变其实更为深远：很多原本要放到后期制作阶段才敲定的决策，被前置到了拍摄现场。场景的风格、布光、画面构图，大量最终成片里的视觉效果，都可以在演员实拍的同时完成创作与确认。创作者不用搭建实景布景，也不用等上好几个月的特效工期，就能在丰富的虚拟场景之间切换；大制作级别的世界观搭建，用电视剧的预算也能实现。
特效艺术家的工作重心，也从拍完之后修补画面，变成从一开始就参与决定镜头该捕捉什么。约束消失之后，有价值的决策，其范围和发生位置都随之改变，电影行业的组织架构，也围绕着负责做出这些新决策的人重新搭建起来。一批新岗位随之诞生，融合了摄影、美术置景、视觉特效与计算机技术，比如虚拟制片主管、LED影棚操作员、虚拟摄像师。
类似这种业务的“重新组合”，在新闻编辑部的演变里同样可见。传统编辑部把三件事绑定在一起：事实采集、稿件撰写、内容分发。生成式AI让写稿、拟标题、做摘要变得简单之后，不少编辑部的应对方式，只是让记者花更多时间审核AI生成的文稿，编辑部本身的架构却一成不变。
但编辑部真正的机会，是往上游走：去识别值得深挖的线索、核查信息来源、产出可供他人采信的证据。很能说明问题的是，BBC在AI时代最标志性的编辑创新，并不是一套配着人工复核、写稿更快的流水线，而是BBC核查组（BBC Verify）。面对层出不穷的AI虚假信息，编辑部专门组建了一支记者团队，依托开源情报、卫星影像、溯源分析和数据科学，去核实存在争议说法的真伪，而不只是单纯转述报道。路透社也朝着同一个方向拓展，搭建了专门的核验与事实核查团队，把经过核验、基于事实的报道本身做成独立的商业产品。
管理转型
跳出人工把关这套模式，并不是要等着AI持续迭代，直到不再需要人工核验。领先的企业不会先去想机器可以接手哪些任务，而是反过来思考：这项技术创造了哪些从前没有的新岗位，再围绕这些岗位重新设计组织。想要做到这一点，可以参考下面几个步骤：
1、梳理被打破的约束与新增能力，而不是盘点可以自动化的任务
常规的AI转型路线图，一上来就做任务盘点：哪些工作可以交给机器，能省下多少工时。这个起点要换掉。对每一个业务模块，要问的是：哪一项旧约束消失了？这打开了哪些新机会？哪些事从前成本太高、迭代太慢、目标市场太小，根本没法落地？
2021年，宜家客服聊天机器人开始承接常规咨询，把员工释放出来去做价值更高的工作。2021到2023年间，这个聊天机器人处理了320万次咨询，省下近1300万欧元成本。但英格卡集团（宜家最大零售运营方）走得更远，给8500名客服中心员工做远程室内设计相关的再培训。把人力调配到个性化咨询服务上之后，宜家没有只盯着削减客服开支，反而拓展了销售与服务能力。到2022年，英格卡集团的远程销售渠道年营收达到13亿欧元。宜家没有只用自动化压缩现有业务的成本，而是借自动化放大员工能够创造的价值。
2、资助前沿创新项目，而不只是效率优化项目
提升效率的方案，往往看起来更务实、更容易落地，但它会让企业始终困在“自动化减负”的思维框架里，推迟更有深度的组织重构。每一个AI业务立项时，都要要求团队，不仅说明它能省下多少工时，还要提出一个这项技术才刚刚有机会解决的新问题。在英国，加菲尔德律所（Garfield Law）在2025年5月获得英国律师监管机构资质，成为英国首家“AI驱动律所”。它承接传统律所觉得无利可图的小额债务追偿，服务费最低2英镑，每一个案件都有挂牌律师全程担责；上线一年之内，它发起了数百起诉讼，打赢了首起有争议的庭审。这不是在原有市场里单纯提升效率，而是经济成本结构改变之后催生的全新市场。
3、持续评估人的能力，同步跟进AI能力的迭代
岗位定义如果是静态的，根本跟不上每隔几个月就更新一轮的AI能力曲线。强生公司会借助机器学习，从数千名技术人员的工作数据里，推算每个人的技能情况，对照企业下一阶段战略需要的能力做打分，并且多轮迭代、持续更新评估。强生没有把员工能力当成一成不变的存量，而是搭建一套体系，持续判断员工当下能做什么、需要学什么，以及随着技术演进，他们的价值贡献可以往哪个方向延伸。
4、把治理规则内嵌进业务流程，而不是最后再加一道核验关卡
事后核验节点不仅稳定性不足，还会随着技术演进逐步失效。治理的方向不该是减少管控，而是换一套治理范式：把规则嵌入业务流程，由责任人负责把控，持续开展校验。
可以看看摩根士丹利在财富管理业务全面上线GPT-4助手前后的做法。试点阶段，公司内部专家先定义高质量回答的标准，整理出大约400道“标杆问题”，附带确定无误的标准答案，用来测试系统。之后摩根士丹利把评估环节嵌入正式业务链路，每天都会运行一套由标杆问题组成的回归测试集，找出系统短板，检验版本更新会不会损害回答质量、触碰合规红线。在这个监管要求极高的知识服务领域，这套方案实现了部署过程中的持续治理，而不是偶尔在事后复核顾问给出的回复。
5、检验自己是不是真的在推动转型
真正的组织重构，和简单的任务重新分配，有三点核心区别。第一，企业边界会重新划定：企业会选择内化驱动转型的学习闭环和核心AI能力，而不是一直向外采购、租用服务商的能力。第二，组织单元发生变化：团队围绕那些刚刚可以解决的新问题搭建，而不是沿用旧业务流水线的环节来划分。第三，重心转移：负责开展这套新业务的职能部门，离CEO更近。
如果只是新增一批头衔，却没有发生上面这三重变化，那就算不上重构，只是换了一种形式重新分配任务，依然属于人工把关的组织模式。
约翰迪尔（John Deere）的转型，刚好把这三点落到了实处。首先，它重新划定企业边界，2017年收购计算机视觉初创公司Blue River Technology，把核心的模型迭代能力收归内部。其次，2020年调整组织单元，不再按单独的产品线划分设备业务，转而围绕生产系统重组——也就是围绕作物种植、其他农事工作里相互关联的任务与决策来搭建业务。第三，在这家拥有183年历史的企业里，首次设立首席技术官岗位。这一调整改变了权力重心：统一技术栈的权责，交给直接向CEO汇报的高管。这一系列决策，改变了约翰迪尔自主掌控的能力、业务的组织方式，以及技术相关决策的归属。它没有把AI塞进既有的组织框架，而是顺着新技术打开的机会，重新设计了整套框架。
随着AI扫清执行端约束，收益将流向那些自主决定如何运用这份新自由的企业：做什么产品、服务谁、攻坚哪些问题。如果企业只把员工安排去处理剩下的边角任务，损失的就不只是转型机遇。它们错把业务拆解当成终点，而不是激发全新思考的起点。久而久之，那些新的控制权——模型迭代、治理规则、客户关系、能持续优化系统的专属知识，都会慢慢落到工具厂商和竞争对手手里；自家员工，反倒变成了帮别人培养竞争优势的标注训练员。
关键词：#AI
桑吉特·保罗·乔达里（Sangeet Paul Choudary）| 文
桑吉特·保罗·乔达里是AI与平台战略高管顾问，加州大学伯克利分校高级研究员，四次入选《哈佛商业评论》“十大必读文章”作者。
周强 | 编校
往期推荐
同样用AI，顶尖人才靠什么拿到最大红利？
熬过J型曲线，AI营销转型才能迎来复利增长
跟上AI时代，这六项核心能力必不可少