AI來了，組織結構開始變了？

關于“AI時代哪些工作會被替代”的討論已經如火如荼。與以往數字化工具帶來的沖擊不同，那些SaaS類工具似乎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。

當前的AI對于人類語言有更深刻的理解，這讓其能夠實現更有效的人機交互，從而跳出結構化的數據框架，獲得海量信息，進行高級決策。當下，各個領域里都在發展大語言模型（Large Language Model，LLM），這些模型不僅是“通才”，能夠跨領域思考問題，還能輸出類似人類語言文本。這些功能的跨越式迭代，很難不讓人想象——AI會是更靠譜的員工嗎？

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，從這些用戶與AI交互的對話，發現了AI對若干工種的覆蓋范圍、成功率和幫助程度。結果顯示，重災區里幾乎都是那些依靠“動腦子”和“靠嘴說”的職業，而不容易被替代的工種反而是“靠體力”的。

但與其宏觀地去觀察就業市場，我更大的興趣在于觀察AI對企業帶來的影響。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？

01 AI推動極致平臺化

如果考慮受AI沖擊最大的是“動腦子”和“靠嘴說”的崗位，那么，企業中后臺職能部門的大量工種幾乎完全符合這個特征。當然，這僅僅是可能性，在AI完全成熟之前，人類和AI在這些崗位上似乎各有優勢，企業未必會堅決地推動變革。

但如果考慮商業環境的變遷，AI沖擊中后臺職能部門的趨勢就非常明顯了。在當下的經濟環境里，企業輕裝上陣、屏息生存已經是大勢所趨。龐大的中后臺職能部門不僅形成了巨大的直接成本，還在很大程度上以官僚作風、一刀切的政策，束縛了前臺業務部門靈活作戰，已經成為了組織變革的改造重點。

穆勝咨詢咨詢《2025中國企業平臺型組織建設報告》顯示，當前企業進行組織變革的大方向是組織精簡，而選擇對后臺、中臺和前臺進行精簡的企業占比分別為45.8%、40.0%、34.2%。換言之，中后臺職能部門相當一部分的編制，本來就不在企業未來的計劃里。

企業本來就有縮編的需求，加上AI提供的便利，組織結構的變化似乎就呼之欲出了。未來，企業的兵力會極度前壓，每個崗位都被要求產生直接的經營價值，而那些無法量化經營價值的中后臺，則由AI來替代?？紤]到這些工作原本的價值有限，甚至會產生官僚化的副作用，這樣的變化似乎反而是企業歡迎的。

地產巨頭萬科集團選出了一個2021年的優秀新人——崔筱盼，是萬科首位數字化員工，而且已經在萬科集團財務部悄悄工作了10個月，其主要工作內容是各種應收/逾期提醒及工作。她不僅比人類處理任務的效率高百倍，而且經她催辦的單據核銷率達到91.44%。對于企業來說，她絕對是個完美員工，可以24小時不休息，還不用給發工資、交社保，不會有情緒，不會隨隨便便炒老板。

試想，職能部門里有多少工作是這類“事務性工作”，如果崔筱盼能上崗，其他的AI就不能上崗嗎？崔筱盼還并不能算是建立在大語言模型基礎上的AI，只能算是處理大量重復工作的RPA（Robotic process automation，機器人流程自動化）。

除了“事務性工作”，職能部門里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？但凡是基于數據的決策，AI肯定做得更好；但凡是不基于數據進行的決策，似乎又根本不應該存在于這個時代，正是職能部門里需要清理的“陰暗角落”。其實，隨著數字化變革的推進，企業的業務流基本在線，職能部門已經被極大程度倒逼走向各自領域的數字化。這幾乎是不可逆的趨勢，因為如果他們不改變，他們就很難為日益復雜的業務賦能?！皹I務數字化”匹配“管理數字化”，這是再簡單不過的道理。

未來，中后臺職能部門基于智能算法進行決策，實現資源的敏捷調用，最大程度產生效率結果。AI則代替龐大的傳統職能機構，充當了勤勉的企業大腦。于是，整個職能體系看起來異常精簡，兵力似乎都集中在了前臺。整體來看，企業走向極致平臺化的趨勢幾乎是肉眼可見了。

02 職能部門的轉型方向

職能部門的精簡是趨勢，但這類部門卻不會消失，在AI的加持下，他們會迅速轉型。其實，無論是從外部市場的需求來看，還是從組織的效率來看，職能部門的轉型趨勢都很明確，無非是回答“如何舉公司之力，賦能前臺敏捷作戰”的問題。

根據我們的觀察，職能部門在具體的工作內容上，會跳出傳統的“事務性工作”，走向四個轉型方向：

一是模型化，即基于業務的分類分級，形成一套相對穩定的決策模型（基座模型上的各類模型），以提升決策效率。

二是風控化，即基于風險的分類分級，形成一套相對穩定的風控模型，以提升風控效率。說白了，不同的風險事件，應該匹配不同的風控手段，不能為了控制10元錢的風險，投入100元的風控成本，損失200元的機會成本。

三是產品化，即將各職能領域的資源做成賦能前臺的產品，并進行合理配置，為業務單元作戰“提供彈藥”。

四是BP（Business Part，業務伙伴）化，即向前臺業務單元派出BP，為其提供基于本地化場景的政策（如激勵政策）和資源（如實體資源、專業服務、方法賦能等）。

上述四個方向里，前兩個方向就是AI的拿手好戲，而后面兩個方向也與AI有莫大的關系。考慮到經過數字化改造后的企業，大量的工作都是在數字化基礎上決策，這正是AI發揮作用的舞臺。

當然，要探索職能部門的轉型，我們還需要理解職能部門內部分工的變化。就我們的觀察來看，從財務職能興起的“三支柱模式”，已經在被人力職能采納后，迅速蔓延到其他領域。采納三支柱模式的職能部門分為三個部分：后臺的專家中心負責出政策；中臺的共享中心負責走流程、管數據；前臺的BP則負責做賦能。

這樣的結構，天然是做好了讓AI滲透的準備，我們幾乎可以看見未來職能部門的工作場景，也能夠推測出組織結構的變化。這和我們前面提到的“陣型前壓”的趨勢完全一致。

• 專家中心——由各個領域的精英AI工程師們負責設計算法，以各種方式訓練AI，讓這個企業大腦不停進化，以這種方式來運籌帷幄。我們必須要理解的是，并不是一個AI替代一個職能部門。AI更多的是將某些任務（task）自動化，而不是將整個動作（job）自動化。所以，AI架構師們需要規劃出這個職能體系，明確其中可以由AI接管的部分，并為這些部分搭建模型。這個部分無疑會是個“精英式小團隊”，對于這類工作來說，人數是沒有意義的，所以，這個團隊的規模會被壓縮到極致。

• 共享中心——共享服務中心由于負責運轉基礎的流程（如人力資源的入離調轉），自然會負責管理相應的數據倉，他們有能力基于專家中心給出的模型，進行預訓練、調優（強化訓練）等工作，以確保模型的應用效果。這個部分也不以規模取勝，但人員數量上會比專家中心更多，因為畢竟有許多需要具體去“動手”的任務。

• 業務伙伴——既是使用AI的高手，也是AI使用體驗的反饋者。他們從中后臺進入了前臺，可以說，是業務部門和中后臺職能部門的連接器。這個部分由于是多分支，團隊規模在三支柱中最大，當然，某個職能部門的AI越是成熟，賦能效率越高，BP團隊的規模就越小。

03 職能部門的轉型進展

如果說職能部門的轉型已經是大勢所趨，那么，哪些職能部門會率先轉型呢？

2025年，穆勝咨詢以68家中大型客戶企業為樣本，針對老板或CEO（老板代理人）進行了一次問卷調研。在問卷中，我們針對一家企業的XX個職能領域，首先用三個問題量化了該項職能的復雜程度：

• 數據復雜性——是否需要調動多種數據進行決策？

• 決策獨立性——是否需要考慮其他職能領域的反饋進行決策？

• 決策封閉性——決策結果是否能夠變成封閉選項，亦或是還需要補充大量開放性答案。

簡單來說，我們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），再衡量了這種決策的復雜程度。前兩項是決策的輸入維度，最后一項則是輸出維度，直觀來說，如果某個職能的決策需要大量數據，還要考慮其他職能領域的影響，決策形成的結果還無法直接應用，那么，這個職能領域就是相對更復雜的。

綜合來看，各類職能在復雜程度上可以分為三個檔次：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/經營/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。

圖1：職能復雜程度

資料來源：穆勝咨詢

這個結果并不讓人意外，根據我們的觀察，現實中越是強調自己在為企業規避風險的職能部門，越喜歡講“恐怖故事”，越是會忽略自己的賦能屬性，越可能是工作難度偏低的部門。另外，對這類工作來說，還有個悖論——如果要強調規避風險，那么必然就是標準導向的，而一旦有了標準，就可以累積數據，AI自然就可以滲透進來。

例如，在法務領域，智能合同早就大大降低了合同審核的工作難度，往后AI的介入，前景可期。再如，在審計領域，識別若干業務流程中可能的風險點，對各種風險點賦予權重，而后識別綜合的風險，這正是AI擅長的。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顯然比人類更適合來做風控或監察這類工作。

而后，我們關注了關系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？

數據顯示，AI在職能領域的應用效果可以分為三個檔次：第一檔是生產/業務/經營/運營（可以概括為業務），以及財務、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。

圖2：AI適用效果

資料來源：穆勝咨詢

顯然，部分核心業務和核心職能在導入AI上走在了前面，但另一方面，另一些核心業務和核心職能則因為種種原因，并沒有積極導入AI，準確地說不是因為不能，而是因為不愿。

為了探究這個問題，我們計算了一個名為“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的“先天條件”下導入AI的進展，直觀來看，這個指標越大，越說明該職能積極地導入了AI，反之，則是對AI存在抵制態度。

圖3：導入AI積極度

資料來源：穆勝咨詢

結果顯示，并非易用 AI 的部門才會導 入 AI，而是那些受到最大壓力，且易于使用AI的部門會積極導入AI。說白了，從趨利避害的角度來看，所有職能部門的從業者都希望非標化，希望這塊職能必須要依賴自己，但推動標準化，甚至引入AI的，還是那些承受壓力最大的部門。一方面，法務、質量標準、采購、金融等職能部門的效率早已飽受詬病，他們也有條件導入AI，其積極似乎可以理解；另一方面，生產/業務/經營/運營、財務、人力資源這類職能則是因為難度太大，在導入AI上尚需努力；除此之外，辦公室、戰略、研發、審計監察因為種種原因，被從業者們導向了憑手感的操作，AI自然是難以滲透。

04 商業邏輯的再次迭代

在企業的經營管理上，有一個規律，前臺能不能跑得起來，關鍵看中后臺。因為中后臺決定了企業的游戲規則，也決定了資源的配置邏輯。顯然，率先對中后臺職能部門進行成功改造的部門，會有一個效率的爆發，從而形成遠高于競對的競爭優勢。

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，會自然走向AI化，其前景幾乎是可以肯定的；而積極程度最低的辦公室、戰略、研發、審計監察，則在很長一段時間里都不會有明顯的變化；所以，最關鍵的勝負手還是生產、業務、經營、運營、財務以及人力資源部門，它們分別代表企業的業務流、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對的穿透性理解，拉開格局，其次，必須堅決地進行AI化的實踐，深耕落地。如果做到這兩個方面，企業的效率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改造，他們的敏捷程度就會發生翻天覆地的變化。過去，在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。

無需質疑，AI會讓前臺商業格局經歷一次大洗牌。這次洗牌中，身軀龐大、算法落后、依靠蠻力的“恐龍們”會被淘汰掉。在殘酷的商業邏輯下，一度躲在后方的職能部門成為了勝負手，職能部門的從業者突然成為了主角。

過去，職能部門本身是權力中心，他們有權拒絕轉型。但現在，AI無疑為這場變革燒了最重要的一把火，燒掉的是他們的老傳統，從此，他們避無可避。