（图片由HRflag用Midjourney生成，编号2a6521fb-d935-42c9-9aa1-5cbb340e50e6_2）

AI从个人工具进入业务流程，企业真正要重构的不是某一个岗位，而是一整套工作系统、能力模型与组织治理方式。

当一家华尔街金融机构开始公开谈论“用AI自动化人力装配线”，这句话本身就足以让许多企业高管和HR负责人停下来。AI真正进入企业之后，它第一改造的不是某一个岗位，而是一整套被人手、流程、文档、审批和经验串联起来的工作系统。

过去两年，AI在组织里的叙事常常被压缩成两个极端：一边是“人人拥有一个AI助手”的效率想象，另一边是“AI会不会替代人”的焦虑想象。但高盛最新释放出的信号，恰恰把这个问题推向了更复杂、也更接近现实的一层。

据《New York Post》2026年5月12日报道，高盛总裁兼首席运营官 John Waldron 表明，公司正在将生成式AI更深地整合进业务流程，建设类似“数字工厂地板”的运行体系，让AI“数字代理”像工业时代的机器人一样进入金融服务流程。与此同时，他也强调，这一转型并不意味着大规模裁员，而是希望在提高生产率、降低流程成本的同时保持人员稳定，并创造新的工程和技术岗位。

这并不是高盛第一次把AI摆上组织议程。2025年6月，路透社报道，高盛正式在全公司推出 GS AI Assistant，当时约有1万名员工已经在使用这一工具，应用场景包括复杂文档摘要、初始内容撰写和数据分析。更重大的是，路透社同时指出，高盛并不是孤例，花旗、摩根士丹利、美国银行等大型金融机构也都在以不同方式把AI嵌入日常运营。

AI正在从桌面工具，升级为企业流程基础设施

真正值得企业高管和HR负责人关注的，不是“某家金融机构用了AI”这一实际，而是这件事背后的组织含义：AI正在从桌面工具升级为企业流程基础设施，从个人效率工具变成组织操作系统。当AI只是一个聊天框，它改变的是个人工作习惯；当AI进入流程、权限、数据、审批、知识库和客户交互，它改变的就是企业的生产方式。

高盛这次使用的“人力装配线”这个说法，听上去刺耳，但它实则点破了许多知识型组织长期不愿承认的实际：大量白领工作并不是纯粹的创造性劳动，而是由信息收集、材料整理、格式转换、初步判断、反复校对、跨部门传递和合规检查组成的连续流程。

在金融业，这种“人力装配线”尤其典型。一份客户方案从需求识别到数据拉取，从市场研究到风险披露，从模型更新到PPT成稿，从内部审批到客户沟通，每一步都需要专业判断，但每一步也都包含大量结构化、可复用、可自动化的劳动。

未来组织的基本管理单元，很可能不再是岗位，而是任务链、流程段和人机协同节点。

这对HR来说，是比招聘、培训、绩效更底层的挑战，由于它要求企业重新回答一个问题：人到底应该被安排在什么位置上？

AI并不必定直接“接管岗位”，而是先进入岗位内部，把一个岗位中重复、标准、低情绪价值但高时间消耗的任务剥离出来。岗位没有立即消失，但岗位内部的任务比例、能力要求和价值排序开始发生变化。

AI暴露度不是裁员名单，而是组织再设计清单

高盛自己的研究提供了一个更宏观的背景。高盛研究指出，全球约有3亿个岗位暴露在AI自动化影响之下；在美国，AI有潜力自动化约25%的工作时长。该研究同时强调，如果企业在约10年时间里广泛采用AI，基准情景下约6%至7%的员工可能经历岗位转换或位移，但AI也会创造新的工作需求，尤其是围绕数据中心、电力、基础设施、AI技能和专业化服务的新岗位。

这组数据很容易被误读成“岗位消失”的故事。但更准确的理解应该是：AI暴露度不是裁员名单，而是组织再设计清单。

所谓25%的工作时长可以被自动化，并不意味着25%的人会被替代，而是意味着企业必须重新设计这些时间释放出来之后的组织用途。是把它变成更快的客户响应？更高质量的风险控制？更多的产品创新？更强的员工学习能力？还是仅仅把它当作节约成本的数字？不同答案，会把企业带向完全不同的未来。

管理提示

AI的价值不在模型本身，而在模型能否进入组织的真实工作流。

2026年5月，高盛研究在讨论企业AI投资回报时进一步指出，消费者对AI的采用已经超级快，但AI经济能否真正成立，关键取决于企业能否释放AI价值。企业要从AI投资中获得价值，数据必须为Agentic AI做好结构化准备，工作流也必须被有效编排，以控制成本并释放收益。

这句话对管理者尤其重大，由于它把AI转型从“买工具”拉回到“改流程”。许多企业今天的问题，并不是没有AI工具，而是AI依旧漂浮在组织表面。员工用它写邮件、做摘要、润色PPT、整理会议纪要，这当然有价值，但它还没有触及企业真正的生产结构。

金融业为什么会成为AI流程化落地的关键样本

如果把这一点放到金融业，就会更清楚地看到高盛为什么成为一个有代表性的样本。金融机构的工作具有三重特征：信息密度高、合规约束强、流程标准化程度高。研究报告、客户材料、交易支持、风险审查、内部知识检索、代码开发、运营服务，这些都不是简单的“聊天生成文本”，而是需要安全环境、权限控制、数据隔离、审计追踪和专业判断的系统性工作。

也就是说，金融业不是在试验“AI能不能写得更快”，而是在试验“AI能不能进入高责任、高标准、高频次的企业生产流程”。

美国银行的 Erica 是另一个正向案例。美国银行2025年8月披露，Erica 自2018年推出以来，已经协助近5000万用户，累计客户互动超过30亿次，月均互动超过5800万次。公司称，Erica 已经成为服务客户的重大入口，并通过长期学习客户需求来持续提升体验。

Erica 的意义不只是“一个银行做了智能客服”。它说明，当AI被放在一个高频、稳定、可持续优化的流程入口上，它就不再只是节省人工时间，而是在重塑客户服务能力。它可以承担大量日常问答、提醒、查询、引导，把人的精力释放到更复杂、更具关系价值和判断价值的服务上。

这恰恰是AI自动化最理想的组织路径：不是把人从价值链中移除，而是把人从低价值摩擦中释放出来。

摩根大通在2026年发布的2025年度股东信中，也把AI、数据和技术定义为未来关键能力。Jamie Dimon 在信中写道，AI将影响公司几乎每一个职能、应用和流程，并在长期对生产率产生巨大积极影响。他同时提到，公司会部署AI来更好地服务客户和员工，也会为受影响员工制定支持和重新配置计划。

这类表述与高盛的“不大规模裁员”形成呼应：头部金融机构正在把AI理解为组织能力升级，而不是简单的人力削减工具。

不裁员不是AI转型的终点，而是组织再配置的起点

但这并不意味着企业可以轻松地把“AI不裁员”当成一句口号。恰恰相反，越是承诺不把自动化简单等同于裁员，企业越需要拿出更高水平的组织设计能力。

由于当AI真的释放了时间，原有岗位的工作内容、胜任力模型、绩效评价、晋升路径、培训方式都会发生变化。不裁员不是AI转型的终点，而是组织再配置能力的起点。

德勤2026年《State of AI in the Enterprise》报告显示，66%的组织已经从企业AI采用中获得生产率和效率提升，53%的组织获得洞察和决策改善，40%的组织实现成本降低。但报告也指出，只有34%的组织开始用AI深度转型业务，重新创造产品、服务、核心流程或商业模式；30%的组织正在围绕AI重设关键流程；仍有37%的组织只是以较浅层方式使用AI，基本没有改变既有流程。

这组数据揭示了一个分水岭：会用AI和会被AI重塑，是两件完全不同的事。

真正的改变发生在流程被重新拆解之后：哪些任务由AI先做，哪些任务由人审核，哪些任务必须保留人类判断，哪些任务需要形成新标准，哪些流程可以跨系统自动流转，哪些环节需要合规留痕，哪些能力应该被纳入岗位要求。

AI转型的难点不是“使用”，而是“嵌入”。

HR必须从“岗位管理”走向“任务链管理”

斯坦福 HAI 发布的《2026 AI Index》显示，2025年组织AI采用继续上升，88%的受访组织已在使用AI，70%的组织至少在一个业务职能中使用生成式AI；但AI Agent 在各业务职能中的部署仍处于个位数水平。报告同时指出，AI的生产率收益在结构化、可衡量、输出容易监控的工作中最明显，例如客户支持、软件开发、营销产出等场景。

这说明，企业AI转型最应该从哪里开始，并不是一个玄学问题。它应该从那些高频、流程清晰、标准明确、输出可验证的工作开始，而不是一上来就让AI处理最复杂、最模糊、最具战略判断的任务。

对HR来说，这意味着AI落地不应该只由IT部门从系统角度推进，也不应该只由业务部门凭经验试点。HR需要参与建立“任务地图”：哪些岗位包含大量可自动化任务，哪些任务需要被增强而非替代，哪些岗位未来会变成“人类专家+AI代理”的组合，哪些基础岗位需要新的学习路径来避免能力断层。

真正成熟的企业不会问“AI能替代多少人”，而会问“我们让人承担了多少本不该由人承担的流程摩擦”。

企业长期以来依靠人来弥补流程断点：系统之间不能自动连接，就由人复制粘贴；知识库不够好用，就由老员工口口相传；审批规则不够清晰，就由中层反复协调；数据质量不稳定，就由分析师加班清洗；客户材料需要快速迭代，就由年轻员工深夜修改。AI进入企业之后，这些过去被默认由人承担的组织摩擦，会被逐步显性化。

未来员工不是简单使用AI，而是管理AI

对企业高管来说，高盛的信号意味着生产率管理要进入一个新阶段。过去，企业提升生产率常常依赖流程优化、共享服务中心、外包、数字化系统和组织精简。今天，AI给企业增加了一个新的变量：可按需调用的智能能力。

微软2025 Work Trend Index 将这种变化称为“intelligence on tap”，即智能像水电一样可以被按需调用。微软数据显示，82%的领导者表明有信心在未来12至18个月用“数字劳动力”扩展组织能力；与此同时，53%的领导者认为生产率必须提高，80%的全球员工和领导者表明没有足够时间或精力完成工作。

这实则是所有企业正在面对的共同矛盾：业务要求越来越高，客户响应越来越快，合规和风险要求越来越复杂，但员工的时间、注意力和学习能力并没有同步增加。过去企业解决这个问题的方式是加人、加班、加层级、加会议。目前AI提供了另一种可能：把一部分重复性认知劳动交给数字代理，把人的时间重新分配到判断、关系、创新、异常处理和组织学习上。

未来的高绩效员工，可能不再只是“会做事的人”，而是“会定义问题、拆解流程、调度AI、验证输出、管理风险、沉淀知识的人”。未来的管理者，也不再只是分配人力和监督进度，而是要管理一套混合团队：人类员工、AI助手、任务代理、外部系统、数据接口和流程规则。

HR如果依旧只围绕岗位说明书、职级序列和传统胜任力模型运转，就会在AI时代失去对组织能力的解释力。

技能断层，才是AI时代最隐蔽的组织风险

世界经济论坛《Future of Jobs Report 2025》基于1000多家全球雇主、覆盖超过1400万名员工的调查，预计到2030年，全球劳动力市场将出现22%的岗位结构变化，创造1.7亿个新岗位，同时有9200万个岗位被替代，净增加7800万个岗位。报告还指出，近40%的岗位技能要求将发生变化，63%的雇主将技能缺口视为业务转型的主要障碍。

这意味着，企业不能把AI转型理解为一次系统上线，而应该理解为一次持续的人才结构更新。真正的风险不是AI太强，而是组织学习太慢；不是工具替代人，而是人的能力结构没有及时升级。

当工作变化速度超过培训体系更新速度，企业就会出现“岗位还在、能力已经过期”的隐性断层。

这也是为什么HR必须从“培训交付者”升级为“组织学习架构师”。过去的培训更多是课程逻辑：缺什么课，上什么课；谁要晋升，安排什么项目；业务有什么热点，做一次专题学习。但AI时代的学习不可能只靠课程完成，由于技能变化发生在日常工作本身。

员工需要在真实任务中学会如何向AI提问、如何校验AI输出、如何把经验变成可复用提示词、如何把流程规则变成自动化脚本、如何判断哪些内容不能交给AI、如何在AI给出初稿后做专业判断。

企业真正需要的不是“AI培训热闹一阵”，而是把AI能力嵌入岗位、流程、绩效和晋升。

新人培养必须重新设计：从重复劳动，到判断训练

在这个过程中，HR要特别关注初级岗位的学习曲线。高盛新闻中提到，AI可以处理收益电话会议摘要等初级工作场景。类似场景在投行、咨询、审计、法务、市场、人力资源等专业服务中都超级常见。

过去，年轻员工正是通过这些看似基础、重复、辛苦的工作学习行业语言、客户逻辑、材料结构和专业判断。如果AI把这些任务快速自动化，企业就必须重新设计“新人如何成长”的机制。

这并不是要保留低效工作来“训练新人”，而是要把低效工作中的学习价值重新抽取出来。企业可以让AI承担初稿生成和信息整理，但要求新人做来源验证、逻辑校正、风险识别和改写优化；可以让AI生成会议纪要，但让新人负责提炼决策、识别未解决问题、追踪行动项；可以让AI生成报告框架，但让新人解释为什么这样组织材料、哪些假设需要调整、哪些结论不能轻易下。

AI时代的新人培养，不是让新人少做基础工作，而是让基础工作从“体力重复”升级为“判断训练”。

一个优秀的新人项目，不能只安排课程和轮岗，而要明确规定员工在每类任务中如何使用AI、如何记录提示词、如何复盘输出质量、如何与导师讨论AI给出的答案哪里对、哪里不够、哪里存在风险。换句话说，AI不是削弱师徒制，而是倒逼企业把过去隐性的经验传授变成显性的学习设计。

AI最值得追求的不是“减人”，而是“增能”

在组织层面，高盛“不大规模裁员”的表态还透露出一个重大管理逻辑：AI带来的效率红利，并不必定要以减少人数来兑现，也可以通过扩大业务能力、提升服务质量、缩短交付周期、增强风险控制、创造新岗位来兑现。

许多企业谈AI ROI时，只盯着“节省多少人力成本”。但如果一家企业的AI转型只会导向“同样的事用更少的人做”，那么它拿到的只是第一层红利。更高阶的AI ROI，应该来自“用同样的人做更多、更快、更好、更复杂的事”。

例如，销售团队可以用AI提高客户覆盖频率；研发团队可以用AI缩短实验和迭代周期；客服团队可以用AI实现更精准的分层服务；HR团队可以用AI更早识别人才风险和组织瓶颈；财务团队可以用AI从报表处理走向经营洞察。

AI最值得企业追求的不是“减人”，而是“增能”。

减人是一种短期财务动作，增能才是长期竞争优势。尤其对服务业、金融业、专业服务、科技制造和平台型企业来说，真正稀缺的不是人头，而是高质量的判断、高速度的响应、高一致性的执行和高复用的知识。AI如果能够把这些能力规模化，企业就不必把自动化和裁员简单绑定。

AI治理不是IT问题，而是组织责任问题

当然，这并不意味着企业可以回避组织治理。AI进入流程越深，治理要求越高。随着组织从试验走向规模化部署生成式AI和Agentic AI，AI信任和负责任AI已经不再是边缘议题，而是释放AI价值的基础。

许多企业把AI治理视为法务、合规、信息安全或IT部门的职责，但AI一旦进入岗位和绩效，它就必然成为组织治理问题。员工使用AI生成内容，错误责任如何界定？AI参与绩效反馈，管理者如何保持公平性？AI协助筛选简历，如何避免偏见？AI代理执行流程，权限边界如何设计？AI输出客户材料，谁负责最终审核？

未来HR需要成为AI治理的核心参与者，而不是旁观者。

由于HR最理解岗位如何运转、员工如何学习、管理者如何决策、组织如何形成行为习惯。如果AI治理只停留在技术控制层面，就容易忽略员工真实工作中的灰色地带；如果AI治理只停留在制度层面，又可能变成一套没人愿意使用的限制清单。

Gartner 预测，到2026年底，40%的企业应用将集成任务型AI Agent，而2025年这一比例还不到5%；到2029年，至少50%的知识工作者将发展出与AI Agent协作、治理或创建AI Agent的新技能。这意味着，企业很快会发现，AI不再只是一个独立工具，而会自然出目前CRM、ERP、HCM、财务系统、办公协同、客服平台、知识管理和代码开发环境中。

当AI Agent进入企业应用，HR的挑战会进一步升级。员工不再需要专门打开一个AI工具，由于AI会嵌在他们每天使用的系统里；管理者不再只是审批人的申请，也可能审批AI代理发起的流程；组织不再只是管理人和岗位，也要管理数字代理、权限身份、任务边界和协同规则。

企业高管与HR负责人，需要共同建立三张新地图

第一张：任务地图

传统岗位说明书一般描述职责、任职资格和汇报关系，但AI时代更需要描述任务结构：这个岗位有哪些任务？每项任务的频率是多少？标准化程度多高？是否需要专业判断？错误后果有多大？数据是否可得？输出是否可验证？是否涉及客户、员工或敏感信息？哪些任务适合AI先做？哪些任务适合AI辅助？哪些任务必须由人完成？

第二张：能力地图

AI技能不是一个单独的工具技能，而是与业务理解、数据意识、流程设计、风险判断、沟通协作结合在一起的新型复合能力。未来的岗位胜任力模型，需要加入AI协作能力、提示词设计能力、输出验证能力、流程自动化意识、数据治理意识和人机协同管理能力。

第三张：产能地图

如果AI释放了20%的时间，企业不能只问能少招多少人，而要问这20%的时间能否转化为客户价值、创新速度、管理质量和员工成长。企业可以建立新的产能指标，例如关键流程周期缩短多少、客户响应时间改善多少、知识复用率提高多少、错误率下降多少、员工战略性工作占比提高多少、管理者用于辅导和判断的时间增加多少。

AI转型的核心KPI，不应该只是节省工时，而应该是提升组织有效产能。

AI时代，HR正在从支持业务走向重构业务

对HR负责人来说，这也是一次角色升级的机会。过去，HR常常被要求支持业务、服务业务、保障业务。但AI时代，HR必须参与重新定义业务如何运转。由于岗位如何拆分、能力如何升级、员工如何转岗、管理者如何带队、组织如何分配AI红利，这些都不是IT部门可以单独解决的问题。

谁能把AI技术语言翻译成组织语言，谁就会成为企业AI转型中最关键的管理力量。

高盛的“不大规模裁员”之所以值得关注，正在于它把企业带回一个更成熟的问题：当AI已经能够提升效率时，企业是否有能力把效率转化为更高质量的组织发展，而不是简单转化为短期成本动作？

这需要战略定力，也需要制度设计。员工只有信任AI不是一把随时落下的刀，才会愿意把真实工作流暴露出来，愿意分享经验，愿意参与流程优化，愿意学习新能力。反过来，如果员工认为AI转型只是削减岗位的前奏，他们就会自然产生防御行为：隐藏流程、减少分享、形式化使用、避免试错。这样的组织很难真正获得AI红利。

AI时代的组织信任，不是靠安慰建立的，而是靠透明的规则、真实的投入和可见的成长路径建立的。

从更长周期看，高盛把AI放进“人力装配线”，实则是知识型组织走向工业化、自动化和智能化的一个缩影。工业时代的自动化把机器放进车间，数字化时代的自动化把系统放进流程，AI时代的自动化则把智能放进判断链条。

它不会让人变得不重大，反而会让真正的人类能力更加重大：定义问题、理解客户、承担责任、做价值判断、处理复杂关系、进行创造性组合、在不确定性中做决策。

AI越强，企业越需要重新回答“什么是人的价值”。

如果一个组织把人的价值定义为复制粘贴、整理材料、重复汇总和机械审批，那么AI当然会显得像威胁；如果一个组织把人的价值定义为洞察、判断、信任、创新和责任，那么AI就会成为放大器。

结语：真正领先的企业，不会把AI当成替代人的机器

对中国企业来说，这个话题已经超级现实。无论是金融、制造、零售、医药、互联网，还是专业服务和人力资源管理本身，大量企业都已经进入AI试点阶段。但许多组织还停留在“工具热闹、流程未变”的阶段：员工个人用得很积极，部门之间标准不统一；业务部门希望提效，合规部门担心风险；高管希望看到ROI，员工担心岗位变化；IT部门关注系统接入，HR部门尚未完成岗位和能力重构。

下一阶段，真正拉开差距的不会是“谁最早买了AI工具”，而是“谁最早把AI变成组织能力”。

CEO要回答增长问题：AI释放的产能用于什么战略目标？CHRO要回答能力问题：员工如何转型、岗位如何重构、学习如何嵌入工作？CIO和CTO要回答技术问题：数据、系统、权限和安全如何支持规模化？业务负责人要回答流程问题：哪些任务真正值得自动化，哪些环节必须保留人类判断？合规和法务要回答责任问题：AI参与流程后，风险如何被记录、追踪和纠偏？

AI转型不是某一个部门的项目，而是一场跨职能的组织再设计。

真正领先的企业，不会把AI当作替代人的机器，而会把AI当作重新定义人、流程和组织能力的机会。

高盛的最新表态之所以引发关注，是由于它把AI从“未来想象”带入了“管理现实”。当一家金融机构开始谈论数字工厂地板、AI机器人、人力装配线和不大规模裁员，它传递出的不是一个简单的技术新闻，而是一种新的组织范式：企业可以在不把人当作成本变量的前提下推进自动化，但前提是，它必须有能力重新设计工作、重新培养人、重新分配效率红利。

未来几年，许多企业都会经历同样的拷问：AI已经能做一部分工作了，接下来怎么办？最普通的答案是削减成本，最短视的答案是制造焦虑，最困难但也最有价值的答案，是把AI变成组织升级的杠杆。

AI自动化的终点不是“无人化组织”，而是“更高质量的人机协同组织”。

谁能更早看清这一点，谁就能在下一轮组织竞争中占据主动。

参考来源

1. New York Post, “Goldman Sachs exec touts plans to automate ‘human assembly line’ with AI, vows no mass layoffs”, 2026-05-12.

2. Reuters, “Goldman Sachs launches AI assistant firmwide, memo shows”, 2025-06-23.

3. Gartner, “Gartner Predicts 40% of Enterprise Apps Will Feature Task-Specific AI Agents by 2026”, 2025-08-26.

4. World Economic Forum, “Future of Jobs Report 2025”, 2025-01.

5. Goldman Sachs Research, Microsoft Work Trend Index, Deloitte State of AI in the Enterprise, Stanford HAI AI Index, Bank of America Newsroom 等公开资料。