△ 李斌 Tim，盖雅工场高级运营副总裁
本文基于李斌先生于2025年4月23日苏州的“2026狮山人力资源大会”的演讲内容整理。
内容摘要：
- 人类进步的基石，是人处理任务的工具在跃迁，这是"涌现"的本质
- AI带来的效率"看不见"，原因有两个：互补性投资的J形曲线，以及个体效率没有转化为组织效率
- AI要真正"兑现"，需要从效能、效率到效益，三层递进推进
- 从B-TOP模型出发，在业务、工具、组织、劳动力四个维度全面布局AI提效的场景
- AI时代，决策会更快，但不一定会更准
- AI变革的重要性，远远高于AI应用的重要性
这是我参与的第六届狮山人力资源大会。从2019年谈敏捷组织，到疫情期间谈人效，到2025年谈出海，再到今年我强烈建议要把AI融入主题。
为什么HR要来关心AI这件事？
因为HR有一个特质，就是特别操心。公司里所有的事情好像都跟HR有关系。今天大会谈了这么多，各种新技术不断涌现，但最后到底有没有提效，这件事可能需要HR来帮助公司把它兑现。所以我今天要回答的这个问题，就叫从涌现到兑现。
今天我的分享很简单，就10个标题。
人类进步的基石，
是人处理任务的工具在跃迁
我过去一直在讲人效的课，我觉得所有的提效都是从一个起点开始，就是人在处理任务。
谈效率，最终都是在谈人处理任务的效率。
从这个角度看人类历史，进步的基石其实是工具的跃迁。手工工具时代，我们用的是木头、石头等自然界产生的东西；到了工业化，蒸汽机在1776年改良，电在18世纪出现，从最早的风筝实验到电池、发电机、直流电交流电，历经100多年的演进，带来了商品经济；1971年微芯片的发明让人类进入了信息化，然后电脑、手机、大数据、云存储相继而来；2022年ChatGPT横空出世，各种大模型竞相迸发，我们就开始进入了智能自动化时代。
有一点我特别想强调：这四种时代和经济组织范式，不是替代式演进，而是生长式演进。新的范式生长，不会完全消灭前一种范式。哪怕就是写PPT，我还是喜欢手搓，AI能不能帮你替代？能，但我还是喜欢手工。所以大家不用那么急，认为AI忽然间能把所有的东西都替代了，我不相信。
我们迎来的不是一种单纯的经济形态，而是一种组合式经济形态。
在每个跃迁节点，
自下而上的"涌现"成为最大的时代特征
过去四年，新技术在不断涌现：多模态融合、端侧轻量化、具身智能、AI Agent……昨天ChatGPT刚发布了image 2.0，生成的每一张图都让人怀疑，因为太逼真了，你已经分辨不出哪些是AI生成的，这就是昨天的事。
面对这些技术，每个组织里大概有三种力量。
第一种是非常积极的力量，有些人走在最前端，也许就是你们的CEO，他要以身作则，他会买各种各样的资源、各种各样的大模型，我们公司很多人虽然公司提供了，但还是自己掏钱买，因为觉得公司提供的不好。
第二种是消极的力量，很多人说"有什么用，产生不了多大价值"，就像机器时代有卢德分子，AI时代也一定有。
第三种是防御的力量，有天我们公司飞书刚刚发布了一键安装小龙虾，我就一键装了，过了两天IT找过来，问我是不是装了小龙虾？我说是的。他说你会用吗？我说不太会用。他说那你删了吧。我说为啥要删？他说他们担心小龙虾破坏飞书数据，我是整个公司飞书的管理员，拥有最大的权限，他们不担心我删飞书数据，但很担心我的小龙虾。这就是防御的力量。
哪一种力量是正确的？
很多时候很难讲清楚。我认为组织的复杂性就体现在技术与人性的碰撞中。推动人类进步的是技术，但所有技术进入了组织内部，一定会跟人性发生碰撞，这就是组织的复杂性，就一定会产生混乱状态，也就是熵增。
这种混乱会体现在三个问题上：要不要投资AI？效率到底有没有提升？以及如何制度化——战略、组织、管理、人才到底怎么调？第一个问题今天报告这么多，已经有答案了，那就是一定要投。今天我主要想回答第二个问题和第三个问题。
👇👇👇
专题报告首发
《AI拐点已至：企业与HR行动指南》
"看不见的效率"究竟去哪了？
1987年，诺贝尔经济学奖得主罗伯特·索洛在《纽约时报》发表了一篇书评，提出了一个非常有名观点，后来被称之为"索洛悖论"：
"你在到处都能看到计算机时代，唯独在生产率统计数据中看不到它。"
1987年是什么时代？美国在1971年发明了微芯片，到1984年，美国基本上都已经有个人PC了。但美国从二战后的1947年开始统计劳动生产率数据，1947年到1973年每年平均提升3%，但从1973年开始反而只有1%了。
不是进入了计算机时代吗？那为什么劳动生产率反而提升不上去了？
这与我们当下非常相似，AI来了，智能体来了，但你可能在公司的生产力数据里看不到它。那效率去哪了？
第一个原因，是互补性投资带来的J形曲线。
2021年三位经济学家发布了一篇论文，他们想用实证数据来回答索洛悖论。核心观点是：当新的技术来了，企业要投入大量的资本和劳动力进行"互补性投资"。什么叫互补性投资？绝对不是AI来了，你买了个工具就行——你要花大量的Token消耗，要做内部员工的技能培养，要梳理流程，甚至要做组织迭代，所有这些都叫投资。这个投资是为了互补技术的出现而产生的。
但这些投入的成本可以衡量，产出却是无形资产，难以即时衡量，所以官方统计数据里生产率看似停滞甚至下降。可能要过了十年之后，劳动生产力数据才会回归正向，这就是J形曲线。
第二个原因，是组织内的层次谬误，即个体效率没有转化为组织效率。
AI能不能带来提效？当然能，但绝大多数看到的提效是个体在提效。我把这些场景做了个梳理，从简单到复杂来看。
最简单的是AI套利者。
我问过我们公司一个部门主管：现在用AI，效果有没有提升？他说提升特别多。我说那带来的结果是什么？他说，带来的结果是他以前天天加班，现在不用加班了。你说这是好事还是坏事？这肯定是好事。但对组织来说，效率没有转化。还有更极端的：有家公司研究谁Token消耗最多，觉得他一定是公司最棒的超级个体，研究完发现这个员工的确能干，过去8小时的工作现在两小时干完了，但剩下6小时干嘛去了？干私活。这就是个体效率提升了，组织效率没有提升。
往上一层是AI超级个体。
AI超级个体对组织一定有效率吗？不一定。你们公司出现了多少超级个体？刚才有个观点说超级个体最容易是老板，因为公司是他的，但员工凭什么成为超级个体？再说了，如果员工成为超级个体，那凭什么还留在你公司？有可能你培养了一个超级个体，是给别人培养的，他出去自己开OPC了。
再往上是组织层面的AI效率贡献者。
这是在重复的人干重复的活的场景下才成立的。你们公司只有两个招聘专员，用AI去跟候选人聊天，总不能再裁一个吧？再怎么提升效率也没多大意义。但你们公司如果有100个招聘专员，AI效率贡献者的场景就出现了。当然了，也要平衡好和员工的关系，因为这个时候容易出现效率囚徒，员工反倒因为AI变得更忙了。
真正难实现、但最重要的是AI效能架构师。
也就是在复杂协作的组织场景中，通过流程调整把整体效能提升上去。但千万不要以为出现了AI超级个体，这个流程调整会自然发生，因为它会影响到许多人的利益，必须自上而下地推动，否则往往很难实现。
"兑现"：通过盖雅三层人效模型
推动组织效率转化
要真正兑现AI带来的效率转化，我把它分成三个层面来看。这就是盖雅人效模型中常说的三层人效指标。
最上层是效益层，就是人均营收、人均产值、人均利润等财务结果，关注的是AI投资的回报率有没有带来财务结果。考虑到J形曲线的存在，短时间内比较难，所以在效益层，我认为现阶段先不用谈，先投入就好。
中间是效率层，就是个体效率有没有转化成组织效率。目前的现状是，已经开始出现AI套利者和AI超级个体，甚至也出现了AI效率囚徒——什么叫效率囚徒？
比如我是一个客服，过去要解决很多难题，现在用AI难题解决了，但公司会给你更多的任务，每个人都被卷入这种效率竞赛，成为技术的囚徒，进入AI的牢笼。这种对组织有没有帮助？有，但一定是在重复的人干重复的活的场景下。真正重要的AI效能架构师，目前还有一定的距离。
最底层是效能层，也就是组织层面为效率加持的动能因子——战略效能、工具效能、组织效能、劳动力效能。效能层做好了，它能够为效率的实现创造基石；效率出现了，又能为效益创造基石。
所以，我认为做AI提效这件事，首先要做的是效能，其次是效率，最终才会转化为效益。
有人说，能不能走捷径，从效能直接跳到效益？也可以，如果业务效能、战略效能发生了根本性变化，不需要通过效率改进就能直接带来效益。但绝大多数公司在既有的赛道里，只能按照这个路径一步一步来。
从B-TOP模型出发，
盖雅如何为AI提效准备好效能环境
那我们到底做了什么？为AI提效准备好了哪些事情？PPT中展示的这些事情，绝大部分都是我们现在正在做的，也是今天分享的重点——从B-TOP模型出发，我们到底在怎么干？
首先，我们来看业务效能（Business），这件事其实很简单，本质上是对业务要素的改进。大家想一想，HR都要理解业务，但业务到底是什么？我觉得业务很简单，就几件事，包括市场定位变革、产品AI改造、商业模式创新，在整个AI提效中拥有决定性价值。盖雅做的事情包括新场景交付，如果大家熟悉软件交付，过去ToB产品的交付是一件非常难搞的事，要投入大量人力了解需求、调研、然后交付，但现在你只要跟我讲一个需求，可能明天我们就能帮你实现；还有产品的Headless架构加上原子化能力，以及Gaia Open API。
其次是工具效能（Technology），主要是指组织为员工提供AI工具的质量、适配度与支撑能力。
我们公司的实践是：老板宣布所有AI投资坚决不拦，Token不限量。但我们现在有个打算，就是把Token费用纳入薪酬包，因为有的团队不敢用，觉得好像是在给公司浪费。但对于我们这样一家软件公司来说，未来的Token就相当于现在的人力，从今年下半年开始我们就会把Token费用纳入薪酬包。我们还打造了AI中台，公司里每个人、每个团队消耗了多少Token费用，全部可视化；此外还有skill market，以及数字人的全流程培育体系。
其三，组织效能（Organization），是从战略、机制、文化到人才架构，全面支撑AI落地。
盖雅已经把AI First定为战略选择；CEO亲自牵头负责；上个月把所有高管拉到外面开了一场AI提效共识会；在公司内部成立了AI赋能提效虚拟团队；设置了首席AI提效赋能官；并且为每个事业部配备了AI BP。
我们公司技术人员多、研究AI的人多，所以给每个团队都配备了一个AI BP，他们充当翻译官，把业务侧涌现的各种需求翻译成AI能执行的语言，业务一结合，就会产生巨大的生产力。过去我们有HRBP，未来我相信每家公司都会出现AI BP。我们还马上要举办AI黑客马拉松，让每一个会AI的人都能涌现出来。
最后，劳动力效能（People），聚焦员工个体与AI协同的能力匹配度，解决的是"人会不会用、愿不愿用、能不能用好AI"的核心问题。
我们公司内部的AI分享已经组织了几十期了；从年初就策划了AI提效工作坊，本来以为没有人来，结果报名的团队非常多，只能分好几期开，每个团队带着一个任务来，通过工作坊把任务拆解成流程，再用AI来实现；还有AI专项激励——我们的产品同学来找我说，过去做某件事要150个人天，现在只需要50个人天，能不能把省下的100个人天的钱折一部分给他们？这就是AI专项激励。此外还有虾币积分体系，以及AI技能等级认证、AI技能与职等关联，这两件事我们还没有开始做，但马上要做
盖雅还为员工打造了一套人、数字人与任务交互的系统，叫Gaia Nexus。
起因是我们的技术人员来找我，说关于AI的需求太多了，我们几个人忙不过来，能不能发动全公司掌握AI技能的人都来领任务？我觉得这个想法挺好，但我还想到一个点：未来的管理，一定要把每个员工都管理成掌握AI知识的人，所以他们有分级，有考核。数字人也一样，有升级路径，有任职资格，不是随便一个机器人就能叫数字人，你得是生产级的智能体。
在这套Gaia Nexus系统里，员工注册进去就能拿到一定的虾币，虾币就是他的积分，他可以用这个积分在平台上发布他自己觉得可以通过AI解决的任务，然后悬赏积分；数字人上去抢单；数字人背后是数字经纪人——也就是培养小龙虾去接任务的那个员工。我们就把人的管理、数字人的选育用留，以及任务的交换，全部闭环在了一个平台里。
Gaia数字人的选育用留全流程也已经有了第一版：从小龙虾（Lv.1）一路成长到见习数字人（Lv.2）、正式数字人（Lv.3）、高级数字人（Lv.4），每个级别都有对应的任职资格、培育路径、服务能力考核指标（月度可用性≥99.5%、任务完成率≥95%等），以及对数字经纪人的激励机制。
拆解复杂协作场景下的组织效率：
流程效率 + 决策效率
看完效能层，我们来看效率层。
组织效率可以拆解为两个维度：流程效率和决策效率，两个都提升了，才会带来最终的业务效率结果。
流程效率是横向的效率，是指内部业务运转与价值创造过程的流畅度与速度。它关注从任务发起、执行、协作到交付的全链路是否顺畅，冗余环节是否被消除，重复工作是否被AI替代，核心要解决的是：事能不能跑得更快、更顺、更少返工。
决策效率是纵向的效率，是指流程中关键节点、审批卡点、重要判断的响应速度与质量。它关注的是谁来拍板、多久拍板、信息是否足够、审批是否冗余、权责是否清晰，核心要消除的是组织里最常见的"等待成本"。
以我们内部的IPD（集成产品开发）流程为例，这个流程已经经历了三代演进。IPD 1.0从2023年9月开始到2025年4月，花了整整一年半的时间，积累了大量员工参与，最终把公司集成产品开发的流程完整拉出来了，当时我们非常激动，觉得终于做成了。
到今年，老板给了我一个任务，说要实现IPD 2.0，让所有产品，甚至业务特性都进入IPD。我们今年1月份开始提这件事，到4月份就把IPD 2.0升级完成了，我们的产品总监自己用Vibe Coding一周就写出来了一个网站管理系统，把所有流程的节点通过可视化的方式展现出来，速度非常快。
但就在4月17号，距离2.0发布不到10天，老板又说了一句话：除了局部的AI提效，在IPD角度必须有全局性的AI提效视角，这是流程和组织重构的动作。我当时心想：完了，前面2.0白干了。所以我们现在开始干3.0。这就是AI带来的改变，2.0是AI加速流程，3.0要求的是AI变革流程。
通过AI变革流程效率：
从任务到组织结构的四层递进
流程效率的变革，遵循一个递进路径：任务、流程、岗位、组织结构。
在任务层，核心逻辑是：任务越能自动化，越高效，龙虾等Agent和Skills就是在做这件事。如果不能自动化，那我们要先要做任务的标准化和细化，让AI找到发力点。
任务的变化自然会带来流程层的变化，我们会发现有些任务被替代了或者消失了；有些任务节点被扩展了，人处理的范围扩大了；有些任务的顺序发生了变化。
以IPD流程为例，虽然3.0还没出来，但我跟我们CTO和产品同学探讨过，未来可能会发生哪些方向的变化：过去做产品需求从客户调研中来，但今天我们可以直接让客户先看到产品长什么样子；过去产品经理要写出让人理解的需求文档，经过我们IPD五个关口的审核，现在产品经理直接写出的是能够被市场验证的产品结果；工程师写代码、工程师交叉验证，这个过程在AI时代极度缩短，变成了AI写代码、AI交叉验证；过去测试和安全都在软件开发生命周期的末端，现在要左移，写一段看一段；过去是固定周期迭代，现在是快速迭代。
流程变了，岗位层也会跟着变。某些岗位消失了，比如UI工程师，我们公司以前一定有UI工程师，但现在不需要了，因为产品经理自己会用AI来写。某些岗位的边界模糊了，AI会扩展岗位的广度。还会创造出一些新岗位，比如AI翻译师，把业务需求翻译成AI可以理解和执行的语言。
再往上，组织结构层也会随之变化：超级个体驱动的小组织、AI虚拟团队、碳硅混合的新团队，甚至出现全新型组织。上次有个朋友分享，他们老板要求把HR和IT合并了，改名叫"组织效率部"，他认为在这个时代，HR喜欢操心，IT懂工具，那就在一起操心，把组织效率提拔到非常重要的位置。
AI时代，我们的决策可能会更快，
但不一定会更准
AI能加快决策，这是有目共睹的。例如，在我们的IPD 2.0里，每一个产品功能的决策过程中都接入了大模型，AI会帮我们自动评估、自动打分，当然快了。
但快不代表准，我认为AI参与决策的的情况下，我们有三个挑战要面对。
第一个是，技术变化太快，有时候反而让决策变得更慢。我们产品委员会今年在评审的时候，有一个跟AI相关的功能被我们驳回了，原因是所有投票人员都说，现在太混乱了，我们也不知道未来的状态是什么，所以这个功能先不做。你看，AI越来越快，决策反而先慢下来了。这种时候，我们需要的是灰度判断力、容灾能力，以及面对不确定性时的迭代定力。
第二个是，信息多、获取快并不意味着带来更好的决策质量。反而在信息爆炸的时代，结构化思考、深度思考和独立思考会变得比以前更加重要。
第三个是AI幻觉加上回音室效应，这是最危险的。例如我为了讲清楚AI决策的问题，让AI帮我找一篇关于"AI决策速度与准确性"的学术论文，AI给了我标题、作者、期刊、发表时间，甚至给了我链接，一切看起来都那么真实。
但当我点进去反复交叉验证，发现这篇论文根本不存在。这就是AI幻觉，但同时也是AI在谄媚你，因为你想要这样的结果，AI就提供给你这样的结果。
有些人只能听得进与自己附和的声音，AI的回音室效应会把这种倾向放大，这才是更危险的东西。所以AI时代反而更需要批判性思考和交叉验证的习惯。
今天是世界读书日，我在家里翻到了德鲁克1966年写的《卓有成效的管理者》。1966年还没有个人PC，但德鲁克在书里已经研究电脑时代的决策了，他认为电脑只是一个工具，不可能替代人的决策，任何的决策都不可能自动化。这个判断，今天读来依然有效。
我们一定要理解，AI来了，不是你所想象的我们的决策速度会更快、质量会更高，没有那么简单。
AI组织重塑会发生，
但没那么快
AI带来的组织重塑是真实的，但绝对不是明天所有组织都会变成那样，没有大家想象的那么快。我想给大家分享几个组织重塑的方向。
第一，从提供培训条件到技能再造。过去我们提供培训就够了，但在AI时代，我们要做的是技能再造（reskilling），而不只是在现有技能上叠加（upskilling）。未来的公司一定是倒金字塔型的技能化组织。
第二，从科层制向民主化转型。AI技术明星开始涌现，管理层级被压缩，管理幅度扩张，从过去的Lead Team变成现在的Team Cowork，公司会进入一种人机协同的网络结构里。
第三，无边界。组织内部的连接会更紧密、团队会更小型化，外部的边界被打破，零工经济和OPC正在兴起。AI时代一定是开放式创新的组织文化，企业不会再封闭在自己组织的边界里。
第四，从管理确定性到管理各种新场景。过去你管理的是确定性，但今天面对的是各种新场景不断涌现，新技术的冲击、人机协同带来的挑战、组织液态化后员工与组织关系的不稳定。这也是麦肯锡提出了"M型管理者"的概念，你要游刃有余地通过韧性去管理这些东西。
第五，也是我认为特别重要的一点，是相信并激发自下而上的力量。AI时代的员工动能比过去尤为重要。当时间、技能都在发生变化，如何激发员工，让每个人都能充分发挥，会变得格外关键。赋能型管理在AI时代会显得更加重要，从"为我所有"到"为我所用"，真正投资员工。
AI变革的重要性
远远高于AI应用的重要性
最后一个观点，也是我认为最重要的。
今天在座绝大多数伙伴在做的都是AI应用：在现有流程、现有组织、现有业务里，用AI提升效率，降低成本，加快速度。你们在学习AI新技术，在提升自己的工作效率，干更多的活——这是你应该做的，这是AI应用。老板顶多表扬你一句厉害，然后呢？没有然后了，薪资卡里的余额不会变。
我们真正要做的是AI变革：用AI重构业务逻辑、组织架构、价值创造方式，甚至创造新的商业模式。我们要把工作中重复性、流程性的任务交给AI，然后你才能去干更重要的事情，你的老板对你的点赞才能变成薪资卡里的余额。
对于个体，AI应用是学习新技术、提升效率；AI变革是转型成为AI超级个体，把重复流程性的任务全部交给AI，自己去干一条龙的活。
对于组织，AI应用是鼓励全员学习、推动智能体落地；AI变革是变革业务流程和组织设计，将个体效率转化为组织效率，打造AI技能型组织和赋能型文化。
对于业务，AI应用是推出智能体、用AI改造产品；AI变革是重塑新产品能力，变革商业模式，过去我们看看一个产品最重要的是DAU（每日活跃用户），但现在有观点认为，未来看一个新产品更重要的是TPD（每日Token消耗量），只有TPD越高，才代表着产品未来在市场的竞争能力越强。
AI时代的确来了，所以我们既要学习，但更要变革。
👇👇👇
专题报告首发
《AI拐点已至：企业与HR行动指南》
关于盖雅工场
盖雅工场专注于解决企业在劳动用工方面的四大问题：「需要多少人」「实际多少人」「干得怎么样」「怎样找到人」，利用科技手段预测劳动力需求并排班，优化调度劳动力安排并补充灵活劳动力，管理多样化劳动力队伍的出勤与时间，分析并提升劳动力效率与销售效能，同时连接劳动力市场中的企业与一线员工，实现降本增效、满意合规。
目前，盖雅工场的客户分布在全球33个国家与地区，每天，全球1,800余家客户的700余万员工使用盖雅提供的实时考勤、智能排班、精益工时、技能管理、激励性薪酬等数字化服务。
劳动力管理，盖雅搞得定。
精益人效
客户案例
行业方案
WFM系统选型建议
