本文内容源于《提示词工程学》《AI组织学》等著作作者 唐秋勇先生 于2025盖雅人效标杆大会中的演讲分享。
1. AI智商狂飙至143（天才级），仅用了6个月。
2. AI时代，HR部门面临着两项重要任务：界定工作边界、划分工作“区域”。
3. 本地部署的AI版本比官方版笨10%到20%？
4. 未来人力资源部将构建的300-500个智能体有哪些？
5. 企业从HUMAN-DRIVEN（自驱）到INTELLIGENCE-DRIVEN（智驱）。
6. 新的绩效哲学，叫“未来成功的早期指标”。
7. 拥抱尝试AI，但要解决的四大挑战：信息差、认知差、应用差、竞争差。
我今天的话题是大规模降本增效和提质创新。
仅用人工智能来降本增效，实际上是初级、低级甚至暴殄天物的使用。真正的高级使用，是用人工智能达到个人甚至团队都难以企及的质量，或是解决前沿的创新研发难题。
这也是今年人力资源发展的主要方向。今天谈人效，如果不擅长人机协作，效率必然是低下的。
AI智商变化趋势
我们最近看到，麻省理工、斯坦福和帝国理工主要利用GPT-5Pro这样的人工智能，去解决数学、物理和化学领域的诸多问题。这些问题，有些是人类顶尖科学家解决不了的，有些则是AI用了与人类截然不同的方式去解决的。
这张图展示了人类智商的正态分布。智商低于80通常被称为“弱智”。人类智商的中位值是100，但这并非恒定不变，今天智商100的人比十年前要聪明一点，人类的总体智商是在不断提升的。
智商120算是聪明人。如果没达到120，哪怕进入985、211也会很痛苦，甚至难以毕业。140则是天才，超过了99%的人类，爱因斯坦是165。人类的顶尖智商大约在200左右，被称为“门萨（Mensa）”。
但这也有争议，有人说根本没人能超过200，也有说法是全球只有两位数到三位数的人——也就是几十到几百人能达到。总之，人类智商总体被限制在200以内。
那现在AI的智商是多少呢？
今年有几个里程碑式的实践。第一个是DeepSeek-R1，达到或超过了100左右的智商。这里的“R”代表Reasoning（推理）和Reinforcement Learning（强化学习）。
8月下旬，ChatGPT发布了5-Pro版本，费用是200美金/月，目前全球付费用户大概只有7万人。大部分人不愿意付这个钱，退而求其次用Thinking版本，也就是20美金/月的。
我讲AI大概见过一万个HR，提到这20美金一个月，有一半人跟我喊贵，让我很无语。我借用一句曾被全国人民痛骂的李佳琦的话回怼：“哪里贵了？”
用了它之后，我今晚本来要加班的，现在不用加班了，那这20美金还贵吗？何况这20美金理论上是一个月无限制使用的。”
从图上我们可以看到，5-Pro的智商是143。还记得140的意义吗？那是天才。正因如此，你能看到麻省理工和斯坦福正在用它解决前沿科学难题，因为它已经具备了这个能力。
而相当一部分人对人工智能还有一个刻板印象，认知还停留在几年前，觉得它只能处理简单的、重复的、低级的工作。谁说的？现在的AI比你聪明好不好。
很多人觉得AI不好用，是因为用了一些“弱智”的模型，老板觉得不行，最后只好“我行我上”。这是你选的工具不行，而不是人工智能不行。
大家可以上Trackingai.org这个网站，要经常访问，特别是新模型上线时。这里面是用科学方法评估，我们不需要崇洋媚外讲“外国的月亮才是圆的”。谁能在当下解决问题，这才是最重要的。
这就引出了影响人机协作的一个重要发现。我们前面说了“提示词工程”是人的问题，但“机”这一侧也有问题，那就是工具的选择。大家看到ChatGPT有这么多版本，每个版本的智商是不一样的。你可以要求速度快，但它会减少推导过程，或是只搜索互联网上的已知信息，导致质量下降。所以，工具的选择、版本的选择，以及模式的选择至关重要。
前两天看到谷歌亚太区负责人去台大交流。台大学生的水平应该相当于我们这里的北大清华，但结果令我很震惊。
谷歌负责人问在座三五百名学生：“你们有多少人用过Gemini的Deep Research这个功能？”我看举手的学生大概只有3%，300人里不超过10个。这让谷歌负责人感到非常诧异。因为类似的功能今年2月下旬就出来了。普通的Chat bot模式为了降本、节约算力，最多给你回复两三千字。
而“Deep research”模式可以写多少字？
答案5万字，也就是说它能在10分钟内写出一篇博士论文，而且是达到博士论文质量的，绝非粗制滥造。博导、硕导光看字面几乎看不出来，只有针对某个具体文献提问时，才可能让它现原形。
很多公司受限于“机密心态”，觉得什么都是秘密，所以执意要本地部署DeepSeek。
但事实是，你本地部署的版本一定比官方版笨10%到20%。因为你们没有那么多秘密需要防范，更缺乏懂调优的工程师。
根本没有那么多秘密。难道我跟马化腾通信，还要专门开发一个聊天工具吗？说实话，如果平台真想知道我和你说了什么，其实他们全都能知道。
这只是我们的一种本能错觉：觉得金条放在自家枕头底下才安全，而不是放在银行的保险柜里。实际上，银行保险柜显然更安全。就像我们的考勤数据放在盖雅那里，其实比放在自己公司更安全，因为我们雇不起那么多专业的安全工程师。
AI推理能力首次超越人类
再说DeepSeek-R1，这里的“R”代表Reasoning（推理）和Reinforcement Learning（强化学习）。它对应的是此前的Understanding（理解）和Deep Learning（深度学习）。
其实人类也有深度学习能力。比如一个小朋友从未见过猫，第一天见到白猫，妈妈告诉他“这是猫”；第二天见到黑猫，也是猫；第三天见到花猫，小朋友足够聪明，不用妈妈讲也知道是猫。他怎么知道的？这就是模式识别。
我们以IBM的AskHR聊天机器人为例：它将公司所有规章制度上传到知识库。
如果缺乏推理能力，当员工问“我9点05分算迟到吗？”时，它检索知识库，发现没有9点05分的记录，答案只能是“我不知道”。这就是知识检索。
而有推理能力的AI，能够基于“9点到5点是上班时间”这条规定，合理推导出：这是上班时间，你迟到5分钟。它将知识视为流动状态，有了推导能力，这才叫智能，否则就是“人工智障”。
这种推理能力今天已经发展到什么程度了呢？
在GPT-5Pro的测试中，绿色的这个基线（指图表）是麻省理工和斯坦福顶尖博士的推理能力，大概在83%左右，而GPT-5已经达到了90%左右。这正是构建在DeepSeek开源的R1所开创的强化学习这条路线上。
所以马斯克最近有很多听上去像“谬论”的观点。
1. 他认为未来几十个月人工智能将会极大地拓展人类的知识和思想边界。基于人类已有的知识，它能推导出更多的未知，取代人类进行科学探索，这是没有问题的。
2. 在上周还是上上周，马斯克说Grok下一个版本，现在的智商是130多，他有百分之十几以上的把握达到AGI（通用人工智能）。AGI表面上看没什么了不起，但其实有一个更好的翻译，叫Super intelligence（超级智能）——超过人类智商的总和。
你可以理解为是神一般的存在，我相信下一个版本的实现不用太久，应该就是未来几年内的事。
《人类简史》的作者尤瓦尔·赫拉利最近讲，这是我们人类第一次无法预料5到10年之后的工作形态和社会形态。AI带来的变革是指数级的。如今Deep Seek的成就证明，AI工具本身的能力已毋庸置疑。但如果你使用AI失败，那99.9%的原因在于：工具、版本或模式不匹配，以及你不会用——这是人的问题，而不是AI的问题。
从2月份AI达到100的智商，到现在突破天才基线（140），只用了6个月。今年尚未结束。谷歌的Gemini3.0版即将发布，我现在常用的2.5-Pro版智商已达136。它模仿一个诺贝尔文学奖得主的文章写作文，拟真度超过97%，这是我亲自测试的结果。
我很喜欢看两位战争小说家——汤姆·克兰西和王树增——的小说，他们的书我几乎都读烂了。我让Gemini用他们的分析和写作风格来写另外的主题，作为资深读者，我完全无法识别，毫无破绽，这就是它达到的水平。
莎士比亚说“生存还是毁灭，这是一个问题（To be or not to be，that's a question）”，现在的问题变成了“你的问题到底是什么（What is a question）？
AI智能体成为CEO关注议题
说到降本增效、提质，今天AI发展到了一个全新的阶段：AI Agent（智能体）阶段。
Chat bot阶段，我们实际上是把问题丢给它，让它帮助我们思考。而Agent本身意为“代理”，我们将其翻译成“智能体”，这是一种相对诗意和哲学的表达。
Agent来源于哲学家康德的重要哲学概念，它是一个独立于人类之外、可以独立思考的实体。
更关键的是，它现在有了动手能力。我刚刚在手机上就可以调用它，将一个人要认真做几个月的事情，在几分钟内完成。它可以操作网页和工作文件，将200兆（约2000页）的文件从网页上重新做格式梳理，这在当下就已经可以做到。
而软件和智能体是有一些基本差异的：软件主要基于算法、规则和代码，处理的是可预测的问题。
然而，工作中有大量复杂、灵活、适应性强且不可预测的问题，传统的软件无法胜任，必须由智能体来解决。
而今天，我们又处在一个创新密集、需求常变的时代。需求常变的原因显而易见：客户在变、市场环境在变、领导的想法和看法在变。对于HR而言，考勤规则可能三天一变，绩效考核和奖金制度也每天都在变。这种常变，在今天是一种常态。
传统的软件工程法虽然倡导“敏捷开发，快速迭代”八个字，但本质上速度提升有限。
当使用传统软件时，一旦出现个性化需求，用户通常只能得到三个答案：
1. 削足适履：系统是基于最佳实践设计的，你们不懂，必须按我们的来。
2. 等下一个版本
3. 定制开发，费用昂贵
我相信，盖雅的系统里现在正不断嵌入基于AI的智能体构建，这使得过去在传统软件工程领域最致命、最核心的问题，今天都迎刃而解。
我们看到全球顶尖的软件公司，包括中国乃至亚太顶尖的盖雅，都在聚焦人工智能和智能体。这绝非新花样或噱头，而是要解决当下VUCA时代环境中的实际问题。
要发挥智能体的核心价值，关键是什么呢？是提示词。
比如你问：“麻烦给我提供一个深圳旅行攻略”，即使是智商143的AI，也会给出一个垃圾答案。
为什么？什么时候去？几个人去？是穷游还是富游？家庭旅行还是商务差旅？你统统没讲，AI又不是神，它怎么知道你到底想要什么？它只能猜，猜错后你就说“这不是胡说八道吗，不是我要的”。其实，错在你没讲清楚。
所以，工作要确保精准、高质量、专业，表达就必须遵循一定的格式和模块化。
为何智能体才是降本增效的核心？
过去几年，我们都在谈论降本增效。
但很不幸的是，在许多中国企业里，降本演变成了裁员减薪；增效则演变成了延长工作时间、增强工作强度。我们看到了996、007，甚至“星期日是奋斗者的工作日”这种现象。
但我们必须认识到，作为人，精力和工作强度是有上限的。
我上周去一家咖啡公司，发现很多门店都是一人店，员工的工作强度极高。正因如此，上海出现了那起大家都知道的事件：在员工高强度工作之下，一位消费者催促“我的咖啡怎么还没好？”结果，员工将咖啡倒在了顾客身上。
这证明：你再增加强度，带来的只会是问题，甚至是事故。
可是作为企业，能不增效吗？
不行。所以如果一家公司还没有用上盖雅的系统，那么它说自己“增效”我是不相信的。
马斯克曾有一个极端的观点：一家公司降本的速度一定要高于降价的速度，否则就将坐以待毙。
有人会问，那我们可以不降价吗？经济学常识告诉我们，价格由供需关系和市场多方博弈决定，不是马斯克、不是特斯拉，也不是任何一家公司说了算的。你对价格没有控制力。正如Kevin Kelly在其著作中所强调的主题，市场有一只无形的手在控制价格，我们必须无限回归到市场决定的价格。
因此，你唯一能控制的，是成本。
既然不能压榨人，那如何控制成本？
去年，如果一家公司要裁员，大家大概率会想：这家公司是不是不行了？但今年，支撑纳斯达克指数的“七巨头”，包括亚马逊、苹果、Meta、微软等等，都在疯狂裁员。
《华尔街日报》上刊登的新闻显示，亚马逊内部备忘录预计到2030年之前将裁员60万以上。所有最优秀的公司都在裁员，我指的是美国。
做了这件事情马上会得到奖赏：一家公司裁员8%以上，当天股价暴涨8%。
这说明了什么？商业底层规律发生变化了。过去是“业务增长，事情增加”，现在呢？
我们看黄仁勋的愿景：未来的英伟达将由5万名人类员工和1亿个智能体组成。
今天的英伟达市值已突破数万亿美金，业务好得不得了，但他却选择不增加人类员工，只增加智能体。他的原话是：未来我们的同事都要跟AI同事一起工作，实现超人式的生产力，以一当十，以一当百。
这意味着组织结构图变了：它不再全是人，而是增加了智能体这一新的劳动单元。同时，核心目标就是实现最大化的人机协作来提效。
因此，HR部门面临着两项重要任务：重新设计所有工作。
1. 界定工作边界：机器能做得更好，甚至质量更高、成本更低、速度更快，人就千万不要跟它抢。但是，如果今晚章总要陪客户喝酒，对不起，AI是不能替代的。你不能派个机器人去，因为客户会说“我都不配盖雅派一个人来陪我喝酒吗？你不尊重我。”所以，必须章总先上——这是人类独占区（社交、情感工作）。
2. 划分工作“区域”：
AI自主区：如工资计算，基本可以完全交给AI。
人类独占区：如陪客户喝酒。
人机协作区：这是最大的区域，有些以人为主，有些以机为主。人机协作的流程，一定跟人和人协作的流程是完全不一样的，这里面有太多的事情要做。
能被Agent化的工作一定会被Agent化，这只是时间问题。
今天我们看到，Agent的大脑和大模型的智商已达140，意味着先进Agent的智商不亚于人，差不多是麦肯锡顶尖顾问的水平。我们的人力资源发展，可以说是一飞冲天。
因此，未来人力资源部预计将构建三五百个各类智能Agent，其中许多尚未列举。但并不是列出的所有Agent贵公司都需要，因为不同公司的侧重点有所不同。也就是说，会有越来越多不同类型的Agent进入人力资源部。
从HUMAN-DRIVEN
到INTELLIGENCE-DRIVEN
突然之间，一件事情发生了革命性改变——我们称之为工作的不可能三角。
在招聘中，老板要求“尽快”（速度）招到“优秀人才”（质量）。你的回答往往是：“老板，那我们得用猎头，成本您就别控制了”这种“既要又要还要”的要求，过去令人勉为其难。
但今天，这个问题已彻底改变，转变为必需三角。
首先，AI的复制成本和边际成本趋近于零。我们人工看1封简历需1分钟，100万份简历就需要100万分钟。但AI就像孙悟空拔汗毛一样，100万份简历几乎同时处理完毕（不计算力成本）。所以，速度天然快，成本天然低。
其次是质量。今天用AI筛选简历，本质上是杀鸡用牛刀，用一个天才的智商在筛选。虽然去年AI智商未突破100时，输出质量尚差；但今年这个问题已完全彻底解决。
因此，当AI已经拥有天然的速度和成本优势，且质量劣势被彻底解决后，过去衡量知识工作者的“不可能三角”，就此演变成了“必需三角”。
在战略和经营层面，所有公司都从Human-driven（人力驱动）模式，转向了
Intelligence-driven（智力驱动）模式。
底层哲学正在发生变化：在工业时代，环境总体稳定，目标明确，所以我们推行KPI，强调“时间就是金钱，效率就是生命”。今天你很少在办公室里挂这样的标语，不是效率不重要，而是因为有了新的问题。
谷歌为什么推行OKR？因为环境VUCA化了。
我们变成了一窝蚂蚁：食物是什么？在哪里？有多远？都不知道。蚂蚁的做法是：派出大量个体出去探索，离开蚁巢后无法通信，所以“蚁在外，军命有所不受”，目标由个体制定。
周边有很多可能性目标，大部分都是假目标，真目标需要验证、测试和探索。
所以，谷歌的模式是：
1. 第一阶段（探索）：员工用20%的时间做自己想做的事，进行盲目探索，跟蚂蚁的第一阶段很像。
2. 第二阶段（收敛）：进行Demo Day，展示你认为好的项目。这时，你要么加入别人的项目，要么别人加入你的项目，实现资源的集中。
一旦有小蚂蚁找到了食物，探索马上停止，所有蚂蚁都往那个地方去，把面包搬回来——这就是蚂蚁的生存和发展策略，也是VUCA时代的组织策略。
OKR是为了解决目标不明确和创新探索的问题，但效率当然依然重要，它核心在于一个合理的组织资源分配问题。
可是OKR有一个重要的理想化假设：假设人是主动的、自驱的。如果一个公司的所有员工都具备主人翁意识，把公司的事情当成自己的事情，老板做梦都会笑醒。但这是对人的一种理想化假设，几乎不可能实现。
能够做到OKR的公司已经是凤毛麟角。你看中国试图模仿OKR的公司有多少，真正成功的又有多少？最后大多数又回到了KPI。
做到自驱已经是不得了的事情了。黄仁勋在他的母校斯坦福又提出一个新的绩效哲学，叫“未来成功的早期指标”。
这种前期的探索，总体上是盲目的，但这种盲目是没办法避免的。就像你吃了5个包子才饱，你不能说你只吃第5个包子就够了。你没有足够数量的探索，就涌现不出正确的方向和好的创新。
前期必须探索。派出100个蚂蚁出去，必然能找到食物，只派一个肯定不行。但从整体效率来看，100个蚂蚁出去，99个失败，效率又太低了。
人工智能时代带来的好处是：它能帮助我们从“盲目探索”阶段，快速过渡到“精准发现”阶段。AI可以基于极少量信息、极低的成本和极大的提前量，通过预测分析，提前预测出正确的方向。
以前要做预测分析，有些顶尖的咨询公司收费可能高达1000万。现在，这个成本已趋近于零。
这是因为智商120以上的大模型，基本都具备快速建立预测分析模型的能力，120以下的不行。虽然前提是需要好的数据，但这种低成本、高效率的预测分析，已经变成了现实。
我们看广东的SHEIN，它的对手是ZARA、优衣库。ZARA老板曾是欧洲首富，优衣库老板是日本首富，能做到这种规模，可见做衣服不是小事。
但SHEIN的数据可以吊打他们：ZARA的库存率是25%到40%，而SHEIN是2%以下。在确定哪个爆款的周期上，ZARA需要2到3周，我从逻辑上推断SHEIN只需要2到3秒。
你以为SHEIN是做衣服的？人家是一家Big Data和预测分析公司。
今天，一个时尚产品从爆到突然不爆的周期越来越短。比如日本游戏“旅行青蛙”，一夜之间爆红，又在一夜之间被弃若敝屣。如果你不能做预测分析，这种趋势对收益、利润的影响将是极其巨大的。
因此，英特尔前CEO安迪·葛洛夫曾说：任何公司在其发展中都会经历这样的时间点，在该点上公司需要作出重大改变以提升其表现到更高的层次。
柯达死于从胶卷到数码相机的这一层变革，不是因为它没有意识到，而是因为它来不及了。市场给你的时间是有限的，你必须在限定的时间内完成变革。
所以，今天对所有公司的挑战是：AI带来的变革，无论是单位人的提效、管理流程嵌入，还是经营战略和整个组织嵌入，都是有时间限制的。
因此，解决一个问题的答案，往往不在问题的同一个维度上，而是在一个更好的维度上。就像做衣服的SHEIN，它解决的不是服装裁剪问题，而是在基本哲学和技术能力的维度上进行颠覆。今天做咖啡、做便利店，都是如此，背后都在进行数据驱动。
当下，你对待AI的态度是哪一种
今天我们看AI仍然有几种态度：
1. 🛑抗拒、排斥和抵触(卢德分子心态)
这种人不在少数。他们担心：“领导你讲这个想干嘛，砸我的饭碗，我把效率提高了，你把我炒了。”
他们忽略了：用了AI之后，我Get新的技能，竞争力会增强，即使在这家公司被裁，去了别的公司也能吊打别人。这种心态在历史上被称为卢德分子（Luddites）。当年他们砸烂纺织机，无异于螳臂当车。
2. 🧠囫囵吞枣和盲目自信(愚昧之峰)
比如DeepSeek发布了，你用了一下，写了一个发言稿，就觉得自己“我会了，我懂了”。
但写发言稿只是对AI使用的冰山一角，80岁老太太都会用。我们必须去测试它的边界在哪里，能提效多少倍，能做哪些我不能做的事。我没有尝试3000次根本不能对它下什么定论。
“I know everything”的心态，表明这个人正处于愚昧之峰的状态。任何领域都是无限的，尤其是在AI面前，最好的态度是：每个人都要作为小学生，因为我们知道的，永远只是冰山一角。它的变化太快了。
广东有一个公司做了一个网站叫toolify.ai，搜集了接近27,000种AI工具。你只知道十种八种，这当然是冰山一角。听我讲这些，大家可能处于一种困惑状态，没关系，这是好的状态，接下来你会进入开悟之坡。
我们拥抱尝试，但要解决以下四大挑战：
1. ⚠️信息差（Information Gap）
许多工具，大部分人根本不知道。我写书的速度大幅加快，就是因为用了谷歌的Notebook LM。这个工具能让我的研究效率提升10到100倍。但市场上大部分人不知道，因为它太新了。
这证明：AI时代的信息差问题愈发严重了，因为AI的广度、深度和颗粒度都在以前所未有的速度在膨胀，使得我们了解的信息量占比越来越少。
2. 🧠认知差（Cognitive Gap）
我知道就会用吗？就能用好吗？所以HR部门有一个很重要的工作是Upskill和Reskill。
哪怕是提示词技巧，大部分人不具备，但经过培训后，人机沟通效率可能提升10倍到100倍。这是需要培训的，而不是自己摸索就能解决的。
3. 🗺️应用差（Application Gap）
要把这个东西应用到最能创造价值的地方。中国人在这方面是有惨痛教训的：我们把指南针用来看风水，西方人却用来开启大航海时代。
同样是AI工具，你应用在哪个方向？公司应该通过内部大赛发现高手在民间，发动大家的Brainstorming。解决一个问题，成本就能降99%。正如总理所说，“在办公室看到的都是问题，到了基层都是解决方法。”
4. ⚔️竞争差（Competition Gap）
比如今天晚上我也直播带货，李佳琦卖什么，我也卖什么。她今晚卖了50亿，我只卖了50块，人比人气死人。我们之间差了1亿倍，原因在于没有找到底层密码和底层逻辑。
最后再强调一下，尼采所讲的“我所见即我的牢狱”，在AI时代，你以前拥有的经验、知识和心得体会，在AI面前什么都不是。我们要保持空杯心态。
在强大的AI面前，人可以有两种态度：
- 第一种人，觉得自己“我完了，它要砸我的饭碗”。
- 而另外一种人，可以借助AI变得无所不能。我不会画画，借助AI可以成为梵高；我不会谱曲，借助软件可以成为莫扎特。我变得无所不能，我怕什么呢？
我们要解决的问题是人的问题，是人的抗拒和抵触，是视AI为洪水猛兽的思维问题。
不是AI替代人，而是那些不会用、用不好的人，会被用得好的人替代。
未来会有越来越多、各种各样的智能Agent进入人力资源部门，这是行业发展的方向。
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。
