AI 时代该由 HR 主导，不是 IT：把 AI 当员工雇进来
把 AI 当技术采购交给 IT，是把主菜当配菜；真正要拆的是任务而不是岗位，该主导这件事的是 HR，因为 AI 没有感受，而人需要。
核心论点 · 点时间戳可跳到原声
任何做信息生意的公司都在右上角
Mike 用 Replit 花一晚（晚 8 点到早 8 点）搭了一个工具，喂进全球约 15 家智库和研究机构的就业研究，按四象限从最不可能被颠覆排到最可能被颠覆，只查一家公司——One Digital。结果它落在最易被颠覆的象限，一个闪烁的红点，提示约 25% 的岗位可能被 AI 颠覆。他的结论是：任何做信息生意的公司都会落在那个右上象限。
— Mike Sullivan该拆的是任务，不是岗位
Mike 认为大家用「岗位」这个镜头看问题是错的，真正要拆的是构成每份工作的任务：每个人都有 pre-AI 的职位描述，也几乎必然有 post-AI 的职位描述。他们把这套映射叫 work genome，正在拿四个团队做试点，并引入三家学术机构增加严谨性。他担心的是：先裁再想下游是更容易的路，很多公司会走这条容易的路。
— Mike Sullivan该由 HR 而不是 IT 来主导
Mike 说得很直接：推动这件事的不该是 IT 部门，而是 HR 团队。HR 过去一百年从发工资的行政职能，到八九十年代因为人才是知识产权来源而被提升进高管层；现在要再升一级——管的不是人类人才，而是组织里的人类加 AI 人才。理由不是 AI 重要，而是 AI 没有感受、不需要养家，人才需要，所以该由被指派去关心人的那群人来主导。
— Mike Sullivan可约简与不可约简的技能
他们把人的工作拆成 reducible 和 irreducible 两类。可约简的是能拆成流程、有明确步骤、可以交给 AI 且 AI 只会越做越好的部分；不可约简的是「squishy」的部分——说不清怎么运作但就是管用，来自经验、生活和从环境里接收的信号。关键判断是：不可约简的技能没有上限，省下来的时间应该投到这一侧。以财富管理为例，投资建模、信息整合、准备客户会面材料 AI 做得越来越好，不可约简的是把信息与客户真实愿望连起来的人类判断。
— Vinay GidwaneyAI 员工有简历，也有 PIP
One Digital 把 AI 当人才来「雇」：AI 同事有职位名称、职位描述、甚至简历，全部由人类主管管理，走一整套 HR 流程，有些 AI 同事还被放进了 PIP（绩效改进计划）。Vinay 说这不是买技术，是「hire the AI into the organization」。直接后果是：当 AI 和人类都在干活，真正的问题变成「这个任务上人和 AI 的最佳配比是什么」，而这个配比两端都在持续变化——AI 能做的事在变，人能做的事也在变。workforce intelligence score 就是为了量化并迭代这件事而生的。
— Vinay Gidwaney答案引擎与协作关系是两种用法
Vinay 把 AI 使用分成两类。一类是交易型：把 AI 当答案引擎、当跑腿的——「帮我写那封我不想写给孩子的老师的邮件」「读这份太长的文档」。这种用法同时低估了 AI 和你自己。另一类是协作型：你和 AI 对话、头脑风暴、共享一个目标并一起推进。One Digital 有几十万条员工与 AI 同事的聊天记录，现在用另一组 AI 同事来分析，能识别出一个人什么时候从交易型转向协作型，这个「amplification score」就是 workforce intelligence score 的计算驱动项。
— Vinay Gidwaney智能锁定的风险不亚于数据锁定
Vinay 反对公司整体签一份 Anthropic 或 OpenAI 的协议、让所有人用 Claude 或 ChatGPT。他的理由是：这些公司想做的生意是「把智能租给你」，那它就可能像房东涨租一样涨智能的租金，也可能说「除非你给我 X、Y、Z，否则不给你最聪明的智能」。几年后当人类每天和 AI 一起工作、组织的共享智能存在于人与 AI 之间时，这家公司就捏住了你。大家谈 vendor lock-in 谈的是数据锁在 CRM 里，intelligence lock-in 会是另一个问题。解法是拥有自己的智能：能按任务手选模型，小模型便宜模型能干好的事不必上大模型，这同时优化了花费。
— Vinay Gidwaney写软件会变得像用电子表格
Vinay 认为工程不再是「帐篷里最长的那根杆」，不再是一小群 prima donna 需要被保护和付高薪的特殊技能——AI 已经能写软件。如果 AI 能写软件，问题就变成：如何建立治理框架让技术开发在组织内扩散，并捕获员工中发生的创新。他预测写软件会变得像用电子表格一样普遍：有人 Excel 很强，有人不太行，但大家都会用表格。他同时提醒治理的必要性——他们经历过「电子表格地狱」，为了判断一个 family trust 是否合适，最后冒出六份不同的 Excel，花了好几年才回到单一工具。好消息是 AI 也能帮忙做治理，比如读代码发现两个人在做同一件事，直接合并。
— Vinay GidwaneyCEO 没被点燃，全公司不会变
Vinay 说他们的数据里有一条很硬的规律：如果 manager 被激活、AI amplification score 高，他的团队立刻就跟上。所以他给听众的直白建议是——如果你的 CEO 或老板还没经历过那个「oh moment」，你的组织不会变。这不是「我相信 AI、我们部署了 AI」就够的：CEO 不能一边在股东信里写 AI、一边用过去三十年的方式做自己的工作。他必须真的改变自己的工作，因为这会向下流动，给员工许可、拿走恐惧，让用 AI 不再是一种 stigma。
— Vinay Gidwaney原话 · 已逐字校验
we don't see headcount when it comes to our people. we see faces
谈到我们的人时，我们看到的不是人头，是一张张脸。
Mike Sullivan13:10
we don't care about the AI. The AI has no feelings. The AI doesn't need to put food on the table or live a happy life. Your humans do.
我们不在乎 AI。AI 没有感受。AI 不需要养家糊口，也不需要过上幸福生活。你的人需要。
Mike Sullivan34:29
So we actually hire the AI into the organization. They have job titles, they have job descriptions, they even have resumes.
所以我们实际上是把 AI 雇进组织。它们有职位名称，有职位描述，甚至有简历。
Vinay Gidwaney44:39
intelligence lock in is going to be a whole other problem
智能锁定会是一个完全不同的问题。
Vinay Gidwaney52:41
AI can write the software now. So, if AI can write the software, how do you build a governance framework within your organization that allows for a proliferation of technology?
AI 现在能写软件了。那么，如果 AI 能写软件，你要如何在组织内建立一个治理框架，让技术得以扩散？
Vinay Gidwaney1:05:48
if you have a CEO or your boss who has not had their oh moment with AI yet, your organization's not going to change.
如果你的 CEO 或你的老板还没有经历那个关于 AI 的「oh moment」，你的组织就不会变。
Vinay Gidwaney1:24:08
Our biology hasn't changed. The technology to train our biology has changed.
我们的生物学没有变。训练我们生物学的技术变了。
Vinay Gidwaney1:28:10
数字与实体
| 软件估算可能被 AI 颠覆的岗位比例 | 25% | 12:09 |
| 已部署的全 AI 同事数量 | 第 14 个 | 31:29 |
| One Digital 员工与 AI 同事的聊天记录量 | 几十万条（hundreds of thousands） | 47:41 |
| One Digital 已写下的财务规划策略/条目数 | 远超 100 条（well over a hundred） | 54:42 |
| 会议记录匹配策略的置信度示例 | 96% | 55:43 |
| 人类一英里跑（技术发展早期的最快成绩） | 约 12 分钟 | 1:28:10 |
| 人类一英里跑（现在的最快成绩） | 3 分半 | 1:28:10 |
| Vinay 估计关于 AI 未来仍未知的比例 | 99.9% | 1:26:10 |
术语
- work genome工作基因组
- 把每份工作拆成任务、映射出 pre-AI 与 post-AI 职位描述的一套方法。
- reducible / irreducible可约简 / 不可约简
- 能拆成流程交给 AI 的部分，与说不清但管用、来自经验与生活信号的部分。
- workforce intelligence score劳动力智能分数
- 把 amplification score 与 token 花费一起纳入，量化人机协作产出与成本的指标。
- amplification score放大分数
- 识别员工何时从交易型使用 AI 转向协作型使用的计算驱动项。
- intelligence lock-in智能锁定
- 组织共享智能存在于人与 AI 之间时，被模型供应商捏住的风险。
- PIP绩效改进计划
- Performance Improvement Plan，One Digital 把部分 AI 同事也放进了这个流程。
收听指南
正在推动 AI 落地的 HR 负责人、COO 与业务线管理者，尤其是把 AI 当技术采购交给 IT 的公司。
1:02:46 到 1:05:48 的小公司怎么办一段，多为经验之谈。