AI 時代該由 HR 主導，不是 IT：把 AI 當員工僱進來
把 AI 當技術採購交給 IT，是把主菜當配菜；真正要拆的是任務而不是崗位，該主導這件事的是 HR，因為 AI 沒有感受，而人需要。
核心論點 · 點時間戳可跳到原聲
任何做信息生意的公司都在右上角
Mike 用 Replit 花一晚（晚 8 點到早 8 點）搭了一個工具，喂進全球約 15 家智庫和研究機構的就業研究，按四象限從最不可能被顛覆排到最可能被顛覆，只查一家公司——One Digital。結果它落在最易被顛覆的象限，一個閃爍的紅點，提示約 25% 的崗位可能被 AI 顛覆。他的結論是：任何做信息生意的公司都會落在那個右上象限。
— Mike Sullivan該拆的是任務，不是崗位
Mike 認為大家用「崗位」這個鏡頭看問題是錯的，真正要拆的是構成每份工作的任務：每個人都有 pre-AI 的職位描述，也幾乎必然有 post-AI 的職位描述。他們把這套映射叫 work genome，正在拿四個團隊做試點，並引入三家學術機構增加嚴謹性。他擔心的是：先裁再想下游是更容易的路，很多公司會走這條容易的路。
— Mike Sullivan該由 HR 而不是 IT 來主導
Mike 說得很直接：推動這件事的不該是 IT 部門，而是 HR 團隊。HR 過去一百年從發工資的行政職能，到八九十年代因為人才是知識產權來源而被提升進高管層；現在要再升一級——管的不是人類人才，而是組織里的人類加 AI 人才。理由不是 AI 重要，而是 AI 沒有感受、不需要養家，人才需要，所以該由被指派去關心人的那群人來主導。
— Mike Sullivan可約簡與不可約簡的技能
他們把人的工作拆成 reducible 和 irreducible 兩類。可約簡的是能拆成流程、有明確步驟、可以交給 AI 且 AI 只會越做越好的部分；不可約簡的是「squishy」的部分——說不清怎麼運作但就是管用，來自經驗、生活和從環境裡接收的信號。關鍵判斷是：不可約簡的技能沒有上限，省下來的時間應該投到這一側。以財富管理為例，投資建模、信息整合、準備客戶會面材料 AI 做得越來越好，不可約簡的是把信息與客戶真實願望連起來的人類判斷。
— Vinay GidwaneyAI 員工有簡歷，也有 PIP
One Digital 把 AI 當人才來「僱」：AI 同事有職位名稱、職位描述、甚至簡歷，全部由人類主管管理，走一整套 HR 流程，有些 AI 同事還被放進了 PIP（績效改進計劃）。Vinay 說這不是買技術，是「hire the AI into the organization」。直接後果是：當 AI 和人類都在幹活，真正的問題變成「這個任務上人和 AI 的最佳配比是什麼」，而這個配比兩端都在持續變化——AI 能做的事在變，人能做的事也在變。workforce intelligence score 就是為了量化並迭代這件事而生的。
— Vinay Gidwaney答案引擎與協作關係是兩種用法
Vinay 把 AI 使用分成兩類。一類是交易型：把 AI 當答案引擎、當跑腿的——「幫我寫那封我不想寫給孩子的老師的郵件」「讀這份太長的文檔」。這種用法同時低估了 AI 和你自己。另一類是協作型：你和 AI 對話、頭腦風暴、共享一個目標並一起推進。One Digital 有幾十萬條員工與 AI 同事的聊天記錄，現在用另一組 AI 同事來分析，能識別出一個人什麼時候從交易型轉向協作型，這個「amplification score」就是 workforce intelligence score 的計算驅動項。
— Vinay Gidwaney智能鎖定的風險不亞於數據鎖定
Vinay 反對公司整體籤一份 Anthropic 或 OpenAI 的協議、讓所有人用 Claude 或 ChatGPT。他的理由是：這些公司想做的生意是「把智能租給你」，那它就可能像房東漲租一樣漲智能的租金，也可能說「除非你給我 X、Y、Z，否則不給你最聰明的智能」。幾年後當人類每天和 AI 一起工作、組織的共享智能存在於人與 AI 之間時，這家公司就捏住了你。大家談 vendor lock-in 談的是數據鎖在 CRM 裡，intelligence lock-in 會是另一個問題。解法是擁有自己的智能：能按任務手選模型，小模型便宜模型能幹好的事不必上大模型，這同時優化了花費。
— Vinay Gidwaney寫軟件會變得像用電子表格
Vinay 認為工程不再是「帳篷裡最長的那根杆」，不再是一小群 prima donna 需要被保護和付高薪的特殊技能——AI 已經能寫軟件。如果 AI 能寫軟件，問題就變成：如何建立治理框架讓技術開發在組織內擴散，並捕獲員工中發生的創新。他預測寫軟件會變得像用電子表格一樣普遍：有人 Excel 很強，有人不太行，但大家都會用表格。他同時提醒治理的必要性——他們經歷過「電子表格地獄」，為了判斷一個 family trust 是否合適，最後冒出六份不同的 Excel，花了好幾年才回到單一工具。好消息是 AI 也能幫忙做治理，比如讀代碼發現兩個人在做同一件事，直接合並。
— Vinay GidwaneyCEO 沒被點燃，全公司不會變
Vinay 說他們的數據裡有一條很硬的規律：如果 manager 被激活、AI amplification score 高，他的團隊立刻就跟上。所以他給聽眾的直白建議是——如果你的 CEO 或老闆還沒經歷過那個「oh moment」，你的組織不會變。這不是「我相信 AI、我們部署了 AI」就夠的：CEO 不能一邊在股東信裡寫 AI、一邊用過去三十年的方式做自己的工作。他必須真的改變自己的工作，因為這會向下流動，給員工許可、拿走恐懼，讓用 AI 不再是一種 stigma。
— Vinay Gidwaney原話 · 已逐字校驗
we don't see headcount when it comes to our people. we see faces
談到我們的人時，我們看到的不是人頭，是一張張臉。
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.
我們不在乎 AI。AI 沒有感受。AI 不需要養家餬口，也不需要過上幸福生活。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.
所以我們實際上是把 AI 僱進組織。它們有職位名稱，有職位描述，甚至有簡歷。
Vinay Gidwaney44:39
intelligence lock in is going to be a whole other problem
智能鎖定會是一個完全不同的問題。
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 現在能寫軟件了。那麼，如果 AI 能寫軟件，你要如何在組織內建立一個治理框架，讓技術得以擴散？
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 或你的老闆還沒有經歷那個關於 AI 的「oh moment」，你的組織就不會變。
Vinay Gidwaney1:24:08
Our biology hasn't changed. The technology to train our biology has changed.
我們的生物學沒有變。訓練我們生物學的技術變了。
Vinay Gidwaney1:28:10
數字與實體
| 軟件估算可能被 AI 顛覆的崗位比例 | 25% | 12:09 |
| 已部署的全 AI 同事數量 | 第 14 個 | 31:29 |
| One Digital 員工與 AI 同事的聊天記錄量 | 幾十萬條（hundreds of thousands） | 47:41 |
| One Digital 已寫下的財務規劃策略/條目數 | 遠超 100 條（well over a hundred） | 54:42 |
| 會議記錄匹配策略的置信度示例 | 96% | 55:43 |
| 人類一英里跑（技術發展早期的最快成績） | 約 12 分鐘 | 1:28:10 |
| 人類一英里跑（現在的最快成績） | 3 分半 | 1:28:10 |
| Vinay 估計關於 AI 未來仍未知的比例 | 99.9% | 1:26:10 |
術語
- work genome工作基因組
- 把每份工作拆成任務、映射出 pre-AI 與 post-AI 職位描述的一套方法。
- reducible / irreducible可約簡 / 不可約簡
- 能拆成流程交給 AI 的部分，與說不清但管用、來自經驗與生活信號的部分。
- workforce intelligence score勞動力智能分數
- 把 amplification score 與 token 花費一起納入，量化人機協作產出與成本的指標。
- amplification score放大分數
- 識別員工何時從交易型使用 AI 轉向協作型使用的計算驅動項。
- intelligence lock-in智能鎖定
- 組織共享智能存在於人與 AI 之間時，被模型供應商捏住的風險。
- PIP績效改進計劃
- Performance Improvement Plan，One Digital 把部分 AI 同事也放進了這個流程。
收聽指南
正在推動 AI 落地的 HR 負責人、COO 與業務線管理者，尤其是把 AI 當技術採購交給 IT 的公司。
1:02:46 到 1:05:48 的小公司怎麼辦一段，多為經驗之談。