未來的崗位說明書，要寫清楚3件事

作者：老賈 責編：賈寧

來源：筆記俠（ID：Notesman）

導讀：大多數的公司只走到了AI的5%。

霍夫曼如是說。他是領英聯合創始人、OpenAI早期投資人及Anthropic間接股東。

不是50%，不是10%。是5%。

今天這篇內容，會拆解里德·霍夫曼的訪談和他那本《AI賦能》，希望對你有所啟發。

一

AI,救不了舊公司

霍夫曼在這場訪談里，對“什么是AI公司”做了一個很硬的區分。

買AI公司、擁有算力敘事、把業務包裝成AI基礎設施，都不能自動證明一家公司真的具備AI能力。

今天太多公司正在犯同一種錯：把AI當成效率插件，卻沒有把它變成自己的業務能力。

買了幾個AI軟件，用AI寫幾篇文章，接入大模型客服，也不會因此完成智能化轉型。

AI能力，不是貼標簽貼出來的，得真正長在業務里。AI如果只停在聊天框里，最多是個人效率工具，只有進入業務鏈條，它才可能變成組織能力。

很多企業的AI轉型看起來熱鬧，結果很淺。員工確實在用AI，但各用各的工具，各寫各的提示詞，各踩各的坑。半年之后，公司沒有新的流程，沒有新的數據資產，也沒有形成新的組織能力。

面子上洗得很新，但里子還是舊公司。

霍夫曼把這個狀態叫“只走到了5%”，他的邏輯是：人們現在看到的編程能力、代碼生成只是一個入口，背后是通用推理能力的全面釋放，但大多數公司連入口都沒真正跨過去。

二

AI原生公司

要重做3套系統

1.判斷系統

所謂判斷系統，就是公司決定做什么、不做什么、先做什么、后做什么。

應該把AI放進高頻判斷現場。

開戰略會之前，AI可以整理行業變化、競品動作、政策信號、客戶反饋和財務數據，形成多種假設；

做產品決策之前，AI可以把客服記錄、銷售反饋、用戶行為、競品功能和毛利結構放在一起，幫團隊看見需求背后的真實優先級。

過去很多的所謂“直覺準”，本質上是長期經驗形成的模式識別。

AI暫時還不能替代這種經驗，但它可以提前把信息擺出來，把盲區照出來。

2.人才系統

霍夫曼談到年輕人時說，他們不該只想讓自己不被AI替代，而要想辦法被AI放大。

未來公司看一個人的價值，不能只看他會不會完成過去那個崗位的標準動作，要看他能不能帶著AI完成更復雜的任務。

一個市場，如果他能用AI拆競品、找素材、測標題、改腳本、復盤轉化，他就不是普通執行者，而是一個小型內容系統。

一個銷售，如果他能用AI研究客戶、模擬異議、生成方案、復盤丟單，他就能更快進入高質量銷售狀態。

霍夫曼甚至預測，將來“個人獨立貢獻者”這個概念會消失。每個人都將以一批AI為工具組合開展工作。

工程師不再是坐下來一行一行寫代碼，而是像樂團指揮，同時調度二十甚至更多個AI編程智能體，通過語音指令分配任務、交叉驗證、整合結果。

所有公司的崗位說明書都要重寫，過去的崗位說明書寫職責，未來的崗位說明書要寫清楚三件事：這個崗位要做哪些判斷，要掌握哪些AI工作流，要對哪些業務結果負責。

3.數據系統

很多公司不是沒有AI意識，是沒有讓AI發揮作用的基礎材料。

客戶數據在銷售手里，交付數據在項目經理手里，投訴數據在客服系統里，合同數據在法務電腦里，財務數據在表格里。

中小企業不一定要一開始就做龐大的數據中臺，但至少要建立最小可用的數據系統。

客戶從哪來？為什么成交？為什么流失？

交付成本花在哪？投訴集中在哪些環節？利潤真正來自哪些產品？哪些員工能持續產出結果？

這些信息必須被記錄、連接和復盤。

AI需要上下文，組織的數據就是上下文。沒有上下文，AI無法理解你的公司。

三

不要搞“AI運動”

從一個高價值場景開始

霍夫曼在訪談里還提到，OpenAI和Anthropic并不是只能活一個。

這個判斷背后有一個值得企業家學習的競爭觀：AI時代不是所有人都去搶同一個入口，而是每家公司都要重新找到自己的生態位。

如果你的優勢是渠道，AI應該進入客戶識別和觸達；

如果你的優勢是專業知識，AI應該進入知識生產和交付；

如果你的優勢是供應鏈，AI應該進入預測、排產和協同；

如果你的優勢是品牌，AI應該進入用戶理解和內容表達。

AI時代，每家公司都要重新想清楚，自己到底靠什么贏。

這也是為什么“AI轉型”不能做成全公司運動，口號越大，越容易變成組織表演。

更好的做法，是從一個高價值場景開始，選一個足夠具體、足夠痛、足夠能衡量結果的業務問題。

銷售線索轉化低，就圍繞線索評分、客戶研究、方案生成和跟進復盤做一個閉環；

內容生產慢，就圍繞選題、素材、初稿、編輯、分發、數據復盤做一個閉環：

交付質量不穩，就圍繞需求確認、風險識別、過程記錄和售后反饋做一個閉環。

一個場景跑通之后，再復制到下一個場景，這樣做看起來慢但更穩。半年之后，公司留下的是一套可以持續進化的AI工作流。

結 語

去現場看見

才有真正的判斷力

霍夫曼后來把精力投向Manas AI，和癌癥研究者悉達多·穆克吉一起做AI藥物發現。

這個動作很有意思，AI最有價值的地方，往往不在最熱鬧的工具層，而在產業深水區。那里有復雜問題，有高價值判斷，有長周期驗證。

真正值得投入的事情，不是追逐每一個新工具，而是在自己的具體業務里，找到那個最貴、最慢、最難、最需要判斷的環節。

版權聲明：部分文章推送時未能與原作者取得聯系。若涉及版權問題，敬請原作者聯系我們。