

QUOTE
先拆任务,再明确 谁核对、谁决定 。
岗位名称可以暂时不动,但任务的交接点和责任不能含糊
一家企业准备给老客户做续约方案。客户经理把访谈记录、上一版方案和产品资料交给 AI,十分钟后得到一份结构完整的初稿。可到了团队内部评审,大家反而停住了:价格依据来自哪一版报价?产品经理说的「可以考虑」有没有被写成确定承诺?客户经理、方案顾问和法务分别该核对什么?
初稿写得快,并没有自动带来清晰的分工。如果团队只说「以后方案让 AI 先写,员工负责审核」,审核很容易变成一句无人能执行的口号——每个人都看过文档,却没有人知道自己应对哪一项判断负责。
我更愿意把 AI 进入团队看成一次 工作重设计 :先拆开一件任务中的材料处理、判断、承诺与交付,再决定哪一步交给 AI,哪一步必须由有权的人完成。岗位名称可以暂时不动,但任务的交接点和责任不能含糊。

▲ 围绕一份业务成果重新安排 AI 与人的工作
本文看点
01
为什么不按岗位贴标签
02
AI 承担哪类工作
03
分工怎样跑通一份方案
01
TASKS BEFORE TITLES
先拆任务 不要先给岗位贴标签
讨论人机分工时,一个常见问题是把「客户经理」「运营专员」这样的岗位当成最小单位。一个岗位里却同时有整理资料、寻找差异、解释客户意图、协调内部资源、对外承诺等性质完全不同的工作。说「客户经理的工作可以由 AI 做多少」,很难得到可执行的答案。
拆分时不必把每次点击都列出来,找到那些 会改变下一步责任的节点 就够了:
输入从哪里来 候选怎样形成 哪种判断需要人 谁有权对外发出 错误发生后谁处理
国际劳工组织 2025 年对生成式 AI 与工作的研究,也采用任务层面的分析讨论职业受影响的程度:任务暴露于 AI,不等于整个岗位立即消失。先看工作怎么完成,再谈岗位说明书是否需要调整。

▲ 草稿写得快,责任却堵在最后:来源、承诺、决定权都待明确
02
AI AS A CANDIDATE MAKER
AI 适合承担有边界的候选工作
我会用四个问题筛选 AI 能否进入某一步:
01资料是否允许使用
02任务范围能否说清
03结果能否核对
04做错后能否及时发现并纠正
四个条件越清楚,AI 越适合承担这些工作:
整理 比对 起草 归类 提出选项
例如续约方案可以请 AI 在获准使用的材料中找出上期交付内容、整理客户新需求,并给出三种结构不同的方案提纲,同时指出每项结论对应哪份材料、哪些信息缺失。此时 AI 交付的是 可检查的候选材料,不是已经获批的业务决定 。报价、生效时间、合同例外和资源承诺都可能触及企业的实际能力与授权——即使 AI 给出的文字合理,负责核对的人仍需回到正式来源,确认当前版本和本次适用条件。
03
HUMANS KEEP THE DECISIONS
人不必重做机器做过的事 但必须保留决定权
人工参与不是把 AI 输出从头再写一遍。若每份文档都由人逐字重做,企业只是增加了一道工序。人的工作应集中在模型无法替团队承担的责任上:确定目标和约束,理解客户真正的偏好,核对关键事实,处理冲突,决定是否作出承诺,并在必要时拒绝发送。
这里的「人」也不是一个笼统角色——谁来确认,取决于这项判断原本属于谁的职责:
客户经理确认客户关系、需求优先级和对外措辞
产品/交付负责人确认功能与资源是否可兑现
财务/授权审批人确认价格边界
法务只处理涉及合同条款的例外
NIST 的 AI 风险管理框架明确要求组织区分人机协作中的不同角色与监督责任,并定义与评估人工监督过程——它并没有给所有业务一张固定的审批表。企业应按本身的业务风险,决定哪些地方可以抽检,哪些地方必须逐项确认。
真正的人工把关还需要「能说不」。如果负责人只有一个默认通过按钮,看不到来源、修改记录或疑点,人工确认很容易沦为形式。设计分工时,必须给确认者足够的信息和真实的停止权。
04
HANDOVER WITH EVIDENCE
每次交接都要留下能接得住的材料
团队协作最怕的是上一步只交来一句「AI 已经处理好了」。下一位同事不知道它处理了哪些资料、忽略了什么,复核就会变成重新调查。
一份可交接的 AI 候选,至少应带着:
任务对象 使用的材料及版本 生成范围 关键结论的依据 未解决的问题
负责确认的人则记录处理结果和理由:
接受 修改 退回 升级
这是一条双向交接:前端人员不能把不完整的输入扔给 AI 再期待它补全事实;后端负责人也不能只说「我看过了」却不明确认可的范围。若资料缺失、权限不够或不同来源冲突,合理的结果可能是暂停,而不是生成一份更流畅的文本。
分工到这里,才真正从「谁用 AI」变成「这项工作怎样流转」。AI 不需要拥有岗位,但 每一步结果都要能找到业务对象、来源和接手的人 。

▲ 明确任务 → AI 候选 → 核对依据 → 正式决定,退回有路径
05
A RENEWAL PROPOSAL, REDIVIDED
一份续约方案可以这样重新分配
回到开头的续约方案,四段分工如下:
1第一步 · 客户经理确定谈判目标
客户最在意什么、哪些条件不能承诺、方案要解决哪几个问题。AI 不应替他从旧邮件中猜测目标。
2第二步 · AI 整理事实生成候选
在授权材料里整理事实、标注差异、生成方案结构,价格和日期暂只作为「待核对项」。
3第三步 · 专业人员逐项判断 · 由人来做
产品负责人核对功能范围,交付负责人核对资源与周期,价格条款超标准走既有审批;客户经理整合意见并决定给客户哪一版。AI 可以改写表达,不能替任何人给出授权。
4第四步 · 正式发出并归档
客户追问承诺时能追到来源、确认人和所用版本;问题在发送前暴露,而不是客户指出后回头找人。
这套分工不会让每份方案都走同样多的审批:标准范围内的内容按已确定规则处理,超出边界的内容才交给有权者。关键不是增加签字,而是 让风险落在有能力也有权限处理它的人手上 。

▲ 确认目标 → 整理候选 → 核对价格与交付 → 确认后对外发出
06
LEARNING PATH FOR NEWCOMERS
别让新人只剩下检查机器的工作
AI 接手资料整理和初稿后,资深同事可能明显轻松一些;但新人也可能失去最初理解业务的练习机会。若一个人从未独立写过方案、问过客户、核对过原始资料,就很难判断一份流畅的 AI 初稿哪里不对。
所以重新分工还要设计学习路径:
01新员工先独立写出客户问题和方案判断,再用 AI 对照遗漏
02复核时必须指出关键结论的来源,而不是只改句子
03资深人员挑选有代表性的错误讲解「为什么」,把判断标准留在团队里
04随着能力提高,逐步扩大新人能确认的事项
这不是要求所有员工回到纯手工工作,而是保留形成判断力的必要训练。否则团队短期省下写作时间,长期却可能把专业判断集中到少数人身上——那几个人既要处理难题,又要为大量机器初稿兜底,新的瓶颈会更重。
国际劳工组织把生成式 AI 带来的工作变化放在任务重组的框架下讨论:企业真正要管理的,不只是每个岗位节省了多少小时,还包括谁在学习新技能、谁承担复核压力,以及员工是否仍能理解自己交付的结果。
07
HANDOVER QUALITY OVER USAGE
管理者要看交接质量 不能只看 AI 使用率
如果管理者只考核「每个人用了多少次 AI」,员工自然会把更多文本交给模型——草稿数量可能上升,后端复核却更拥堵。对一个方案团队,更有意义的是看:
合格交付是否按时 关键错误是否发出前被发现 复核花了多少时间 例外是否到达有权的人
还要观察责任是否被悄悄转移:专业判断若从产品负责人变成客户经理独自背书,流程表面上缩短,风险却集中到不具备完整信息的人;反过来,所有小修改都上升到部门负责人,也会让审批排队替代原来的写作排队。
管理者可以按风险和可核验性分层安排复核:
低风险 · 来源清楚整理结果采用抽查
对外价格/合同/重大承诺由相应负责人逐项确认
冲突/权限不足/超规则暂停并升级
观察 AI 是否让团队更好协作,还可以问一个朴素的问题:任何人接手一份半成品时,能否迅速知道已经确认的事实、尚未解决的判断和下一位负责人?如果答案是否, 使用率再高,也只是把工作转移到了别人看不见的地方 。
08
PILOT ONE CHAIN
从一条业务链开始试分工
不必先重写全公司的岗位说明。选一项频繁出现、结果可验收、涉及两三个角色的任务——比如续约方案中的标准版材料整理。把当前流程画出来,记录每一步的输入、输出、确认人和常见返工原因,再挑出可以交给 AI 形成候选的环节。
试运行时,保留人工原流程作为对照:先看 AI 候选能否被快速核对、有没有增加后端等待,再看正式交付的质量。对关键错误、退回原因和人工改动做简短记录。若大量时间耗在核对同一种过期资料,优先修资料来源;若每次都卡在责任人不清,先改交接规则。 模型升级不一定是第一步。
试点结束,团队应得到一张可用的分工图,至少说清:
AI 在哪里提出候选 谁核对哪类内容 哪些条件会暂停 谁能批准对外承诺 结果如何回到原任务
它不需要完美,但要足够具体,下一位员工能照着完成一次真实工作。

▲ 效率提升,也要留下判断力
∞
THE END
写在最后
AI 进入团队,首先改变的不是组织架构图,而是一件工作从输入到承诺的路径。机器可以更快整理材料、起草候选、提示遗漏;人要知道哪些事实已被核对、哪些取舍仍未决定,并对自己有权作出的承诺负责。
把任务拆开,把交接写清,把确认权交给真正掌握业务的人,再给新人留下学习判断的机会,团队才能 同时得到速度和可靠性 。岗位将来是否变化,可以根据实际工作量和能力再讨论;眼前需要完成的,是让每份成果都有清楚的来源、决定和责任。
「岗位可以不变,任务和责任必须重分。」
参考资料
国际劳工组织《Generative AI and jobs: A 2025 update》
NIST《AI Risk Management Framework Core》
NIST《AI Risk Management and Human-AI Interaction》
END
如果你觉得今天这篇有收获,欢迎 点赞、在看、转发 三连,我们下篇见。




