芯耀
与非AI
310
2026年6月27日，OceanBase AI碰撞会北京站上，爱分析首席分析师张扬受邀发表了题为《智能体时代的组织变革：从管理人到管理数字员工》的主题分享。在这场分享中，张扬结合过去几年在央国企、工业、能源等企业实际落地案例，拆解了数字员工的落地路径。张扬指出，AI时代正在把过去的经验壁垒彻底打破，1年经验的新人和10年经验的老员工，在基础工作上的差距正被技术急速抹平。面对生产力的爆发，企业不能再用传统的自上而下的模式来管理组织，而必须走向自下而上的任务解耦。以下为张扬的分享实录。
01、数字员工具备自我进化能力
从2025年开始，爱分析在企业甲方内部看到了大量的数字员工落地案例。但老实说，数字员工80%以上都停留在四个极为传统的场景：知识库助手、问数助手、合规审核、内容创作。这些最早由ChatGPT浪潮带动的数字员工，在企业内部产生的真实价值并不高。为什么？因为它们离核心的生产和业务场景太远了，而且从替代人的角度来看，效果也差得很远。比如国资委对央企有明确的智能体场景指标要求，最激进的央企到去年底宣称内部做出了2000个数字员工场景，但实际落地的效果离预期依然很远。核心原因有两个：第一，过去根本没有真正的记忆 Memory；第二，因为没有记忆，智能体无法把执行结果反馈给规划层去做反思迭代。但到了今年，记忆的完整体系终于浮出水面，驱动智能体开始具备持续学习和自我进化的能力。
有了长期记忆，数字员工就能真正萃取企业的隐性知识。举个传统制造行业的真实案例：在一线生产现场，有很多技术高超的老工长，他们去调设备参数、调原材料配比的时候，往往靠的是自己多年积累的“手感”。以前企业做数字化，觉得最难的就是把这些老专家的“手感”给提取出来，大家做出来的全是死板的静态知识库，流程只有一条通路，没法对于一线人员产生价值。但是，记忆解决了这个问题。当记忆系统在企业内部跑的时间足够长，10个不同手感、不同操作风格的老工长的所有隐性经验，都会被完整留存并沉淀在这一个长期记忆里。这时候，这个智能体数字员工就相当于拥有了一个“十人合一”的超级专家。面对不同的一线场景，模型无非是在复杂的记忆网络中，选择最合适的一套流程去执行而已。这才是智能体实现自我进化、真正在核心业务落地的破局点。
02、知识与经验正在贬值，组织未来唯一的PK筹码是进化速度
当智能体能够自我进化的时候，你会发现，在知识密集型的工作中，数字员工已经开始全面超越人类员工，并且越用越强。
这背后带来的是诸多平权，直接把过去高年资职场人引以为傲的壁垒打碎了：模型平权、知识平权。模型的通用知识和通识思考能力比普通人强，这毋庸置疑。流程平权。再举个特种材料工厂的例子。这种工厂的产能瓶颈往往不在车间，而在前期的售前技术专家。因为是定制化需求，全厂就5个售前专家，他们要跟客户沟通需求、出技术方案、看历史记录算成功率。这5个人就是产能的死穴。而现在，数字员工可以全量跟进售前专家与客户沟通、做方案的每一次过程，从中自动理解并抽象出专家自己都说不清楚的隐性Know-how。流程的壁垒，被记忆平权了。功能平权。现在的Coding能力，使得企业可以产生海量解决长尾需求的日抛型应用。比如售前智能体可以一边自己跑不同的SQL，一边去取内部数据库的内容看结果，用完这一次，这串代码和这个临时应用就不要了。
在这样的环境下，一个工龄1年的新人和一个工龄10年的老员工，以前差距显著，现在因为有了数字员工，两者的基础输出差距被极大地缩小。经验在加速贬值，纯粹靠出卖专业知识和年资拿高薪的时代一去不复返。那么，既然人和机器在基础能力上平权了，企业之间还比拼什么？未来组织之间唯一的PK筹码，就是你的数字员工的进化速度是不是比竞争对手快。这里会衍生出一个大家经常问的技术与投资焦虑：AI发展太快了，企业花大精力去建组织、买技术，万一技术明天又变了，上一期的投资是不是就打水漂了？爱分析的答案是：如果你光从IT投资、购买技术的硬视角来看，这个问题确实无解。就像某些大型央企过去花了两个亿和外部厂商合作训了一个行业大模型，结果开源模型一出来，这两个亿的纯技术投入在当下看可能就失去了很大价值。 所以，爱分析更建议企业从组织的视角切入。这里有一个很核心的概念叫组织的AI感。企业内部团队去适应模型、去摸索怎么与数字员工协作，在这个过程中需要走的弯路、需要解决的员工抵触心理，是一步都省不掉的。它不会因为你明天用了更先进的工具，员工就突然变得能和AI完美配合了。这些弯路是组织进化的必然成本。企业应该保持开放性，把投资花在培养团队的“AI感”和建立进化机制上，不要去赌单一的绝对技术路线。
03、别再按岗位分工了，未来是任务中心的液态组织
一旦企业明确了数字员工的重要性，接下来要面临的就是组织架构的重构。过去，传统的企业组织变革是自上而下的：战略决定业务流程，流程变革决定岗位设计，最后根据岗位去调配人类员工。但数字员工时代，落地方式基本上是自下而上的，其最原始的起点甚至不是“岗位”，而是更低一层的颗粒度——“任务”。数字员工的落地不是一个粗暴“把人替掉”的过程，而是把人类工作岗位中，那些知识密集、高重复型的具体“任务”接管过来。爱分析把这种自下而上的组织变革抽象为四层进化模型。第一层：任务层。这是破局的起点。很多企业选AI场景时习惯看投资回报率（ROI）或者看数据基础设施好不好，结果陷入两难：价值高的场景数据没治理好，能做的场景往往又是低ROI的助手。企业不如直接把那些高重复、重知识的细分任务解耦出来，让数字员工先顶上，快速把人释放出来。 第二层：岗位层。任务被数字员工接管后，人类的实际岗位职责会发生“横向扩张”。传统的销售去拿客户需求，要找售前做方案，再找研发和产研团队做Demo，沟通成本极高。而现在，销售自己拿到需求，直接调动智能体自动出一套Demo去跟客户沟通。这个过程中，销售把过去售前和产研的一部分核心工作直接合并了，一个人一条线做到底，岗位变宽了，不再重度依赖人与人之间的协作。同时，人类岗位多了一项新职责——“养龙虾（训数字员工）”，而且要养出适合特定场景、具备独特个性的龙虾。 第三层：团队层。好的数字员工是不隶属于任何部门的，可以跨部门复用，因为它们背后具备相同的组织Know-how。比如销售和售前部门沉淀出来一个非常懂业务的数字员工，HR 部门招新人做入职培训时，可以直接把这个数字员工拉过去衍生出一个“培训数字员工”。数字员工是不分部门的，团队变成了人与多个数字员工进行配合。第四层：组织层。传统的组织结构哪怕有虚拟团队，骨架也是定死的。而未来，企业一定会走向“液态组织”。 什么叫“液态组织”？它就是流动、不固定的。组织纯粹以具体的“任务”为核心，为了解决某个任务，动态调集几个人类员工和几只数字员工，任务一解决，这个临时组织网络立刻散掉。企业不再有僵硬的部门科层，而是演变成一个由任务驱动的业态能力网络。
04 、人类员工的终极价值，在于Taste
当机器不仅智商在线，连经验和流程壁垒都能平权时，人类员工在企业里到底靠什么体现价值？招聘时的JD又该怎么写？在未来，纯粹的专业知识和学历，都只是最低的基础入场券，它只能证明你能进场，再也无法帮你换取高溢价。人类员工的核心溢价能力，将彻底转向对工作任务“一头一尾”的定义与把控。 具体而言，是三部分能力构成了未来人类价值的金字塔：金字塔底层：问题定义的能力（头）。你到底选择让AI去解决哪个任务？这个任务的核心细节是什么？它的边界和标签体系在哪里？这些东西全靠个人的独特理解，同一家公司的两个员工，面对同一个客户，他们对售前任务的细节定义可能完全不同。 金字塔中层：数字员工编排与治理能力。你要把你脑袋里的隐性经验和工作习惯，通过数字员工显性化出来。你能把数字员工训到什么程度，决定了你的隐性价值有多大。金字塔顶层：评价与决策能力（尾）。数字员工干完活，交付了一个方案或一份分析，你是最终看效果、给出反馈并拍板的人。你必须具备高水平的判断力，明白什么是好，什么是坏。这种判断力很难用数据说清楚，模型也学不会，它本质上就是人类的Taste（品味）。
未来的工作过程是极度开放的。一个优秀的人类员工，可以自己养七八个不同风格的数字员工去跑同一个任务的七八种细分类型，人类不参与具体执行，只在中间进行过程把控，在前端下定义，在后端担责、做最终裁判。
所以，数字员工不是为了消灭人类岗位而生的。组织必须保持数字员工的多风格和多样性，未来才能去应对外部环境的不确定性。只要你拥有独特的组织理解、敏锐的问题定义能力和不可替代的Taste，你作为人类员工的独立价值和溢价就会永远存在。
05 、数字员工是人力资源投资，不是IT投资
最后，我们来聊聊企业最现实的问题：数字员工招进来了，怎么管理？怎么考核？钱怎么算？在管理和人员配比上，目前很多AI原生企业的“硅碳比”（数字员工与人类员工的比例）已经做到了1:1，即每个员工都有自己的一个数字分身，每天把会议纪要、工作文档、汇报材料喂给它，让它帮自己做自画像和任务拆解。而那些在数字员工领域走得极深的企业，背后的硅碳比甚至达到了10:1—— 表面上看公司只有1000个在册的人类员工，但背后其实在万级别的数字员工规模下运行。当他们内部在评估企业产能和算ROI时，是按照1.1万个总员工的体量去通盘考量的。对于这庞大的数字员工队伍，机器的效率就是它的绩效，考核同样需要形成完整的闭环：考核任务完成率与准确率。但千万记住，不能只考核某一个时间点的定量死数据。重点考核“进化速度”。比如我们要看过去三天里，这个数字员工的准确率和任务完成率是不是在持续提升，进化的速率比绝对值更重要。裁判与执行分离。在考核闭环里，干活的是一类智能体，而打分、做评价和裁判的，是另外一类单独的智能体。在财务和预算层面，很多企业的做法是每个月给员工分配固定的Token默认额度，把这笔钱归在IT预算里。 爱分析认为，更有价值、也更顺畅的思路，是把Token的投入当成人员的薪酬预算来看待。
这是一个非常明确的长期趋势：未来企业内部的CIO（首席信息官）和CHRO（首席人力资源官）职能必将走向合并，新的融合部门大概率会由CIO来主导，他手里同时握着两笔巨大的预算：一笔是传统的IT预算，一笔是全公司的人员薪酬池。 如果你今天还把Token当成IT预算去卡，你的技术落地就会永远受限。但如果你把它当成新型员工的“薪酬”，从人员产出和投资回报率的维度去审视，逻辑就会豁然开朗。当你发现投在某些数字员工上的Token成本实际产出的业务价值比较低时，你要做的是去优化这个数字员工的流程，或者换掉它，而不是去卡IT预算。用看“发工资”的开放视角去看Token账单，从薪酬池的宏观角度去算账，企业才能在智能体时代真正释放出极致的生产力。
