从组织结构图到结果
人才新运营模式
在过去的十年中，科技公司针对规模进行了优化：可重复的招聘计划、职能专业化、可预测的组织结构图。
我们相信，下一个十年将由更难以实现的东西来定义：杠杆。
人工智能不仅仅将新工具引入工作场所。它破坏了角色、团队和职业道路背后的逻辑。然而，许多关于“人工智能和劳动力”的讨论仍然围绕着同样的问题：生产力提高、成本效率、知识工作者的副驾驶。
这个框架没有抓住要点。
近年来，我们发现将人工智能引入现有工作流程的公司与围绕人工智能进行本地设计的公司之间的分歧越来越大。区别不在于功能速度，而在于操作架构。
我们越来越发现自己不仅评估一家公司的产品，还评估其团队的构建方式。人工智能本土公司的复合方式不同，因为他们的组织从第一天起就被设计为杠杆。
人工智能优先公司的决定性特征不一定是他们部署了多少人工智能。在我们看来，问题在于他们是否愿意重新审视长期以来关于存在哪些工作、应该由谁来做以及组织应该如何构建的假设。在与积极推动这一转变的首席执行官、职能领导者和运营商交谈后，我们认为未来的员工队伍不会像今天的组织结构图那样更干净、更快。在某些情况下，它根本不像组织结构图。
接下来是我们在人工智能优先组织中看到的结构性转变：不是热门观点的集合，而是已经在发生的模式。有些不舒服。有些是未完成的。许多尚未经受时间的考验。所有这些都挑战了公司传统上如何设计人才、团队和职业道路背后的逻辑。
贡献者
本报告中的章节
稳定的角色正在消亡。混合动力是默认设置
人工智能打破了交接。当智能直接嵌入到工作流程中时，产品、工程、GTM 和运营之间的接缝开始消失。
人工智能不仅仅是创造新角色。它正在重写旧的
一些最深刻的劳动力转变并不是以闪亮的新职位头衔出现，而是以熟悉的角色范围爆炸的形式出现。
初级工作才是真正的受害者
我们认为，人工智能对劳动力最直接的影响不是大规模裁员。这是对学徒工作的侵蚀。
新的原子单元不是一个角色。这是一个决定。
重写的角色就是症状。更深层次的转变是建筑方面的。
今天的速度，明天的组织债务
许多以人工智能优化名义做出的劳动力决策在短期内是理性的，但从长期来看是有风险的。
领导才是真正的约束
我们对话中最一致的见解之一是：人工智能转型的停滞更多是因为领导力，而不是因为工具。
稳定的角色正在消亡。混合动力是默认设置
人工智能打破了交接。当智能直接嵌入到工作流程中时，产品、工程、GTM 和运营之间的接缝开始消失。
这就是为什么许多人工智能优先的公司正在尝试混合前沿角色，例如前向部署工程师、GTM 工程混合人员、人工智能解决方案架构师和内部数据支持主管。这些角色位于职能之间的边界，有助于将现实世界的问题直接转化为产品行为。
.svg)
“稳定的专业角色正在消失。人工智能优先的团队将更小、更端到端、更通才，工程师将承担曾经由产品经理和设计师负责的工作。初创公司将迅速适应；大型企业将感受到摩擦。”
Legora 的首席风险官 Patrick Forquer 在他自己的组织中看到了这一点：“在 Legora，销售越来越像产品发现。基于代理/即时的销售需要高度关注相关结果，因此客户的成功需要持续的价值工程，以及产品团队的早期参与以及与我们的法律工程团队的协作。”
一些运营商将这些角色视为永久固定岗位——针对速度、反馈循环和模糊性进行优化的新型人才。这种转变最强烈的信号之一不是在组织结构图中，而是在招聘过滤器中。传统招聘针对可预测性进行了优化。出身、先前的角色范围、多年的经验、品牌公司——这些都是相对稳定的系统内执行可靠性的代表。如果工作定义明确，目标就是找到以前已经完成过该工作的人。
人工智能优先的环境似乎打破了这种逻辑。
当工具每月更换一次，当工作流程（和产品）每季度重写一次，当个人可以自己启动原型、自动化或副驾驶时，最稀缺的资源不是经验。这是学习速度。
溢价从以前完成过这项工作的人转移到能够将模糊性转化为行动的人。 HubSpot 首席营销官 Kipp Bodnar 描述了他的招聘过滤器的彻底简化：当候选人主动联系时，他要求他们发送过去几周用人工智能构建的内容。
这种转变变得更加明显。 财富简单 最近推出 人工智能建设者，针对一小群跨职能构建者的非传统招聘流程。没有简历。没有最低经验年限。相反，候选人被要求构建和演示一个有效的人工智能系统，该系统能够有意义地扩展人类的能力，不是将人工智能分层到旧的工作流程上，而是从头开始设计的人工智能原生系统，明确判断人工智能应该在哪里负责工作，在哪里应该由人类控制。提交的内容将在 48 小时内进行审核。面试和录用通知在同一周进行。
这个信号对我们来说是明确无误的：杠杆证明现在比血统更重要。
“我们已经将招聘从专注于特定任务转变为招聘好奇心和敏捷性。我们正在寻找具有建设者心态的个人和能够独立解决问题的机构。”
人工智能不仅仅是创造新角色。它正在重写旧的
一些最深刻的劳动力转变并不是以闪亮的新职位头衔出现，而是以熟悉的角色范围爆炸的形式出现。
产品经理正在成为系统协调者，不仅拥有功能，还拥有模型行为、数据质量和用户信任。工程师越来越多地拥有完整的模型生命周期，而不仅仅是代码传送。设计师正在从视觉界面转向对话和行为设计。销售和客户成功角色越来越不注重执行，而更多地注重判断、环境和关系管理。
“获胜的公司不会将人工智能视为一种功能。假设人工智能丰富，他们将重新设计每个角色和工作流程。那些简单地在边缘实现自动化的公司复合速度会更慢。”
丹尼斯的观点是呼吁采取行动：每个角色都应该以人工智能作为设计原则重新界定范围，而不是事后的想法。但当你真正开始做这项工作时会发生什么？
早期信号不是新的组织结构图。这是日常工作方式的转变：更快的周期、更高的期望以及不断扩大的绩效差距。正如 Hubspot 首席营销官 Kipp Bodnar 所说：“团队的基本结构尚未完全改变，但完成工作的方式已经发生了变化。最大的转变在于人们的工作方式：速度、迭代周期和杠杆都发生了巨大变化。人工智能正在放大极端，将中间抛在后面。”
一些人工智能本土公司正在尝试层次结构是否需要可见。 十一实验室 有 删除正式职称。员工不是“产品副总裁”或“增长主管”，而只是团队（运营、上市、工程）的一部分，期望他们随着优先事项的转变而从事影响最大的工作。
重要的是，“没有标题”并不意味着“没有结构”。该公司仍然由经理、明确的角色、级别、薪酬范围和明确的决策权运作。领导力和问责制保持不变。改变的不是等级制度的存在，而是不通过标签来表明等级制度的决定。其目的并不是要消除领导力。这是为了在灵活性更重要的时刻，减少头衔对地位、阶梯晋升和严格的职能界限的微妙引力。领导者希望人们问：“我现在在哪里可以产生最大的影响力？”而不是“成为‘领导者’需要什么？”
随着公司规模和治理复杂性的增加，目前尚不清楚轻量级的头衔方法是否有效。但我们相信这个实验反映了更深层次的东西：人工智能本土公司正在质疑传统等级制度的哪些部分是必不可少的，哪些是一个更慢、更孤立的时代的产物。这个问题的答案不在于组织结构图，而在于工作的实际需求。
初级工作才是真正的受害者
我们认为，人工智能对劳动力最直接的影响不是大规模裁员。这是对学徒工作的侵蚀。
当执行变得廉价、快速和自动化时，曾经存在的通过重复建立判断力的入门级角色开始消失。许多领导者私下承认，如果职业生涯早期的“边干边学”不再大规模存在，他们不确定未来的人才将如何发展。
一些人认为这是暂时的差距。其他人则认为传统的职业阶梯已从根本上被打破。
“年轻的知识工作者现在很难进入这个行业。我看到有才华的年轻计算机科学毕业生甚至连面试机会都没有。用人工智能取代入门级工人的想法是短视的，有可能在我们仍然需要的技术工人方面造成缺口。在这个领域，炒作，甚至短期成本节约的现实，都可能让我们误入歧途。”
今天缺少的是对一个简单问题的连贯答案。如果人工智能消除了人们过去学习的工作，那么现在学习发生在哪里？
除非公司有意识地重新设计早期职业发展，否则人工智能可能会帮助创建一支针对当前进行优化但在未来却会变得危险的劳动力队伍。
新的原子单元不是一个角色。这是一个决定
重写的角色就是症状。更深层次的转变是建筑方面的。当人工智能大规模吸收协调、综合和执行时，任何组织内部的稀缺资源就不再是能力，而是开始成为判断力——定义正确问题、形成可检验假设并决定结果返回时会发生什么的能力。人工智能优先的公司不再围绕职能进行组织。他们围绕判断的所在、由谁持有判断以及应用判断的速度进行组织。
这种转变的一个更微妙但也许更激进的表达可以从组织对能力的看法中看出。我们看到较小的团队达到了以前需要更大规模的产品深度和收入里程碑。当杠杆被纳入运营模式时，资本效率就变得结构性而非偶发性的。工作被界定、分解并分配给不同的人员和代理。但更重要的问题不是公司部署了多少代理。关键在于他们拥有什么样的人类思维，以及组织是否旨在展现这种思维。
“我们正在从以人为单位转向以工作为单位。问题不在于有多少人，而在于工作完成的效率如何。代理将越来越被视为员工；我们将雇用和解雇他们，为他们提供席位、许可证和范围所有权。”
这是一个值得进行压力测试的假设：生存和复合的角色不一定是由功能定义的。它们可以通过工作方式来定义。确定问题范围。形成一个假设。构建或测试某些东西。措施。迭代。这种模式历史上一直存在于工程学内部——但这与技术技能无关，更多的是与认知纪律有关：在不确定性下操作、分解歧义以及将假设视为待测试而非继承的训练有素的习惯。这种认知模式正日益成为每个职能部门的基线期望。
这就提出了一个更棘手的问题：哪些角色正在被掏空？令人不安的答案是，暴露的角色不一定是技能最低的。他们目前的工作大部分是协调、综合和报告——无论资历如何。传统的项目经理、中层营销经理和业务分析师都符合这种情况。并不是因为他们的判断毫无价值，而是因为人工智能不仅仅协助这些任务。它使当前定义的角色变得多余，同时使底层判断能力需要一个新的容器。
被重写而不是被消除的角色是那些人类判断力承担但目前被埋没的角色。客户的成功就是一个明显的例子。如今，它很大程度上是反应性的、流程繁重的。在人工智能优先的模型中，它变得更接近于价值工程师：能够诊断产品为何无法交付成果、形成关于需要改变的假设并影响产品方向的人。这不是CS角色。这是具有商业授权的应用判断。
ICONIQ GTM 顾问兼 Procore 前首席研究官 Dennis Lyandres 直言不讳地说：“人工智能不仅会改变生产力，还会改变工作单元。绩效最高的团队将更小、更扁平、更密集——人数更少，范围更广，代理权更多。领导力挑战不是控制，而是清晰度。当杠杆增加时，监督比协调、激励和共享环境更重要。围绕这一现实重新设计角色的公司将与那些简单地将昨天的工作自动化的公司组合起来。组织结构图。”
但这种模式也带来了脆弱性。当机构知识集中在少数高能机构个人手中时，会发生什么？当薪酬框架与 10 倍的生产率差异发生冲突时？人工智能优先的组织可能会更扁平、更快——它们不会自动变得更有弹性。在针对杠杆作用进行优化的系统中，文化成为基础设施。尽早认识到这一点的领导者将能够扩大规模。
今天的速度，明天的组织债务
许多以人工智能优化名义做出的劳动力决策在短期内是理性的，但从长期来看是有风险的。
例如，前沿部署的工程师可以加速学习，但可以掩盖产品差距。精益团队行动迅速，但也会悄悄积累脆弱性。对即时杠杆的过度索引可能会导致对平台、治理和可扩展基础的投资匮乏。紧张的不是这些举措是否有效。而是他们是否复合。
“前沿部署的工程师并不是真正的新角色——他们是公司在产品尚未准备就绪时一直在做的事情的新标签。他们在短期内可能非常有效，但风险在于你最终会将定制解决方案硬编码到组织中。如果 FDE 构建的大部分内容永远不会变成可重复的产品或持久的流程，那么你就不会加速学习 - 你正在悄悄积累技术债务。”
Rob 的观点并不是专门针对 FDE，而是更多关于一种模式：当速度超过系统设计时，定制就会伪装成进步。该组织感觉效率更高，但在表面之下，复杂性变得更加复杂。
类似的动态也体现在企业谈论人工智能本身的方式上。 ICONIQ 技术顾问兼 Dropbox 前副总裁马特·埃克莱斯顿 (Matt Eccleston) 强调精确性：“最被夸大的想法之一是人工智能将完全取代任何东西。它将大大加速某些类型的工作，但归根结底，它只是一种工具，在可预见的未来需要高素质的人类操作员。我的预测是，人工智能在未来几年内将不再是一个包罗万象的术语。我们将讨论法学硕士，我们将讨论合成生成的知识视频/音频/图像，我们将不再把这些东西放在带有“智能”一词的标签下，从而使世界变得混乱。”
马特的谨慎重新审视了这场争论。如果人工智能是一种工具，而不是判断的自主替代品（至少目前如此），那么劳动力设计应该针对持久的人类能力进行优化，而不是假设的人类冗余。高估人工智能的自主性可能与基础系统投资不足一样危险。
总而言之，这些观点暴露了真正的风险：将加速误认为转型。
人工智能可以帮助您更快地完成交易、更快地交付实验以及自动执行手动任务。但如果这些成果没有转化为可重复的产品、可扩展的系统和更深入的机构知识，那么你就没有建立杠杆作用，而是建立了组织债务。
领导才是真正的约束
也许我们对话中最一致的见解之一是：人工智能转型的停滞更多是因为领导力，而不是因为工具。
在人工智能优先的公司中，领导者不能外包理解。相反，他们可能会主动使用工具，抓住限制，并以不断学习的方式进行操作。可信度越来越多地来自于流畅性，而不是授权。正如 Sprinklr 前首席文化与人才官兼 ICONIQ 顾问 Diane Adams 指出的那样，这种转变也提出了更深层次的领导力挑战：“当你赋予员工更多的代理权和判断力时，情商就变得至关重要。领导者必须在团队内部建立信任。诚信成为操作系统。”
“作为领导者，您需要有能力展示实时数据和见解并做出快速决策，而不是‘观望’传统 SaaS 方法。”
这种期望令人不安，尤其是在规模上。它有利于那些愿意重新学习、公开实验并放弃旧的专业知识标志的领导者。
但另一种选择可能更糟糕：领导者围绕他们个人不理解的未来来设计组织。
Hubspot 首席营销官 Kipp Bodnar 直言不讳地提出了挑战：“如果你不作为领导者亲自学习和使用这些工具，那么你就已经落后了。你不能要求你的团队做你不愿意做的工作。”
虽然许多领导者注重技术的流畅性，但黛安·亚当斯认为，真正的区别在于人的能力。如果人工智能优先的组织是围绕影响力设计的，那么人工智能优先的领导力应该围绕清晰度设计：结果清晰、文化清晰和期望清晰。
“人工智能领导者并不是由硬技能来定义的。在很多方面，情况恰恰相反。随着复杂性的增加，领导力必须变得更加以人为中心。清晰的愿景。清晰的结果。人们可以信任的正直。决策中的情商变得更加重要，而不是更少。”
一些公司可能会错过的中间立场
并不是每个角色都会改变。并非所有混合动力都能持久。并不是每家公司都需要看起来像前沿实验室。
但领导者现在可以做出的最危险的假设之一是，人工智能只会改变工作完成的速度，而不是根本改变工作的内容。
人工智能优先的公司不仅仅是压缩时间或削减成本。他们正在重新思考工作的原子单元：哪些决策需要人类，判断力在哪里，学习如何发生，以及组织实际上被优化以生产什么。组织结构图、职称和职业阶梯是这些选择的下游产物，而不是起点。
这些选择将有助于确定人工智能是否成为业务之上的一层，还是业务之下的基础。这些公司也可能愿意尽早面对令人不安的问题：
- 哪些角色现在之所以存在只是因为过去工作稀缺或缓慢？
- 我们在哪里以短期杠杆的名义积累组织债务？
- 如果这是我们最后一次重新设计人们大规模学习、成长和创造价值的方式，那么我们现在要采取哪些不同的做法呢？
在接下来的十年中，我们相信优势不会来自于扩大员工数量或完善昨天的运营模式。它很可能来自那些诚实地认识到哪些假设不再成立的领导者，并且有足够的勇气在市场迫使他们采取行动之前围绕成果、学习速度和影响力重建员工队伍。
其中许多想法仍在实时测试中，正确的答案还远未确定。如果您正在尝试新的人才模式，有相反的观点，或者发现了我们错过的模式，我很乐意听取您的意见。你可以通过 VivianGuo 联系我 vguo@iconiqcapital.com
