当"会用 AI"成了基本功，真正值钱的是敢质疑它的人

「2021–2026 AI组织转型与领导力」专辑 · 第 4 篇（共 6 篇）
写给创始人与高管　|　写作日期：2026-09-25

一份差点酿成大错的"完美方案"

小陈是团队里最早玩转 AI 的那批人。

别人还在对着对话框发愣，他已经能熟练地甩给 AI 一长串指令，几分钟就吐出一份像模像样的分析报告、一套方案 PPT。领导夸他"AI 感好"，同事遇到问题都来问他"这个 prompt 怎么写"。在 2024 年的大部分时间里，他确信自己抓住了这个时代最硬的通行证。

转折发生在一个寻常的下午。他把一份 AI 生成的尽调分析直接放进了给客户的报告里——逻辑严密、措辞专业、图表齐全，几乎无懈可击。直到一位资深合伙人随手一问："这个数据的出处在哪？"他回去核对，才惊出一身冷汗：报告里几个看似确凿的数字和案例，AI 给得理直气壮，却根本经不起查，有的甚至是它"想当然"编出来的。

差一点，这份"完美方案"就以公司的名义，送到了客户手里。

那天小陈第一次意识到一件事：会向 AI 提问，只是入门；而敢于、并且能够质疑 AI 给的答案，才是另一重境界。

他的顿悟，恰恰是过去五年"人才"标准发生迁移的缩影。而要讲清这场迁移，我们先得承认一个有点残酷的事实——

真正的病因："会用 AI"正在迅速贬值，因为它已成了基本功

四年前，"会用 AI"还是一项稀缺的、能让人脱颖而出的技能。今天呢？

当一个应届生简历上写着"熟练使用 Office"已经不再加分，"会用 AI"也正在走同一条路。各类工具被直接做进了办公软件、IDE 和业务系统，调用 AI 的门槛，正在无限趋近于零。企业里的生成式 AI 使用率，几年内就冲到了六七成。

这意味着一个无情的逻辑：当一项能力人人都该有、人人都能有，它就不再是护城河，而只是入场券。

那么，新的护城河是什么？答案藏在人和 AI 的关系里。AI 越强，它给出的东西就越"像那么回事"，也就越容易让人放松警惕、照单全收。于是，真正稀缺的能力，从"能不能让 AI 帮我做"，翻转成了"我能不能判断 AI 做得对不对、该不该信、什么时候根本别用它"。

这是一种更高级的能力——判断力。它要求你既懂业务、又懂 AI 的边界，还要有不被"完美答案"裹挟的清醒。它无法靠背诵 prompt 获得，恰恰相反，它是 AI 唯一无法替你形成、却又最决定你成败的东西。

接下来的四个转变，就是这场人才标准迁移的完整路径——其中也包括，这场变化对"领导者"本身提出的全新要求。

转变一：真正拉开差距的，是"知道什么时候不该信 AI"

第一个转变，关于能力的内核。

要严谨地证明这一点，没有比一项精心设计的随机对照实验更有说服力的了。2023 年，BCG 联合哈佛商学院的学者，让 758 名顶尖咨询顾问参与了一项预注册实验，这就是后来影响深远的《穿行锯齿状技术前沿》（Navigating the Jagged Technological Frontier）。

实验把任务分成两类，结果极具冲击力：

• 在 AI 能力前沿之内的 18 个任务上，使用 GPT-4 的顾问，完成的工作量多了 12.2%，速度快了 25.1%，质量也明显更高——AI 是实打实的增益。

• 但在被特意设计为前沿之外的复杂管理任务上，结果反转了：使用 AI 的人，得出正确方案的概率反而低了 19%。

最值得警醒的是：受试者不是新手，而是精英顾问，其中不乏能力最强的那批人。可他们同样过度信任 AI，把错误的答案照单全收，还自信地以为自己做得更好。

这项研究贡献了一个极其传神的概念——"锯齿状前沿"（jagged frontier）：AI 的能力边界不是一条平滑的线，而像锯齿一样凹凸不平。两个看起来难度差不多的任务，可能一个稳稳在能力之内，另一个却悄悄落在了能力之外，而你事先根本分不清。

这就把人才的新标准，讲得清清楚楚：

未来真正厉害的人，不是把 AI 用得最满的人，而是能敏锐感知"锯齿"、知道在哪个任务上该放手、在哪个任务上必须踩刹车的人。

BCG 旗下亨德森研究院的第二项实验，补上了另一面。这一次，没有任何编程和统计背景的普通顾问，借助生成式 AI，竟然能完成原本属于数据科学家的任务——写代码清洗数据、搭建预测模型、校验统计结果。AI 让新手的能力"即时扩展"。但实验再次指向同一个分水岭：在所有这些外扩的能力里，最关键的，恰恰是"对 AI 产出进行统计校验、识别其错误"那一步。 工具能让你瞬间够到高处，但能不能站稳，取决于你有没有那根校验的安全绳。

小陈差点酿成大错，正是因为他当时只有"扩展"的能力，还没有"校验"的能力。

转变二：这种判断力，正在被市场用高薪明码标价

如果说实验证明了判断力"有多重要"，那么劳动力市场则用真金白银，回答了它"值多少钱"。

普华永道 2025 年的《AI 就业晴雨表》，分析了全球近十亿条招聘广告和数千家企业财报，给出的数字非常直观：

具备 AI 技能的人，薪资平均高出 56%——而仅仅一年前，这个溢价还是 25%。

一年时间，溢价翻倍还多，这背后正是"会用"在快速普及、而"会质疑、会校验、能在 AI 之上做判断"的人极度稀缺。世界经济论坛的数据从另一个角度印证：2025–2030 年，约 39% 的现有核心技能将被改写或过时；63% 的雇主把"技能缺口"列为业务转型的最大障碍，并计划优先对员工进行再培训。

但普华永道 2026 年的进一步研究，揭示了一个更值得警惕的分化——人才市场正在裂成"两条轨道"：

一类是专业化角色，AI 在其中是专家的"乘数"，需要人提供更深的判断、质疑和创造力；另一类是民主化角色，AI 把门槛拉平，工作变得更容易、也更容易被替代。专业化角色的薪资增速，比民主化角色快约 42%； 在 AI 最暴露的企业里，最顶尖的 20%"超级明星"，劳动生产率提升高达 163%。

这个"双轨"结构，对每一个职场人和用人者都是一个清醒的信号：AI 不会均等地对待所有人。 如果你只是被动地"会用"，你大概率滑向被拉平、可替代的那一条轨道；只有当你能在 AI 之上提供它给不了的判断，你才站得上那条被市场反复加价的轨道。（引用时需完整：普华永道也提醒"稀缺"与"高薪"之间是相关而非简单因果。）

问题随之而来：这种站在 AI 之上的判断力，能靠培训批量培养吗？在回答它之前，我们必须先谈一个更靠前、也更关键的群体——因为如果这个群体不先转变，再多的培训都会事倍功半。

这个群体，就是领导者自己。

转变三：领导力本身正在被重写——从"管控者"到"球员兼教练"

这是整套专辑第一次，正面地谈"领导力"。

过去，一个管理者的权威，很大程度来自"我知道得比你多、我能替上面盯紧你"。可在 AI 时代，这两根支柱同时松动了：论信息聚合，人比不过 AI；论盯梢式管理，它恰恰是组织最先要砍掉的内耗。于是，领导力的定义本身，被时代逼着重写了。

IBM 在 2025 年的 CEO 调研中，有一个数字分量极重：

69% 的 CEO 认为，组织未来能否成功，取决于是否拥有"具备战略理解力、并握有决策权"的领导者。

注意，要的不是"会下指令"的管理者，而是能在高度不确定中理解全局、并敢于做决策的人。这种领导者长什么样？过去五年的领先实践，勾勒出一个鲜明的新形象——"球员兼教练"（player-coach）。他不再站在场边靠汇报和审批掌控一切，而是亲自下场踢球、同时培养队员。Block 把它列为取代金字塔的三类核心角色之一；亚马逊则由 Jassy 亲手斩断了旧路径——"以后，晋升不再靠带一个大团队"。

这对管理者是一次身份的再造：你的价值，不再由"你管着多少人"定义，而由"你能不能带着人和 AI，一起拿到结果、并帮人成长"来定义。

盖洛普一项追踪多年的面板研究，为"领导者为何如此关键"提供了近乎铁证的发现。研究显示，使用 AI 普遍会加剧员工对"被替代"的焦虑——但有一类员工是例外：那些身处"结构化良好的管理实践"中、主管会主动把 AI 讲清楚的员工。 数据对比极具说服力：

管理者积极支持 AI 的团队，员工敬业度为 48%，而管理者消极应对的只有 30%；当一个团队同时具备"经常使用 + 有清晰计划 + 主管支持"三个条件，敬业度高达 53%。拥有明确 AI 整合计划的组织，员工敬业度整体高出 15 个百分点。

看明白了吗？AI 本身不会安抚人，能安抚人的，是把 AI 讲明白、并和员工一起面对的管理者。 同一项技术，遇到"管控者"会放大恐惧，遇到"教练"则会激发投入。这意味着——

在要求全体员工完成人才再造之前，领导者必须先完成自我再造。 一个自己都看不懂 AI、只会一刀切裁员或空喊口号的管理者，没有能力带领任何人穿越这场变革。领导力，恰恰是这场人才转型的第一道闸门。

那么，当领导者率先转身，大规模的人才再造就可以展开了。而领先者的经验表明：这件事，绝不能简单粗暴地理解为"给每个人发个工具、开几场培训"。

转变四：再培训是一场有结构的工程，不是"发工具"

第四个转变，关于再造的方法。

很多公司的"AI 人才工程"是这样做的：买一批账号，群发一封"大家积极用起来"的邮件，再办一两场可选的讲座，然后就以为尽到了责任。结果呢？工具发了，会的人本来就会，不会的人依旧焦虑，培训沦为形式。

法国工业巨头施耐德电气给出的，是一套覆盖约 15 万名员工、层次分明、可复制的完整方法论，它被概括为三个词：Learn–Act–Advocate（学习—实战—倡导）。

• Learn（学习）：为全员设计一门只需 30 分钟的基础课，蓝领白领都包含，目标是让每个人都不再"怕"AI；另有 90 分钟的战略课，讲透 AI 与可持续、与业务的关系。

• Act（实战）：不是听完就结束，而是举办"Promptathon"实战营，让员工在真实任务里用 AI，并把好用的提示词沉淀为全公司共享的提示库——把个人的诀窍，变成组织的资产。

• Advocate（倡导）：培养一支内部"冠军"网络，用"培训培训师"的方式，让懂的同事去教身边的同事。这种"同伴教同伴"的渗透，远比自上而下的宣讲有效。

它还有一条配套的专家通道：与 MIT 斯隆合作开办长达 9 个月的加速器，把最有潜力的专家培养成能推动真实项目的"硬核"人才，首期项目里就有多个直接拿到了高管的投资。仅在 2024 年（尚未强制时），施耐德就有约 4.8 万名员工参训，完成了超过 14 万门课程。

这套打法的精髓在于：它不是一次性的"培训"，而是一套让学习持续发生、让智慧彼此流动、让少数人带动多数人的系统工程。

新加坡的 DBS 银行异曲同工，它的 AI 再培训立起"四根支柱"——技术（含业务领域知识）、AI（外部专家加内部工具）、变革管理、软技能；甚至还推出了一个生成式 AI 教练"iCoach"，为每个员工量身规划个性化的学习与转型路径。

而这恰恰反衬出"发工具"式培训的失败。 回到盖洛普的发现：如果你只发工具、却不建立管理者讲解和同伴互助的机制，那么工具非但不能赋能，反而会放大焦虑。培训从来不是一个孤立的"教育问题"，它必须和管理对话、和真实工作场景、和清晰的未来路径，紧紧焊在一起。

值得点出的是这场大戏里一个始终存在的张力：IBM 的调研显示，65% 的 CEO 选择"用自动化来弥补技能缺口"，同时又在大规模推动员工再培训。 技术替代与人力投资，被企业同时押注。这让"人才再造"既是这个时代最大的机会，也充满了个体无法掌控的不确定性。也正因此，领导者的判断与担当，才显得格外重要。

给领导者的三个动作

理解了人才标准的迁移，你可以从三个动作开始：

1. 把"判断力"明确写进用人标准。 无论是招聘还是考核，别再只看"会不会用 AI"，而要考察他能否识别 AI 的错误、能否判断何时该信、何时该停——把"质疑与校验"作为核心能力来要求和评估。

2. 先再造你的管理者，再谈全员转型。 优先把一线主管培养成"球员兼教练"，让他们有能力、有意愿把 AI 给团队讲清楚，因为主管的态度，直接决定员工是焦虑还是投入。

3. 把培训升级为有层次的系统工程。 学施耐德：全员打底、实战沉淀、同伴互教、专家拔尖，并把学习和真实业务结果挂钩——而不是停在"发账号、办讲座"。

最后，回到那个根本的判断：

这个时代能给一个人最大的安全感，不是他掌握了多少 AI 工具，而是他拥有 AI 无法替代的判断力，以及在不确定中持续学习、敢于质疑的勇气。

记忆锚点

"在 AI 能力之外的任务上，用 AI 的人正确率反而低了 19%——连最聪明的人，也会照单全收。"
——BCG × 哈佛《Navigating the Jagged Technological Frontier》

"会向 AI 提问只是入门，敢质疑它的答案，才是分水岭。"

"AI 无法安抚人，能安抚人的，是把 AI 讲明白的管理者。"
——基于盖洛普 2026 面板研究

当一项能力人人都有，它就只是入场券；新的护城河，是 AI 唯一替你形成不了的判断力。

下一篇预告

这一篇，我们看清了人才标准的迁移：从"会用"到"会质疑"，从市场对判断力的加价，到领导者率先转身，再到一场有结构的再造工程。BCG、施耐德、盖洛普已经把路径铺了出来。

可越往深处走，一个越"软"、却越绕不开的问题，浮现在眼前——

判断力可以讲方法，技能可以靠培训，但员工内心那份"敢不敢放手去试、敢不敢犯错、愿不愿意跟公司一起变"的信任与勇气，没有任何一门课程能教得出来。

而这份看不见、摸不着的东西，恰恰由公司的文化、由创始人内心深处真正相信什么，所悄悄决定。同一个组织难题，为什么不同的公司会长出截然相反的解法？答案往往不在方案里，而在创始人的信念里。

第五篇 · 文化：文化与创始人理念，如何决定了组织的形态。 我们将从几家把"创始人信念"直接写成"组织指令"的公司——Anthropic、Shopify、Block——正式讲起。