AI成为“晋升条件”的日子：没有职业新货币的人被抛弃的原因

AI成为“晋升条件”的日子：没有职业新货币的人被抛弃的原因

「不使用AI的人已经无法成长」——这种氛围正在以无法开玩笑的速度渗透到职场中。


在德国媒体FOCUS上发表的投稿文章《Ohne KI-Kompetenz ist keine Karriere mehr möglich（没有AI能力就无法成就职业生涯）》描绘了AI从“便利工具”转变为“职业货币”的转折点。令人印象深刻的是，对AI的态度不知不觉间不再是“爱好”或“个人偏好”。是否引入不再是问题，而是“能否熟练使用”正在成为评价的分水岭——这种强烈的危机感贯穿于整篇文章。


当“选择不使用的自由”消失时

文章的开头从一个相当挑衅的虚拟场景开始。上司发来的邮件这样写道——“不定期使用AI工具的人将不会被提升”。虽然听起来像个玩笑，但文章中提到“埃森哲实际上在内部提出了这一政策”。令人恐惧的是，AI的使用从“推荐”到“条件”的转变可能会被制度化。


当然，并不是所有公司都会以同样的速度跟进。但即使在未制度化的企业中，同样的现象也在悄然发生。升迁的判断、重要项目的分配、会议的座次、关键人物的选定。由于没有明文规定，当个人意识到时，往往难以挽回。随着越来越多的人利用AI更快、更深入地完成成果，“不使用AI的人”在相对上显得更慢、更浅。评价不仅受“能力”影响，还受“速度”影响，这构成了一个残酷的结构。


中层管理人员最为艰难的原因

文章特别关注中层管理人员。高层发出“AI是最重要的”号令。然而，基层每天都在应对截止日期、人手不足和责任解释，几乎没有学习的余地。此外，下属还担心“AI会不会夺走他们的工作”。上有“引入压力”，下有“不安”，中层正处于夹缝中。


在这里，文章触及了一个更不方便的事实。“许多企业投资于AI却没有取得成果”。从现场感来看，接受了AI培训，但最终还是回到原来的做法——这种情况并不少见。文章的语境中，这被认为不是技术不足，而是“领导力和工作方式的问题”。AI的引入并不是终点，如果不改变工作的方式，投资就会变成“摆设”。


AI项目失败的原因不在于技术

文章非常明确地表达了“AI未能带来成果的原因”。大多数失败不是因为技术，而是因为组织的运作。
・谁将负责用AI替代哪些工作，目的是什么
・谁对结果负责
・如何定义质量标准（错误、偏见、可解释性）
・如何创建让现场“想用”的流程
如果忽略这些设计，仅仅引入工具是行不通的。


文章进一步解释了AI变革的分配比例为“技术10％、数据20％、工作方式和文化70％”。换句话说，成败的大部分在于“人和组织”。这也是对那些将AI视为“IT部门项目”的企业的警告。


经验丰富的人更容易“拒绝”的悖论

另一个引人注目的观点是，“经验丰富的人更容易拒绝AI”。成功多年的人往往有既定的成功模式。当AI介入时，价值观可能会动摇。“自己的判断会不会被统计模型取代”的不安也会出现。但文章断言这是“误解”。


AI擅长的是速度和模式提取。而人类应该承担的是背景理解、价值判断、伦理、责任、关系的设计。也就是说，越有经验的人本来应该越强。问题在于能否将经验与AI结合并放大。不是“保护”经验，而是“武器化”经验进行重新学习。这是职业生涯的分水岭。


“AI不是工具，而是组织的操作系统”

文章的一个关键信息就是这个。如果将AI仅视为软件的添加，就会失败。如果不重新设计以AI为前提的工作流程，就无法产生价值。例如会议资料。过去是“制作→审查→修改→共享”，现在变成“AI起草→人整理论点→AI反驳和补充→人做出决策”。虽然成果仍是“资料”，但过程不同。过程不同，所需的能力也不同。


而负责这一重新设计的正是管理层——这是文章的立场。如果自己都不理解，却要求下属使用，是没有说服力的。即使完全依赖外部顾问，也无法融入日常运营。因此，“首先自己学习”是第一步。


具体策略虽简单，但不易实现

文章提出的行动可以大致整理为三点。

  1. 开始
    创建账户，从“缩短需要1小时的工作”开始使用。建立与AI相关的人脉。必要时也可以请教练。关键在于将学习变成“机制”而不是“气势”。

  2. 持续
    AI进化迅速。短期集中后很快就会过时。就像语言一样，如果不持续就会生锈。因此，“融入日常工作”是成功的关键。

  3. 引领
    AI不仅仅是个人效率的提升。团队的运营、对客户的提案、价值提供的重新定义都需要领导者来展示。如果理解的人不带头，组织就会只是将AI强行贴在旧的流程上。


说到底，这些都是理所当然的。然而，理所当然的事情往往难以执行。因为并不是没有时间学习，而是因为害怕学习会“改变自己的做事方式”。文章传达的信息可能是，不要回避这一点。


SNS的反应：争议不在于“能力”，而在于“评价的设计”

 

这篇文章的论点与SNS非常契合。原因很简单，因为它涉及“升迁”、“评价”、“监视”、“差距”等容易引发情感的主题。事实上，FOCUS的官方X账号分享了这篇文章，从而形成了一个易于扩展讨论的导线。

SNS上的反应大致可以分为四类。


1) “理所当然”派：AI如同计算器，不能使用是职务怠慢

最强烈的支持来自于“AI已经是必备的基础技能”的立场。就像Excel、搜索、邮件一样。不能使用是努力不足，企业将其纳入评价是合理的——这是他们的主张。特别是在咨询、IT、市场领域，开始有声音表示“工作量是以使用AI为前提设计的”。在这里，AI不是“特殊技能”，而是“工作的前提条件”。

2) “这太过分了”派：利用追踪和升迁条件是监视社会

另一方面，反对声音也很强烈。特别是“追踪AI工具的使用情况并将其反映在升迁中”这一话题，让人联想到监视、隐私、评价透明性的问题。
・仅仅增加使用次数的形式化
・谨慎不输入机密信息反而会处于“不利”
・即使在不需要AI的职位或情况下，统一标准也是危险的
这些论点相互碰撞。

3) “基层会崩溃”派：如果要求学习，就要提供学习的时间和环境

最现实的反应在这里。理解AI的必要性。但是，在截止日期、会议和人手不足的情况下如何学习。即使有培训，如果现场的KPI不变，学习就会成为“业余时间的个人责任”。结果，只有意识高的人会先行一步，组织内部的差距会扩大——这是担忧所在。文章描绘的“中层管理人员的夹缝”在SNS上也容易引起共鸣的原因就在这里。

4) “本质是文化”派：AI引入是工作设计问题而非工具选择

最后，是与文章强调的“AI是组织的操作系统”这一观点相近的反应。在AI引入中重要的是流程设计、角色分配、质量标准、责任的明确。如果这些模糊不清，现场就会因“似乎使用了AI”而疲惫，无法取得成果。在SNS上也可以看到“最终还是人和机制”、“如果管理层不下决心就不可能”的帖子。


那么，我们应该做些什么（从实际业务的角度出发）

文章的结论很简单。“昨天是最佳，接下来是今天”。但要将“从今天开始”变为现实，还需要更具体化。关键是将AI学习作为“业务改进”而非“学习”来开始。

  • 每周确定一个主题，在相同的工作中尝试（会议记录、摘要、提案书、分析、询问回复等）

  • 自己定义质量标准（可以容忍的错误程度，证据确认的范围）

  • 制定不应输入的信息规则（机密、个人信息、合同信息等）

  • 在团队中共享模板（良好的提示例子、检查清单、模板化）


这些并不是高深的技术。然而，做与不做的人之间会产生差距。而这种差距在半年内就会变得“难以弥补”。


AI是威胁还是盟友，这个问题可能已经过时了。现实的问题是：
“在使用AI的职场中，你如何增加‘有价值的人类工作’？”
文章正面地提出了这个问题。


出处URL

相关文章