AI 对岗位任务与能力要求的影响分析

场景

给岗位说明书增加“熟练使用 AI”一句话，无法说明工作到底怎么变。应从真实任务出发，辨别 AI 能生成的中间成果、人的验收与判断、需要新增的能力和可能消失的练手机会。分析结果是岗位讨论稿，不是自动裁员依据。

输入

选择一个岗位，准备现行 JD、最近 3—6 个月真实任务、任务频率与耗时、交付标准、失败后果、使用的数据和工具、协作审批关系。请岗位本人、主管和接口部门提供材料；旧 JD 只能作参考，不能代表全部实际工作。

操作

先将职责拆为具体任务和成果，例如“负责招聘”拆为需求澄清、渠道策略、简历证据整理、面试、录用决策等。逐项回答 AI 能做哪段中间工作、依据是什么、谁验收、哪些判断必须由人做。再识别能力变化：是否需要数据/证据核验、提示词设计、异常识别、复杂沟通与责任判断。特别检查新人原本通过基础工作积累判断力的路径是否被切断；如果是，要设计 AI 输出验收、案例复盘和导师辅导。形成新版任务地图和需试点验证的假设。

提示词：

依据真实岗位任务而非仅凭 JD，分析 AI 介入后的变化。逐任务列原流程、AI 可形成的中间成果、输入与权限、人工验收点、最终责任人、风险、变化的能力要求以及新人练习机会。证据不足写需试点，不推断岗位可被整体替代。资料：〔内容〕。

验收与来源

岗位本人和主管确认任务真实存在，法务/数据负责人检查权限，高风险决定有明确人工责任。A0871《岗位 AI 重构｜HRD 岗位 AI 能力矩阵》提供了“成果—任务—能力”及六个责任接口的拆解法；其 25 项任务是 HRD 样本，不能泛化为其他岗位。本文用于企业岗位的执行表是基于该方法的落地设计。

具体拆解示例

招聘专员原来要手动读简历、记录岗位证据、安排面试并汇总面评。AI 可提取简历中的明确经历、形成待核对摘要和面评结构；但候选人是否进入下一轮仍需招聘负责人依据岗位标准判断。岗位因此需要更强的证据核验能力：发现摘要漏了关键经历、识别模型把岗位无关信息当作评价依据、处理候选人解释与申诉。若基础简历阅读工作全部交给 AI，新人可能失去练习岗位判断的机会，必须安排抽样复核与导师讲评。

输出格式

任务地图每行列任务、原产出、AI 中间成果、人工判断点、批准人、失败后果、新能力及培训办法。不要只写“AI 替代 30% 工作”，因为任务时间比例、质量和责任不是一回事。完成一个岗位试点后再决定是否改 JD 与绩效标准，不从研究样本直接推全公司组织架构变化。

六个接口逐一检查

分析一项任务时，先问输入：哪些资料能合法提供给 AI，版本是否可靠；再问处理：AI 生成的是摘要、建议还是可直接执行的动作；接着问人工判断：谁核验事实和偏差；然后问批准：是否涉及薪酬、录用或员工权益；最后问输出与复盘：最终成果是什么，错误如何追踪。若任一接口没有负责人，该任务还不能写进新的岗位运行说明。

以 HRD 的绩效管理职责为例，AI 可以汇总绩效证据、提示目标变更和异常分布，帮助主管准备校准会。但目标公平性、个案申诉和结果应用涉及组织利益与员工权利，仍须由人讨论和批准。因此岗位变化不是“HRD 不再做绩效”，而是基础证据处理方式变化、判断与监督责任可能更突出。能力要求也不只是会写提示词，还包括识别数据偏差、解释模型局限和建立申诉渠道。

输出的岗位分析应由岗位本人、直接上级、协同部门和数据/法务负责人共同校准。哪些任务真存在、实际耗时多少、AI 是否能达到质量标准，都要在小试点中验证；不能从一篇 HRD 研究文章直接推断其他岗位的节省时间和人员配置。

交付与验收清单

• 任务来自真实工作而非只照抄 JD。
• AI 中间成果、人工核验、批准与责任接口明确。
• 新人基础训练机会被考虑。
• 岗位变化须经本人、主管和相关职能校准。

“工具能完成一个任务”不能推导出“岗位可取消”；岗位还承担连续的组织责任。