从王坚教授到港大李晋教授:当一个行业变成个人技能,企业真正要重组什么?

2026 年 5 月 22 日，王坚教授在“人工智能驱动文化产业创新发展”分论坛上谈到 AI 时，提出了一个很值得企业管理者认真思考的判断：AI 不应被简单理解为替代人，而是在帮助人、增强人的能力。

公开报道中有一个更具体的表达尤其重要：过去，软件行业把编程变成了一个高度专业化的领域；而今天，AI 正在把编程还原为每个人都可能掌握的基本技能，就像阅读和写作一样。

这句话表面上是在讲编程，但它真正击中的不是程序员这个职业，而是一个更深的变化：过去属于一个行业、一个部门、一个专业岗位的能力，正在被 AI 压缩、封装，并下沉为普通个体可以调用的技能。

几乎在同一条逻辑线上，李晋教授在香港大学 AI 战略企业家项目首期班课程中，提出了“大压缩”的概念。他讲到，工业时代的流水线压缩的是体力差异，而这一轮 AI 正在压缩脑力和智力差异。在课程材料中，他进一步指出，AI 会压缩技能水平，把很多人从 60 分快速推到 80 分段，也会压缩获得专业技能所需要的时间。

把王坚教授和李晋教授的这两个判断放在一起看，企业管理者就会看到一个更清楚的命题：AI 不是让每个人都成为 100 分专家，而是让大量原本需要行业训练、专业岗位和经验曲线才能完成的 60 分、70 分工作，被快速推到 80 分。

这才是企业真正要面对的组织变化。

如果一个行业的部分能力开始变成每个人的技能，如果大量 80 分工作开始普及，企业要重组的就不是某一个岗位，而是工作本身：哪些能力可以下沉给个体，哪些能力必须上移到专家，哪些流程应该交给 Agent，哪些责任仍然必须由组织承担。

所以，这篇文章讨论的不是“AI 会不会替代某个行业”，也不是“每个人是不是都要学编程”。真正的问题是：当行业能力被 AI 压缩成个人可调用的 80 分能力之后，企业如何重新定义工作、岗位、专业价值和组织责任？

王坚教授讲的是编程，

但真正变化的是能力归属

王坚教授用“编程”做例子，是非常准确的。因为编程曾经是一个高度专业化的行业能力。一个人要掌握编程，需要学习语言、框架、工程方法、系统架构，还需要经历长期项目训练。企业要获得这项能力，通常要招聘程序员、建立技术团队，或者购买外部技术服务。

但 AI 出现以后，这个结构开始变化。一个不懂代码的人，也可以通过自然语言让 AI 生成一段程序、修改一个脚本、搭建一个简单原型，甚至完成一些自动化任务。这个人并没有真正成为软件工程师，但他已经可以调用一部分原来属于软件行业的基础能力。

这件事不只发生在编程上。法务初稿、财务分析、市场研究、产品原型、培训课件、内容生产、客户洞察、运营自动化、数据分析，都在发生类似变化。过去，这些能力往往属于专业岗位、专业部门或外部服务商。现在，它们正在被 AI 封装进普通岗位的日常工作流。

所以，“一个行业变成每个人的技能”，不是说行业消失了，也不是说人人都变成专家了，而是说行业中的一部分标准化、语言化、流程化能力，正在变成个人可以调用的能力。

这就是能力归属的变化。过去，能力归属于行业、部门和岗位；现在，能力开始被个体通过 AI 调用。企业管理如果还停留在旧岗位边界里，就会看不懂员工真实能力边界的扩张。

李晋教授讲“大压缩”，

让我们看到 80 分工作的普及

李晋教授的“大压缩”概念，给这件事提供了另一个解释维度。

工业时代的流水线压缩了体力差异。一个复杂的制造过程被拆解成标准动作之后，普通工人经过训练也可以完成过去依赖少数熟练工匠的部分工作。流水线并没有让每个人都成为工匠，但它压缩了体力和手工技能之间的差距。

今天 AI 正在知识工作中做类似的事情。它压缩的不是体力，而是脑力、智力和专业技能获取的时间。原来一个人要经过多年训练才能完成的部分知识工作，现在可能通过 AI 在很短时间内达到一个可用水平。

这里最重要的不是“AI 会不会替代专家”，而是“AI 会把大量工作推到 80 分段”。

80 分工作，是企业里最常见、最庞大的工作。它不是顶级专家的判断，不是战略级创新，也不是高风险决策，但它构成了组织日常运行的大部分内容：资料整理、初步分析、方案草稿、会议纪要、报告框架、内容改写、流程梳理、客户问题归纳、培训材料生成、基础数据解释。

过去，这些工作需要经验曲线。新人从 60 分到 80 分，往往需要较长时间的训练、模仿、反馈和试错。AI 的出现，压缩了这条曲线。

这就是“大压缩”对企业管理最重要的启发：AI 普及的首先不是 100 分专家能力，而是 80 分可用能力。

当 80 分能力普及，

岗位说明书会最先失效

过去企业定义岗位，是按专业边界来的。法务做法务，财务做财务，市场做市场，技术做技术，HR 做 HR，咨询顾问做方案，培训专家做课程。这套分工背后有一个默认前提：专业能力被专业岗位占有。

但 AI 把大量工作推到 80 分段以后，这个前提开始松动。一个业务经理，可以先用 AI 做市场研究；一个 HR，可以先用 AI 做岗位能力矩阵；一个项目经理，可以用 AI 完成访谈纪要、资料归纳和方案框架；一个老板，可以用 AI 快速理解一个新行业、新政策或新技术趋势。

这些人并没有替代专业岗位，但他们已经携带了过去专业岗位的一部分能力。

所以，企业最先失效的不是岗位本身，而是岗位说明书。因为岗位说明书描述的是过去的能力边界，而 AI 放大的是人的实际工作边界。

这也是为什么我认为，今天不能再泛泛地说“AI 会改变岗位”。更准确的表达应该是：当 80 分能力普及，企业要重新定义什么是人的价值、什么是专业岗位的价值、什么是组织的价值。

专业岗位不会消失，但价值必须上移

80 分工作普及，不等于专业岗位不重要了。恰恰相反，越是大量人可以做到 80 分，真正的专业价值越要上移。

过去专业部门的价值，可能体现在“我能做，你不能做”。未来专业部门的价值，要体现在“我知道什么情况下不能这么做”“我能判断哪里有风险”“我能把 80 分提升到 95 分”“我能建立标准、机制和责任边界”。

比如法务部门，未来的价值不只是写合同，而是定义合同风险边界、审查重大条款、建立模板体系、训练业务人员如何正确使用 AI。财务部门的价值也不只是做报表分析，而是定义经营指标、识别数据偏差、建立预算逻辑、判断经营动作背后的财务风险。HR 的价值不只是招聘和培训，而是重新定义岗位能力、学习系统、人机分工和绩效验收。

在知识库里的“AI 时代护城河”材料中，有一个判断很关键：当 80 分能力普及，真正的壁垒转向战略判断、客户信任、复杂关系、组织学习速度、专家判断结构、可信责任机制和行业标准定义权。

换句话说，AI 压缩的是旧优势，放大的是新稀缺。

这也是企业管理者最需要转变的地方。不要只盯着哪些工作被 AI 做掉，而要看哪些能力应该被重新分层。基础动作可以下沉，专业判断必须上移；初稿能力可以普及，责任机制必须加强；信息差会被压缩，判断力、信任和组织学习速度会变得更稀缺。

企业要重组的不是“人”，而是“工作”

很多企业一谈 AI，就问会不会裁人、会不会替代岗位。这个问题当然现实，但它不是第一问题。第一问题应该是：工作本身要不要重组？

如果过去一个完整工作包由一个专业岗位完成，未来它可能会被拆成四段：

这就是工作重组。

以市场研究为例，过去可能需要市场部或外部咨询团队完成资料搜集、竞品分析、趋势判断、报告撰写。现在，AI 可以先完成资料整理和初步框架，业务人员可以形成 80 分初稿，市场专家再进行判断校正，最后组织把有效方法沉淀成模板、知识库和 Agent 工作流。

这时企业管理的重点就变了。过去是分配岗位，现在是拆解工作；过去是问谁负责，现在是问人、AI、专家和组织系统分别负责哪一段；过去是管理部门边界，现在是管理任务边界、判断边界和责任边界。

这也是为什么我一直强调，AI 落地不能只停留在工具培训。如果没有工作重组，AI 只是在旧流程上提速；只有把工作重新拆解、重新组合、重新定义责任，AI 才会进入组织能力。

HRD 最该警惕的，

不是员工不会用 AI，而是还在用旧能力标准

这件事对 HRD 的冲击非常大。

如果 AI 把大量 60 分、70 分工作推到 80 分，HRD 就不能只组织员工学工具、学提示词。真正要做的是重写能力标准。

未来一个岗位的能力，不能只写“熟悉某某工具”“具备某某经验”“能够独立完成某某工作”。它必须拆成四类：传统专业能力、AI 调用能力、人机协同能力、结果判断能力。

传统专业能力，是这个人是否懂业务、懂客户、懂流程、懂规则。AI 调用能力，是这个人是否能把任务转化成 AI 可以执行的问题。人机协同能力，是这个人是否能把工作拆成人、AI、专家共同完成的流程。结果判断能力，是这个人是否能识别错误、校验质量，并承担责任。

如果 HRD 不重写这套标准，企业就会出现一个很大的错配：员工的能力已经被 AI 放大，但组织仍然按旧岗位评价他；工作已经被 AI 重组，但绩效仍然按旧职责验收；专业能力已经部分下沉，但授权和责任仍然停留在旧边界。

这不是培训问题，而是组织系统问题。

HRD 进入 AI 转型主流程，不是因为 HR 要变成技术部门，而是因为能力定义、岗位边界、学习系统、绩效责任，本来就是组织管理的核心。如果企业不重写这套系统，员工用 AI 越多，组织反而越容易失去对能力、质量和责任的真实把握。

企业真正的护城河，

不是拥有 AI，而是重组工作的速度

如果 80 分能力正在普及，那么企业之间的差距会从哪里拉开？

不是谁先买了工具，不是谁的员工更会写提示词，也不是谁把 AI 培训做得更热闹。真正的差距在于：谁能更快把 AI 带来的能力压缩，转化为工作重组、流程重构、知识沉淀和责任机制。

换句话说，AI 放在旧流程里，只是提效；围绕 AI 重构工作，才是战略。

企业要做的不是让每个人都零散地用 AI，而是回答四个问题：

当一个企业能持续回答这些问题，它的护城河就不再是某一个专家、某一套软件、某一批数据，而是组织自身的进化能力。

给企业的三个行动建议

第一，做一张“80 分工作清单”。不要一上来讨论哪些岗位会消失，先列出公司里大量重复、标准、知识型、分析型、可语言化的工作，判断哪些已经可以被 AI 推到 80 分。这张清单会帮助企业看清，AI 首先改变的不是组织架构图，而是日常工作包。

第二，重画“人机专家分工图”。把每项工作拆成 AI 可完成、员工可完成、专家必须判断、组织必须沉淀四类。这样企业才知道哪些能力可以下沉，哪些能力必须上移，哪些地方需要授权，哪些地方必须审计。

第三，重写岗位能力矩阵。未来岗位能力不能只看经验年限，而要看这个人能否调用 AI、编排工作、判断结果、承担责任，并把经验沉淀进组织系统。真正的 AI 能力，不是“会用工具”，而是能够在人机协同中完成更高质量的工作。

写在最后

王坚教授说，一个行业会变成每个人的技能。李晋教授讲，大压缩时代，AI 会把很多技能快速推到 80 分段。

这两句话合在一起，对企业管理的启发非常清楚：AI 不是让每个人都成为专家，而是让大量 80 分工作变成每个人都可以调用的能力。

一旦 80 分工作普及，企业真正要重组的就不是某个岗位，而是工作本身：哪些能力下沉给个体，哪些能力上移到专家，哪些流程交给 Agent，哪些责任必须由组织承担。

所以，AI 时代企业真正的管理命题，不是“员工会不会用 AI”，而是：当每个人都拥有过去一个行业的一部分 80 分能力之后，企业如何重新定义工作、专业、岗位和责任？

这才是组织变革真正开始的地方。