IT组织架构看不见的AI隐性工作危机

当前关于AI与就业的讨论，大多聚焦于哪些岗位会消失。但在IT部门内部，更紧迫的问题是：工作量正在悄然激增。随着AI能力向技术栈各层渗透，它将工作拆解成了大量新型、边界模糊的技能需求——这里需要提示词工程，那里需要编排调度，中间还夹着模型评估。这些需求与现有岗位、汇报关系或招聘框架都难以对齐。

最终的结果，是大量隐性劳动的积压。那些关键却未被明确界定的工作，被已经超负荷运转的团队默默承接，既绕开了正式的职责归属，也逃出了传统人力资源规划的视野。对于CIO而言，风险不仅仅是技能缺口，更是一个运营模式的失效——这个模式已经无法有效看到、衡量或管理大规模运行AI所需的工作。

尽管各组织的AI实施方式各有不同，但它们对IT工作的影响几乎是普遍性的。

"AI系统打破了所有权的边界，"普华永道工程经理Sridhar Rao Muthineni表示。

他解释说，一个模型的行为横跨训练数据、提示词、基础设施、验证、治理和用户界面多个层面，因此"一旦出了问题——比如某个面向客户的模型产生了错误的金融建议——没有任何传统意义上的单一负责人能被追责，因为每一层都参与其中。"

诊断问题：AI不只是技术栈中的又一层

这种状况虽然可以理解，但它在AI实施的问责制、责任归属和权威链条上留下了一个巨大的空洞——而AI本身又是持续演进的系统，这让问题更加难以解决。

"AI不是一次部署，它是一个活的系统。它会漂移，会以隐蔽的方式出错，需要持续的人工判断。高管们看不到技能缺口，是因为那些工作根本不可见，"咨询公司NOBL的CEO Bud Caddell说道。

组织内每个部门都在努力使用AI，而其中相当一部分并不清楚该向IT部门的哪个人寻求帮助。例如，Coupa近期的一份报告显示，在接受调查的600位CFO中，85%认为AI是其战略核心，然而92%的人对自身的实施能力感到担忧——这一比例相较去年的66%大幅上升。

组织漂移最清晰的信号，通常始于领导层——AI能力建设的归属尚未明确，导致各项举措缺乏主管机构。部门不只是缺少技能，更缺乏一扇进入IT、寻求AI支持的清晰"前门"。结果是，AI不再是一个集中式职能，它无处不在，又无处可寻，清晰的升级路径随之消解，各业务单元在"谁负责结果"这个问题上只能猜测。

而问题的核心，当然是AI对既有商业运营方式的颠覆。

Masud表示，传统IT角色是为确定性系统而设计的——代码做你让它做的事。AI打破了这一模式，需要新的角色、对邻近角色的更新，以及那些"仍然认为这只是技术栈中又一层"的人在思维方式上的转变。

Caddell的诊断是："组织架构图将职责映射到技术层，但AI不遵守这些边界。"在实践中，数据团队不理解模型，应用团队不理解数据，安全团队总是最后才被拉进来——而没有人对结果负责。"这不是职位描述的问题，这是工作流程的问题，"Caddell说。

CIO的两难困境

即便深入研究AI归属问题以寻求解决方案，也会引入更多复杂性。

"它在一定程度上是流程问题，在一定程度上是职位描述问题，但归根结底，这是一个运营模式问题，"医疗IT咨询公司Pivot Point Consulting投资组合服务合伙人Zack Tisch表示。

AI工作往往作为附加任务压在现有IT团队身上，"制造了瓶颈、隐性产能问题，以及关于谁承担风险、谁负责结果的混乱，"Tisch说。

这种组织层面的混乱，让CIO陷入了两难：如何管理局面，使其在每个层级、每个部门都能运转？第一步，也许是重新定义问题本身。

"问题不在于AI不符合组织架构图，而在于组织架构图不适合AI，"麻省理工学院斯隆管理学院高级讲师、前NASA戈达德航天飞行中心高级顾问Paul McDonagh-Smith说道。

"传统组织结构是为一个筒仓世界而建——各自独立的职能，边界清晰，交接规范，层级体系用于控制信息向上流动、决策向下传达。而今天，我们试图用一张为'墙'而画的地图，去导航一个'流'的世界，"McDonagh-Smith说。

CIO可以采取的行动

重新思考势在必行——甚至可能需要对工作进行彻底重组。McDonagh-Smith认为，关注点应从层级结构转向智能如何在团队中流动。

然而，如何将这一理念转化为现实中的IT运营，目前仍不明朗。

"领先的CIO们正开始将其视为一门运营规范，而非仅仅是一次技术部署，"文档管理系统供应商M-Files首席产品与技术官Tony Grout表示。这意味着在集中治理的同时，赋能分布式执行——通常通过AI运营、模型治理委员会或跨职能AI团队等新兴职能来实现。

"他们也在投资于评估、监控和数据准备工作的标准化框架，以避免每个用例都从零开始。目标是通过建立共享的护栏和可见性来减少碎片化，同时仍然允许边缘处的创新，"Grout补充道。

为AI重新绘制一张组织架构图或许是必要的，哪怕只是为了厘清工作在业务中如何流转。

"最强的CIO在为治理、评估和安全制定共享标准，同时围绕高价值用例构建跨职能团队，"AI原生网络IaaS供应商Alkira的CTO Atif Khan表示。这通常采用"中心辐射型"模式，由中央团队负责制定政策和架构，领域团队负责执行。

无论各公司以何种方式应对这一问题，问题与答案之间的根本鸿沟依然存在。

"将AI工作套用到现有角色上，只是在掩盖缺口，而非弥合缺口。应该从审计开始：AI在哪里运行，谁在做这些工作，什么工作被遗漏了，"为英国学校提供IT支持的Classroom365总监Mark Friend说道。

Friend表示，大多数CIO在审计后都会大开眼界。他补充说，实际可行的下一步是建立一个小型跨职能AI运营职能——不是新建一个部门，而是一个专注的小组，明确负责治理、提示词管理和输出评估。

"在我们支持的学校里，效果最好的情况，是有人被赋予了正式的AI负责人角色，并拥有实际的专属时间——而不是作为副业在推进。这种单点所有权带来的改变，比我们见过的任何工具采购都要显著，"Friend说道。

Q&A

Q1：AI隐性劳动危机是如何在IT部门产生的？

A：随着AI能力向技术栈各层扩散，工作被拆解成提示词工程、模型编排、输出评估等大量新型技能需求，这些需求与现有岗位和汇报关系都难以对齐。关键工作被超负荷团队默默承接，既没有正式归属，也逃出了人力规划的视野，形成大量不可见的隐性劳动积压。

Q2：CIO应该如何应对AI工作归属不清的问题？

A：专家建议CIO将AI治理视为运营规范而非单次技术部署，集中治理的同时赋能分布式执行。可以建立AI运营职能小组或模型治理委员会，制定评估、监控和数据准备的标准化框架。同时建议先进行审计，厘清AI在哪里运行、谁在做这些工作、哪些工作被遗漏，再设立有专属时间的正式AI负责人角色。

Q3：为什么传统组织架构图无法适应AI工作模式？

A：传统IT角色是为确定性系统设计的，代码执行结果可预期，职责边界清晰。而AI系统横跨训练数据、提示词、基础设施、验证、治理和用户界面多个层面，出问题时无单一负责人，且系统会持续漂移演进。传统层级架构无法处理这种跨边界的"流"式工作，导致数据、应用、安全等团队各自为政，无人对最终结果负责。