未来的岗位说明书，要写清楚3件事

作者：老贾 责编：贾宁

来源：笔记侠（ID：Notesman）

导读：大多数的公司只走到了AI的5%。

霍夫曼如是说。他是领英联合创始人、OpenAI早期投资人及Anthropic间接股东。

不是50%，不是10%。是5%。

今天这篇内容，会拆解里德·霍夫曼的访谈和他那本《AI赋能》，希望对你有所启发。

一

AI,救不了旧公司

霍夫曼在这场访谈里，对“什么是AI公司”做了一个很硬的区分。

买AI公司、拥有算力叙事、把业务包装成AI基础设施，都不能自动证明一家公司真的具备AI能力。

今天太多公司正在犯同一种错：把AI当成效率插件，却没有把它变成自己的业务能力。

买了几个AI软件，用AI写几篇文章，接入大模型客服，也不会因此完成智能化转型。

AI能力，不是贴标签贴出来的，得真正长在业务里。AI如果只停在聊天框里，最多是个人效率工具，只有进入业务链条，它才可能变成组织能力。

很多企业的AI转型看起来热闹，结果很浅。员工确实在用AI，但各用各的工具，各写各的提示词，各踩各的坑。半年之后，公司没有新的流程，没有新的数据资产，也没有形成新的组织能力。

面子上洗得很新，但里子还是旧公司。

霍夫曼把这个状态叫“只走到了5%”，他的逻辑是：人们现在看到的编程能力、代码生成只是一个入口，背后是通用推理能力的全面释放，但大多数公司连入口都没真正跨过去。

二

AI原生公司

要重做3套系统

1.判断系统

所谓判断系统，就是公司决定做什么、不做什么、先做什么、后做什么。

应该把AI放进高频判断现场。

开战略会之前，AI可以整理行业变化、竞品动作、政策信号、客户反馈和财务数据，形成多种假设；

做产品决策之前，AI可以把客服记录、销售反馈、用户行为、竞品功能和毛利结构放在一起，帮团队看见需求背后的真实优先级。

过去很多的所谓“直觉准”，本质上是长期经验形成的模式识别。

AI暂时还不能替代这种经验，但它可以提前把信息摆出来，把盲区照出来。

2.人才系统

霍夫曼谈到年轻人时说，他们不该只想让自己不被AI替代，而要想办法被AI放大。

未来公司看一个人的价值，不能只看他会不会完成过去那个岗位的标准动作，要看他能不能带着AI完成更复杂的任务。

一个市场，如果他能用AI拆竞品、找素材、测标题、改脚本、复盘转化，他就不是普通执行者，而是一个小型内容系统。

一个销售，如果他能用AI研究客户、模拟异议、生成方案、复盘丢单，他就能更快进入高质量销售状态。

霍夫曼甚至预测，将来“个人独立贡献者”这个概念会消失。每个人都将以一批AI为工具组合开展工作。

工程师不再是坐下来一行一行写代码，而是像乐团指挥，同时调度二十甚至更多个AI编程智能体，通过语音指令分配任务、交叉验证、整合结果。

所有公司的岗位说明书都要重写，过去的岗位说明书写职责，未来的岗位说明书要写清楚三件事：这个岗位要做哪些判断，要掌握哪些AI工作流，要对哪些业务结果负责。

3.数据系统

很多公司不是没有AI意识，是没有让AI发挥作用的基础材料。

客户数据在销售手里，交付数据在项目经理手里，投诉数据在客服系统里，合同数据在法务电脑里，财务数据在表格里。

中小企业不一定要一开始就做庞大的数据中台，但至少要建立最小可用的数据系统。

客户从哪来？为什么成交？为什么流失？

交付成本花在哪？投诉集中在哪些环节？利润真正来自哪些产品？哪些员工能持续产出结果？

这些信息必须被记录、连接和复盘。

AI需要上下文，组织的数据就是上下文。没有上下文，AI无法理解你的公司。

三

不要搞“AI运动”

从一个高价值场景开始

霍夫曼在访谈里还提到，OpenAI和Anthropic并不是只能活一个。

这个判断背后有一个值得企业家学习的竞争观：AI时代不是所有人都去抢同一个入口，而是每家公司都要重新找到自己的生态位。

如果你的优势是渠道，AI应该进入客户识别和触达；

如果你的优势是专业知识，AI应该进入知识生产和交付；

如果你的优势是供应链，AI应该进入预测、排产和协同；

如果你的优势是品牌，AI应该进入用户理解和内容表达。

AI时代，每家公司都要重新想清楚，自己到底靠什么赢。

这也是为什么“AI转型”不能做成全公司运动，口号越大，越容易变成组织表演。

更好的做法，是从一个高价值场景开始，选一个足够具体、足够痛、足够能衡量结果的业务问题。

销售线索转化低，就围绕线索评分、客户研究、方案生成和跟进复盘做一个闭环；

内容生产慢，就围绕选题、素材、初稿、编辑、分发、数据复盘做一个闭环：

交付质量不稳，就围绕需求确认、风险识别、过程记录和售后反馈做一个闭环。

一个场景跑通之后，再复制到下一个场景，这样做看起来慢但更稳。半年之后，公司留下的是一套可以持续进化的AI工作流。

结 语

去现场看见

才有真正的判断力

霍夫曼后来把精力投向Manas AI，和癌症研究者悉达多·穆克吉一起做AI药物发现。

这个动作很有意思，AI最有价值的地方，往往不在最热闹的工具层，而在产业深水区。那里有复杂问题，有高价值判断，有长周期验证。

真正值得投入的事情，不是追逐每一个新工具，而是在自己的具体业务里，找到那个最贵、最慢、最难、最需要判断的环节。

版权声明：部分文章推送时未能与原作者取得联系。若涉及版权问题，敬请原作者联系我们。