AI的局限：HR如何在智能时代重塑人的价值

马兆远，牛津大学物理学博士，英国物理学会会士，南方科技大学工学院与商学院双聘教授，曾为中国空间站"天宫四号"设计世界上第一个空间冷原子实验平台。在上一本书《世界的逻辑》中，他从科学史的角度论述了"如何用理性应对不确定性"；而在更早的这本《人工智能之不能》中，他回答了一个更为迫切的问题：会存在一个超级人工智能系统吗？他的答案明确而坚定——不会。全书不局限于技术层面，而是回溯过去一百年物理学和数学的重大进展，从哥德尔不完备定理、量子力学、图灵机的计算边界等"本源性知识"出发，对完美、通用的强人工智能判了"死刑"。但这并非一本反技术的书——马兆远在结语中引用胡适的话"怕什么真理无穷，进一步有进一步的欢喜"，落脚于如何培养适应AI共生时代的新人类。对于正在被"AI+HR"浪潮裹挟的从业者而言，这本书提供了一种稀缺的清醒：知道AI不能做什么，才能知道人应该做什么。 一、"某些真理无法被算法表达"——HR决策中不可替代的"直觉洞察" 全书的哲学核心凝聚在一句话中："有些真理我们能够认识到，但不能为算法所描述。"马兆远通过哥德尔不完备定理论证：在任何包含基本算术的逻辑系统中，都存在既不能被证明也不能被证伪的命题；换言之，算法系统本质上是不完备的——总有一些"真"的东西，在算法的边界之外。这意味着人类的认知能力在原理上超越了任何算法所能描述的范围。 这一结论直击当下HR领域的"AI焦虑"。近年来，AI面试官、AI绩效评估、AI人才匹配等工具层出不穷，仿佛HR的每一个决策都可以被算法替代。但马兆远的论证提醒我们：HR中最核心的决策——这个人是否值得信任、这个团队是否有化学反应、这个人是否有未被激发的潜力——恰恰属于"能被认识到但不能被算法描述"的范畴。这些判断依赖于对情境的整体感知、对人性的深层理解、对组织文化的微妙体察——它们是"真"的，但不是"算法"的。盲目将这些决策交给AI，不是效率提升，而是判断力的放弃。 HR应用场景：人才评估与核心岗位选拔中的"人机分工"。 实际案例：某金融集团引入了一套AI人才测评系统，号称通过大数据分析可以精准预测候选人胜任力。系统上线半年后，HR总监发现一个反常现象：AI评分最高的候选人入职后表现两极分化——数据能力确实强，但团队协作和文化融入问题频出；而一些被AI评为"中等"的候选人，反而成为团队的中流砥柱。深入分析后发现，AI系统擅长捕捉可量化的能力指标（学历、技能测试、工作经历），但对"逆境韧性""文化直觉""人际温度"这些难以量化的特质几乎无感知。HR总监据此重新定义了人机分工：AI负责"可算法化的初筛"——硬性条件过滤、技能匹配、数据背调；人类HR负责"不可算法化的终判"——价值观契合度、团队化学反应、潜力评估。改革后，核心岗位选拔的准确率显著提升。马兆远的洞见在此得到验证：不是拒绝AI，而是清醒地划定AI的边界——让算法做算法擅长的事，让人做人才能做的事。 二、AI的"局限"——常识与学习的根本差异，HR需重新定义"人的能力" 第七章"人工智能的不能"集中讨论了AI在三个层面的根本性局限：深度学习的局限性、图灵机所不能超越的有限系统、以及最关键的——常识问题和学习问题。马兆远指出，AI缺乏真正的"常识理解"——它能处理规则明确的问题，但在面对规则模糊、需要情境理解的现实场景时就会束手无策。同时，AI的"学习"与人类的"学习"有本质差异：AI是在有限系统内的模式识别，而人类学习能够超越既有系统框架，实现范式跃迁。 这对HR重新定义"人的能力"具有战略级的指导意义。当AI已经能比人更快地处理数据、撰写报告、生成功效分析时，HR如果还在培养员工"记住更多知识""掌握更多工具"，就是在用人的短处去拼AI的长处。马兆远的论证指向一个清晰的结论：在AI时代，"人的能力"的核心不再是信息处理能力，而是AI所不具备的那三种能力——常识判断力（在模糊情境中做出合情合理决策的能力）、跨范式学习能力（在旧框架失效时创造新框架的能力）、以及问题发现能力（在所有人都在优化答案时，提出新问题的能力）。 HR应用场景：AI时代的胜任力模型重构与人才培养方向调整。 实际案例：某科技公司在全面引入AI工具后，发现传统胜任力模型严重失灵——模型中权重最高的"专业知识"和"数据分析"能力，AI已经能完成80%以上。HR团队陷入困惑：如果这些能力不再是核心竞争力，那什么才是？在阅读《人工智能之不能》后，HR总监带领团队重构了胜任力模型，将核心能力从"知识掌握"转向三个"AI不能"维度：情境判断力（在信息不全、规则模糊时做出合理决策）、创造性问题发现（不解决已有问题，而是发现尚未被定义的问题）、意义建构力（在复杂局面中为团队编织方向感和意义感）。他们设计了全新的培养项目：不再培训"如何使用工具"，而是培训"如何在工具失效时依然能判断和行动"。一年后，该公司的中层管理者在复杂决策场景下的表现评分提升了30%。HR总监总结道："我们过去在培养'更好的计算器'，现在终于开始培养'真正的人'了。" 三、"被标签定义的人生"与"问题驱动的学习"——AI时代的HR人才发展哲学 第十一章"创新和突破"是全书最具实践价值的部分。马兆远在这里提出了两个直击人心的概念：一是"贴了标签的人生"——指人在标准化的教育和评价体系中，被各种标签（学历、职称、岗位级别）所定义，逐渐丧失了自我突破的能力；二是"问题导向的学习"——指真正的学习和创新不来自对已有知识的重复，而来自对真实问题的追问和探索。他据此呼吁"新工程教育"——培养能够驾驭AI而非被AI取代的新人类。 这一观点对HR的人才发展实践具有深刻的反思价值。当前大多数企业的人才发展体系，本质上是一套"贴标签"系统：任职资格等级、能力模型九宫格、绩效等级分布、人才盘点标签（高潜/骨干/待改进）——这些标签固然有管理效率的价值，但马兆远提醒我们注意其副作用：当一个人被标签定义后，他的发展路径就被锁定了——"B级员工"不会获得挑战性任务，"非高潜"不会被纳入加速培养计划，而这些标签往往基于过去的绩效数据，与未来的可能性并无必然关联。在AI时代，最需要的能力恰恰是"超越标签"的能力——在角色转换中重新定义自己、在新问题面前快速学习。HR需要从"标签管理"走向"问题激发"。 HR应用场景：人才发展体系设计与高潜培养项目重构。 实际案例：某制造企业的人才培养长期依赖"九宫格盘点+分级培训"模式——高潜进"领航计划"，骨干进"远航计划"，普通员工进"护航计划"。三年下来，高潜池的晋升率确实高，但整个组织的创新活力不升反降——被贴"非高潜"标签的员工普遍进入"躺平"状态，而高潜员工在标准化的加速通道中也逐渐失去了探索未知的好奇心。HR负责人在接触"问题导向的学习"理念后，大胆改革：保留九宫格作为参考但不作为唯一依据，新增"问题挑战营"——每季度发布一个真实的跨部门业务难题，任何员工无论标签都可以组队挑战，挑战成果作为人才评估的重要补充。第一年就产生了惊喜：一位被贴了"待改进"标签的工程师，在问题挑战营中展现了惊人的跨界整合能力，带领团队解决了一个困扰技术部两年的工艺难题，此后被破格纳入核心人才计划。HR负责人感慨道："标签是过去的总结，不是未来的预言。马兆远说得对，问题导向的学习才是真正的学习——因为真实的问题从不看你身上贴了什么标签。" 结语 马兆远在全书结尾引用胡适的话："怕什么真理无穷，进一步有进一步的欢喜。"这句话放在HR语境中，别有深意。AI浪潮汹汹而来，HR从业者不必恐惧，也不必盲从。知道AI不能做什么——不能做出直觉判断、不能拥有常识、不能发现新问题、不能超越自身系统——我们就知道了自己不可替代的价值所在。当HR学会在AI的"不能"之处深耕——在算法够不到的人性幽微处倾听，在标签覆盖不到的真实问题中培养，在数据无法描述的价值判断里守护——我们就不再是被AI替代的焦虑者，而是AI共生时代的清醒驾驭者。这，或许就是"人工智能之不能"赋予HR最深沉的底气。 ——以上是走心读《人工智能之不能》的几点感悟，欢迎加入【走心HR读书会】，让我们一起阅读经典，遇见美好。