AI应用推动管理职能转型与技能需求变化
Alekseeva, L., Azar, J., Giné, M., & Samila, S. (2026).Artificial intelligenceadoption and the demand for managerial expertise.Strategic Management Journal, smj.70099.https://doi.org/10.1002/smj.70099
研究摘要：本文探讨了企业采用人工智能 (AI) 与对管理人员及管理技能的需求之间的关系。作者们利用基于 Lightcast 招聘信息的技能型 AI 采用率指标，发现 AI 采用率较高的企业发布的管理职位空缺数量更多，且此类职位空缺的比例也更高。这种关系在制造业和研发投入较高的企业中最为显著。此外，AI 采用率的提高还与管理技能需求的转变相关，即企业更注重人际交往和成长型技能，例如利益相关者管理、创造力和销售管理，而减少了对预算、规划、员工管理和客户服务等常规行政技能的需求。总体而言，研究结果表明，管理角色正在重新配置，以增强在 AI 赋能环境下实现规模化、协调和适应的能力。
管理摘要：随着人工智能 (AI) 在企业中日益普及，管理者和高管面临着一个实际问题：管理角色将如何变化？利用2010年至2022年美国招聘信息数据，作者们发现人工智能应用程度较高的公司对管理岗位的需求相对更高，尤其是在制造业和创新型公司中。作者们还发现，人工智能应用程度的提高与管理者职责的变化密切相关。需求从预算和规划等常规行政技能转向与增长相关的技能，例如销售、创造力和利益相关者管理。总体而言，证据表明，企业越来越重视与规模化、协调和组织适应相关的管理岗位。
关键词：人工智能、管理者、组织变革、技能、技术采纳
企业如何组织起来以创造和获取新技术带来的价值是战略管理中的一个基础性问题（Henderson & Clark，1990；Milgrom & Roberts，1990；Teece et al.，1997）。以往的技术浪潮表明，信息处理能力的改变不仅影响企业的生产力，也影响其内部组织。例如，信息和通信技术（ICT）的采用重塑了企业的决策架构和层级结构，这凸显了知识组织与权力组织之间的密切联系（Bloom et al.，2014；Garicano，2000；Rajan & Wulf，2006）。如今，人工智能（AI）代表着一个新的转折点，引发了关于企业如何重组以在数据丰富的环境中进行创新、制定战略和参与竞争的关键问题。然而，关于人工智能对组织的影响，特别是对管理者的角色和地位的影响，文献仍在争论不休（Csaszar et al., 2024; Lei & Kim, 2024）。
这场争论的核心在于人工智能的双重潜力：既可以自动化现有工作，也可以增强人类能力。这种矛盾是近期关于技术与工作研究的核心议题（Johnson & Acemoglu, 2023; Lei & Kim, 2024; Raisch & Krakowski, 2021）。一方面，人工智能可以自动化诸如监控、调度和资源分配等日常管理任务，这暗示着一种替代路径（Kellogg et al., 2020）。另一方面，人工智能可以通过增强现有任务并创造新的角色和职责来补充管理工作，从而可能提升人类监督的战略重要性（Hillebrand et al., 2025; Krakowski et al., 2023; Law & Shen, 2024）。迄今为止，这些相互竞争的压力所产生的净效应在很大程度上仍处于概念层面的争论中（Baumann & Wu, 2023）。虽然职业层面的研究表明，管理者极易受到人工智能的影响（Felten et al., 2021; Lane, 2024; Tolan et al., 2021; Webb, 2019），但现有文献尚未阐明企业如何重新设计组织结构和管理角色以应对人工智能的应用（Shrestha et al., 2019）。投资人工智能的企业需要更多还是更少的管理者？管理角色的性质又会发生怎样的变化？
作者们利用2010年至2022年美国大型企业年度面板数据来探讨这些问题。该面板数据是通过将Lightcast的在线招聘信息库（Carnevale等人，2014；Deming和Kahn，2018；Hershbein和Kahn，2018）与Compustat财务数据进行整合构建而成。该数据集使作者们能够衡量企业层面的人工智能应用情况，并考察其是否与管理岗位需求的变化以及管理者所需技能的变化相关，从而揭示企业如何从组织层面适应人工智能。
作者们采用数据驱动的技能共现方法，将企业年度招聘信息中与人工智能相关的部分占比来衡量其人工智能应用程度（AI Share）。该方法将招聘信息与机器学习等核心人工智能技能关联起来，从而识别出与人工智能相关的招聘信息。作者们以管理类职位招聘信息占比（经理人占比）来衡量管理密集度，该占比基于两位数的标准职业分类（SOC）代码11，同时作者们也追踪管理类职位空缺的数量。为了反映企业对特定管理专长的需求，作者们计算了管理类职位招聘信息中需求量大的技能和技能群的占比。由于职位招聘信息反映了企业对员工和技能的明确需求，无论职位最终是否被填补，因此它们能够及时反映不断变化的组织需求和角色要求。
作者们估计了公司固定效应回归，并辅以移位-份额工具变量（IV）设计（Adao et al., 2019; Bartik, 1991; Borusyak et al., 2022, 2025; Goldsmith-Pinkham et al., 2020）。该工具变量将公司历史（2010 年）的职业构成（“份额”）与随后国家层面的职业人工智能采用率随时间的变化（“移位”）进行交互。识别变异源于公司因既有劳动力结构而受到的职业层面人工智能采用冲击的差异性影响。虽然遵循 Borusyak et al. (2025) 的标准诊断检验支持该工具变量的有效性，但作者们无法完全排除违反排除性约束的可能性，因此不将工具变量估计结果解释为确定的因果效应。
作者们的估计表明，更高的人工智能采用率与更高的管理强度相关。在工具变量回归分析中，人工智能份额每增加1个百分点，管理者份额就会增加1.2个百分点（约7.5%），管理职位空缺也会增加约9%。这种关联性存在异质性：在制造业和研发投入较高的企业中最为显著，而规模较大的企业和数字化流程更为规范的企业则表现出较弱的关联性。作者们进一步记录了管理者所需技能的系统性转变——从预算和规划等常规行政能力转向销售管理、创造力和利益相关者管理等以增长为导向的人际交往技能——这与随着预测性任务自动化而发生的管理工作重构相一致（Deming，2017；Huang等，2019）。
本文对技术-组织协同演化的战略研究做出了两项贡献。首先，作者们提供了来自大样本、企业层面的证据，表明人工智能（AI）的广泛应用与更高的管理强度相关，并且这种关系因组织类型而异，在创新型企业和运营复杂的环境（例如制造业）中关联性最强。其次，作者们发现人工智能的广泛应用与管理需求技能内容的系统性变化相关，这种变化将重点从日常行政任务转向以增长为导向和人际交往能力。这些转变与人工智能赋能环境下规模化、协调和组织适应所需的专业知识相一致。这些发现共同修正了与早期自动化浪潮的类比，并为智能机器时代的组织设计提供了指导。作者们的工作是对Babina等人（2024）研究的补充，他们使用类似的数据研究了人工智能应用与企业增长和产品创新之间的关系。作者们通过考察企业如何利用组织机制（特别是人工智能应用如何与管理需求和技能构成相关联）来获取人工智能价值，从而扩展了他们的分析。
作者们的分析重点关注预测型人工智能技术的扩散——这些系统利用结构化数据和专门模型（例如机器学习、计算机视觉和自然语言处理）进行分类、预测和优化——在生成型或智能型人工智能工具广泛应用之前。这两代人工智能在重要方面存在差异：预测型人工智能通常自动化执行定义明确的分析任务，并且需要专门的技术人员进行部署；而生成型和智能型人工智能系统能够生成新颖的内容，进行开放式推理，并以截然不同的方式在组织角色之间重新分配认知复杂性（Hasan et al., 2025; National Institute of Standards and Technology, 2023）。因此，作者们的研究结果最直接地反映了预测型人工智能与管理需求和技能要求之间的关系，可能无法完全涵盖那些具有更大潜力来自动化沟通、综合或决策任务的新兴技术的影响。与此同时，预测型人工智能仍然被广泛应用，并持续影响着组织流程。因此，其影响很可能持续存在并与新兴的生成式人工智能技术相互作用，而不是被其取代。由此可见，作者们的研究结果为未来探讨不断扩展的人工智能能力如何进一步重塑管理角色奠定了基础。