人工智能率先承接的是责任 而非取代人力

当AI不再局限于回答问题。它开始撰写邮件、核查账目、审核合同、修改代码，乃至独立完成客户工单处理。这看似岗位正逐一被蚕食。但这只是表象。

2025年被视为Agentic AI的落地元年。这一年，AI突破了对话窗口，进入了实际工作流程，开始深度参与企业运营。到了2026年，焦点从“AI能否完成某个工作流程”转向“AI能否承担某个职能角色”。这迫使我们必须重新思考组织架构的逻辑。

人们之所以相信AI会取代工作，关键在于预算考量。在企业内部，“替代”直接关联到财务数字。生产力工具的价值难以量化，但“减少五名员工”或“削减一半外包成本”这样的数字清晰可见。

Gartner统计表明，2026年AI Agent软件市场规模将达2065亿美元，2027年跃升至3763亿美元，相比2025年的864亿美元显著增长。资金正快速涌入Agentic AI领域。这并非源于对“生产力”的抽象信念，而是对“责任”的价值评估日趋明确。

关键不在于“工作”与“任务”的划分。工作涵盖期望、关系和判断的复杂组合，任务指可执行的操作，责任则关乎必须承担的成果。AI进入企业，首先承接的是责任：自动回复客户邮件、起草投标方案、定位代码缺陷。每次责任的转移都意味着原有岗位职责的重新划分。

这解释了为何许多企业的招聘规划在调整、岗位在缩减，但职位设置仍然存在。耶鲁大学管理学院的Sonnenfeld教授强调，Agentic AI首先对责任构成压力，而非对工作本身——代理能够自主将目标拆解为子任务，在有限人工介入下跨系统运作，其劳动效应并非直接替代工作，而是通过责任转移形成压力。预算决策者的考量很简单：若AI代理能完成原本外包的工作，这笔投入就值得。

责任转移并非零和博弈，而是组织能力重建的契机。能够重新设计责任分配的企业，将在效率、成本和竞争优势上与竞争对手拉开距离。

责任转移的基础是上下文理解。AI代理处理客户投诉需要掌握历史沟通记录，审核合同需要了解公司的审批流程，修复缺陷需要理解代码库的设计逻辑。缺乏上下文，代理只能反复查询Slack、工单系统、CRM来整合信息——这在业内被称为token-maxing。

这部分成本被严重低估。开源工具分析表明，AI代理在单次会话中重复读取同一项目文件，每次消耗5000至20000个token。更关键的是，这不仅浪费计算资源，还浪费时间并增加响应延迟。

结构化记忆正在扭转这一困境。2026年5月，腾讯开放了TencentDB Agent Memory。测试结果表明，多任务连续会话中Token消耗最高降低61%，成功率相对提升52%。在代码修复场景中，Token消耗降低33%，完成率提升10%；长期记忆模块将AI对用户画像的识别准确率从48%提升至76%。腾讯采用四层记忆架构——原始对话层、原子记忆层、场景归纳层、用户画像层——使代理能够跨会话保持状态，无需每次重新开始。

数据层面的影响已延伸至财务领域。一家公司的CEO透露，其组织内部的Token支出已超过人力成本的15%。他强调：“Token已成为衡量组织效率和品质的关键指标。”这表明Token不再是单纯的IT支出，而是预算中的一项独立项目。

从“模糊的生产力提升”转向“可量化的成本管控”，这正是共享记忆的战略价值。企业无需说服CEO“购买更优的记忆系统”，只需说明“现在每个代理每次执行任务都在重复消耗Token，启用记忆系统可节省61%的成本”。这是CFO能够理解的语言。

共享记忆的价值远不止于此。在销售团队中，AI可依据客户沟通记录自动生成续约风险评估报告；在技术支持中，AI能基于已处理的工单提供精准的排查建议；在工程团队中，AI代理可在通读整个代码库后直接给出重构方案。统一的记忆层是实现上述所有场景的基础设施。

责任可以转移，但责任本身不能消失。这是AI时代最根本的准则。

2025年，杭州互联网法院审理了中国首例“AI幻觉”侵权案。用户梁某向AI咨询高校报考信息时，AI不仅提供了错误信息，还自信地承诺“若内容有误愿赔偿10万元”，甚至建议用户起诉。法院最终判决：AI不具备民事主体资格，其生成的承诺不能代表企业的意思表示；责任归属应适用过错责任原则，而非无过错责任。

此案的结论很明确：法律层面，AI不能成为责任的终点。企业部署AI代理时，必须确保可追溯、可审计、可控制——为每份合同、每项承诺、每次状态变更建立完整的证据链。访问控制同样是刚性要求：AI代理能访问哪些数据？能执行哪些操作？必须在明确的边界内运行。

Claude Code的设计体现了这一理念。开发者设定目标和审查标准，执行循环独立运行——代理执行任务，工程师对交付的代码承担责任。代理可以承担越来越多的执行责任，但人类在最终输出上保留否决权和所有权。

从任务自动化到工作流程自动化的升级，扩大了问责的挑战。过去是“人操控软件”，现在是“AI操作系统内部数据，跨应用执行完整流程”。工作流越复杂，错误风险越高，监督机制的设计就越关键。德勤中国的报告明确指出：即使任务由AI完成，最终责任仍然由人类承担。管理者需要对“人+AI”的协同产出结果负责，问责机制必须相应重建。

这意味着企业不能在制度层面敷衍。每个AI代理的部署必须同时明确三个问题：谁对结果负责？证据存放在哪？权限边界在哪？缺少任何一个答案，问责体系都是不完整的。

当AI开始承担责任，组织形态必然随之改变。岗位边界正在模糊，团队模式正在被重新定义。

泛微的招投标中心是一个典型案例。原来需要五六十人轮班作业的部门，现在精简至一人。这个人的职责不再是通宵制作标书，而是监控数据和流程进行迭代和确认。支撑这一转变的是300多个可落地的AI应用场景——覆盖市场、销售、合同、采购、财务、人事、行政等十六大核心业务，全部实现“开箱即用”。这不是削减所有人，而是让一个人借助AI完成原来一个团队的工作量。

更激进的变革发生在Meta。2026年5月，Meta启动大规模AI重组，计划将7000名员工调往AI相关部门，撤销部分管理职位，构建更扁平的组织架构。约20%的员工受到影响，核心目标是开发可自主执行工作的AI代理。多数部门已引入“AI原生设计原则”，小型团队拥有更高的自主权和决策效率。这场转型的关键信息不是“谁被裁员了”，而是“什么样的组织被淘汰了”——管理幅度受限于人力沟通的组织，正在被由AI原生设计原则驱动的扁平化结构所取代。

BCG在2026年5月发布的《AI组织坍缩效应》报告中指出，部门壁垒正在消失，翻译型岗位正在衰退。当Agent能够同时理解财务、HR、法务等多职能规则时，信息不对称带来的“信息税”被压缩到最低。中层管理者过去依赖信息不对称而获得的隐性权力，正在被AI绕过。

人类角色的转型同样明确：从直接执行者转向管理者与责任人。德勤中国的报告强调，未来人类的核心职责包括为数字员工设定目标和边界、从过程管理转向结果监督、对人机协同结果负责。管理者需要设计监督框架，而不只是盯过程。

招聘策略和能力要求也发生了根本变化。出门问问在向AI Native组织转型过程中，全员从约222人缩减至150人，但人均营收从54.2万元飙升至97.8万元，员工总成本从8100万元降至4190万元。李志飞明确指出，未来最需要的是“全栈”能力——能理解AI、能与AI协作的“超级个体”。即便非研发人员，也需要掌握一定的研发能力。

绩效考核体系也在变化。传统的KPI体系基于“人完成的事”，但新的体系需要同时衡量人类员工和AI代理的产出。李志飞提出，AI可以自动评价员工的表现——因为它能看到非常具体的指标：工程师是否在写代码、产品经理是否按时发布。Token消耗量甚至成为组织效率的度量衡之一。

混合人机组织的治理挑战同样不容忽视。当AI代理成为工作流的参与者，治理框架需要重新设计：谁审批AI的部署？谁监控AI的行为？谁处理AI造成的失误？Gartner的调查给出了一个警示性发现：约80%的试点企业在部署AI后进行了人员削减，但削减并未转化为投资回报——获得高ROI的企业和收益平平的企业，裁员比例几乎相等。Gartner分析师明确表示，裁员可能创造预算空间，但不创造回报；真正提升ROI的企业，不是消除人的需求，而是通过加大对技能、角色和运营模式的投资来放大人类的作用。长期来看，AI会创造更多工作——到2028至2029年，AI将是一个净就业创造者。

企业需要一套务实的评估方法，核心问题是三个：现有责任成本是多少？存在什么风险？上下文需求有多大？如果某项责任的人力成本高、出错代价大、上下文反复丢失，这就是AI代理介入的优先入口。

存在两种常见的误解。一种是“AI马上要消灭所有工作”，另一种是“AI只是生产力工具”。前者制造恐慌，后者低估变化。更有效的沟通方式是采用责任中心化的决策语言：把问题从“AI能不能取代这个岗位”转化成“这项工作里的哪几项责任可以由AI代理承担，成本和风险如何评估，预算应该落在哪个部门”。Liability始终留在人类和企业一方，但这不意味着责任本身不能重新分配。

AI责任时代的组织竞争力，最终将取决于一个核心能力：设计责任分工的速度和质量。在AI代理日渐成熟的背景下，那些能够快速识别哪些责任可以转移、哪些必须保留、如何设计监督机制的企业，将获得持续的优势。

从焦虑转向行动，需要的不是对AI技术的追捧或恐惧，而是对企业责任分工的系统设计。Token已经成为新的生产力度量衡，共享记忆正从“加分项”变成“标配组件”，问责机制的完善正在倒逼组织架构的重塑。最终，谁会赢？不是最早部署AI的人，而是最懂如何设计新责任分工的人。