最近有三组数据，放在一起看，比单独看任何一组都更有意思。
01 工具发下去了，岗位没动
第一组，来自脉脉刚发布的 2026 年 AI 岗位与企业管理变革报告：91.08% 的人说用了 AI 之后产出增加，但只有 31.77% 的人说工时减少了。销售类 AI 岗位薪资溢价 27.80%，运营类 20.30%，HR 类 17.50%。34.09% 的公司已经针对员工 AI 能力动了管理动作，其中 22.63% 把 AI 能力纳入了绩效考核。
第二组，来自 Moka 的《2026 中国企业 AI 组织转型能力报告》：80.2% 的企业，还没有从 AI 的角度系统盘点过岗位任务；79.5% 的企业里，AI 仍然只是"偶尔用用的效率小工具"；72.3% 的企业，没有因为引入 AI 做过实质性的组织架构或岗位调整。
第三组最能说明问题：71.5% 的企业无法量化 AI 带来的业务结果，只有 2.3% 能把它归因到关键业务指标；69.2% 没有把 AI 应用系统纳入目标绩效体系，只有 25.9% 的 AI 表现，真正影响过评级、奖金或晋升。
这份报告还把转型阻力最大的四个维度排了序：岗位协作重构、目标绩效牵引、AI 角色定位、组织形态。四个全都不是技术选型，全都是要重新分配权力和利益的地方。
钱到位了，工具到位了，培训也搞了。岗位和考核，一步没动。
02 那个坑，叫把 AI 当工具配发
多数企业的标准动作是四步：买工具、发账号、搞培训、在考核表里加一条"积极使用 AI"。这四步都不难。
难的是第五步，重画岗位。而这一步，恰恰是 80.2% 的企业没做的那一步。
考核"用没用 AI"，本质上是考勤。它一定会长出三种变形：为用而用，明明手写更快也要过一遍 AI；数据很好看，业务指标纹丝不动；员工心里犯嘀咕，用得越顺手，越像在证明自己可以被替代。
第三种最致命。9 月 13 日发布的 2026 年企业管理最佳实践榜，23 个上榜案例里有一个共同动作：这些企业在推进 AI 时，刻意不让员工和管理者产生"用了 AI 就会被替代"的感受。原因很朴素，抵触一旦产生，项目就做不下去了。
AI 不是发给员工的工具，是要写进岗位定义的产能。
03 三步，把 AI 从工具变成产能
第一步，盘点岗位任务，不盘点工具。
选一个试点部门，把每个岗位一周的工作拆成任务清单，标成三类：AI 可以独立做、人机协同做、必须人做。别全公司铺开，先盘一个部门，两周出结果。一家 AI 原生企业的产品经理，交付物已经从 PRD 文档，变成了用 AI Coding 直接跑通的代码。这句话的含义是：一个岗位值多少钱，不再由"做了哪段专业动作"决定，而由"把结果推进到了哪里"决定。
第二步，考核结果，不考核使用率。
换三个口径：交付周期（原来几天，现在几小时）、单位人效（同样的人多做多少）、一次通过率（返工率降了多少）。写进试点部门的季度目标，和奖金挂钩。前面那组数字要记牢：只有 25.9% 的企业，AI 表现真的影响过评级奖金晋升。AI 的价值之所以"看不见"，是因为评价体系里压根没给它留位置。另外，产出变多的人有九成，工时变少的只有三成，所以别急着承诺"上了 AI 就减人"。第一轮红利是交付速度和交付量，不是工时。承诺错了，信任就崩了，而信任崩了比不上 AI 更贵。
第三步，给 Agent 一个工位。
54.69% 的公司提供 AI 工具，只有 29.52% 提供 API 预算或 token 额度。这是典型的给枪不给子弹。Agent 要真正上岗，得有三样东西：预算，能花钱调用；权限，能进业务系统读数据；知识库，能吃到公司自己的 know-how。缺这三样，员工手里的 AI 就只是一个聊天框。再配一条硬标准：判断一个人会不会用 AI，看他能不能让 Agent 自主工作超过一小时。能做到，说明他不只是会调工具，还会定义目标、设计约束、做结果校验。目前只有 27.01% 的人单次运行超过一小时，16.59% 超过两小时。
04 三个判断，给正在拍板的你
一，第一轮红利落在产出，不落在工时。先接住产能，再谈编制。把省下来的时间拿去做原来做不了的事，比急着算能减几个人划算得多。
二，溢价最高的是销售、运营、HR，不是算法岗。这本身就是答案：AI 的价值在业务侧，离客户越近，溢价越高。经营者的注意力应该放在业务流程上，而不是模型排行榜上。
三，拉开差距的，是组织能不能消化。苏莱曼讲过一句我很认同的话：他看到的成功组织，不是模型最好的那批，而是当模型告诉他们流程有问题时，真的把流程改了的那批。有研究测算，重构快的头部企业，三年积累的专有反馈数据是同行的 3.1 倍。这个东西买不来，也抄不走。
05 我自己的一本账
两个月业余时间，我写完了一本自传，开发完一套课程，把个人网站做到上线。我儿子前后只花了不到 5% 的时间，但没有这 5%，我三年也做不出来。这句话我一直讲，因为它说明 AI 是有门槛的，门槛不在会不会提问，而在能不能把业务拆清楚、把结果校验到位。
更实在的一次，是我带着十来个岗位一起上 AI。结果是分化的：设计、文案、剪辑、PPT、报表、数据分析这些对内提效的场景，效率提升几十倍到上百倍；打通数据孤岛的业务财务一体化系统，让我每天打开驾驶舱就能看清经营全貌，哪个业务员赚多少、亏多少，一清二楚。但 AI 外呼、AI 获客这两个对外建立信任的环节，效果一直不明显。
同样是 AI，一边几十倍，一边没起色。差别不在模型，在于前者是"人指挥机器干活"，后者是"机器替人建立信任"。
所以我的结论一直没变：AI 强在对内提效，弱在对外建立信任；真正的护城河，是业务 know-how 加 AI，不是模型本身。
岗位不重画，考核口径不改，Agent 不给工位，你买的就只是一堆账号。
