人效提升之后，人与企业的关系正在发生变化
如果把 AI 放进一家真实的公司里，第一阶段通常并没有那么戏剧化。
如果把 AI 放进一家真实的公司里，第一阶段通常并没有那么戏剧化。
可能只是销售开始让 AI 帮自己整理客户资料，工程师拿 AI 查旧项目，财务用它对账，运营让它批量处理一些内容。
事情确实变快了。
一些原来需要半天的工作，可能现在几十分钟就能做完；一些以前需要两个人配合的事情，一个人借助 AI 也能完成。
到这里，大多数人都会觉得：
这不就是提高效率吗？
我觉得问题恰恰是从这里才开始。
因为一旦一个人可以做更多事情，企业接下来一定会面对一个问题：
这些多出来的能力，最后到底属于谁？
它可以变成企业更多的收入，也可以变成更多利润，可以变成员工更轻松的工作，也可以变成更高的工作量。
甚至可能什么都不变，只是企业从此发现：
“原来这些事情，不需要这么多人做。”
所以我越来越觉得，AI进入企业之后，真正敏感的地方并不是“它能不能干活”，而是：
一个人的生产能力提高以后，企业和这个人的价值交换会发生什么变化。
以前，企业购买的是时间#
传统企业里，很多工作其实很容易用时间来衡量。
名义上，都是每天工作8小时。
但实际情况不完全是这样。
销售下了班可能还在回客户消息。
工程师夜里可能还在改问题。
客服跟着排班走，时间是碎的。
真正比较接近8小时的，可能是财务。
当然，真正的价值从来不完全等于工时，但企业管理通常还是绕不开这个尺度。
名义上你来上班这些时间。
公司按这个尺度给你工资。
你在这段时间里完成工作。
这套关系虽然粗糙，却相对容易理解。
但是AI进来以后，问题开始变得复杂。
因为名义上的8小时没有变，但一个人可能完成了以前16小时甚至更多的工作。
这时候：
时间没有变化，生产能力变了。
于是以前那种很简单的交换关系开始松动。
“我帮你把工作做快了”，并不等于“我的工作时间应该消失”#
假设一个业务员原来每天需要花两个小时整理客户资料、查产品参数、做报价。
AI以后，这些事情可能只需要半小时。
理论上，多出来的一个半小时可以拿去休息。
也可以拿去开发新客户。
也可以拿去维护老客户。
还可以让企业干脆减少一个销售。
从企业角度看，这三种选择似乎都合理。
但从员工角度看，它们完全不是一回事。
第一种：
工作少了。
第二种：
工作内容变了。
第三种：
原来的岗位没了。
而第四种情况甚至也可能出现：
工作没少，新任务又来了。
原来每天100个客户，现在200个。
原来每周5个项目，现在8个。
原来做完工作就可以下班，现在还要检查 AI 的结果。
AI 承担重复劳动之后，剩余的人可能同时承担原有工作、AI纠错和异常处理，所谓“减负”未必等于实际劳动减少。
所以我觉得，“AI让员工效率提高了”这个说法还不够。
我们真正应该问的是：
员工的生产率提高以后，他得到的到底是什么？
这个问题为什么容易让人不舒服#
因为企业和员工看的是两张不同的账。
企业看到的是：
一个员工现在能做更多事情。
员工看到的是：
我以前拿这份工资做这些工作，现在还是这份工资，但我要做更多事情。
这两个判断甚至可以同时成立。
企业可能没有恶意。
员工也不一定是在偷懒。
只是双方对“效率提升之后，应该发生什么”没有形成共识。
而现在大多数企业，本身就没有这个共识。
因为过去很少有必要提前约定：
如果一个人的效率提高30%，这30%应该怎么办？
这件事情在传统管理里没有特别明确的答案。
AI只是把这个问题突然放大了。
AI真正考验的，可能是企业的“价值分配逻辑”
我们经常说：
技术提高生产率。
但生产率提高以后，经济价值怎么走，其实有很多可能。
-
可能进入利润。
-
可能进入降价。
-
可能进入新业务。
-
可能进入工资。
-
可能进入奖金。
-
可能变成更短的工作时间。
-
也可能重新变成员工需要承担的更多工作。
所以：
生产率增长本身没有告诉我们红利最后去了哪里。
这也是为什么一些关于 AI 和劳动收入的研究，会出现看起来不完全一致的结果。
例如，2026 年一项基于企业数据的研究认为，AI采用与职业结构变化和劳动收入份额下降存在关联；另一项针对上市公司的研究则发现 AI 应用与劳动收入份额提高相关。两项研究使用的样本、企业范围和识别方法并不相同，因此不能简单拿其中一个结果去代表所有企业，但至少说明一点：AI提高生产率之后，工资和劳动收入并不存在一个自动的单向结果。
我个人反而觉得，这比“AI到底会不会让工资下降”更值得看。
因为真正的问题可能不是工资涨还是跌。
而是：
员工有没有分享到生产率的提升。
生产率提高30%，工资不变，到底算什么？
这其实是一个很难回答的问题。
假设一个人：
以前：
8小时 → 完成100单位工作 → 工资10000元。
现在：
8小时 → 完成130单位工作 → 工资10000元。
从公司看：
人效提高了30%。
从员工看：
工资没涨。
如果这130单位是因为 AI 帮助员工减少了大量机械工作，同时工作变得更有价值、更有成长空间，也许这不是坏事情。
但如果：
原来的100单位工作 + AI监督 + 新增30单位工作
全部都压在这个人身上，
那么“人效提高30%”可能只是一种管理语言。
员工真正感受到的可能是：
单位时间里的劳动更多了。
所以以后看 AI 对工作的影响，我觉得一个很值得关注的指标不是：
“一个人现在能做多少。”
而是：
“一个人为了完成这些事情，需要付出多少。”
还有一种情况更加微妙
AI可能并没有让员工明显更忙，也没有马上让员工涨工资。
它只是让企业发现：
“这个岗位原来需要两个人，现在一个人就够了。”
于是：
一个人留下。
一个人离开。
留下的人工资没变。
企业成本下降。
这时候从企业角度看，AI产生了很直接的经济价值。
但从员工角度看：
效率提升的一部分价值，是通过另外一个人的岗位消失实现的。
这并不意味着企业一定做错了。
如果原来的业务确实只需要一个人，继续维持两个人也未必合理。
问题在于：
这种岗位减少到底发生在什么情况下？
如果企业业务增长了，新岗位也在增加，AI只是减少了重复劳动，事情完全不同。
如果企业业务没有增长，竞争又很激烈，AI很可能就会被优先用于压缩人力。
所以我觉得：
AI本身并没有决定“提高人效以后怎么办”，企业的经营环境才会参与决定这个答案。
对中小企业来说，这个问题尤其现实
大公司可能还有：
人才转岗、培训、内部流动、新业务部门。
小公司没有这么多缓冲。
一个20个人的小公司里：
老板兼销售负责人。
销售兼客服。
工程师兼售前。
行政兼人事。
财务兼采购。
很多岗位本来就是混合型的。
AI一进来以后，很容易发生一种变化：
以前一个人负责五件事。
以后：
AI接管其中三件，
但剩下的两件恰恰是更难、更重要的事情。
于是表面上：
“这个岗位的工作少了一大半。”
实际上：
这个岗位剩下来的部分更需要经验。
这时候工资到底应该怎么算？
按照以前的岗位工资？
按照工作量？
还是按照结果？
传统的薪酬体系其实并没有很好地回答这个问题。
AI可能让“岗位工资”越来越不合理
以前很多企业发工资，很大程度上是：
这个岗位值多少钱？
销售多少钱。
工程师多少钱。
行政多少钱。
财务多少钱。
AI时代可能慢慢变成：
同一个岗位内部的任务结构已经完全不同。
两个都叫销售的人：
一个每天大部分时间还是在找资料、录数据、跟单。
另一个已经变成：
AI辅助 + 客户关系 + 方案销售 + 谈判。
两个人的实际价值可能已经发生明显变化。
但企业如果还是按一个统一的“销售工资”去处理，就会越来越不合理。
所以我觉得 AI 最终可能逼着中小企业重新思考：
工资到底是在为时间付钱，还是在为结果、能力和责任付钱？
答案可能不会完全转向结果。
因为结果本身也受市场、产品、团队和资源影响。
但“只按照岗位和工龄定价”可能越来越难覆盖 AI 带来的变化。
还有一个经常被忽略的问题：责任
这是我觉得 AI 进入企业以后很容易被低估的一件事情。
如果 AI 帮销售写了一份报价：
谁负责？
如果 AI 给工程师提供了一个技术方案：
谁负责？
如果 AI 给客服做了一个判断：
谁负责？
如果 AI 给财务识别了一笔异常：
谁决定是否真的有问题？
最后大概率还是人。
所以一个岗位虽然因为 AI 少做了很多事情，却可能承担了更多：
复核责任。
决策责任。
出错责任。
客户解释责任。
这就意味着：
工作量减少和责任减少，并不是同一件事。
甚至有时候恰恰相反。
这也是我不太相信“一个 AI 等于几个员工”这种说法的原因
假设一个 AI 能把100个普通咨询全部处理掉。
你可以说：
它替企业承担了一部分客服工作。
但你不能直接说：
它等于一个客服。
因为真人客服可能同时承担：
判断客户是不是大客户。
判断客户是不是在投诉前兆。
判断这件事情能不能破例。
判断承诺会不会造成损失。
对客户最终负责。
AI目前可以参与这些事情，但并不能因此自动拥有完整的责任能力。
所以我更愿意把 AI 理解成：
一组可以接管某些任务的生产能力。
而不是：
一个可以完整替代人的“数字员工”。
于是，人与企业的价值交换会慢慢出现一个新的问题
以前比较像：
企业提供岗位和工资。
员工提供时间和劳动。
以后可能越来越像：
企业提供 AI、数据、系统、客户和平台。
员工提供判断、经验、关系、责任和最终结果。
这就有意思了。
因为双方提供的东西都变复杂了。
而且 AI 可能同时改变两边。
它让企业：
少依赖一部分人的重复劳动。
但也让企业：
更依赖少数人的判断和责任。
它让员工：
少做一些机械劳动。
但也可能让员工：
必须掌握更多复杂能力。
所以 AI 带来的未必只是：
员工对企业依赖变小。
也可能是：
员工对企业掌握的数据、工具和客户资源更加依赖。
最明显的变化，可能发生在“不可替代性”上
以前，一个员工的重要性可能来自：
“只有我会。”
老板也没有办法。
但如果 AI 可以把：
工作经验、客户记录、历史方案、流程知识
一点点沉淀下来，
企业就可以减少：
对单个人的依赖。
这一点对企业其实非常有价值。
比如一个销售十年的客户关系，逐渐沉淀成公司数据库。
一个工程师十年的经验，逐渐变成企业知识库。
一个采购多年形成的供应商信息，逐渐进入系统。
从企业角度，这叫：
组织能力增强。
但从员工角度，它可能意味着：
个人稀缺性下降。
这并不一定不好。
因为一个人可以因此从：
“知识保管者”
变成：
“更复杂问题的解决者”。
只是这个过程不会自动发生。
真正决定结果的，可能是员工有没有“向上移动”
这是我目前比较倾向的一个判断，但也不敢说它一定如此。
如果 AI 拿走的是：
重复劳动。
而员工因此转向：
判断、关系、创造、管理、责任，
那 AI 更像是一次职业升级。
但如果 AI 拿走的是：
一部分重复劳动，
而企业没有创造新的工作内容，
那么释放出来的时间最终就只有几个去处：
少一些人。
或者：
每个人做更多。
或者：
工作时间减少。
或者：
工资增加。
现实里恐怕会是这些结果同时存在，只是不同公司比例不同。
所以我现在不太愿意把“AI减负”说成一件天然好的事情
因为：
减负本身不是结果。
减下来的劳动去了哪里，才是结果。
如果：
AI减少2小时重复劳动，
然后员工：
多做2小时新的工作，
那是一次任务重组。
如果：
AI减少2小时，
员工：
真少工作2小时，
那才是真正意义上的减负。
如果：
AI减少2小时，
企业因此：
少雇一个人，
那么这是一次组织结构变化。
如果：
AI减少2小时，
员工：
拿到了更多收入，
那又是另外一种分配结果。
所以我们以后看到任何“AI提高效率”的数据，我觉得都应该先停一下：
效率提高以后，下一步发生了什么？
这个问题可能最终会走到“谈判”
我这里说的“谈判”，不一定是正式的劳资谈判。
甚至在很多中小企业里，它可能只是老板和员工之间非常朴素的协商。
比如：
“这个 AI 用起来以后，你以后少做哪些事情？”
“哪些事情你需要继续负责？”
“新增的业务算不算你的绩效？”
“如果以后真的需要少一个人，是自然减员还是直接裁？”
“你花时间把知识库做起来，这算不算你的工作？”
这些问题如果企业不提前想，最终往往还是会通过：
KPI
加班
裁员
员工流失
核心员工不配合
这些方式被动解决。
我觉得 AI 最值得期待的，其实不是“少雇一个人”
而是：
让一个普通企业第一次有机会重新安排自己的工作。
以前一个企业如果想重新安排工作，经常意味着：
招人。
培训。
建部门。
买系统。
搭流程。
成本很高。
AI把其中一些成本降下来了。
这本来是一个很好的机会。
但这也意味着企业第一次真正面对一个更难的问题：
既然现在一个人可以做更多事情了，那么公司究竟准备让这个人获得什么？
更多收入？
更多业务？
更多成长？
更多责任？
更少工时？
还是仅仅：
更多工作？
我觉得现在还没有一个统一答案。
不同企业、不同业务、不同老板、不同员工，最后可能走向完全不同的结果。
但有一点我觉得越来越明显：
AI把人与企业之间原来相对稳定的那种价值交换关系，正在慢慢推向一个需要重新谈判的阶段。
过去，我们比较容易问：
“这个岗位值多少钱？”
以后可能越来越需要问：
“当这个人的生产能力发生变化以后，这个人和企业之间的交换关系还应该是什么样？”
而这可能会成为 AI 真正进入企业以后，比“裁掉多少人”更值得观察的一件事。