第十二章 改造·当"人才"不再只指人——人机协同如何改造 HR3.0 的因果骨架
12.1 改造的是范围，不是因果
上一章，我们把 HR3.0 整座大厦立了起来：一套懂业务的 CVSEF，一座把业务翻译成组织与人才的 BOT，一组把动作落地的五大核心手段。方法论这块地基，已经打得很牢。可是，就在地基落成的这一刻，一个更尖锐的时代问题也同时顶到了眼前：HR3.0 最初搭建的，是"纯人"组织的因果基线——它默认"人才"这个词，指的就是一个个活生生的人。那么，当 AI 大规模进场之后，这个默认还成立吗？
答案，是不再成立。而这一章要做的，不是推倒 HR3.0 另起炉灶，而是顺着这个"不再成立"，做一场精细的改造。我先把改造的总原则，钉在题眼上：这一章改造的是范围，不是因果。这句话要拆成两半来读——"范围"，指的是"人才"这个词的边界；"因果"，指的是 HR3.0 那条从 C 通往 F、从业务通往人才的因果骨架。前者，必须扩展；后者，一毫也不能动。用大白话说：拳法不用换，只是练拳的人里，如今多了一大批 AI 拳手。
为什么因果骨架不能动？因为因果骨架，是这门生意"为什么能成"的底层逻辑，它不因执行者是人是 AI 而改变。一门生意要赢，仍然必须先想清楚服务谁（C）、交付什么价值（V）、靠什么系统与运营兑现（S、O）、换来什么结果（F）；一个组织要配人才，仍然必须先读懂业务、识别能力、再落回人才配置。这条因果链，AI 改变不了，也替代不了——AI 可以替你做成千上万件事，却无法替你回答"这门生意凭什么能成"。所以，改造只能在范围这一层做，而不能在因果这一层动刀，这个次序，一分一毫都不能颠倒。
那"范围"到底扩展了什么？说穿了，就是一个词：从"人才＝人"，变为"人才＝人＋AI 的混合体"。过去我们谈人才，谈的是人的技能、人的动机、人的可塑性；如今，一个组织的数据与知识里，已经从中生长出一批 AI 能力体——它们能写、能算、能抓取、能按规则运转，甚至能承担一部分曾经必须由人来做的执行。那么，它们算不算这个组织的"人才"？我的答案是：当它们被接进因果链、真正替这条链产出价值时，它们就不再只是工具，而是这个组织人才版图里实实在在的一格。
有人可能心生警觉：把 AI 算作"人才"，是不是在抬高机器、贬低人？恰恰相反。把 AI 纳入"人才"的版图，不是贬低人，而是把人和 AI 都真正摆到该有的位置上，去重新界定各自的因果贡献。一旦 AI 进入"人才"这个筐，HR 就得对 AI 像对人一样做能力盘点、做缺口分析、做配置校准；人也因此更像人——那些 AI 做得了的重复劳动从肩上卸下来，人才有余力去扛起 AI 扛不起的因果判断。改造的目的，从来不是"用什么取代人"，而是"划清什么该由谁扛起来，才好把人和 AI 配成一台更大、更稳、更高效的机器，共同去逆熵"。对，回到本书反复出现的那根主线——逆着熵增的方向，一代代把组织的秩序做出来。
为了让你对"改造范围、不动因果"这句话的边界，抓得更牢，我再做一个极端的对排。想象两个组织：一个把 AI 当作廉价劳动力，雇来的人只是它按下确认键的手，一切判断都丢给机器——它看起来革命得彻底，实则把"谁来做因果判断"这件事拱手让给了算法，因果骨架被掏空，人成了旁观者；另一个组织坚定地守着那根因果链，把 AI 请进来顶住重复，同时把人武装成握着方向盘的指挥官——它看起来保守，实则每一步都踩在"人是妖"这条底线上。哪个更能对齐这门生意的因果？答案不问自明。改造的门槛，不在"用不用 AI"，而在"用 AI 时，人把自己放在链上的哪一头"。这一条，是全章都要回来反复叩问的主心骨。
所以，这一章接下来的四节，就是对 HR3.0 这条因果骨架，一节一节地施加这场"范围改造"：先看 CVSEF 怎么变，再看 BOT 怎么变，再看五大手段怎么变，最后用麦克斯韦妖收住全盘。你会发现，骨架还是那座骨架，只是每一环里，都多了一种叫 AI 的新主角——而它们如何安放，正是 HR3.0 走向 AI 时代最重要的一道功课。也正因为这一切只是"扩容"而非"重建"，HR3.0 在纯人时代积累的那套因果功底，才能在 AI 时代一分不少地继承下来、继续发光。
12.2 CVSEF 的变化：系统里住进了 AI Agent 群
我们从头最上游的 CVSEF 看起。上一章的 HR3.0，第一步就是让 HR 用 CVSEF 读懂业务因果。那么，当 AI 进场之后，这台读了这么多年业务的仪表盘，它的灯是会更亮，还是会更暗？我直接给出结论：CVSEF 的五根杆一根不少、因果方向一根不乱，变的只是——这根因果链上，不少环节多了 AI 在里头干活。
具体怎么变，我们分开看。最显眼的变化，落在 S（系统）上。过去谈起"系统"，我们脑海里多半跑过的是部门、流程、机制、协作——那张把价值持续交付给客户的组织之网。而 AI 时代，这张网上冒出了一层新的住户：AI Agent 群。它们不是抽象的"数字化工具"，而是能自主领任务、按规则执行、在链上互相咬合的一群智能体。你几乎每天都能在真实系统里撞见它们的身影：客服入口那个秒回、能查单、能转接的智能体，是它；营销后台那个批量产出、自动排版的脚本群，是它；供应链那头盯着库存、到点了就自动补货的调度模块，也是它。S 上多出这样一层，意味着什么？意味着"把价值持续做出来"这句承诺，从"靠人扛"变成了"人＋AI 一起扛"——原本排队等人做的需求解析、自动回复、文案初稿、数据初筛，现在能让 Agent 群先顶上去，人退到关键处去做判断与把关。系统的承载力，因此实实在在地上了一个台阶。
再往深里看，变化的还不止 S 这一根杆。CVSEF 背后那条"行为—成果"的链，你会发现它的行为主体，也不再只能是人。还记得前面反复强调过：CVSEF 不是五个孤立的指针，而是一条 C→V→S/O→F 的因果链，链上的每一步，都由若干"行为"把上一环的因果推到下一环。过去，这些行为只能由人去执行；如今，相当一部分行为可以由 AI 来完成，甚至由 AI 做得更快、更稳、更少犯错。行为主体里多了 AI，因果链一根不断，但执行的密度与速度，都被放大了一档。
那么问题来了：行为主体变成了 AI，人在这条链上的价值，是不是就被挤掉了？我的回答，恰恰相反。正因为 AI 抢走了链上那些"确定性最高、重复度最高"的行为，人才第一次被逼着回到链上那个真正无可替代的位置——做判断。AI 可以快速出十版文案，但哪一版调性最对、哪一版切中客户那一刻的处境，是由人拍的板；AI 可以按规则分发工单，但这一单该不该接、要不要破例，是由人拿的主意。人让出来的那一部分，恰好是 AI 一直在假装的因果判断；而人守住的这一部分，才是因果链上镇店之宝。所以 CVSEF 在 AI 时代的变化，表面是"链上多了 AI"，本质是"把人的因果价值，从低处抬到了高处"。
这里还得补一句，避免误读：S 上多了 AI，不等于 S 就自动变轻、变好。系统里住进一群 Agent，系统反而更稠密、更复杂了——它们之间如何分工、如何交接、如何对齐，本身就需要新的机制去管。换句话说，AI Agent 群不是凭空长出来的，它是被设计、被编排进系统的；而编排它们的那双手，仍然是组织里人的判断。所以 S 的变化，表面是"多了一层住户"，里子是"系统设计这件事，跟着被人机协同重新做了一遍"。S 上的 AI 越多，越不能松掉那颗由人握着的编排之钮。
这里还有一层容易被忽略的深意，值得单独点一句：CVSEF 五根杆的次序，在 AI 进场后不但没乱，反而更加不能被乱。你也许会想，AI 已经这么强，能不能让财务（F）反过来倒推其他环节，账上缺钱就让 AI 去压系统、缩价值？答案依然是那句老话——账从来不是源头。AI 能帮你更快地看账、更快地算账，却无法替你回答"这笔账是从哪一根因果上长出来的"。C 定义我们在服务谁，V 定义我们交付什么，S/O 定义我们凭什么做出来，F 定义这一切成不成——这条从 C 流向 F 的方向，是因果，不是偏好；AI 越强，越要守住这个方向，否则再快的机器，也只是在一根错链上加速奔逃。CVSEF 这一根没变，恰恰是整个 HR3.0 在 AI 时代不塌方的定海神针。
12.3 BOT 的变化：人才配置变成"人＋AI 混合配置"
CVSEF 读懂了业务，接下来要过 BOT 这座桥，把因果翻译成组织与人才。那么，当"人才"从人扩展到"人＋AI 混合体"，BOT 这座桥会怎么改？
我先说最本质的一点：BOT 的骨架一样不动。业务设计→组织能力识别→组织设计→人才配置——这条 U 形翻译链，一环不减、次序不乱。原因和上一节讲的是同一个道理：组织能力是从"业务要赢"反推出来的，它不因执行者是人是 AI 而改变；组织设计是从能力倒推出来的，逻辑同样成立。真正要变的，是它最后一环——人才配置，也就是那个"落到人"的出口。
过去的人才配置，默认的对象是纯人：这个岗位需要什么样的人，人的现状如何，缺口在哪，怎么补。而 AI 时代，人才配置的宾语，从"人"变成了"人＋AI"。这意味着什么？意味着配置清单上，不再只有"招什么样的人、培养什么样的人"，还要加上一列全新的问题——哪一段任务交给 AI 更划算、哪一段必须留给人、人和 AI 的配比该怎么定。配置的对象多了 AI，配置的动作就不再只是招人与育人，还包括接 AI、调 AI、把 AI 的能力映射到组织的任务上去。
于是，这里就长出一个全新的、以前根本不存在的维度——人机比例。它几乎成了 AI 时代人才配置最核心的一个增量变量。同一个业务设计、同一组组织能力，你可以用"人重、AI 轻"的方案去配，也可以反其道而行之。而每一个不同的配比，都是一套不同的组织方案、一群不同的配置组合。换句话说，上一章我们说 BOT 的价值在于从"唯一解"走向"竞争性策略"，到了 AI 时代，这个"竞争性"又被放大了一轮：同样一根因果，如今能长出的可选方案更多了，因为多了一个可以自由调节的人机比例旋钮。
把"人才配置变成人＋AI 混合配置"这句话，再用一个具体场景照一遍，你就清楚了。假设一家公司的业务设计，是要把"极致的客户响应"做出来。按 HR3.0 的老路，你要配一群人：响应快的坐席、能一眼看穿客户真问题的骨干、敢于当机立断的决胜者。而现在，出路多了一条：你可以把"接单、分流、初筛"这些高频重复的环节，交给一支 AI Agent 群去顶住，把人的响应重心从手脚解放出来，专攻真问题的判断与拍板，让每一次转接都既快又稳、不留死角。于是同样的业务因果，演化出两种截然不同的人才方案——一种人重、一种人机配置合理。两种都能打赢，但成本结构、反应速度、扩张弹性，天差地别。这就是人机比例这个新旋钮，给人才配置带来的真正杀伤力。
这里要特意提醒一句：混配，不等于乱配，更不等于"AI 越多越好"。什么样的任务该交 AI、什么样的判断非人不可，背后有一条清晰的分界线——凡是"确定性高、重复度高、可以规则化"的任务，交给 AI 更划算；凡是"面对不确定、需要价值判断、一旦错了后果很重"的活，仍然非人不可。这条分界线不是偏好，是因果：把 AI 塞进它做不好的因果判断，是把利器用错了地方，一样要出事。所以，BOT 的最后一环，既是配置人，也是配置 AI，更是"在人与 AI 之间，划出一条因果上说得过去的分界线"。配得好，是两翼齐飞；配得糊涂，是两败俱伤。
还要再往下走一层：这个"人机比例"，不是画一次就定死的一个静态数字，而是一支可以随因果状态随时微调的旋钮。业务在变，任务的确定性在变，AI 的能力在涨，组织当下缺人在哪——这些都会让同一个岗位上最优的人机配比，在几个月里悄悄位移。上个月要靠人扛的那段任务，这个月 AI 已经够格接过去了；上季度的分界线，下季度可能就要重画。所以，"人＋AI 混合配置"的真正功夫，不在"定"而在"调"——组织要有一双持续看着这条链的眼睛，边跑边校准，让人机配比始终贴着当下那根因果走。这也是 HR3.0 从"一次定型"走向"常转常新"的又一个落脚点。
带着这支可以微调的旋钮往回看，你会更懂上一章那句"从唯一解到竞争性策略"的分量。过去的人才方案，往往是一套标准答案：这个岗位就该招这样的人。而 AI 时代，同一根业务因果能长出的方案，从"几套人方案"一下子裂变成"人方案×人机配比"——组合的复杂度陡增，竞争性策略的空间也陡然放大。谁更早学会在"人＋AI"的坐标系里配人，谁就握住了对手还不大会用的那支杠杆；谁还把人才配置死死钉在"招人"两个字上，谁就只能眼睁睁看着对方的组织，用一半的人、几分之一的成本，跑出自己跑不出的速度。
12.4 五大手段的变化：从岗位到任务技能，从能力模型到混合映射
桥架好了，最后要看动作怎么落地。HR3.0 的五大核心手段，是那组把一切翻译成日常动作的工具箱。AI 进场，工具箱的零件要换一批，但箱子的骨架、使用的手感，还是要保留。我们挑最要紧的三样，逐一拆开来看它们如何被改造。
第一样，是"岗位"概念的改造——从"岗位"走向"任务＋技能＋AI 任务分配"。 还记得第十章说的"岗位之死"吗？静态岗位那口容器，装不下流动的任务。到了 AI 时代，这件事被推到了极致：既然任务天天重组，AI 又快得能瞬时响应，那 HR 就不能再死盯着岗位说明书招人配人，而要把目光移到更细的颗粒——任务与技能上。你把任务拆出来，哪些给 AI、哪些给人、需要人具备哪些技能才能接得住 AI，就成了比"为某个岗位招个人"有用得多的动作。岗位还在，但它已经从天花板，降格成了任务组合里的一个临时配方。用前面那个文案的例子再看一遍：过去你为"资深文案"这个岗位招人，看的是文字功底、五年经验；如今你真正要配的，是一组任务——起题、判断选题、校调性、把 AI 的产出钉回品牌目标。这组任务拆开，人到人与 AI 之间怎么分，比"招不招得到一个资深文案"更值钱。岗位从命题，退成了这组任务的默认答案之一。
第二样，是"能力模型"的改造——从"人的能力"走向"人的能力＋AI 能力映射"。 过去的能力模型，画的是一个个人的技能图谱。如今，你要画的不只人的能力，还要画 AI 的能力，并把两边映射到同一张任务地图上：哪个任务命中人的强项、哪个任务命中 AI 的强项、哪些能力要人重拾、哪些能力可以放手交给 AI。这张能力地图的目的，已经不再是人分类，而是在人的能力与 AI 的能力之间，做一次动态的匹配与再平衡。分类的时代过去了，映射的时代到来了。
第三样，是"绩效"的改造——从"考人的绩效"走向"考人机混合的绩效"。 规矩变了，绩效的归因就变了。一个客户问题被几分钟搞定，究竟是人的判断值钱，还是 AI 的响应值钱？一套文案打出了意向，是 AI 的产出有功，还是人的取舍有功？过去绩效只考人，如今大家是一条链上的协作者，绩效就必须面向人机混合去分账——既评人的判断，也评 AI 的输出，更评两者咬合得紧不紧。把功劳错归给 AI，人会寒心；把功劳错归给人，AI 的优化方向就会偏。分账分得清，才是人机协同能长期转下去的前提。
这三样变化，表面看是三个工具在换零件，骨子里却是同一种转身：HR 的手，正在从管人，伸向管人机协同。五大手段是一组工具箱，没提到的那一两件，同样要跟着转身——比如组织设计方法，过去按"岗位"画架构图，如今要按"任务流＋能力簇"去排布人机单元；比如双指标人才数据分析，过去只称人的产出，如今要同时称人的判断质量与 AI 的运行效能。不管哪一件，方向都是一致的：从"一把尺子量人"走向"两把尺子，人机各一把，再合成一把大局的秤"。我们挑出的这三样，不过是这场转身里最典型的三个缩影。
只盯着人，你的工具箱就会漏掉 AI 这个当仁不让的主力；只看 AI，你又会忘掉 AI 永远做不了的那个判断。五大手段还是一组工具箱，只是里面每一件工具，如今都要长出两只手——一只牵人，一只牵 AI。牵不好，人是人、AI 是 AI，各干各的，熵增依旧；牵得好，人和 AI 咬进同一根因果链里，才真正配得上"人机协同"四个字。
12.5 麦克斯韦妖收束：人是妖，AI 是妖手里的筛子
改造讲到最后，该把这根线收一收了。顺着 CVSEF 的变化→BOT 的变化→五大手段的变化一路走下来，你可能会有点眼花：又是多一层 AI Agent 群，又是多一个混配的旋钮，又是换一整套工具零件——HR3.0 这是要被掀翻了吧？我要郑重地把那句话再钉一遍：骨架一分没动，动的只是范围。而这一节，我要用全书的那个设喻，把"骨架不动的根由"，再讲透一层。
还记得第二章登场的那位麦克斯韦妖吗？在热力学里，它是一个守在出入口、能把速度快慢不同的分子分拣开、从而在混乱中一点点造出秩序的神秘存在。我们在全书里说，企业就是一台逆熵的机器，靠着甄别与分拣维持有序；而那位在混沌里做甄别分拣的妖，才是逆熵的真正主角。现在，把它请回到 HR3.0 的改造现场，你会看到一句话砰然落地：人是妖，AI 是妖手里的筛子。
这就是我要收束的那一根线。AI 进场之后，最容易让人眩晕的一句话是"AI 什么都能干"——它能写、能算、能抓取、能快速响应，看起来本事无限。可你再仔细想想：AI 干的所有这一切，是不是本质都还停留在"按规则分拣"这一层？出十版文案，是分拣；自动分流工单，是分拣；对数据做初筛，还是分拣——AI 是最锋利、最快的一把筛子，但它筛出来的每一粒，朝哪个方向用、落在哪一罐里、哪一种看起来不错才是客户真正要的，这一连串决定，筛子自己做不了。那把筛子握在谁手里、往哪个方向筛、筛完怎么用，才是逆熵那句真功夫所在；而握住筛子、做定向甄别的那只手，恰恰是人，也始终只能是人。
所以，AI 越是无所不能，人的那一下因果判断，就越不能松手。AI 能加速你的实践——响应更快、产出更多、试错的循环更短，这是真真切切的增益，我们绝不小看它；但 AI 加速的，永远只是"筛"，只是"做的密度与速度"。而"该不该筛、往哪儿筛、筛出的是不是真秩序"，仍要由那只握筛的手来拍板。正因如此，本书反复强调：AI 让你跑得更快，但它不能替你看清方向。这套逻辑落到 HR3.0 身上，就是：AI 可以把人才配置下的每一个动作都放大加速，但"这门生意要赢、就得配成什么样"的因果判断，永远归人。
落到组织的日常里，这个"人是妖"的分工，要怎么落成实动作？说穿了不玄：一是方向上的判断坚决归人——客户要什么、业务往哪走、组织配成什么样，这些定调的话不能甩给机器，每次决策都要有人为那根因果背书；二是细节上的执行痛快交 AI——那些能规则化、重复化的动作，毫不犹豫地让 Agent 去跑，把人从手脚的疲惫里解放出来；三是两端之间留一道校准机制——定期回看"交给 AI 的，是不是仍是它可以胜任的；留在人手里的，是不是仍是它该守护的"，让这条分工线随外部变化常对、常新。三件事一摆，人机和各干各的熵增，自然就退让给了一体协同的秩序。别小看这看起来朴素的落法——能把简单动作不接水地重复下去，本身就是逆熵最实在的功夫。
把这句话推到组织层面，你会看到 HR3.0 改造完成后的那幅完整图景：CVSEF 上多了 AI 的身影，BOT 里多了人机比例这支旋钮，五大手段里多了两掌配一双，但整条因果链的罗盘，始终握在人手里。人和 AI 咬合在同一根因果链上，各司其职：AI 负责那把筛得又细又快的筛子，人负责握筛、定向、落子。这份人机合力逆熵的姿态，就是 HR3.0 在 AI 时代被改造之后，应该长成的样子。而这幅图景要想真正转起来，还需要一样东西兜底——一套能让它不断校准、不断推进的机制。翻到下一章，我们就来讲这套机制，它有一个名字，叫业务敏捷。