作者：智力银行（Jointng.Bank），2026-03-21
引言：当“成本单位”开始平移
AI大规模使用的分水岭已经到来。当绝大多数组织完成了“有没有用AI”的初始普及，竞争悄然进入下一个阶段：谁能用更低的综合成本，实现更高的组织效能。
这个“成本”的内涵正在发生根本性变化。过去我们谈降本增效，分母是“人力成本”——工资、福利、管理损耗；现在，分母必须同时容纳“Token成本”——算力、上下文长度、API调用费。当人力和算力在同一张损益表上并列，HR管理的底层逻辑就不得不被重新审视。
但在一次深入的跨领域探讨中，来自HR实践、AI技术、管理会计、组织行为学等领域的专家们，共同对我最初的“Token效率至上”的简化逻辑提出了质疑。这些质疑汇聚成一个核心洞察：AI时代，HR不能只做成本的“精算师”，更要做智力资本的“架构师”。
这个认知跃迁，正是本文试图展开的主题。
一、重新定义智力资本：AI时代的三个维度
传统的人力资源管理将智力资本分为三个层次：人力资本（员工的知识、技能、能力）、结构资本（组织的流程、数据库、文化）和关系资本（客户关系、品牌声誉）。AI的大规模使用，正在对这三个层次进行深度重构。
1. 人力资本：从“经验存量”到“人机协同能力”
过去，人力资本的核心是“这个人知道什么”。经验、学历、过往业绩，是衡量人力资本价值的主要标尺。AI时代，知识本身正在贬值——因为AI可以调用人类几乎所有的显性知识。
新的人力资本核心正在浮现：“这个人如何与AI协同创造价值”。
这包括三个递进的能力层次：
- 基础层：指令能力——能够用精准的指令，让AI高效产出符合预期的结果。
- 进阶层：流程设计能力——能够设计人机协作的工作流，让AI在最合适的环节介入，人类在最需要判断力的环节把控。
- 高阶层：问题定义能力——能够拆解模糊的业务问题，界定问题的边界，判断哪些部分适合交给AI、哪些必须由人主导。
值得注意的是，这三个能力层次并不直接等同于“写Prompt的技术能力”。技术专家提醒我们，模型在快速迭代，今天“省Token”的技巧，明天可能一文不值。真正抗技术迭代的，是底层的问题拆解和流程设计能力——这正是AI时代人力资本最核心的组成部分。
2. 结构资本：从“固化流程”到“动态知识资产”
过去，结构资本体现为制度、手册、标准操作程序。这些是组织沉淀下来的“静态知识”。AI时代，结构资本正在向“动态知识资产”演变。
最具代表性的形态是：提示词库、人机协作SOP、微调模型、知识库RAG系统。这些不再是“写在纸上的流程”，而是“可运行、可迭代、可复用”的数字资产。
组织行为学专家提出了一个关键警示：如果每个员工都把自己的“低Token秘籍”藏在个人笔记里，组织将失去知识沉淀的能力。一旦关键员工离职，他的“秘籍”也随之消失，组织陷入重复发明轮子的困境。
因此，AI时代的结构资本建设，核心任务是将个人的AI能力转化为组织的AI资产。这不仅是技术问题，更是管理问题——需要设计激励机制，让员工愿意分享、愿意贡献、愿意将个人实践沉淀为组织知识。
3. 关系资本：从“人际信任”到“人机互信网络”
关系资本的传统内涵是组织与外部利益相关者之间的信任关系。AI时代，一个新的维度正在浮现：组织内部的“人机互信网络”。
当员工越来越依赖AI完成工作，一个微妙的问题出现了：员工对AI输出的信任度如何？过度信任会导致盲目采纳AI的错误结论（AI幻觉），过度怀疑则会让AI的价值无法充分发挥。财务专家指出，这种“信任错配”本身就是一种隐性成本——员工花大量时间纠正AI的错误，或者因为不信任而重复验证AI的正确结果。
建设健康的人机互信网络，需要组织在结构资本层面提供支持：明确AI适合做什么、不适合做什么，建立验证机制，培养员工对AI输出的批判性判断力。这既是对人力资本的要求，也是对结构资本的设计。
二、AI大规模使用前后：HR思考的三个转变
基于上述对智力资本的重新定义，我们可以梳理出HR在AI大规模使用前后的三个关键认知转变。
转变一：从“岗位思维”到“任务思维”
过去： HR的核心工作是设计岗位、定义职责、评估岗位价值。每个岗位对应一个“人”，人的成本是工资。
现在： 岗位正在被拆解为“任务单元”。有些任务适合完全交给AI（如数据提取），有些适合人机协同（如初稿撰写+人工润色），有些必须由人主导（如关键决策、情感沟通）。
这意味着HR的思考框架需要从“这个岗位需要什么样的人”转变为“这些任务如何以最低的综合成本完成”。综合成本=人力成本+Token成本+管理成本+风险成本。
这个转变并不等同于“用AI替代人”。恰恰相反，它要求HR更精准地理解人的独特价值在哪里——判断力、创造力、共情力、责任感——然后将AI配置在能够放大这些价值的环节。
转变二：从“效率考核”到“效能适配”
过去： HR的绩效考核关注“这个人做了多少”，用产出量衡量效率。
现在： 效率依然是重要的，但必须放在“适配”的框架下审视。
AI技术专家提醒我们，Token消耗与产出质量并非单调关系。在高精度要求的场景（如法律文书、医疗诊断），多用Token提供更丰富的上下文、更严谨的思维链，反而能大幅降低后续的人工复核成本。反之，在低风险场景（如内部数据汇总），过度“奢侈”的Token消耗就是浪费。
因此，HR需要建立分层考核逻辑：
- 执行/操作层：可以考核“单位产出成本”（含工资+Token），因为工作边界清晰、重复性高。
- 专业/创造层：重点考核最终交付物的质量和业务影响，不过分干预过程。
- 管理/战略层：考核“杠杆效应”——能否通过设计工作流、搭建AI工具，提升整个部门的人效。
这种分层设计，既回应了技术专家的“场景差异”关切，也回应了组织行为学专家的“创新抑制”担忧。
转变三：从“成本控制”到“能力投资”
过去： HR被视为“成本中心”，核心职能是控制人力成本、控制编制、控制预算。
现在： 当Token成为新的生产要素，HR的角色正在向“能力投资”转变。这个转变包含两个层面：
第一，投资于“抗折旧的能力”。 财务专家提醒我们，技术迭代会导致技能快速折旧。今天熟练掌握某个AI工具的人，明天可能面临工具升级后的重新学习。因此，HR应该优先投资于那些“抗迭代”的能力——问题拆解、逻辑思维、跨领域迁移——而不是仅仅投资于“某个工具的使用技巧”。
第二，投资于“组织的AI资产”。 结构资本的建设需要前期投入：搭建内部提示词库、开发微调模型、建立知识库RAG系统。这些投入在财务上可能归为研发费用或资产摊销，但HR需要推动业务部门认识到：这不是“额外成本”，而是“资本支出”。正如过去企业投资于培训体系、知识管理系统一样，今天需要投资于AI资产的建设。
三、前瞻性HR策略：构建AI时代的智力资本
基于上述分析，HR可以着手构建以下四个前瞻性策略。
策略一：建立“人效预算池”，从微观控制转向宏观赋能
组织行为学专家批评“Token配额”式的管理容易催生斤斤计较的文化。更优雅的做法是：给予团队“人效预算池”，包含人力成本和AI工具成本的总和，让团队负责人自主决定如何配置资源。
这种做法的优势在于：
- 将“控制”转化为“赋能”，保留基层的灵活性和自主性。
- 引导管理者进行系统性思考——是加一个人，还是加Token预算？哪个方案的边际收益更高？
- 将成本意识从“个人层面”上升到“团队层面”，避免微观管理带来的负面文化。
策略二：建立“AI资产库”，将个人能力沉淀为组织知识
针对“个人秘籍 vs. 组织资产”的矛盾，HR需要推动建立：
- 内部提示词库：按场景分类的优质提示词模板，供全员复用。
- 人机协作SOP：哪些任务适合用AI、用哪个模型、如何验证输出。
- 微调模型池：针对组织特定业务场景训练的模型，作为公共资产。
- 最佳实践案例库：员工分享的“如何用AI解决某个业务难题”的真实案例。
关键在于，HR需要设计激励机制：贡献优质AI资产的员工，应该在绩效考核中获得认可。这既是对分享者的激励，也是对知识沉淀文化的引导。
策略三：重构能力模型，聚焦“抗迭代的核心素养”
AI时代的能力模型不应再是“掌握XX软件”或“熟悉XX技术”，而应聚焦于：
- 问题定义能力：能够将模糊的业务需求拆解为清晰、可执行的任务。
- 逻辑判断能力：能够识别AI输出的合理性与局限性，做出准确判断。
- 人机协同设计能力：能够设计人机协作的工作流，让AI和人的优势互补。
- 持续学习能力：能够快速适应新工具、新模型，保持能力更新。
这四种能力有一个共同特点：它们不依赖于某一特定AI工具，而是底层的心智模式和思维方式。无论底层技术如何迭代，这些能力都具有长期价值。
策略四：建立“AI伦理与信任机制”，防范隐性风险
HR专家和财务专家都提到了AI使用中的潜在风险：法律合规、数据安全、信息泄露、AI幻觉导致的决策失误。
前瞻性的HR需要与法务、IT、业务部门共同建立：
- AI使用分级制度：明确哪些场景可以使用公开AI、哪些场景必须使用私有化部署、哪些场景禁止使用AI。
- 输出验证机制：针对高风险场景（如合同审查、财务分析），建立强制的人工复核流程。
- AI使用透明度要求：员工在使用AI生成内容时，需要明确标注，保持透明。
- 定期风险评估：对AI使用情况进行定期审查，识别潜在风险点。
这些机制不是为了“限制”AI使用，而是为了“护航”AI使用——在释放AI价值的同时，守住组织安全的底线。
结语：HR的新使命
回到最初的问题：AI大规模使用前后，HR在组织的智力资本建设方面需要做出怎样的思考？
我的答案是：HR需要完成一次从“成本精算师”到“能力架构师”的认知跃迁。
“成本精算师”的视角是必要的——关注Token消耗、关注人效、关注投入产出比。但仅有这个视角，HR会陷入微观管控的陷阱，让组织失去创新活力，让知识沉淀断层，让人机关系扭曲。
“能力架构师”的视角则更进一步：在关注成本的同时，关注能力的沉淀、知识的共享、人机协同的健康生态。它要求HR不仅仅是一个职能部门的管理者，更是一个复杂系统的设计师——设计激励让员工愿意分享，设计机制让个人能力转化为组织资产，设计文化让AI成为赋能工具而非监控工具。
AI不会取代HR，但会用AI的HR会取代不会用AI的HR。同样，能够重构智力资本的HR，将比那些仅仅“使用AI工具”的HR，更具长远的战略价值。
因为真正的竞争壁垒，从来不是“谁拥有最新的AI模型”，而是“谁能通过人与AI的协同，持续构建组织独有的、不可复制的智力资本”。
这，才是AI时代HR的新使命。
编辑：Jas
插图：牛背山的云海（2026）｜ 特约摄影AT
