AI智能体能替代员工吗?先看4类任务边界

一位做HR的朋友上个月干了件事。她把公司六十多个人的年终评语，一次性丢给AI，每人给三个关键词。二十分钟出结果，她扫了一眼，觉得都对，又觉得都不对。六十多份评语读下来，出现频率最高的句子是“工作认真负责，能够主动配合团队完成任务”。她说，这句话安在谁头上都不算错，安在谁头上也不算数。 后来她把六十份全删了，重新手写，写到凌晨一点。 这件事让她想明白了一个道理，我觉得比很多选型报告都管用：问题不在于AI写得像不像人，在于这份东西最后要交给谁、由谁负责。评语不是文字活儿，是管理动作。写的人得担着这句话在明年考核、调薪、离职谈话里被翻出来的后果。AI不担这个。 所以“AI能不能替代员工”这个问题，问法本身就有点偏。更实的一问是：哪些活交出去，出了事还有人兜得住。 我习惯按四条线来分。 第一条线：错了当场就知道的活，可以放心交 这类任务有个共同特征：结果一出来，对不对立刻见分晓，错了改一下也不费什么成本。 查订单到哪了、查保修还剩几个月、查这个型号有没有现货、把一份合同里的关键日期抄出来、把一段会议录音转成文字、把十页的行业报告压成半页摘要、把客户的话按类型打标签、把一堆发票金额汇总、把中文说明书翻成英文初稿。这些活，AI做得又快又稳，出错也能一眼看出来。 判断标准就一句： 这个结果，五分钟之内能不能被人核出来？ 能，就交出去，别犹豫。这类活占了办公室里很大一块时间，交出去省下来的都是真金白银。 我见过一家做外贸的公司，业务员每天要处理几十封客户询盘，其中大半是问规格、问交期、问能不能发某个国家。以前是业务员一封封回，回得慢，客户就转去问别家。后来把这些标准问法交给助手先答，业务员只看那些答不上来、或者客户明显在谈价的。改完之后，同样的人手，回盘速度快了一倍多。 这里有个细节值得说：他们并没有让AI直接发出去，而是先出草稿，业务员点一下再发。多这一下，看着慢，实际是把责任留在了人这边。客户收到的每一句话，都有一个人在后面认过。这个设计不复杂，但它避免了一个很麻烦的局面——客户拿着AI说错的话来追责，公司里没人说得清这话是谁说的。 第二条线：错了要隔很久才显形的活，交出去得留后手 这类任务麻烦，麻烦在反馈太慢。 典型的有几种：简历初筛、客户信用评级、需求预测、库存补货建议、绩效打分、项目风险预警。共同点是，做的时候没人知道对不对，要等三个月、半年、一年才知道。 这中间会发生一件很隐蔽的事： 错误会自己长成事实。 举个例子。一家公司用AI筛简历，筛掉了一批人。三个月后没人觉得有问题，因为没被筛掉的那些人好好地在岗位上干活。被筛掉的那批人去了哪儿、里面有没有本来很合适的，没人知道，也不会有人去查。系统的判断从来没被验证过，但它每个月都在影响真实的人。 更麻烦的是，这类系统会自我强化。招进来的人如果偏某一类背景，第二年模型学到的就是“这类人好用”，第三年筛得更狠。偏差一年比一年固化，而每一年的数据看上去都很正常。 所以这类活不是不能交，是不能全交，得留后手。具体的做法我见过几种，都挺朴素： 保留一小部分随机样本，不走AI判断，人工过一遍，定期比对两边的结论差多少。 把AI的输出定位成“建议”，最终的判断留给人，而且这个人的名字要能查到。 每隔一段时间问一次：如果这套系统今天突然关掉，我们的判断会变吗？如果答案是不会，说明它其实没在起作用，只是在给人背书。 最后一条听着像是多余的，但它能筛掉很大一批“上了等于没上”的项目。 第三条线：要签字担责的活，不能交 这条线最清楚，也最容易被越过去。 什么事要签字？赔付多少、要不要开除一个人、这笔款能不能放、这个客户要不要起诉、这批货合不合规、这份财报能不能发、这个病人要不要转院。这些决定的共同点不是“难”，是 后果落在具体的人身上，而且事后要有人解释为什么这么定。 AI给不出这个解释。它能给概率、给相似案例、给一堆参考维度，但它没法站到会议室里说“这个决定是我做的，我负责”。责任这个东西不能委托给一个没有主体资格的东西，这是硬约束，不是技术问题。 我见过一种很难受的场面。一家公司用系统自动给客户批账期，规则是模型算出来的。后来有几笔坏账，开会追责的时候，销售说是系统批的，技术说是业务给的规则，业务说是老板拍的板。绕了一圈，谁都没责任。这件事的后果不只是那几笔钱，是下一次没人再敢用这个系统——因为用它的风险是“出了事说不清”，这个风险比效率收益大得多。 有学术出版机构在规范AI使用时写得很直白：AI工具只能做辅助，不能替代作者的独立思考、专业判断和原创创作，使用者要对真实性、原创性、专业性承担主体责任。这条原则换个行业照样成立。谁用，谁负责；谁签字，谁负责。这条线模糊了，系统再好也会被弃用。 第四条线：活不难，但关系在里面的，交出去会掉价 这一类最容易被忽略，因为它的任务难度往往很低，看起来特别适合自动化。 比如说：给一个愤怒的客户回电话、跟一个要离职的核心员工谈话、向客户道歉、跟供应商谈涨价、通知一个人他没过试用期、安慰一个刚搞砸了项目的同事。 这些事有什么共同点？它们的信息量都不大，话说出来也就那么几句，但 对方要确认的不是信息，是“你到底在不在乎”。 一段AI写得很得体的道歉信，读的人第一反应往往不是感动，是“这是不是模板”。一旦起了这个念头，道歉的效果就没了，甚至会倒扣分——因为你连道歉都不肯自己写。 我认识一个做装修的老板，他有个规矩：客户投诉，不管大小，他自己打电话。他说，很多客户其实不是要赔偿，是要一个人认真听他说完。这件事AI做不到，不是因为它不会说话，是因为它不会“听”。它不着急，也不心疼，它只是在处理。 这条线还有个变体，是企业内部。一个主管用AI给下属写反馈，写得很周正，下属看完心里凉了半截——不是写得不好，是太像公文。人需要知道对面那个人是真的看了自己做的事，还是在走流程。这个区别，AI给不了。 还有一条不在任务上，在数据上 前面四条讲的是“哪些活能交”，还有一件事得单独说： 交出去的时候，AI能碰到什么。 智能体要干活，就得读东西。读工单、读邮件、读客户资料、读员工档案、读报价单、读图纸、读合同。这些里面有多少是不能出门的，选型的时候往往没人细问，等出了事才想起来问。 我见过一个挺典型的场景。一家公司想让助手帮忙整理客户跟进记录，试运行两周效果不错，后来IT发现，这个工具把客户名单、联系人手机号、成交金额一起同步到了外部服务器。业务部门完全不知道这件事，他们只是在用一个“挺方便的工具”。 所以这条线上有几个问题，签合同之前就该问清楚： 数据存在哪儿，谁能看到，厂商的运维人员能不能读到原始内容？ 员工离职之后，他账号里的东西能不能带走、能不能导出？ 训练模型用的是不是我们的数据，用完会不会留在别人的库里？ 出了问题，能不能查到自己这台机器上发生过什么？ 万达宝LAIDFU（来福）在这一点上的定位值得留意：它把自己放在“更懂得如何保守秘密”这个位置上。这个说法听着像宣传语，但放到实际场景里，它对应的是一串很具体的能力——数据在哪儿落地、权限怎么切、敏感字段能不能不出内网。企业用AI，最怕的不是它答错一句话，是它把不该说的说出去了，而这件事往往发生了很久才被发现。 一句话概括： 能力决定它能不能干，保密决定它能不能留。 前者是选型的加分项，后者是能不能进门的门槛。 回到那个问题 “AI智能体能不能替代员工”，我现在的回答是：它替代的是任务，不是人。 一个岗位拆开来，往往是几十个任务捆在一起。里面大概有一半属于第一条线，可以放心交；一小半属于第二条线，交出去要留观测；剩下那些要签字、要担责、要面对人的，交不出去。所以真实发生的不是“替代”，是 岗位被重新切分 ——人从那些可交的任务里退出来，把时间挪到交不出去的那部分上。 这个重新切分好不好，不取决于AI多聪明，取决于两件事：交出去的那部分有没有人核，留下来的那部分有没有价值。第一件没做好，会出事；第二件没做好，人会被架空，每天上班就是给AI擦屁股，那种岗位留不住人。 留一份清单，能直接拿去用： 五分钟内能核出对错的活，交出去； 反馈周期超过一个月的活，交之前先想好怎么验证，留人工样本； 要签字、要赔付、要处分人的活，一个字都别让AI定； 对面是个正在气头上或者正难受的人，自己上； 签合同前问清数据落在哪儿、谁能看、离职带不带得走。 最后回到那位HR朋友。她后来没再让AI写评语，但把这套东西用在了另一件事上：把六十多份评语里重复的套话挑出来，提醒自己哪些人她其实一年没认真看过。她说，这个用法比代写好用——它不替她想，它告诉她哪儿没想。 工具的分寸大概就在这儿。它替你把力气省下来，至于省下来的力气往哪儿使，那是人的事，也是人之所以还坐在这个位置上的原因。