在“AI向实、人效向善——2026狮山人力资源大会”上，盖雅工场董事长兼CEO章新波与四位来自不同领域的实战派大咖进行了一场名为“当数字员工来敲门”的深度圆桌对话。
以下为圆桌对谈的精华实录，我们保留了现场原汁原味的对话感，带你重返这场思想碰撞的现场。
对谈嘉宾：
- 叶辉，腾讯云泛互联网技术总经理
- 蒋鸿颖，浦江中国人力资源总监
- 高飞，宝时得集团HR AI项目负责人
- 刘守维，某上市企业HRIS负责人
主持人：
- 章新波，盖雅工场董事长兼CEO
本文共8431字
建议先收藏再阅读
△ 完整对谈内容，可查看视频回看
落地之痛：基础设施没跟上，认知的温差太大
章新波：很荣幸担任这次主持。其实主持对我压力还挺大的，因为我们今天做圆桌设了一个目标，希望是一个大家能够掏干货、聊落地的交流。所以我们今天特别邀请了一些嘉宾，有不同的角色，不同的行业，我们既有制造、物业，也有HR、纯技术，还有HR与IT跨界的。这样我们可以形成很好的互动与交流。我想今天先请四位做个自我介绍，同时分享一下，在AI推动这件事情上，各位目前看到或遇到的一些痛点。我们先从叶辉总开始，作为互联网技术的代言人。
叶辉：大家好，我来自腾讯云泛互联网行业。这两年我主要聚焦在为互联网、金融科技、交通物流等企业，探索AI在生产环节的落地，研究怎么把AI真正融入生产环节。
在这个过程中，我觉得它的本质是“人和AI协同体系”的搭建，最终促成组织效率的提升。站在协同视角，我看到最大的挑战是可观测性。人类员工有OKR、KPI，技术系统有Metric logs、trace，但当我们看一个数字员工执行任务的偏差时，它反映的可能是AI底层基建不合理，也可能是软件工程有待提升，甚至是人类拆解任务的方式不合理。
第二个痛点是，人跟AI之间如何形成一个共同成长的飞轮。当人类的经验纠正了AI的执行偏差，AI学习到了；在这个过程中，人类从底层的执行者，变成了需要具备领导力、去编排AI Agent的管理者，人类的认知也提升了。跨越这个周期，实现人与AI的共同进步，是非常极具挑战的。
章新波：叶总总结得很到位。第一，我们得给硅基员工下个KPI，怎么评价它？第二，人类跟硅基员工的互动不是单向指挥，而是相互成长的飞轮。非常好的视角。下面请蒋总。
蒋鸿颖：大家好，我来自浦江中国。我们是一家比较低调的商业资管和物业管理公司，以非居物业为主，也是上海地区本行业第一家赴港上市的公司。我们在AI落地的过程中，有一些比较特殊的探索方式，希望能为今天的讨论贡献一个传统服务行业、To B行业的独特视角。
高飞：大家好，我来自宝时得科技。我们是一家研发制造电动工具、智能割草机器人的企业。我在公司主要负责人力资源AI项目的推进。从2025年开始，我陆陆续续做了一些项目，也失败了一些。从我的角度，痛点非常具体，主要有三点：
第一点是数据。我们希望提供给AI更标准、结构化的数据，但在真实的人力资源运作环境下，数据散落在各个系统里，甚至纸上，数据壁垒是我们遇到的很大问题。
第二点是流程。大家一窝蜂想上AI工具提效，但在推项目时我深刻体会到，过去的流程全是为了“人”制定的。现在要让人和AI协同工作，流程该怎么优化？甚至人的想象不一定对，需要人和AI一起去设计。所以推AI的过程，其实是重新审视并改进业务流程的过程，这需要花极大的心力。
第三点是认知的温差。面对AI工具，我们的高层是热情拥抱，中层是谨慎乐观，基层员工是难以言表。作为项目推行者，如何平衡这三者，减少认知中间的阻力，是非常痛的。
章新波：这三个痛点非常实在。守维总呢？
刘守维：大家好，我是刘守维。我职业生涯前十几年在德国化工公司，过去五年在做人力数字化。我私下常说，我可能是被AI拯救的第一批人，因为我每段职业经历都不是科班出身，但AI让我缩小了差距。
关于痛点，高飞总提的前三点我也遇到了。第一个是基础设施的阻力。你想推AI，却发现协同办公平台没有，人力系统还没上。老板觉得可以靠AI弯道超车，但你想超车时发现得“原路返回”去搞基建。
第二个是数据和知识库。知识图谱怎么建？可能全世界大部分公司都在困扰。
第三个是意识层面，有拥抱、有观望、有抗拒。
最后一个是组织层面。像叶辉总提到的人机结合的组织如何搭建，目前还没有成熟的方式可以借鉴。我们习惯了“抄作业”，现在还不知道该抄谁的作业。
认知重构：不要只想着提效，要想着重构SOP
章新波：问题已经抛出来了。在深入探讨前，我想请最代表技术前沿的叶辉总先给大家科普一下。我们这群传统行业、非技术岗位的管理者，针对目前的AI发展现状，应该建立哪些关键认知？
叶辉：关于AI大模型发展现状，我补充几点事实。下午开场演讲唐秋勇博士提到MIT报告说，95%的企业做AI没看到显性收益，更像是在做Demo。但到了2026年，越来越多的企业不满足于对话窗口，而是希望AI进入真正的生产环节执行动作。
大家要知道，目前各种模型能力的极限天花板，在快速接近普通人能用到的上限。也就是说，绝大部分人很难用到模型的上限。
第二点，大家现在很关注Agent工程。AI大模型要用得好，关键在于人类如何给它做好方向的把控，如何构建底座。
第三点，以前互联网的“居民”全是人类，系统是为人类设计的。但现在，互联网的居民多了AI Agent。现在的系统设计，已经在考虑如何既对人类友好，也对AI友好。
对于非技术管理者怎么入手？我有两点建议。
首先，提升信息组织能力。遇到不懂的专有名词，直接用AI来解决AI的问题。信息组织能力决定了你的提示词写得好不好，流程拆解得对不对，怎么给数字员工派发任务。
其次，关注SOP的重构。不要只考虑怎么让AI集成到现有SOP去提效，更要思考怎么用AI去重构那个SOP。同时，你要学会分辨哪些是“模型的能力”，哪些是“软件工程的能力”，这能帮你决定有限的资源该投向哪里。
章新波：感谢辉总的宏观科普。接下来我们落到实处，高飞总和守维总过去在具体的公司场景下，有哪些AI落地的实践可以分享？
高飞：我们最先选择的是招聘，因为这个业务流程非常标准化。我们拆解出最耗人工的地方：一是被动候选人的寻访，二是面试。
我们当时想推AI面试，但遇到了用户接受度的问题。后来我们选择了校园招聘这个场景，因为校招工作量巨大，且学生更容易接受AI产品。推行时内部同事也有阻力，觉得“AI面了那我干什么？”我们就把价值重新梳理：人的价值在于做标准、建模型，学会看AI的报告，从后台视频做复核。大家经历了从不信任到信任的过程。
另外，针对新任面试官不会提问的痛点，我们用AI工具基于简历和JD，提供必问的结构化问题，把小白快速拉升到能问标准问题的水平。效果还是很好的。
刘守维：我们公司运气好一点，老板愿意战略投资AI。我们目前两条路在走：一是内部部署大模型做问答机器人和助手；二是外部成熟的工具直接引进。但我们在推行中也遇到了意识层面的阻力。我们有点像“娇生惯养”在用AI，但大家实际使用率并不高，有点浪费资源，这是我内部一直在推比较难的点。
终极变量：当CEO成了“超级个体”，HR该怎么办？
章新波：守维总有投资但反馈不多。那我想请蒋总分享一下，你们在推进AI过程中遇到了什么特殊状况？
蒋鸿颖：我们确实有个比较特殊的状况。刚刚大家谈到组织内部出现“超级个体”要怎么管理。在我们公司，出现的第一位超级个体，是我们的CEO。
这在我们传统行业是有迹可循的。我们没有多少代码要写，对AI的拥抱更多是用成熟工具改造业务流程。这一轮AI改革本质上是生产力的爆发逼迫生产关系的变革，必然是谁先拥有生产资料，谁先尝到甜头。所以，这一波改革必然是自上而下的。
章新波：老板成了最大的超级个体，那在推动变革的过程中，阻力在哪里？
蒋鸿颖：当CEO被AI赋能后，他突然看清了许多以前没精力看清的组织细节，也发现了更多问题。当他自上而下推行改革时，所有高管都必须回答他的问题——为什么这件事情要这么做？这是对经验主义的一次强有力的挑战。
作为HR一号位，我的体验是：CEO开始在AI的辅助下，主动去做一些HR的工作了。 这迫使所有高管不得不深入拆解自己的本职工作，思考如何在AI的影响下继续提升和优化。
章新波：换位思考一下，我在我们公司的超级个体中肯定是最弱的，但我最近刚学会手搓一点原型代码后，我对组织变革的笃定感完全不一样了。CEO作为超级个体，他理解AI的边界，他在推动组织进展时会非常笃定。
章新波：刚才守维总提到钱投了但员工不用，这个阻力怎么解？
刘守维：我把企业用AI比作“吃水煮鱼”。吃鱼前你得先上餐桌（协同办公平台、业务系统、知识库等基建要准备好）；第二要选对鱼（选对大模型）；第三是用对工具（用筷子还是勺子）。
最后是意识层面，有的人第一次用AI，就像第一次吃鱼夹到了麻椒，觉得“鱼不好吃”。比如他用了一个生成视频的AI去做PPT，效果不好，就觉得AI没用。还有些高层用了一次产生了幻觉，觉得AI无所不能。所以还是要谨慎决策。
章新波：这就引出了一个现象，很多老板对AI充满了期待甚至“幻觉”。比如我去年年初就给团队下指令：一个工程师加一个Agent要大于等于3个程序员。同事们都慌了。叶辉总，过去你接触过很多想转型的老板，你觉得作为团队，面对一号位这种极高的期待或者说“认知幻觉”时，应该怎么去应对和处理？
叶辉：分享一点我的实际观察。面对老板看似不合理的指令，很多人的第一反应是被动地问“为什么要做？”，但我建议换个视角，主动去想“为什么不这样试一下？”。把这当成一次对过去经验和流程进行重新反思的机会。
具体怎么应对？最主要的是去做AB Test。原先的业务模式先不动，拿一部分业务按照这个逻辑去试一下。在试的时候，千万不要带着“做证明题”的心态——不要试图去证明老板是错的，或者证明AI不行。只要你想找素材，总能证明它不行。
客观的量化指标非常重要。如果业务本身没有指标，AI提效就无法量化，也就不可持续。不需要去设“必须提效10%”这种绝对目标，就是去尝试，没有正确答案，试多了就知道哪次能成功。
蒋鸿颖：我补充一点，我个人并不觉得“幻觉”是个准确的词。在1号位看来，我们觉得AI“不能做什么”的边界，可能同样也是一种幻觉。高管要做的第一件事，是积极去了解CEO到底看到了什么。
我们CEO现在在AI辅助下做两件事：一是充当“组织有效性的评估师”，评估岗位和流程是否有效；二是充当“组织算力的总调度师”，因为组织不再只是碳基人类，而是人工算力和AI算力的集合。
章新波：蒋总说得好，不管是老板的幻觉还是员工的幻觉，最重要的是“拉齐”认知。高飞总怎么看？
高飞：我遇到老板给出难以满足的期待时，我的解法是：回归老板的痛点。老板痛点背后，有可能是AI能解决的，也可能真不是AI解决的。不要做证明题，带着好奇心去试，也许就能找到满足他期望的路。
刘守维：如果把AI当成第四次工业革命，作为1号位，首先不要在组织内部造就太多的“卢德工人”（反对技术革命的人），要防微杜渐解决意识层面的问题，主动拥抱。其次，AI才刚开始，变化太快，不要做太长期的决策，先用起来。
HR的角色演进：从管“劳动力”到管“生产力”
章新波：在AI时代，我们HR的职责会发生什么演进？
刘守维：HR首先要具备“识别懂AI的人”的能力。就像以前我们不懂Windows怎么开发，但能识别谁懂Office操作。其次，在组织内部要推行二八原则，让先会用AI的20%的人，去带领剩下的80%。
高飞：HR不仅要懂业务，还要懂一些AI的技术和趋势储备。最难的是理解人性，把人性发挥到向善的部分，在管人和管机协同的时候，要向实向善。
蒋鸿颖：如果老板已经在做HR的工作，HR应该怎么转型？我觉得有四个角色：
Executive Coach（高管教练）：帮助团队拥抱变化，克服经验主义。
流程架构师：决定哪些业务流程被AI替代，人和AI的分工界面是怎样的。
长期灵活主义倡导者：打造拥抱迭代、不断尝试的环境。
文化平衡者：平衡AI涌现式的文化与传统的工程计算文化。
叶辉：从业务方角度看，未来自主运行的Agent会越来越多，运行时间会越来越长。在一个垂直领域的业务流中，技术选型决策权在IT，业务指标和SOP决策权在业务方。HR需要打造一个“高效的决策权协同体系”。
章新波：最后一个问题，请各位给在座的职场个体一个建议。
叶辉：我分享一下个人的习惯。虽然我是计算机背景，但这领域里每一门学科都要花很长时间研究。我自己最大的习惯是，还是通过AI去学习。我会把我自己能够接受的学习方式，写成一段指令，告诉AI第一步干什么，第二步干什么，让AI分步骤教我；然后我会找两到三个AI问相同的问题，去弥补我的视角。
第二步是，现在很多信息密度、知识密度特别大，看不过来，但直到现在，我对于长文章的学习依然是自己做总结、自己写下来。我反而是把学习变慢了，希望能够扎得更深，锻炼我自己的能力。
蒋鸿颖：第一，多多尝试，不要等下一波更完美的工具，大家都在同一起跑线。第二，相信自己就是下一个超级个体，不要害怕被取代。发现自己的优势，通过AI走向人生新高度。
高飞：保持开放的心态去尝试，保持冷静的思考去选择。向AI学习，以前是告诉它做什么，现在要多问它“为什么这么做”。一定要在工作生活中深度使用它。
刘守维：主动拥抱，反复尝试。要么做引领者，至少做跟随者，千万不要做旁观者。
章新波：感谢四位嘉宾。在AI时代，保留自己的观点、提出问题的思辨能力非常重要。
我也分享一个亲身实践：我用AI建了一个skills，叫“思想圆桌”。每当我遇到一个管理问题的时候，就把德鲁克、马斯克、明茨伯格、戴明，甚至胖东来的于东来拉进来，就像我们今天在座的四位一样，帮我想想这个问题应该怎么讨论。然后我就看着他们讨论的过程，这些管理大师在同一个问题上的辩证，会给我们观点的树立和辩证性思考带来巨大的帮助。
我们确实用AI，但也不能全信AI，还是要保留自己的观点跟提出观点的能力。你越是相信AI，反而越要守住人类该有、该守住的那片价值输出的地方。谢谢大家！
👇
专题报告首发
《AI拐点已至：企业与HR行动指南》
关于盖雅工场
盖雅工场专注于解决企业在劳动用工方面的四大问题：「需要多少人」「实际多少人」「干得怎么样」「怎样找到人」，利用科技手段预测劳动力需求并排班，优化调度劳动力安排并补充灵活劳动力，管理多样化劳动力队伍的出勤与时间，分析并提升劳动力效率与销售效能，同时连接劳动力市场中的企业与一线员工，实现降本增效、满意合规。
目前，盖雅工场的客户分布在全球33个国家与地区，每天，全球1,800余家客户的700余万员工使用盖雅提供的实时考勤、智能排班、精益工时、技能管理、激励性薪酬等数字化服务。
劳动力管理，盖雅搞得定。
精益人效
客户案例
行业方案
WFM系统选型建议
点击阅读原文▼，免费预约系统演示
