AI時代，高潛力人才與普通員工的區別，在于三種能力

一項研究發現，AI正在重塑雇主對新員工的技能期望。未來人才需要具備三項能力：一個人扛起更多角色、綜合不同來源的知識、用AI重新設計工作流程。這三項能力，正在成為AI時代區分高潛力人才的新標尺。

“三年前，我部門里沒人用生成式AI工具。如今，部門里100%的人每天都在用，而且一用就是好幾個小時。”一家大型跨國銀行的高管最近告訴我們。他的話反映出工作場所中生成式AI技術使用的迅速增長。

我們研究了三個行業中的30家組織——銀行業與金融、管理咨詢，以及科技（含媒體與電子商務），這三個行業吸納了最大比例的MBA畢業生——目的是看看生成式AI的出現如何改變了雇主對新員工的技能要求。以下是專業人士想在AI時代獲得錄用并取得成功，所必須具備的三項能力。

一個人挑起更多角色

AI把專業人士花在低層次任務上的時間省了下來，同時也讓他們能一個人扛起更多角色。軟件科技公司里產品管理的轉型，最能說明這個變化。

一直以來，產品是靠產品經理、用戶體驗設計師和開發者這個“鐵三角”做出來的。每個人在自己的職業生涯里專攻其中一個角色。但AI正在把這些角色揉到一起。基礎的產品管理任務——跟蹤工單、做協調、收數據、做分析、寫報告——正在被AI自動化。AI還能根據提示直接生成用戶界面設計，那些畫原型圖的初級工作就被慢慢取代了。所以我們采訪的高管認為，初級的產品管理、用戶體驗和工程角色會融成一個“通用技術專家”，從業者用AI工具畫原型、寫初稿代碼、交付成品。

由于產品經理花在基本執行任務上的時間變少了，軟件公司對他們的期望也變了——希望他們更有戰略眼光、更能看到長遠。未來的產品經理，不光要懂業務，還得懂產品的技術層面；必須從端到端吃透產品生命周期，能畫出從A點到B點的路線圖，還得知道一路上可能踩到什么坑。

在自己領域里的專業本事——比如工程、財務或者統計——當然還是少不了，但光有這個已經不夠了。專業人士還得有系統層面的認知，知道產品的各個部件怎么拼在一起才能產出價值。他們得會用Claude、Figma、Lovable、GitHub Copilot這些AI工具，從冒出個想法開始，到做出一個能拿來測的原型，看看產品能不能給目標用戶對的體驗，再到搭出一個能跑的概念驗證，證明這東西在技術上行得通。換句話說，他們得能用“AI優先”的思路去解決問題，這樣才能更快地想點子、做出更好的產品概念和原型。

給在線市場做個AI客服代理，就能說明白這個道理。在AI出來之前，客服是人做的，那時候運營這個部門的核心職能是管人——培訓、定指標、看績效、給反饋，等等。但換成AI來做客服，核心職能就變成了產品管理。因為AI把游戲規則改了：客服直接嵌進了產品或服務本身，客戶自己就能搞定以前得找人幫忙、甚至根本干不了的事。

這就意味著，產品經理必須徹底搞懂客戶想要什么，才能設計出端到端的解決方案。他們得想清楚：訓練AI代理需要什么數據？要定哪些指令和規范？要配哪些AI代理、怎么部署？怎么把客戶和一線人員的反饋收進來，把效果提上去？

綜合來自不同來源的知識

制造業里新產品開發的轉型，最能說明這項技能。開發新產品是一項復雜的工作，需要大量投資以及在多個領域的深厚市場專業知識，包括產品設計與工程、供應鏈、可持續發展、金融和用戶體驗設計。一個由專家組成的團隊需要花費數月時間，精心收集信息、分析數據并執行各項活動，才能設計出一款新產品。

一家頂尖的管理咨詢公司給我們展示了，AI賦能的產品開發是怎么加速實體產品創新的。一套專門的AI工具，能挖內部客戶數據來幫你想概念、做測試；能根據產品特征和歷史成本數據來估算產品成本；能在代表用戶群的合成客戶角色上快速試概念；還能評估不同的采購和運輸方案。

這些AI代理被設定成能從散布在組織各個部門里的非結構化數據中，把有用的東西拎出來。比如，AI可以快速生成一份符合特定可持續發展要求的供應商名單。以前版本產品的客戶反饋，也能拿來試概念。神經網絡正在取代傳統的物理建模和數學求解器，變成新的設計工具。

在這種環境下，新產品設計師最重要的職責不是搞技術設計，而是嚴格把關輸入信息的質量、搭建測試場景、給AI的輸出做壓力測試，還有打磨和微調設計。他們得對自己組織和供應鏈里的數據有一個全面的了解，要知道關鍵績效的驅動因素是什么，也知道自己對客戶的了解在哪兒還有窟窿。比如說，他們需要確保合成的用戶畫像能夠全面反映客戶的多樣性。

用嵌入式AI重新設計工作流程

當AI代理工具被用于自動化數據收集、分析和報告等任務時，這些任務所需的時間降為零。取而代之的是需要執行的新任務，例如AI模型的訓練與監督。要在這種新環境中從AI技術中獲得最大收益，管理者不僅要能將AI工具引入現有工作流程，更要能夠設計全新的工作流程。

這一過程首先要確定：哪些任務將由AI自動化，哪些仍需人工完成，以及需要新增哪些功能。類似于工廠中的流程設計，管理者應對每項任務評估其所需的資源、培訓、指令、規范和信息。工作節奏也需要調整，因為端到端的周期大幅縮短：項目管理所需的會議減少，過去需要數周的任務現在可能不到一天就能完成，涉及的資源也更少。

OKX的API產品負責人趙凱瑟琳告訴我們，代理型AI已使她所在金融科技公司的API發布周期縮短了30%到60%。在新的工作流程中，產品經理的角色發生了轉變。他們不再致力于尋找信息以滿足用戶需求、填補軟件規格說明中的空白、設計測試用例，而是專注于定義產品需求、開發概念、判斷代理型AI解決方案是否合理，以及評估邊緣情況的測試是否充分、發布風險是否可控。

此外，工作流程中還增加了一項新任務：監督AI。當AI被允許部署產品時，微小的錯誤可能演變為重大的生產風險。為了最大限度降低這些風險，管理者需要建立規范，而不能只關注效率。

我們研究的公司中的高管明確表示，他們正在投資培訓現有的中層專業人員，讓他們精通AI，而不是用精通AI的新人來替換他們。他們說，專業人員的職能知識、決策能力和積累的經驗仍然至關重要。對于在這三個行業尋找工作的MBA來說，門檻更高了。高管們期望他們不僅具備扎實的商業基礎知識，還要有應用AI工具解決商業問題以及運用批判性思維檢驗AI輸出的可靠經驗。

關鍵詞：

吉姆·杜塞特（Jim Doucette）、維沙爾·高爾（Vishal Gaur）| 文

吉姆·杜塞特是安永-博智隆和麥肯錫公司的退休合伙人。維沙爾·高爾是康奈爾大學約翰遜管理學院的運營、技術與信息管理教授。

周強 | 編校

聯系方式

投稿、廣告、內容和商務合作

newmedia@hbrchina.org