AI时代，高潜力人才与普通员工的区别，在于三种能力

一项研究发现，AI正在重塑雇主对新员工的技能期望。未来人才需要具备三项能力：一个人扛起更多角色、综合不同来源的知识、用AI重新设计工作流程。这三项能力，正在成为AI时代区分高潜力人才的新标尺。

“三年前，我部门里没人用生成式AI工具。如今，部门里100%的人每天都在用，而且一用就是好几个小时。”一家大型跨国银行的高管最近告诉我们。他的话反映出工作场所中生成式AI技术使用的迅速增长。

我们研究了三个行业中的30家组织——银行业与金融、管理咨询，以及科技（含媒体与电子商务），这三个行业吸纳了最大比例的MBA毕业生——目的是看看生成式AI的出现如何改变了雇主对新员工的技能要求。以下是专业人士想在AI时代获得录用并取得成功，所必须具备的三项能力。

一个人挑起更多角色

AI把专业人士花在低层次任务上的时间省了下来，同时也让他们能一个人扛起更多角色。软件科技公司里产品管理的转型，最能说明这个变化。

一直以来，产品是靠产品经理、用户体验设计师和开发者这个“铁三角”做出来的。每个人在自己的职业生涯里专攻其中一个角色。但AI正在把这些角色揉到一起。基础的产品管理任务——跟踪工单、做协调、收数据、做分析、写报告——正在被AI自动化。AI还能根据提示直接生成用户界面设计，那些画原型图的初级工作就被慢慢取代了。所以我们采访的高管认为，初级的产品管理、用户体验和工程角色会融成一个“通用技术专家”，从业者用AI工具画原型、写初稿代码、交付成品。

由于产品经理花在基本执行任务上的时间变少了，软件公司对他们的期望也变了——希望他们更有战略眼光、更能看到长远。未来的产品经理，不光要懂业务，还得懂产品的技术层面；必须从端到端吃透产品生命周期，能画出从A点到B点的路线图，还得知道一路上可能踩到什么坑。

在自己领域里的专业本事——比如工程、财务或者统计——当然还是少不了，但光有这个已经不够了。专业人士还得有系统层面的认知，知道产品的各个部件怎么拼在一起才能产出价值。他们得会用Claude、Figma、Lovable、GitHub Copilot这些AI工具，从冒出个想法开始，到做出一个能拿来测的原型，看看产品能不能给目标用户对的体验，再到搭出一个能跑的概念验证，证明这东西在技术上行得通。换句话说，他们得能用“AI优先”的思路去解决问题，这样才能更快地想点子、做出更好的产品概念和原型。

给在线市场做个AI客服代理，就能说明白这个道理。在AI出来之前，客服是人做的，那时候运营这个部门的核心职能是管人——培训、定指标、看绩效、给反馈，等等。但换成AI来做客服，核心职能就变成了产品管理。因为AI把游戏规则改了：客服直接嵌进了产品或服务本身，客户自己就能搞定以前得找人帮忙、甚至根本干不了的事。

这就意味着，产品经理必须彻底搞懂客户想要什么，才能设计出端到端的解决方案。他们得想清楚：训练AI代理需要什么数据？要定哪些指令和规范？要配哪些AI代理、怎么部署？怎么把客户和一线人员的反馈收进来，把效果提上去？

综合来自不同来源的知识

制造业里新产品开发的转型，最能说明这项技能。开发新产品是一项复杂的工作，需要大量投资以及在多个领域的深厚市场专业知识，包括产品设计与工程、供应链、可持续发展、金融和用户体验设计。一个由专家组成的团队需要花费数月时间，精心收集信息、分析数据并执行各项活动，才能设计出一款新产品。

一家顶尖的管理咨询公司给我们展示了，AI赋能的产品开发是怎么加速实体产品创新的。一套专门的AI工具，能挖内部客户数据来帮你想概念、做测试；能根据产品特征和历史成本数据来估算产品成本；能在代表用户群的合成客户角色上快速试概念；还能评估不同的采购和运输方案。

这些AI代理被设定成能从散布在组织各个部门里的非结构化数据中，把有用的东西拎出来。比如，AI可以快速生成一份符合特定可持续发展要求的供应商名单。以前版本产品的客户反馈，也能拿来试概念。神经网络正在取代传统的物理建模和数学求解器，变成新的设计工具。

在这种环境下，新产品设计师最重要的职责不是搞技术设计，而是严格把关输入信息的质量、搭建测试场景、给AI的输出做压力测试，还有打磨和微调设计。他们得对自己组织和供应链里的数据有一个全面的了解，要知道关键绩效的驱动因素是什么，也知道自己对客户的了解在哪儿还有窟窿。比如说，他们需要确保合成的用户画像能够全面反映客户的多样性。

用嵌入式AI重新设计工作流程

当AI代理工具被用于自动化数据收集、分析和报告等任务时，这些任务所需的时间降为零。取而代之的是需要执行的新任务，例如AI模型的训练与监督。要在这种新环境中从AI技术中获得最大收益，管理者不仅要能将AI工具引入现有工作流程，更要能够设计全新的工作流程。

这一过程首先要确定：哪些任务将由AI自动化，哪些仍需人工完成，以及需要新增哪些功能。类似于工厂中的流程设计，管理者应对每项任务评估其所需的资源、培训、指令、规范和信息。工作节奏也需要调整，因为端到端的周期大幅缩短：项目管理所需的会议减少，过去需要数周的任务现在可能不到一天就能完成，涉及的资源也更少。

OKX的API产品负责人赵凯瑟琳告诉我们，代理型AI已使她所在金融科技公司的API发布周期缩短了30%到60%。在新的工作流程中，产品经理的角色发生了转变。他们不再致力于寻找信息以满足用户需求、填补软件规格说明中的空白、设计测试用例，而是专注于定义产品需求、开发概念、判断代理型AI解决方案是否合理，以及评估边缘情况的测试是否充分、发布风险是否可控。

此外，工作流程中还增加了一项新任务：监督AI。当AI被允许部署产品时，微小的错误可能演变为重大的生产风险。为了最大限度降低这些风险，管理者需要建立规范，而不能只关注效率。

我们研究的公司中的高管明确表示，他们正在投资培训现有的中层专业人员，让他们精通AI，而不是用精通AI的新人来替换他们。他们说，专业人员的职能知识、决策能力和积累的经验仍然至关重要。对于在这三个行业寻找工作的MBA来说，门槛更高了。高管们期望他们不仅具备扎实的商业基础知识，还要有应用AI工具解决商业问题以及运用批判性思维检验AI输出的可靠经验。

关键词：

吉姆·杜塞特（Jim Doucette）、维沙尔·高尔（Vishal Gaur）| 文

吉姆·杜塞特是安永-博智隆和麦肯锡公司的退休合伙人。维沙尔·高尔是康奈尔大学约翰逊管理学院的运营、技术与信息管理教授。

周强 | 编校

联系方式

投稿、广告、内容和商务合作

newmedia@hbrchina.org