案例背景
2026年11月初，国务院办公厅印发文件，围绕应对人工智能对就业结构的影响提出18项举措，内容涵盖大规模职业技能培训、新职业开发与岗位创造、重点群体就业帮扶、灵活就业人员社会保障、劳动关系协商机制以及公共就业服务的数字化升级等。政策语境十分明确：人工智能并不是简单地“消灭岗位”，而是在重构岗位——被替代的往往是任务而非整个职业，被创造出来的则是需要人机协作的新任务组合。
对企业而言，这份文件传递的信号是，稳就业不再只是政府的责任，企业的岗位设计与技能投资将进入更明确的政策框架与舆论视野。对人力资源管理者而言，真正的挑战在于：当一项技能的平均半衰期从十年缩短到三五年，培训就不再是可有可无的福利项目，而是与设备投资同等重要的生产要素投入。谁先把“人的更新”纳入常规预算与考核，谁就能在技术拐点上少付裁员、重建与士气崩塌的代价。反过来，把AI简单当作裁员工具的企业，往往在一年后发现省下的成本抵不过组织能力的流失。
核心分析
一、技能重塑：人力资本也会折旧
舒尔茨与贝克尔的人力资本理论把教育、培训与健康视为与物质资本并列的资本形式，其特点是可投资、可增值，也会折旧。阿罗的“干中学”进一步指出，许多能力只能在真实生产过程中获得，脱离岗位的课堂培训效率有限。AI冲击恰恰落在这一点上：被替代的是可编码、可标准化的任务，而保留下来的与新增的，是判断、沟通、跨域整合以及“给AI下指令并验收结果”的能力——这些能力高度依赖在岗实践与真实反馈。
因此，有效的技能重塑不是“办几场培训班”，而是“岗位—任务—技能”的三层拆解：先识别岗位中哪些任务将被自动化，再据此重新定义岗位职责与产出标准，最后才设计培训内容，并让培训嵌进工作流——师徒制、项目制轮岗、内部技能认证、以真实业务问题为课题的练兵。政策强调的大规模职业技能培训，如果不能在供给端与企业真实需求端对接，很容易变成“培训了但用不上”的沉没成本，甚至成为报表上的数字工程。
二、人机协作的岗位再设计：从执行单元到决策单元
哈克曼与奥尔德姆的工作特征模型指出，工作的内在激励来自技能多样性、任务完整性、任务重要性与自主性。AI的引入如果只是把人的工作切成“给机器打下手”的碎片，就会同时摧毁任务完整性与自主性，形成赫茨伯格所说的“保健因素尚可、激励因素全无”的状态。这正是许多企业引入AI后员工敬业度反而下降的原因：效率提升了，意义感却消失了，人从“负责人”变成了“接口人”。
更好的做法是把AI定位为“承接重复、放大判断”的工具，让人保留端到端的责任。例如客服岗位由AI处理标准咨询，人负责复杂投诉与情绪安抚，并对最终满意度负责；财务岗位由系统完成对账与凭证生成，人转向异常分析与业务支持；研发岗位由模型完成代码草稿，人负责架构判断与质量把关。这种设计的实质，是把岗位从执行单元升级为决策单元，用更大的自主性换取更高的技能门槛，从而在效率与激励之间取得平衡，也为技能重塑提供了内在动机。
三、责任分担：政府、企业与个人的三方契约
利益相关者理论认为，企业不只是股东的联合，还要对员工、社区与社会承担相应责任。但把稳就业完全压给企业同样不现实：单个企业无法独自承担通用技能的培训成本，因为受训者随时可能被竞争对手挖走，这就是典型的培训外部性。因此，合理的制度安排是成本分担——政府提供通用技能培训与转岗补贴，行业组织制定技能标准与认证体系，企业提供岗位特定的在岗训练，个人承担部分学习时间与费用。责任与受益对称，合作才可持续。
值得注意的是，政策工具的选择会直接改变企业行为。若补贴按“培训人次”发放，企业倾向于刷课时、凑人数；若按“稳岗时长+技能认证通过率+转岗后薪酬变化”发放，企业才会真正投入。同理，社会保障的灵活性决定了转型的摩擦成本：当灵活就业者也能便捷参保、社保可携带可转移，劳动者才敢于从被替代的岗位转向新业态。稳就业政策的成败，往往不在文件的口号里，而在激励结构的细节中。
管理启示
第一，把技能当作会折旧的资本来管理，培训预算应与设备投资放在同一张表上讨论。第二，岗位再设计的目标不是“人配合机器”，而是“机器承接重复、人承担判断”，保住任务的完整性与意义感。第三，通用技能的外部性决定了成本必须由三方分担，补贴应锚定结果而非过程。第四，转型期的心理契约管理同样重要，被“升级”的人需要被看见、被承认，否则技术升级会以人才流失的方式付出代价。
其他思考
- 如何判断一个岗位是“被AI替代”还是“被AI增强”？可以从哪些维度建立判断标准？
- 企业投入技能培训后员工离职，应如何设计培训投资回收机制，才不至于伤及信任？
- 在稳就业中，政府应更偏向补贴企业岗位还是直接补贴劳动者个人？两种路径各有什么优劣？
关键词：技能重塑、人机协作、岗位再设计、人力资本、稳就业政策
来源：每日经济新闻 | 整理：经管讲堂
原文链接：https://www.rcbom.com/mgt/6957.html
