抛开科技巨头裁员的黯淡头条，组织如何应对这场AI浪潮的真实情况仍是个未知数。显而易见的是，组织正面临棘手的问题，若处理不当，可能会动摇其生存的根基：即其员工队伍。

如何在任务演变中管理技能分配，为何员工的信任与技术本身同样具有战略重要性，以及为何初级人才储备问题可能需要干预——而目前尚无任何一家公司有动力独自解决这一问题。

再培训相较于重新招聘的优势

许多领导者将人工智能的采用视为一项技术部署。但在实际工作中，人们更担心这项技术对其角色、地位和前景的影响。

在人工智能时代，劳动力规划必须辅以清晰的叙事和心理安全感。领导者应明确说明角色将如何变化、哪些技能将变得更具价值，以及组织将投入哪些资源来支持员工顺利完成转型。当领导者对这些问题避而不答时，员工便会自行填补空白，而这种填补往往会损害信任和士气。

目标是坦诚地沟通变革，并表明组织致力于在新技术发展的同时培养员工。招聘新人才固然能带来现成的技能，但隐性知识和内部人脉网络的建立则需要时间。当企业过度依赖新员工时，往往会面临协调效率低下和整合不力的问题。

因此，技能再培训是对执行质量的一项战略性投资。那些已经了解业务运作的员工，往往比新员工更快地掌握新工具，而新员工则需要时间来熟悉组织。这使企业能够在无需不断重置内部能力的情况下实现适应。

一种新型的不平等

比大规模裁员的阴影更可能发生、也更令人担忧的，是日益加剧的不平等。我指的是能够部署人工智能的工作场所与行业，与无法部署的之间存在的差距；以及在部署人工智能的工作场所任职者，与完全无法接触这些岗位者（包括初级员工）之间的差距。

关键问题在于，几年后的岗位形态将如何演变，以及我们今天应学习什么来做好准备。

我们需要思考如何在企业内部重建培训和学徒制度，以便没有经验的员工能够入职并在工作中学习。这也涉及协调问题：单个企业没有强烈的动力去培训可能离职的员工，尤其是当人工智能使企业能够完全避免招聘底层员工时。

这为政策干预提供了有力依据，具体措施可以包括学徒补贴、公共部门的职业起步计划，或是为维持初级岗位人才储备的企业提供税收优惠。

我们还需要根据人工智能的发展背景调整教育和培训。要教会学生与人工智能协作所需的技能，以及胜任初级岗位所需的技能——如今这些岗位对员工的要求比以往更高。

我们如何才能快速提升技能？

应对人工智能驱动的任务变革最有效的策略，是同时塑造两方面内容：人们被赋予的任务，以及他们在执行任务过程中所培养的能力。这意味着在自动化淘汰旧工作岗位的同时创造新工作，从而使人类持续向更高价值的活动迈进。这也意味着，人工智能不应仅仅被视为生产力工具，而应被视为一名导师——能够讲解、提供反馈并提升技能的导师。不妨将其视为算盘而非计算器；视为教练而非助手。

当自动化仅被用于裁员时，企业或许能在短期内节省成本，但剩余员工的能力却无法得到提升。更糟糕的是，削减入门级岗位会剥夺技能阶梯的底层台阶。

相比之下，自动化不仅能消除低价值的瓶颈，还能创造新的任务，例如系统监控、异常处理以及工作流程重构。实施这种变革的企业不仅减少了人力成本，更重塑了工作形态。

让员工接受挑战并提升技能，还有一个非常人性化的原因：员工能感受到这些变化。员工会觉得自己受到重视，从而更加投入且充满动力。至关重要的是，让他们参与任务创建的过程，本身就有助于推动人工智能的采用。毕竟，如果采用人工智能意味着危及员工的生计，他们又何必协助公司推行呢？

学习与发展必须与技术部署相辅相成。技术不仅应被视为工具，更应被视为导师。领导者不应只关注系统能自动化什么，还应思考它能教会什么，以及它会导致人们遗忘什么。大多数企业都能购买相同的软件，但无法培养出相同的技能。