AI 改写了晋升规则：资历梯子塌了，能力怎么算

一、晋升不是奖励，是利益分配网络的枢纽

回到组织的第一性原理：组织是信息网络加利益分配网络。晋升在这个框架里不属于「激励手段」这一层，它是利益分配网络分配权力、薪酬与地位的核心枢纽。谁升、升到哪、凭什么升，这套规则定义了组织把最稀缺的三样东西（决策权、资源、身份）交给谁。规则一变，组织的利益结构就变。

传统晋升规则建立在一条默认假设上：一个人在岗位上待得越久，他积累的经验和判断就越多，因而越「准备好」接住更大的责任。资历因此同时充当两件事，一个时间标记，以及一份 readiness 的代理证明。这套规则能运转，靠的是组织长期观察一个人在逐级加码的难活里怎么摔、怎么爬起来。AI 进入之后，这条假设的两边都被撬动，而且撬动方向不一致。

二、第一处断裂：资历不再等于准备好上一级

Gartner 在 2026 年 5 月 13 日发布的内部分人才进阶研究里，由 HR 实务总监 Kaelyn Lowmaster 给出了这句最该被摊开的话：本级绩效不再是对更高层级就绪度的代理（Performance at one level is no longer a proxy for readiness for more senior roles）。后半句才是重点，AI 让一个人在本级就能把指标做漂亮，却不再迫使他去啃只有下一层级才有的难活，判断深度因此不再随年资自然累积。

这句话推翻的是晋升 ladder 的底层逻辑。ladder 之所以成立，是因为每一级都暗含「上一级的难活会在这一级以某种形式出现，你扛过就证明你能上」。当 AI 把本级难活里可标准化的部分接走，人留在本级也能达标，ready 的信号就不再随工龄增长。资历作为晋升信号，从「ready 的代理」退化成「待久的标记」。组织若还按工龄默认 ready，升上去的人可能恰恰最缺下一层级才需要的那部分判断力。

同一份 Gartner 调研给出背景：2025 年 12 月对 110 位 HR 领导者的问卷显示，40% 的组织已经淘汰过时岗位，近半数重构了团队结构。岗位本身在流动，资历附着的那个「岗位」都在变，资历的参照物先一步蒸发了。

三、第二处断裂：初级台阶被抽走，判断样本不再积累

Gartner 同一研究里另一个判断更冷：AI 自动化传统入门级岗位，让新人更少机会去积累判断与基础专业能力，职业路径因此收窄甚至消失。这和入职环节正在发生的断裂是同一件事的两个切面。新人用 AI 上手更快，却更少经历那些「做砸了被纠正」的重复，而这些重复恰恰是组织判断一个人能否挑更大担子的经验基础。

举一个具体机制。一个分析师前两年靠手动拉数、对账、被老板打回，攒下的是对数据口径的直觉和对业务异常的嗅觉，这部分直觉无法写进岗位说明书，却是他三年后能否带项目的关键证据。当拉数对账被 AI 接管，新人直接产出漂亮图表，组织看到的产出没变少，失去的是「他会不会在没人提醒时少算一类成本」这个判断样本。台阶不是被谁拆掉的，是被 AI 跳过的，但结果一样：后面的人上不来。

这解释了为什么 Gartner 2025 年 10 月的人才趋势会把「入门级岗位减少」和「内部流动」并列成 2026 的两大张力。路径变窄，组织本指望内部流动来代偿，可流动率没动，原因在下一节。

四、第三处断裂：信号变多，却更不可信

AI 把产出、响应、代码行、客户会话实时呈现，组织一度以为晋升有了更足的信号。这是个错觉。这些实时信号描述的是「这个人现在干得多好」，不描述「这个人能否接住更大的责任」。活动量和就绪度是两件事，前者被 AI 放大，后者反而更隐蔽。

更麻烦的是算法中介引入了新的不均匀。谁的任务被 AI 记录、谁的产出被算进仪表盘、谁的协作被写成可检索的文档，本身就不均匀。Microsoft 2026 工作趋势指数给出一个关键背景：组织文化、主管支持与人才机制对 AI 成效的影响占 67%，是个人心态（32%）的两倍以上。同一组信号，在不同团队、不同主管手里含义不同，因为采集口径由组织而非个人决定。信号变多却更不可比，晋升决策更容易退回主观与政治，恰好落在 AI 最不该碰的利益分配枢纽上。

所以「用数据说话」在晋升场景里要先回答一个问题：这些数据说的是活动，还是 readiness。说活动的，再多也撑不起一次晋升。

五、组织的补位动作：从资历阶梯到技能本位内部流动

面对两处断裂，组织的本能反应是换一套依据：不数工龄，数技能；不靠逐级加码，靠内部流动把人挪到需要的位置。Mercer《Global Talent Trends 2026》与 Deloitte《2026 Global Human Capital Trends》把「技能优先（skills-first）」推到人才管理的组织层，把入职、发展、流动、保留连成一体。Gartner 预测约三分之一的招聘投入将转向内部人才，方向是内部流动优先于外部招聘。

Microsoft 2026 工作趋势指数从另一端给了同一趋势的注脚：71% 的业务领导者更愿意招 AI 技能较弱但经验较浅的候选人，而非无 AI 技能的资深者。资深这个词在招聘侧已经开始贬值，晋升侧只是慢半拍。当「资深」不再天然等于「更能打」，资历 ladder 的最后一块地基也松了。

但内部流动要成立，得先有一张可信的技能地图和一条通畅的内部通道。这两样恰恰是多数组织的短板，于是补位动作卡在半路。

六、为什么内部流动补不上漏洞

Gartner 2025 年 10 月的人才趋势已经把内部流动列为 2026 重点，企业也计划把约三分之一招聘投入转向内部，可同一份材料承认内部流动率原地踏步。两个硬约束挡在前面。

第一，岗位架构过时。Gartner《Hype Cycle for HR Technology, 2026》点明，过时的企业岗位架构直接拖低 AI 对技能与职业路径的推荐精度，企业须先补全岗位架构里的关键技能再上 AI。如果岗位名称本身已经失去精度，把人从一个旧标签挪到另一个旧标签，不解决「他能不能接住新责任」的问题。

第二，技能数据薄弱。Gartner 同一份成熟度曲线指出，HR 系统内部数据往往细节不足、口径不一，对技能推断的信任度低。没有干净的技能底座，内部流动推荐只能是粗略匹配，组织不敢真把它当晋升依据，于是流动率停在低位，新人继续卡在窄路径里。技能本位不是错了，是它依赖的底座多数组织还没建好，而这座底座本来就是 HR 该牵头的事。

七、给 HR 的五个动作

第一，重建 readiness 信号，用「能否接住下一层级难活」的证据替代工龄。具体落点是跨级项目参与记录、带教成果、争议决策复盘，这些才是 ready 的可核验材料，不是司龄。第二，建技能图谱支撑内部流动，但顺序要对，先把岗位架构里的关键技能补全，再上 AI 推荐，否则推荐精度从根上就低。第三，刻意保留初级重复与带教，不让 AI 把新人该摔的跟头全跳过去，没有判断样本，三年后的晋升无据可依。第四，晋升与薪酬决策保留人类终核，算法只给材料不给结论，利益分配枢纽不能交给优化目标不透明的模型。第五，度量内部流动的转化率而不是流动率，看有多少人真的走到责任更大的位置并待住，而不是看内部转岗次数，流动率上涨而转化率不涨，只是把人搬来搬去。

回到第一性原理收束。组织是信息网络加利益分配网络，晋升是把这张网里最稀缺的决策权、资源与身份分发给谁的核心规则。AI 抽走了初级台阶，也抽走了资历即就绪的默认假设，却还没长出可被验证的 readiness 信号。所以 AI 时代 HR 真正的杠杆不是把晋升流程画得更顺，而是把「凭什么升」的依据，从工龄改写成可核验的判断证据与干净的技能底座。这句话写进岗位架构与晋升委员会章程才算数，写进年度人才盘点只是修辞。