AI时代人才画像重构：岗位能力模型怎么变

01 人才画像的底层逻辑

很多团队把「人才画像」等同于岗位说明书：列职责、列资历、列一串硬技能。但在组织设计里，二者回答的是不同的问题。岗位说明书描述「这个岗位昨天怎么干」；人才画像定义「未来一段时间的真实工作，该靠什么样的人做成」。

这套方法论的根基，是 McClelland 在 1973 年发表的《Testing for competence rather than for intelligence》——他主张用真实情境中的可观察胜任力，替代学历与智商这类代理指标。半个世纪后，这个「看真实胜任力」的取向依然成立；变了的，是胜任力的半衰期。过去行业节奏以年计，画像能稳用好几年；今天被 AI 压缩到以季度计，旧画像集体失准，不是 HR 写错了，而是它锚定的「稳定岗位」正在消失。

02 三股推力让旧画像失效

为什么是现在？三股结构性推力叠加，让「岗位=人」的等式站不住了。

推力一：技能半衰期被 AI 压短

WEF《2025 未来就业报告》给出最硬的数字：到 2030 年，劳动者核心技能中约 39% 将发生重大变化或淘汰；63% 的雇主把「技能缺口」列为未来五年最大转型障碍。注意，这不是「岗位消失」的恐慌叙事，而是「同一岗位的能力底座在重铺」——你招的人入职时合格，18 个月后可能已有近四成关键技能需要更新。画像如果还按「入职即合格」设计，天然会过期。

推力二：任务从岗位里被拆出来

微软《2025 工作趋势指数》提出「人机配比（human-agent ratio）」这个新指标：企业不再只按岗位排兵，而是按「任务流」组合人类与智能体。报告援引 LinkedIn 数据，当前全球新聘中超过 10% 的职位头衔在 2000 年还不存在；LinkedIn 进一步预测，到 2030 年多数岗位所用技能中 70% 将改变。当工作被拆成可外包给智能体的任务流，「岗位=人」的等式就被打破了。

推力三：人机边界被重画

MIT Sloan 与 BCG 联合发布的《Agentic Enterprise 2025》给出最反直觉的发现：76% 的高管把智能体 AI 视为「同事」而非「工具」。一旦系统能自主规划、执行、学习，传统「工具替代人 / 人做决策」的二分法就失效了——一个智能体可能同时是执行者、分析协作者与跨流程搭档。这意味着人才画像必须定义「人与智能体如何分工」，而不只是「人要会什么」。

以下四坐标轴为作者原创框架。

03 新人才画像的四个坐标轴

旧画像的四个常用维度——职责、资历、硬技能、软技能——正在被四个新坐标轴取代。每个坐标轴的共同逻辑是：从「名词式」（你会什么）转向「动词式 / 流式」（你如何与智能体协作把事做成）。

坐标一：从「会做」到「会编排」

旧画像考「你能不能亲手完成这项任务」；新画像考「你能不能把任务拆解、委派给智能体、并判断产出是否达标」。微软报告里「智能体主管（Agent Boss）」的崛起正是这个信号：83% 的全球领导者认为，AI 能让员工更早承担更复杂、更具战略性的工作——前提是这个人懂得「管理智能体」而非「被智能体管理」。编排能力，正在成为新的核心胜任力。

坐标二：从硬技能清单到「AI 素养 + 判断」

纯硬技能正被智能体快速补齐，真正的稀缺项是「知道在什么环节该信 AI、什么环节必须人拍板」。BCG《AI at Work 2025》显示，进行「工作重塑（Reshape）」的企业员工决策更锐、承担的战略任务更多——但他们也更焦虑 Job security（46% vs 34%）。这说明新画像的难点不在技能本身，而在「信任与责任的分配」。

坐标三：从静态岗位到「技能-任务流」

BCG 在 2025 年 11 月的 HR 高管视角材料中，明确把「工作设计从岗位转向技能与任务型模型」列为 HR 的核心重构项，并提示要「重思入门岗位与职业路径」。对招聘的直接含义是：JD 不应再写「招一个岗位」，而应写「为这组任务流找具备这些可验证技能的人」。

坐标四：从经验背书到「可验证的实时技能」

同一份 BCG 材料把「实时技能验证（real-time skill verification）」列为要求。旧画像靠学历、司龄、过往头衔做代理；新画像要求技能可被持续、客观地验证——因为技能有效期变短，一次性的「资格」不再够用。

04 四份报告在说什么

把四份一手报告放在一起，信号高度一致。

• 微软 WTI 2025（31 国 3.1 万名知识工作者）：67% 的领导者熟悉或极熟悉智能体，员工仅 40%；46% 的领导者已在用智能体全面自动化工作流；前沿企业的五个特征是全组织部署 AI、AI 能力成熟、正在使用智能体、有明确未来计划、坚信智能体是 ROI 关键。
• WEF FoJ 2025（基于 1000+ 企业）：到 2030 年净增 7800 万岗位（1.7 亿新增、9200 万消失）；85% 雇主计划提升员工技能，40% 计划在 AI 可自动化处减员；增长最快的技能是 AI 与大数据、分析性思维、创造性思维、韧性、领导力；59/100 的劳动者需在 2030 年前受训（29 人原岗升技、19 人转岗、11 人风险高）。
• BCG AI at Work 2025（11 国地区 1.06 万受访者）：前线员工仅 51% 常规使用 AI，出现「硅天花板」；领导者 / 管理者超 75% 每周多次用 GenAI；仅 13% 员工认为智能体深度融入日常；强领导支持下对 GenAI 正面感受从 15% 升至 55%；仅 1/3 员工表示受过适当培训。
• MIT SMR-BCG Agentic Enterprise 2025：76% 高管视智能体 AI 为同事而非工具；报告警告组织内「技术-战略」的分隔已不可持续，智能体同时影响流程设计、角色结构、决策权分配与责任文化。

以下落地框架为作者原创方法论，供参考。

05 给 HR 的落地框架

1. 把岗位说明书升级为「任务-技能图谱」：先拆任务流，再标哪些由人、哪些由智能体、哪些人机共担，最后定义每类任务所需的可验证技能。
2. 在 JD 里写「人机分工」而非只写职责：明确哪些判断必须人做、哪些可由智能体辅助，让候选人对「真实工作」有预期，也降低入职落差。
3. 用「实时技能验证」替代一次性资格：引入可更新的技能凭证、项目化评估，缩短资格有效期，让画像跟得上技能变化。
4. 把 AI 素养写进画像，但分层：不是人人都做提示工程，而是人人都要懂「何时信 AI、何时复核、何处必须人担责」。
5. 重设入门岗位与晋升路径：当智能体吃掉重复性任务，新人稀缺的是「在 AI 辅助下做复杂判断」的早期锻炼，HR 要为此设计通道，避免新人只做边角。
6. 建立「人机配比」视角：像管团队一样管智能体，把智能体纳入编制与成本视图，而非散落的临时工具——这决定了画像能否真正落地到编制与预算。

06 结语

人才画像的重构，本质不是「多加几项 AI 技能」，而是把锚点从「稳定的岗位」移到「流动的任务流与可验证的技能」。四份报告指向同一结论：AI 没有取消对人的判断力的需求，反而把它推到了更核心的位置。对 HR 而言，新的专业主场是——定义人与智能体如何分工，并让这种分工可被验证、可被信任。当岗位不再稳定，能定义「谁和怎样的智能体一起，把什么事做成」的人，才是组织真正需要的人才架构师。