AIHR
核心结论
大厂 AI 组织变革的架构图是公告，落地是 90 天。HR 在变革后分三段推进：前 30 天盘点任务与能力缺口、建 AI 使用政策；中 30 天选 2至3 个高频场景跑通人机协作、沉淀 SOP；后 30 天把试点规模化、绩效加 AI 维度、建内部流动与月度复盘机制。麦肯锡 2026 年数据显示 89% 企业仍停在"数人头"，只有 11% 有战略能力规划，90 天清单是 HR 从被动数编制转向主动设计人机协作的起跑线。
关键数据
- 麦肯锡《HR Monitor 2026》：仅 11% 的企业具备战略能力规划，89% 仍用"人头计算模型"。
- 麦肯锡《Productivity reimagined》：70% 员工自认准备好用 AI，但仅 27% 管理者认为组织准备好；组织准备度解释力约为个人的两倍。
- 麦肯锡《State of Organizations 2026》（10000+ 高管）：88% 企业部署 AI，但 75% 未能建立高绩效文化。
- 约 90% 的垂直 AI 用例困在"试点炼狱"，根因是流程未重设计。
2026年上半年，中国互联网大厂集体发出同一个信号，AI 不只是技术升级，而是组织的操作系统重装。阿里重建 AI 能力共享层、腾讯混元嵌入全产品线、字节 1600 亿砸算力、百度废除 T/P 序列、华为军团制 ×AI。变革公告刷屏了，但落地动作几乎没有。
麦肯锡 2026 年 7 月发布的《HR Monitor》对 10 国 1300 名 HR 专业人士和 5500 名员工的调查给出了一个刺眼的数据：89% 的组织仍把劳动力规划局限在"数人头"的短期计算模型里，只有 11% 具备真正的战略能力规划。换句话说，绝大多数公司的 HR 还停在"算编制"的阶段，没有把组织变革转化为可执行的人才动作。
这正是 90 天清单要解决的问题。摩根士丹利在 2026 年的用工报告中提出：一场真正有效的转型可以从 90 天开始，前 30 天建立工作基线，中间 30 天由业务、技术、HR 和风险团队共同设计新流程，最后 30 天把流程变化转化为人才动作。90 天不是为了完成整个 AI 转型，而是建立一种新的管理循环。
为什么是90天，不是9个月
麦肯锡《Productivity reimagined》基于对 750 名员工和管理者的调查发现一个反差：70% 的受访者认为自己已经准备好采用 AI，但只有 27% 的管理者认为组织已经做好相应转型准备。组织准备度对 AI 价值差异的解释力，接近个人准备度的两倍。
这意味着瓶颈不在员工意愿，而在组织能力。而组织能力的建设窗口，最现实的就是一个季度。9 个月太长，AI 工具迭代速度会让上半年的计划过期；9 天太短，连工作基线都盘不清。90 天是一个能让"盘点，试点，固化"三拍都落地的最小周期。
麦肯锡 8 月 4 日发布的《Escaping the pilot trap》更直接地点明了 HR 的处境：这是一道分水岭，要么 HR 主动主导 AI 劳动力与人机协作架构，要么传统 HR 核心职责会被 IT 或数字部门吸收。90 天清单，就是 HR 抢回主导权的起跑线。
第 0至30 天：盘点，建立工作基线
第一个月不做任何"上工具"的动作，只做一件事：把当前的工作盘清楚。这是摩根士丹利反复强调的前提，"不应在缺乏工作分析的情况下制定大规模人员目标"。
核心动作：
- 任务级自动化审计：按角色列出所有高频任务，标注自动化暴露度（高/中/低）。重点不是预测多少岗位会消失，而是识别哪些任务重复度高、规则清晰、数据可用，以及哪些必须保留人工判断。
- 能力缺口盘点：把当前能力图谱与目标能力（AI 素养、数据流利度、AI 监督、合规）做对照，输出缺口清单。麦肯锡调查显示 33% 的员工不具备未来角色所需的能力，这个数字必须先量化。
- 编制一页纸 AI 使用政策：什么允许、什么禁止、灰色地带在哪、遇到疑问问谁。让全体 HR 团队阅读并签收。这是零成本但能防 90% 合规风险的动作。
- 建立当前工作基线：记录试点场景的现状指标（处理时长、错误率、人工介入时长），作为 60 天后量化提升的对照锚。
阶段交付物：一份任务自动化矩阵 + 一份能力缺口清单 + 一页 AI 使用政策 + 一组现状基线数据。
阶段考核（参考）：高层 AI 使用率 100%；核心骨干 AI 认知达标率 100%；试点场景流程梳理 100% 完成；员工抵触投诉发生率低于 5%。
第 31至60 天：试点，人机交接点跑通
第二个月选 2至3 个高频、低风险场景做端到端试点。不贪多、不铺大。Gartner 2026 年对 426 位 CHRO 的调查指出，HR 运营模型变革可驱动最高 29% 的生产力提升，但前提是"从试点到生产系统"，不是停在实验。
试点场景选择原则：重复工作量大、耗时久、易出错、人工成本高。典型场景：招聘简历初筛、行政人事智能问答、会议纪要与制度文案自动生成。
每个试点必须回答三个交接点问题：
- AI 处理什么，标准化、规则清晰、数据可用的任务交给 AI。
- 人处理什么，异常沟通、价值判断、敏感决策保留人工。
- 交接点在哪、最终责任属谁，明确人工审核底线和风险兜底责任人。用真实业务数据测试速度、质量和风险变化。
摩根士丹利明确警告：只有验证了端到端结果，才有依据讨论编制和岗位调整。跳过这一步直接定裁员数字，是把所有 AI 项目都推向人员削减的危险做法。
阶段交付物：2至3 个跑通的试点流程 + 标准化 SOP + 人机权责边界文档 + 人效对比数据。
阶段考核（参考）：试点场景工作效率提升 ≥30%；重复性事务人工介入时长下降 ≥40%；SOP 完整输出归档；内部 AI 标杆员工涌现。
第 61至90 天：固化，把试点变成机制
第三个月的核心不是"扩大试点数量"，而是"把试点沉淀成机制"。麦肯锡数据显示约 90% 的垂直 AI 用例困在"试点炼狱"，根因不是技术不行，而是流程没重设计、绩效没跟上、组织没接住。
核心动作：
- 规模化复制：把跑通的试点经验向多部门、多业务线推广，优先级按"高频 × 低风险"排序。
- 绩效制度加 AI 维度：修订绩效考核，新增"AI 协同"和"效能增值"维度。麦肯锡《State of Organizations 2026》对 10000+ 高管的调查显示，47% 认为职业发展是建立高绩效文化的头号障碍，如果绩效和晋升还奖励"旧的工作方式"，人会抵抗新的方式。
- 建内部流动机制：把释放出来的人力和能力导向新的岗位和项目。麦肯锡建议设内部调岗目标，"所有再培训项目都应连接明确岗位或项目，所有不补招决定都应附带工作承接方案"。
- 月度复盘机制：定期回看任务分配、人员负荷和业务结果。摩根士丹利强调，90 天是为了建立"持续的组织学习过程"，技术能力会持续变化，岗位设计不可能一次完成。
阶段交付物：规模化推广方案 + 绩效 AI 维度落地版 + 内部流动机制 + 月度复盘看板。
阶段考核（参考）：核心业务 AI 场景覆盖率 ≥60%；绩效制度 AI 维度落地执行到位；内部流动率提升；全员常态化 AI 使用率稳定达标。
三个最容易踩的坑
把 90 天清单跑完不代表一定成功。三个数据指出了最常见的翻车点：
坑一：跳过工作分析直接定裁员目标。摩根士丹利的样本显示净岗位减少约 5%，但它明确提醒这是早期信号而非确定性比例，样本集中在 AI 高暴露行业。把 5% 直接套到自己公司，是危险的。必须先做任务审计，再谈编制。
坑二：只买工具不改流程。麦肯锡数据，90% 的垂直 AI 用例困在试点炼狱。根因几乎都是流程没有重设计：把 AI 工具"叠加"在原有低效流程上，而不是围绕人机协作重画流程图。Gartner 也指出，2025 是 AI 试点年，2026 要交付的是 agentic AI 的 ROI，而 ROI 来自生产系统不是实验。
坑三：培训落地断层。麦肯锡《HR Monitor 2026》显示，24% 的员工完全没参与任何培训，且 HR 严重高估了员工的实际参与度。超过半数员工每年只收到一次反馈甚至零反馈。培训不是"发个课程链接"，而是要把学习嵌入工作流、由直属管理者带着跑。
90天之后：从清单到循环
90 天清单的真正目的，不是交付一个"做完的项目"，而是建立一个可以自我迭代的组织学习循环。麦肯锡《Escaping the pilot trap》的结论很清晰：真正领先的企业并不是拥有最多 AI 试点，而是能够重新设计流程、岗位、决策和管理方式。能够快速学习和重新配置工作的企业，才更可能把生产率红利变成长期优势。
对 HR 来说，90 天是抢回主导权的窗口期。麦肯锡给出了两条路的判断：要么主动承担塑造未来工作模式的领导角色，要么看着传统职责被 IT 吸收。选哪条路，从第一个 30 天盘不盘点工作基线开始就分叉了。
架构图是公告，90 天是落地。你能交付的，不是又一张组织架构图，而是一套让组织"学会重新配置自己"的机制。
关注公众号，获取 AI 时代 HR 变革一手分析