“人工智能+”时代下央国企管理干部的领导力新课题
2026年07月15日
人工智能正在引发新一轮科技革命和产业变革,已经成为驱动经济社会高质量发展的关键引擎。2025年8月,国务院印发《关于深入实施“人工智能+”行动的意见》(国发〔2025〕11号),提出到2027年新一代智能终端、智能体等应用普及率超70%,到2030年超90%,明确要求“鼓励有条件的企业将人工智能融入战略规划、组织架构、业务流程”,并探索“人机协同的新型组织架构和管理模式”【1】。
央国企作为科技自立自强的主力军、国民经济的重要支撑,是这一政策落地的关键载体。从近年的实践来看,AI在央国企的应用已经不再是单点试水,而是在生产经营各个环节加速渗透。技术的快速渗透对组织架构、管理流程、人才能力提出了新要求,也使管理干部需要重新审视自身的定位。
本文围绕AI在央国企的应用展开,从企业的应用现状切入,讨论由此引发的组织和管理变化,进而分析管理干部需要完成的角色转变,以及AI时代央国企领导力的核心要求,希望为央国企的干部管理工作提供参考。
AI在企业中的应用发展现状
AI在企业中的应用正在加速推进,已经呈现全面铺开的态势。新京报贝壳财经发布的《中国企业家人工智能应用调研报告(2025)》显示,89.84%的受访企业已在实际业务中部署AI应用,覆盖数据分析、产品研发、客户运营等多个环节【2】。伴随这一进程,AI在企业中担任的角色已有了很大变化:已从协助员工提效的辅助工具,逐步演化为独立承担某项业务的“数字员工”。
可以借助微软提出的企业AI应用转型的三阶段模型【3】(如图1所示),理解AI在企业应用中的演进过程。

AI应用演进的三个阶段
微软将企业AI应用的转型路径概括为三个阶段,每个阶段对应着AI与人的不同协作关系。
第一阶段:人类配备助手(Human with assistant)。员工配备一个AI助手,帮助其更好、更快地完成工作。AI的角色是辅助,承担信息检索、内容生成、文档处理等具体任务,工作的发起、判断和决策仍然由人完成。
第二阶段:人-智能体团队(Human-agent teams)。智能体作为数字同事加入团队,在人类指导下承担专项任务。AI不再只是辅助单点工作,而是成为可以独立完成特定职能的团队成员,与人类员工分工协作。
第三阶段:人类主导,智能体运营(Human-led, agent operated)。人类设定方向,智能体自主运行业务流程,并根据需要进行人工检查。AI从执行单项任务进一步走向运行完整业务流程,人的工作重心转向目标设定和关键节点的判断。
我们可以看到,央国企在每一阶段都有具体实践(如图2所示)。

第一阶段:AI作为工作助手。以工业设计为例,某头部钢铁企业与创新奇智合作,部署基于千万级PID(Piping and Instrumentation Diagram,管道仪表流程图)数据训练的工业多模态模型iPID读图智能体,将过去全部以PDF形式存储的静态图纸,自动转化为可编辑的模型。这使得图纸处理周期从数天压缩至分钟级,返工成本降低75%以上,检索效率从小时级缩短至秒级,设计模块复用率提升约60%【4】。
在这个应用中,AI的角色是设计工程师的读图助手,解决的是图纸数字化和设计效率提升的问题,AI没有改变设计工作的整体流程,但显著节省了工程师的时间,使其可以专注于更高价值的设计工作。
第二阶段:智能体作为数字同事承担专项任务。国家能源集团数智科技公司自主研发的“统一基础技术平台”系统开发智能体,于2025年通过中国软件评测中心软件智能化成熟度三级认证【5】。该智能体可以通过需求规格说明书、自然语言对话等形式,完成需求补全、任务规划、自主执行与系统生成,并在“对话交互→系统生成”环节实现零代码交付。这意味着AI在软件开发流程中可以与人类员工协同,完成部分软件开发的工作。
进入第二阶段,AI开始独立承担某些原本属于人类的部分工作。人类员工的职责也相应开始转向指挥和协调智能体完成任务。
第三阶段:智能体自主运行业务流程。国家电网部署了搭载专属电力智能体的人形机器人,在变电站正式上岗。部分场景机器人可自主完成巡检、开关柜操作和异常处置;人类员工则可通过监控平台对异常情况进行远程监管,并在需要时介入接管【6】。
随着AI承担的工作越来越多、介入的程度越来越深,组织的形态与架构、管理方式,以及对人才、管理干部的要求也将发生相应变化。
AI时代组织和人才管理的变化与挑战
AI广泛应用带来的影响不会仅局限于某个岗位或流程,而会沿着企业的技术底座、组织和管理方式层层传导。要理解这种系统性变化,可以从技术平台、组织形态和架构、人才管理机制、人才和干部队伍四个层次来拆解(如图3所示)。

技术平台:从分散试点走向统一平台
AI应用的早期阶段,企业往往以分散的试点为主,业务部门各自购买工具、训练模型。但当AI从单点工具走向贯穿业务的生产力系统,分散的组合就难以支撑业务的需要。企业必须从单点应用走向规模化、可持续的AI能力建设,搭建统一的企业级技术平台。
这一平台由几层能力构成:底层是数据底座与算力基础设施;中间是模型层(基础大模型与行业/领域模型的组合)和工具链(开发、训练、部署、监控、迭代的自动化能力);上层是应用开发层(智能体框架、低代码开发工具、API网关等)。同时还应配套覆盖数据安全、隐私保护、模型可解释性、AI伦理与合规审计的安全与治理体系。
要建设这样一个平台,必须作为一把手工程来推进。企业需要打破过往在预算分配、立项评审、绩效考核等项目制的惯性,把平台建设作为战略性基础设施长期投资。同时,还要加速完成数据治理,连接部门和分子公司间的数据孤岛,建立全集团一致的数据标准、权限边界和共享机制。更重要的是,需要把数据安全和合规管理贯穿平台建设始终,管理好数据泄露、模型偏见、生成内容失实、合规越界等问题。
组织形态和架构:扁平开放和人机协同
随着AI作为数字员工逐渐深度参与实际工作,组织的形态和结构也会发生变化:
中间层级减少,向扁平化发展。过去相当一部分中间管理岗位承担了信息汇集、流程推动和监督管控的中转工作。当这些工作大量被AI接管,数据自动汇聚到统一看板、流程自动流转、异常自动识别和报警,这些中间层级就会减少,组织会向扁平化发展。
管理单元从职能化走向任务化。基于统一的技术平台和数据,任务需求、人才能力、工作进展、彼此评价等信息可以在这一平台上对所有人员可见。企业就可以出现类似内部人才市场的运作方式:任务方发布需求并描述所需能力要求,个人展示自己的技能、经历和过往评价,员工可以基于任务需求和能力进行匹配,并围绕任务直接组队,人才可以更开放地流动,而不再仅依赖组织自上而下地进行资源调配和工作安排。
例如,早在AI应用之前,京东就在2018年前后,构建了支持跨部门协同的组织运行体系。在这一体系下,需求方可以在任务平台上发布任务,员工可根据能力跨部门组队并认领任务。任务完成后,会形成相应的评价与奖励,并逐步沉淀到组织的人才管理与网状评价体系中【7】。
人才结构上移,头部人才密度提高。随着人机协同的深入,企业的人才结构会出现“整体上移”的趋势。数字员工会承担相当一部分基础性、重复性、可流程化的工作,如数据整理、初稿撰写、信息检索、标准化操作等。这倒逼人类员工向价值链的上游发展,主要负责定义问题、提出假设、设计方案,以及对AI产出作出反馈和判断。组织中由人类员工承担的基础性岗位会减少,员工需要逐步向更具创造力和复杂判断要求的工作迁移,使得人才最终向各领域的头部聚集。
组织形态和架构的变化,会影响企业管理方式的调整。在这个过程中,中间层的管理者转型尤为关键。他们必须跳出“传话筒”和“流程审批员”的旧角色,将重心转移到业务方向的研判、人机协同流程的设计以及对团队的激发辅导上。同时,随着组织变得更为扁平和开放,一线被赋予了更大的自主权,企业的管理风格也需要从过去依赖“层层上报、逐级把关”,转向鼓励一线主动判断和允许试错后快速迭代。
人才管理机制:重塑工作价值和激发员工活力
随着AI应用持续向各个专业领域渗透,员工原有的工作价值被解构,新的价值需要在与AI的协作中重新建立。如何让员工持续发挥价值、焕发活力,需要企业从工作设计、绩效激励和人才发展等多个层面优化升级。
应对转型压力和职业倦怠:激励机制的重新设计。AI的深度应用,发生在一个员工敬业度持续走低的大背景下。美世(Mercer)《全球人才趋势2026》显示,员工在健康、财富和职业生涯三方面的蓬勃发展指数,创下了2018年引入这一指标以来的历史新低【8】。当AI全面投入企业应用,势必会有将AI投资兑现为业务增长的迫切期待,因此会不断给业务部门下达效率提升的目标,要求员工尽快掌握新工具,重塑工作方式,产出更多、更好的结果。技术变革的速度、岗位重塑的不确定性和对个人持续学习能力的高要求,加剧了员工的职业倦怠和对工作的不满意。
这就给企业的激励工作提出了双重挑战。一方面,要鼓励员工积极使用AI、用AI创造业务增量,把通过AI创造的工作价值和员工的回报真正挂钩,避免只用AI节省人力和压缩编制。另一方面,要回应员工的基本需求,把激励的重心从单一的产出指标转向价值创造,让员工在与AI的协作中能看到自己被需要、能成长、有出路。一些企业开始设立AI价值贡献奖、内部转岗激励,都是在这个方向上的具体探索。
应对工作被替代和经验被采集的焦虑:工作再设计与AI应用伦理。AI广泛应用引发的深层焦虑是工作被替代和经验被采集。麦肯锡《2026组织现状报告:改变组织未来的三股力量与9大主题》显示,约46%的受访者对AI本身感到担忧(对偏见、知识版权和岗位被替代的担心)【9】。员工不只担心AI直接夺走自己的工作,更害怕多年的专业积累被AI学习,再最终用于替代自己。Meta(Facebook母公司)近期的一项举措则把员工的不满情绪推向了顶点。该公司在员工办公电脑上强制部署鼠标追踪软件,记录员工的点击、滑动、停留等操作行为,目的是采集高级知识员工处理复杂任务时的行为数据,用于AI训练。这一举措恰好发生在10%规模裁员计划落地前夕,引发了员工的线下抗议【10】。
企业不能一味关注技术本身,也需要采取措施应对AI应用给员工造成的影响,推动工作的重新设计,并守住数据采集和使用的伦理边界。根据AI应用的实际情况,梳理工作流程,界定人和AI的分工,明确需要人机协同的工作,同时重新定义岗位要求和能力发展的路径。员工的工作重心要向更高价值的方向迁移,去定义问题、提出假设、设计方案、决策判断,并在需要情感交流的人际互动中发挥作用。这种迁移不会自动发生。波士顿咨询(BCG)的一项调研显示,接受过至少5小时培训并能获得面对面指导的员工,AI的使用频率和对技术的信心都将显著高于平均水平,但只有三分之一的员工表示自己获得了恰当的培训【11】。相关技能和能力培养的滞后,阻碍了员工的转型和发展。企业需要提供员工转型必要的技能培训和发展支持。更重要的是,企业还需要守住采集员工数据的伦理边界,制定管理规范,约束可采集的员工数据,明确应用目的,并获得员工的知情同意。
避免应用推广的虚假繁荣:绩效评价回归业务价值。很多企业因为害怕会落后,陷入了一种需要赶紧应用AI、广泛应用AI的焦虑中,把AI应用变成了一种“全民运动”。一些企业已经将AI使用率、Token消耗量、智能体调用次数作为考核指标,要求员工多多用、广泛用。初衷是好的,但是当考核重点在工具应用而非业务结果上,员工的行动就会逐渐变形。
亚马逊就是典型的例子。该公司为推动AI转型,设定了80%开发人员每周使用内部AI智能体的目标,并在内部排行榜上追踪员工的Token消耗量。在数据监控的压力下,员工创造了一个新词汇:tokenmaxxing,即故意让AI执行大量且毫无意义的任务,例如反复总结无需总结的文档、运行无效代码,只为在系统中显示自己消耗了海量Token,向管理层证明自己在积极拥抱AI【12】。AI异化为表演工具,真正的业务问题却没有被解决,AI的能力也没有被真正激活。
因此,当AI深度参与业务工作,绩效评价仍然需要回归到业务结果本身,考核员工是否借助AI解决了此前难以解决的问题,创造了新的客户价值,以及使团队效能得到了实质性提升。同时把员工对AI模型和流程的贡献,以及对新人和团队的辅助带动成果纳入评价,让那些真正运用AI创造价值、并带动团队共同成长的员工得到认可和回报。
人才和干部队伍:岗位重构与角色重塑
AI带来的人才变化,不仅体现在对新兴技术岗位的需求,还有对现有岗位的复合性要求,需要人才既懂业务也懂AI。企业需要在原有体系上为这些岗位开辟新的人才入口和成长通道。同时,外部AI人才市场的竞争异常激烈,头部科技公司在薪酬上更具竞争力,对央国企而言,仅靠外部引进可能难以满足需要,必须把存量人才中具备潜质的人通过转岗培养转化为新岗位的合格人选。
对在岗员工而言,核心挑战是完成从传统岗位向AI协作岗位的转换。在这一过程中,具备扎实的业务基础,又能快速掌握AI工具的员工,价值会被放大;相反,技能单一又对AI使用消极迟缓的员工,岗位价值会削弱。央国企以往在长周期培养、纵向晋升、岗位轮换中沉淀下来的人才发展节奏,与AI技术几个月一个版本迭代的发展速度之间存在明显的差距,传统的培训计划、能力地图、晋升通道都需要进行相应调整。
对管理者而言,面临的冲击和挑战更大。过去很多中间层级的管理工作可以被AI接管,管理者如果继续依靠职级权威、信息差和审批权来发挥管理作用,将很难为团队创造价值,反而会成为AI应用的阻碍。干部选拔和发展的重点,也将从更多关注稳健、合规和组织协调能力,逐步转向对商业洞察、系统设计、团队赋能等领导力的要求。这一角色重塑涉及能力结构、思维方式和领导风格的整体升级,是干部在AI时代必须直面的管理课题。
人工智能加速融入央国企生产经营,带来技术平台、组织形态和架构、人才管理机制、人才和干部队伍的系统性变革,传统管理模式已难以适配人机协同新场景。变革之下,央国企管理干部该如何完成角色转变、重塑领导力?下篇将聚焦干部角色转型路径与全新领导力能力框架,为大家带来实操解读,敬请持续关注。
参考文献
【1】《国务院关于深入实施"人工智能+"行动的意见》(国发〔2025〕11号),2025年8月21日,中国政府网,https://www.gov.cn/gongbao/2025/issue_12266/202509/content_7039598.html
【2】《中国企业家人工智能应用调研报告(2025)》,新京报贝壳财经,https://m.bjnews.com.cn/detail/1753782186129556.html
【3】Microsoft, "The CEO's guide to building a Frontier Firm", Microsoft WorkLab, https://www.microsoft.com/en-us/worklab/the-ceo-guide-to-building-a-frontier-firm
【4】创新奇智与某头部钢铁企业合作iPID读图智能体案例,新浪财经,https://t.cj.sina.com.cn/articles/view/5381890498/140c921c201901gj4g
【5】国家能源集团数智科技公司统一基础技术平台系统开发智能体通过认证,国家能源集团报,https://epaper.ceic.com/pc/content/202510/10/content_17556.html
【6】《国家电网具身智能机器人组团亮相第九届数字中国建设峰会》,人民网福建频道,http://fj.people.com.cn/n2/2026/0430/c181466-41568508.html
【7】《中国式管理探索:拉姆·查兰管理实践奖获奖案例集(2017)》,《哈佛商业评论》编辑部,机械工业出版社,2018年
【8】美世《全球人才趋势2026》,2026年2月
【9】麦肯锡《2026组织现状报告:改变组织未来的三股力量与9大主题》,2026年2月
【10】《大厂打工人怒了!Meta强装鼠标监控惹众怒,员工线下发传单激烈抗议》,新浪财经,https://finance.sina.cn/stock/jdts/2026-05-13/detail-inhxteis9374308.d.html?vt=4
【11】波士顿咨询公司(BCG)AI at Work: Momentum Builds, but Gaps Remain,2025年6月
【12】《亚马逊员工承认“刷AI 用量”:刻意消耗词元冲内部排行榜》,IT之家(腾讯新闻),https://view.inews.qq.com/a/20260513A06L2N00