在一家以人类判断力为商业模式根基的专业服务机构工作二十年之后，一位安永全球副董事长在Fortune的评论文章中指出：客户寻求安永的，不仅仅是分析，更是驾驭不确定性、做出更优决策所需的经验、洞察与视野——而这正是AI如今正在注入每一份工作的技能，无论门牌上写的是分析师、技术员还是机器操作员。

这位高管认为，AI时代的悖论在于：技术能力越强，市场反而越青睐其他方面的素质。最受追捧的技能本质上属于人类——归根结底，就在于AI做不到的事。

人才缺口是实实在在的。根据安永的一项调查，尽管AI投资不断攀升，但由于人才投资方面的缺口，企业仍错失高达40%的AI生产力提升。许多培训项目只关注技术层面的AI经验，却跳过了决定AI战略能否见效的关键技能。结论是：对AI回报的制约，可能同样来自人才战略，而不只是技术本身。

AI仍然做不到的事

技术擅长重复性任务和数据呈现。但定义目标、设定目的、提供赋予信息以意义的背景，仍需依靠人类。哪些目标值得追求由人来决定，背景何时发生变化由人来识别，结果的责任也始终由人来承担。缺少这种人类方向的引导，数据与洞察可能无法被有效应用，也难以释放其全部潜在价值。

这重新定义了AI主导下的工作场所的样子：它并没有移除人，而是移除了那些从一开始就不需要人类判断的工作环节。留下的，是只有人才能完成的部分。

将AI素养作为领导力技能来培养

要充分受益于一个由AI赋能的世界，AI素养必须超越一项专业技能——它融合了AI工具的操作、对输出的相关性评估，以及在出现问题时知道如何（以及何时）介入。

相关规模令人瞩目：根据CyberArk的一份报告，在普通企业中，机器身份与人类员工的比例高达82:1。该报告指出，当机器身份以碎片化方式时，这种激增会带来呈指数级增长的身份安全威胁。如此规模的扩展并没有稀释人类的责任，反而使其更加集中。随着AI系统日益自主，人类判断力变得愈发重要。

根据世界经济论坛的一项调查，分析性思维是雇主在潜在雇员中最看重的核心技能，约七成雇主认为它不可或缺。领导者希望员工避免盲目授权，并懂得在关键时刻挑战AI的结论。

归根结底：用AI让工作更高效，而不是让AI接管那些始终是工作中最重要部分的判断决策。

不要独自摸索

在实践中，没有任何一家组织在独自解决AI与劳动力的融合问题。孤立的做法可能既耗时又昂贵，因为组织会浪费大量精力去重建别人早已解决好的工作流程。

这正是作者在安永负责的联盟与生态系统工作：帮助组织打下正确的基础，在不重建他人已有成果的前提下，高效扩展技术应用。

与饮料制造商Lion近期的合作印证了这一点：通过与生态合作伙伴协作，Lion的客户响应速度提升75%，其人力职能的运营成本改善约30%。与其从零构建AI赋能人力职能的每一层，Lion选择与早已在其他场景解决过这些问题的伙伴合作——这为正在权衡自建还是借助伙伴的组织提供了一个参考。

重新设计工作流程，让人类始终处于核心

必须重新构想工作流程，使人类保持在决策核心并维护信任。当AI与人类的混合工作流程建立在僵化的交接之上——即期望AI先完成任务，再把结果交给人类——其根本假设是任务可以被清晰地切分。在实践中，这种结构压缩了进行有意义判断的机会，并可能增加更多重复迭代的工作。

更具持久性的模式是围绕共享任务、以真正融合的流程来组织工作：人类与AI在每一个阶段共同参与，而不是按先后顺序接力。

专注于供暖、通风与空调领域的跨国公司大金（Daikin）便是例证：该公司采用AI与人类团队协作的方式上线新的企业资源规划（ERP）系统。AI负责协助代码生成和自动化测试，而员工则对异常情况和高风险场景保持监督——这进一步印证了判断力是任何算法都无法吸收的。据安永对该项目的描述，这一方式使交付速度提升约30%，试点还带来了柜台效率10%的提升，以及财务结账速度20%的加快。

永不过时的技能

AI模型能力瞬息万变，如果技能提升的讨论只盯着技术更新，就会落后于现实。与模型版本绑定的技术技能保质期很短，而知道何时以及如何介入的判断力却不会过时。

判断力是建立安全可信AI的关键。

这一切都不会自然发生。它需要各个层级具备AI素养、有愿意分担建设重担的伙伴，以及为在每一阶段保持人类监督而设计的工作流程。

那些在AI规模化方面做对了的组织，都在有意识地选择哪些工作环节必须保留给人类。而成功的AI应用会明晰而不是削弱这一角色。

本文所表达的观点为作者个人观点，不一定反映安永全球组织或其成员机构的观点。Fortune.com评论文章中表达的观点仅为作者本人观点，不一定反映Fortune的意见和立场。本文最初发表于Fortune.com。