文 | 穆胜

毫无疑问，OD（组织发展）是 HR 中最具战略性的职能。关于这个岗位的定义有很多，但我更倾向于把它界定为 " 组织设计方案的提供和执行者 "。换言之，这类岗位需要在对组织进行诊断后，提供架构、流程、岗位等分工层面的定制设计，并推动这些设计的落地实施，甚至，在大范围的调整时，他们还要驱动各种形式的组织变革。战略决定组织，组织反过来影响战略，这个岗位的重要程度可见一斑，可以说，这个岗位很大程度上决定了战略落地和组织效能。

但现实中，OD 专业的发展并不如预期。几年时间里，这个岗位最初被给予厚望，并成为最高薪酬的 HR，到后面却偃旗息鼓，再无波澜。AI 技术可以为这个专业赋能，但却无法替代人类的作用，诊断、干预和变革领导等核心工作，依然需要人类员工来执行。这个岗位最大的风险不是 AI，而是大量从业者并没有证明自己的价值。

01 组织诊断与数据分析——深度诊断

这类从业者需要通过各类数据来诊断组织的问题，成为驱动组织调整、升级或变革的第一站。这是天然的数据类工作，AI 似乎更有优势。因为 AI 覆盖的数据范围要更大，计算速度也更快。

过去，这类从业者只能收集到报表范围内的数据，如组织架构、流程节点、人员信息等。有时，他们甚至会因为数据不能支持结论，而需要再次发起问卷。即便如此，受限于数据的范围和质量，他们得出的结论可能未必真实。但 AI 可以实时分析邮件、会议记录、协作网络等热数据，从而快速识别组织中的信息孤岛、决策瓶颈、效能洼地等关键信息。举例来说，两个部门之间存在什么程度的部门墙，一般很难通过数据进行捕捉和刻画，但如果 AI 抓取到两个部门为某类常规事务进行的各类沟通远远超过了正常标准，那就很容易锁定问题。

过去，人力资源专业对于数据方法的沉淀是非常有限的，但当前，穆胜咨询这样的智力机构，竭尽所能的推动了这个专业的量化，尤其是在组织的维度。这可能为 AI 的介入提供了便利条件，借由成熟的诊断指标（如穆胜咨询的扁平化指数、战斗人员占比、组织体脂率等），AI 可以给出成熟的人效仪表盘，从而清晰诊断出组织设计上的病灶。换言之，这个岗位的从业者可能不需要去原创，只需要组合外部智力机构给出的指标，并用数据来呈现这些指标。

在这类工作上，人类真正的不可替代性还是深度诊断。AI 能指出 " 哪里堵了 "，但无法理解 " 为什么堵 "。人类员工的诊断结论需要结合更宏大、更细节的背景，如战略、权力结构和管理者之间的历史恩怨等。在这种背景下，基于 AI 提供的基础结论，人类员工可以作为专家进行深度诊断，得出一针见血的结论（而非泛泛而谈）。这些结论直指组织病灶，越是聚焦，越能形成有效方案，越便于执行落地。

02 组织模式设计——组织建筑师

这类从业者需要基于组织诊断的结果，提供组织模式设计的方案，包括在架构、流程、岗位等维度界定具体的责权安排。

这个领域，看似是没有标准答案的，人类员工通过经验就可以轻松驾驭的，尤其是组织的架构设计上更是如此。因此，不少企业老板甚至喜欢绕过 HR 直接介入。但实际上，这类被接管的工作并不出色，甚至还会出现常识性错误，为企业的效能低下埋下了祸根。只不过，这类工作不可能有 " 对照组 " 来验证正误，只要老板自己不认错，错误就不可能被揪出来罢了。

AI 的出现，刚好能解决这个问题。这个超级工具能根据战略目标模拟不同组织模式设计对效率、产出、成本、风险的影响，提供多个 " 对照组 " 的数据支持。例如，可以模拟某个事业部内采用 " 金字塔组织 " 和 " 平台型组织 " 的运作效果，还可以模拟 " 多节点流程 " 和 " 少节点流程 " 的运作效果。基于模拟效果来进行选择，才能把这类工作由经验驱动变成数据驱动。

在这个领域，人类的不可替代性体现在基于复杂信息的创意上。从业者需要对战略方向、业务形态、文化氛围、历史沿革等有深度认知，再给出组织模式的各种具体设计。无论是调流程，还是调架构，甚至是调岗位，本质都是在对责任、权力和资源进行重新分配，涉及各方博弈、利益平衡。从业者需要面向 " 组织的终局 "，设计落地节奏（分几个阶段），形成当下最优的过渡方案。换言之，当下的方案也许不是最优的，但一定是最能落地的。AI 没有同理心，不会考虑人情世故等复杂约束条件，可能直接抛出 " 最优方案 "，推动 " 一步到位 " 的精简裁员，这必然伤害组织氛围，反而破坏了人机协作。

在这类工作中，人类员工像是建筑师，AI 像是画图软件，后者能自动生成简单图纸，但却无法产生复杂创意，更可能成为前者的 " 超级助理 "。

03 变革管理——项目节奏大师

这个环节的从业者负责将组织模式设计的方案进行落地，他们需要宣贯方案，督导执行，纠偏方向，会直面组织调整或变革中形成的冲突。由于大量工作都是正在和人打交道。他们似乎天然不容易被 AI 替代。

在组织调整或变革的过程中，AI 可以推送变革消息、追踪变革进度，但无法应对员工的抵触情绪（焦虑、不信任）和意见领袖（非正式权力）的反对。在负面情绪发生时，不进行回应和疏导一定是有问题的，而 AI 显然无法成为情绪的承载对象。当员工面对没有感情的机器，对方即使给出再合理的回应，也无法形成有效的双向交流。

在人机协作的智能体组织里，AI 是有确定性的，不确定的是人类员工。因此，变革成功的关键在于 " 人心 "，这是靠体验感形成的，这需要这类从业者通过无数一对多的宣贯，面对面沟通，甚至是专项工作坊引导来化解。在组织调整和变革推动的每个阶段，他们都需要通过上述手段，来化解一部分人的反对，拉入一部分人的同盟，达成一定的共识。只有以充分的耐心，用这种稳扎稳打的 " 苦力活 "，才可能真正完成变革。

04 人效管理——放置经营筹码

这类岗位是随着 " 人效（人力资源效能，HR Efficiency）" 概念的火爆而形成的，负责基于企业的人效整体目标为前中后台的各部门进行人效解码，设计考核和奖惩机制，并提供人效提升的一系列赋能工具。

对于这类岗位的归属，不同企业有不同主张，有的企业让 C&B 模块来负责，有的企业让 Staffing 模块来负责，有的企业甚至会单独设立一个模块。我的观点是，从工作内容来看，人效管理显然应该放在 OD 模块。因为，组织模式层面的调整，是提升人效最有效的手段；而人效管理的方法，实际上就是遵循了 OD 工作中 " 诊断 - 干预 " 的典型逻辑。

人效管理是高度数据化的工作，AI 的介入显然大有助益。这种助益类似于 AI 在绩效管理上提供的辅助，即抽取数据、形成指标、设置 Baseline、计算人效、自动分级、生成报表等。人类员工的工作，就是搭建和训练模型，直到最后能把人效解码的大部分工作交给 AI。

当然，即使 AI 能够圆满完成上述任务，依然给人类员工留下了高价值工作的空间：一是特殊业务的人效处理。在一些新兴业务领域，业务尚且处于摸索期，也尚未形成数据沉淀，要设置什么人效指标和 Baseline，就成为了复杂决策。此时，就需要人类员工基于对战略和业务的理解来判断。这里，相当于是在放置经营筹码，更多需要的是一种 " 经营的直觉 "，也就是 " 企业家才能 "。二是人效赋能的教练。所谓人效赋能，一定是要打破现有组织的运作状态，否则人效不太可能提升。要么是 " 调组织 "，进入上一部分组织变革的的范畴；要么是 " 上工具 "，这就需要用教练的方式来推动，" 我说你听→你说我听→我做你看→你做我看 " 是必经的步骤。