摘要：这话是英伟达创办人之一、CEO黄仁勋说的。上周他在接受Citadel Securities访谈时，把这个想法讲得很直白：他估计，随着各种“数字护士”“数字会计”“数字律师”“数字市场人”出现，代理式人工智能组成的劳动力市场，可能价值数万亿美元。说白了，不只是把

未来的公司里，会有“数字员工”被正式招进来

这话是英伟达创办人之一、CEO黄仁勋说的。上周他在接受Citadel Securities访谈时，把这个想法讲得很直白：他估计，随着各种“数字护士”“数字会计”“数字律师”“数字市场人”出现，代理式人工智能组成的劳动力市场，可能价值数万亿美元。说白了，不只是把AI当工具用，而是当成员工来雇，按岗位、按职责来安排工作。

把这事想清楚一点：企业现在有的工作，不是全都适合让机器人接手，但有很多重复、规则化、数据密集的活儿，AI干起来比人快还稳。黄仁勋说，有的公司会把某些任务授权给这些智能体，有的会直接把它们当岗位来管理。未来的班组里，人和“数字人”并肩干活，这对公司组织形态来说，更像是一次进化，不是魔术。

他还点了几个可能会承载这些智能体的平台名：OpenAI、Harvey、OpenEvidence、Cursor、Replit、Lovable之类。同时他说，不少公司会自己造专属智能体，目的主要是保护自家数据和专有知识。英伟达自己就有内部智能体在用，尤其在网络安全领域，黄仁勋透露，公司里用于网络安全的智能体数量，已经超过执行同类工作的真人员工。这句话听着不吓人一跳都难——企业在用AI守后台了。

管理层面也不是随便放开就行的事。黄仁勋把话拉回企业内控，说入职一个新人，总要交代公司文化、工作方法，这套流程对“数字员工”一样适用。打个比方：我们现在给新员工开培训课、发手册，让他们知道规章制度、谁当谁的上级、出现问题怎么上报。给数字员工也得做类似的事，只不过换成是API权限、数据访问范围、输出风格、合规检查和故障处理流程。他甚至对CIO说，未来IT部门会变成负责这些代理式智能体的人力资源部门，承担数字员工的管理工作，像发放权限、做稽核、安排绩效考核这类事都会落到IT或专门的小组头上。

别以为只有英伟达这么说，科技圈里不少高管持类似看法。Salesforce的CEO马克·贝尼奥夫在达沃斯就表示，他觉得自己和很多同行将是最后一批只管理纯人类团队的高管。Anthropic的CEO达里奥·阿莫迪也提出，到2026或2027年，AI系统在几乎所有领域里，会超越大多数人类的能力——同时他警告，AI可能会让大约一半的初级白领岗位消失。这两句话听上去刺激，但也给人头疼：岗位怎么分配、谁负责出错、法律责任怎么定，得提早想。

企业不是光说不做。毕马威在6月的一份季度调查里发现，企业部署智能体的速度从去年第四季度起已经翻了两倍。参与调查的企业高层中，有82%认为智能体在一年内会变成有用的助力，同样比例的人认为两年内会彻底改变商业格局。还有87%的人觉得，智能体的加入会迫使企业重新定义绩效标准，并推动那些可能被替代的岗位员工去提升技能。毕马威生态系统负责人托德·洛尔说得直白些：这不只是把技术接进来，而是商业模式和工作方式都得重塑，得重新想清楚“工作怎么做”“怎么衡量”。

从大范围往小处看，影响可以细分成好几个层面。第一，招聘和入职流程会变。HR会出现新的岗位说明：需要知道怎么配置智能体、怎么写prompt、怎么做权限控制。比如一个客服团队里，可能会同时出现真人客服和两个不同能力的数字客服：一个负责常见问题自动应答，另一个负责把复杂问题整理成结构化数据供人类处理。新人入职，不仅学公司文化，也得学会用、监控和修正这些智能体。第二，绩效评估要重写。过去按人头、按电话量、按销售额算成绩，未来可能要把人与智能体的协同产出一起算，谁负责审核、谁来背锅，都得写进流程。第三，合规与隐私成核心。数字员工靠数据决策，一旦用错了数据或把敏感信息外泄，后果严重。于是很多公司选择自己内部开发智能体，好把数据留在自家围墙里。

再往细节看，培训“数字员工”并不是像装个插件那么简单。需要设计可控的学习路径、设定道德和法律边界、建立快速回滚机制。打个比方：给数字护士下达“诊断建议”的权限前，需要先定义它能访问哪些病历、能给出什么级别的建议、什么时候必须把病例交给人类医生。这套规则要写清楚，出问题的时候才能查得回来。有人要做日志审计、有人要审查模型输出、有人要维护模型更新。实际上，这些岗位可能比现在的技术岗更靠近HR和合规岗。

对普通职场人来说，眼下最现实的影响是门槛上了。校园毕业生找第一份工作，已经感到比以前难了：企业在找人时，会倾向于选择会和智能体协作、懂得用数据的人。那些只会重复操作的岗位，可能被智能体先拿下。与此同时，也会出现新的工作机会，比如做数字员工训练师、负责模型监控的运营岗、把法律规则写成模型可读格式的合规工程师。这些岗位虽然新，但对技能的要求更偏向跨学科。

法律和责任这块也在成长中。现在有些问题还没定调：当智能体犯错了，是软件开发者负责，还是使用者负责，还是企业作为雇主承担责任？各国监管进程不同，企业在全球部署智能体的时候，会遇到不同的合规门槛。基于这个现实，不少公司选择把关键业务的智能体留在自家服务器上，避免把敏感数据传给第三方。

在组织内部，混搭团队的管理也要练一套新规则。谁来做“人机协作设计师”？谁负责写prompt模板？发生业务异常时，报警流程要先通知真人还是先关掉智能体？这些细节听起来像程序员的事，但最后会变成每个部门都要关心的管理题。比如在市场部门，一个智能体可以帮你写初稿，但谁把稿子放到官方渠道？这就牵扯到品牌管理、合规和审批流程，这些都要改。

用一句更接地气的话来说：企业正从“把工具放在桌上”转向“把工具当同事养”。养同事有成本：你得教它规矩、给它权限、追踪它的工作，还得为它的失误埋单。与此同时，它也能替你干掉那些重复的苦差事，让团队把精力放在更有创造性的工作上。

这事现在还是在试水和加速阶段。你会看到更多公司在招聘启事里写“熟悉AI工具优先”“能和AI协同工作”；也会看到高校开设相关课程，教学生怎么与智能体配合。对于普通人，选择不是单纯的“抵制”或者“全盘接受”，而是学会在哪些地方让AI去做、哪些地方必须人来把关，而且学会升级自己的技能，让自己在混合团队里有价值。你看着招聘市场、校园就业和公司内部的岗位设置慢慢变，那就是这场变化在一点点落地。

来源：历史小学生