岗位名称没变，工作已经变了：AI时代的五种角色原型

mogoec 2026-10-24

AI接管执行后，谁来为结果负责？BCG从约50家企业看到五类新角色

用AI生成周报、整理客户信息，或搭建一个能处理日常任务的智能体，已经不再稀奇。可当工具真正进入工作流程，新的问题也跟着出现：数据错了谁核对？流程跑偏谁调整？智能体权限谁来管？专家经验又该怎样交给AI？

这些问题指向AI落地的下一阶段：人们的工作重心，正从亲自完成每个任务，转向设计流程、判断结果、管理风险，并让经验能够被复用。

波士顿咨询公司（BCG）在2026年9月发布的研究中，访谈了来自约50家AI应用领先企业的管理者。受访企业分布于10个国家、十多个行业。BCG将访谈中反复出现的职责归纳为五类“角色原型”。这是一项定性研究，适合用来观察企业实践中的变化，不应直接理解成所有公司都已设立了对应的正式岗位。

1. 业务自建者（Citizen Builder）：让业务人员自己搭工具

业务自建者熟悉日常工作，也会用现成的AI工具或低代码平台搭建应用和智能体，减少对工程或数据团队的排期依赖。

BCG举例称，Cursor的一名市场人员制作了应用，用于批量生成数千份增长营销素材；DevRev一位没有技术背景的销售运营人员，则搭建了能读写CRM数据的Slack机器人。重点不在于每位员工都要成为程序员，而是让最了解问题的人能够参与设计解决方案。

2. 工作流设计师（Workflow Designer）：重新安排人和AI的交接

工作流设计师看的是从头到尾的流程：哪些步骤适合交给AI，哪些判断必须留给人，以及AI与员工之间怎样交接。

BCG提到，内容平台Writer让AI从销售通话中提取客户问题，并与现有内容库比对，帮助编辑发现内容缺口；招聘平台Greenhouse则在部门中设置偏运营的创新负责人，寻找适合自动化的工作流程，并与中央IT团队合作落地。

3. AI治理者（AI Guardian）：守住风险与合规边界

当AI能够调用公司资料、连接系统或执行操作，权限和风险就需要有人持续管理。AI治理者负责审查应用场景、检查合规要求，并确保系统没有越过组织设定的边界。

BCG的案例包括一家云服务公司设立AI委员会和合规团队，评估拟上线的AI应用；Scale AI则安排团队对模型和智能体进行系统性攻击测试，检查幻觉和数据泄漏等问题。

4. 领域知识负责人（Domain Anchor）：把专家经验变成可复用的知识

AI能否给出有用结果，不只取决于模型，也取决于它是否获得了准确、具体的业务知识。领域知识负责人熟悉某一领域，负责把专家判断、工作规则和实际经验整理成AI及同事都能调用的资料。

BCG称，五分之四的受访企业都提到正在记录核心专家的知识。保险科技公司Reserv的案例中，新员工培训项目的搭建周期从18个月缩短到4周；响应监管变化的时间从约3天缩短到约1小时。这是企业个案数据，不代表所有组织都能获得相同结果。

5. 智能体运营负责人（Agent Shepherd）：管理智能体的运行与权限

当组织里同时运行多个智能体，就需要有人负责它们能访问哪些数据、运行表现是否正常，以及何时更新、暂停或下线。智能体运营负责人管理的不是单个提示词，而是智能体群的运行秩序。

BCG提到，Bolt.new设有一个中央职责，涉及数据治理、访问控制、智能体托管，以及监控和停用行为异常的智能体。

这五类职责有一个共同点：它们都要求人对AI的工作结果保持判断和责任。会操作工具是起点，接下来还要能看懂业务流程、检查数据和输出、识别风险，并把个人经验整理成别人也能使用的知识。

BCG的研究还提到，约三分之二的受访企业正有意识地训练员工“引导AI”，而不只是教大家使用工具。

这也解释了为什么一些人的岗位名称没变，工作内容却已经在扩展：他们开始设计AI参与的流程，验收AI生成的结果，或维护由AI驱动的工具。对于正在学习AI的人，值得练习的不只是“怎么让AI生成”，还包括“怎么判断生成得对不对，以及怎样让它稳定地帮上忙”。