AI时代的竞争不仅取决于个人会使用多少工具，更取决于能否定义问题、创造价值、承担责任，并建立别人愿意长期信任的关系。
文章作者、来源：ME News
TL;DR
- 李彦宏提出，未来岗位可能逐渐收敛为两类：负责创造的Builder，以及负责沟通、连接和建立信任的Seller。这不是严格的职业分类，而是对未来工作价值的一种概括。
- AI改变的首先是工作任务，而不是整个职业。传统岗位之间的边界会逐渐模糊，但这不意味着所有职业都能被简单归为两种。
- 企业面临的真正难题，已经从如何使用AI转向如何让AI创造实际利润。麦肯锡2026年调查显示，80%的受访者认为AI提升了个人生产力，但只有37%的受访者报告AI对所在企业息税前利润产生了正向贡献。
- 百度内部活跃智能体和有效任务数量大幅增长，但真正值得关注的是其组织管理方式的调整，包括集中模型训练、减少重复项目和沉淀可复用的工作经验。
- AI时代的竞争不仅取决于个人会使用多少工具，更取决于能否定义问题、创造价值、承担责任，并建立别人愿意长期信任的关系。
一、李彦宏的两类岗位判断，实际上是在重新定义工作的价值
11月12日，在2026百度世界大会上，百度创始人李彦宏提出了一个颇具争议性的判断：未来的岗位不会消失，但会逐渐收敛，大致分成两类。一类是Builder，负责创造新东西；另一类是Seller，负责人与人之间的沟通和连接，让对方产生情感、建立信任。
如果仅从字面理解，这个判断显然有些绝对。医生、教师、律师、工程师、设计师，以及大量从事生产、运输和公共服务的劳动者，很难直接被划分为创造者或销售者。然而，如果把这两种角色理解为工作的价值来源，而不是具体的职业名称，李彦宏的观点就有了更值得讨论的意义。
过去几十年，企业普遍按照专业能力和业务流程划分岗位。市场部负责推广，研发部负责产品，销售部负责客户，财务部负责核算，每个部门都有相对明确的职责边界。这种分工方式的优势在于管理方便，但代价是大量工作时间消耗在信息传递、流程协调和重复劳动上。
AI正在改变这种关系。原本需要不同岗位配合完成的工作，现在有可能由一个人借助多个智能体协调推进。例如，一名产品经理可以利用AI整理用户反馈、分析竞品信息、生成产品原型，再与研发人员讨论实施方案。过去分散在多个岗位上的部分任务，开始被重新组合。
但这里有一个需要特别强调的区别：AI可以压缩完成任务所需的劳动，却不一定能够独立承担任务背后的商业责任。
同样是开发一个产品，AI可以协助编写代码、测试功能甚至设计界面，但产品究竟要解决什么问题、客户是否愿意付费、哪些功能值得投入资源，仍然需要人来判断。同样是销售，AI可以整理客户信息、撰写方案并回答常见问题，但涉及长期合作、复杂利益协调和履约承诺时，人与人之间的信任依然具有现实价值。
因此，Builder和Seller更适合被理解为两种能力方向：前者将想法变成有价值的成果，后者让这些成果获得理解、认可和接受。两者之间并不存在绝对界限，真正优秀的创业者、产品负责人和企业管理者，往往需要同时具备这两种能力。
李彦宏的判断未必能够准确描述未来的全部职业结构，却指出了一个重要变化：企业衡量人才的方式，可能越来越重视一个人能够创造什么结果，而不仅仅是他掌握哪项专业技能。
二、AI工具越来越多，为什么企业的利润没有同步增长？
与未来岗位分类相比，李彦宏在大会上谈到的另一个问题，可能更值得企业管理者重视：不少企业在AI上投入越来越多，Token消耗持续增加，但收入和利润并没有相应增长。
这实际上是当前AI商业化面临的核心矛盾之一。
麦肯锡在2026年8月发布的《The State of AI in 2026》调查中发现，80%的受访者认为AI已经改善了个人工作效率，但只有37%的受访者表示，AI对所在组织的息税前利润产生了正向贡献，这一比例与前一年基本持平。调查中，能够将至少5%的息税前利润归因于AI、并认为其产生显著价值的高绩效组织，仅占受访样本的约6%。
这些数字揭示了一个容易被忽略的事实：员工感觉工作更轻松，并不等于企业真的创造了更多价值。
一名市场人员使用AI，可以在短时间内生成大量宣传内容，但如果这些内容没有改善客户获取效率，企业就只是提高了内容产量。一名程序员使用AI完成更多代码，也不必然意味着产品质量更好，因为代码仍然需要测试、维护和安全审查。对企业而言，真正重要的不是员工每天使用多少次AI，而是收入、成本、质量和客户体验是否获得了可验证的改善。
李彦宏用工业革命时期的电气化转型作了类比：给旧工厂更换电机，并不等于完成了生产方式的升级。企业如果只是给每位员工配置AI助手，却依然保留原来的审批流程、部门边界和考核机制，就很难充分释放新技术的生产力。
麦肯锡的调查也提供了相似证据。在AI高绩效组织中，接近四分之三的受访者表示，企业已经围绕AI从根本上重新设计工作流程；而在其他组织中，这一比例只有约四分之一。
两组数据之间的差距说明，AI的价值不仅取决于模型能力，还取决于企业有没有重新组织工作。
这意味着，未来企业之间的竞争，可能不再只是比较谁购买了更先进的模型，而是比较谁能够把模型能力转化成稳定、可持续的经营效率。对于已经投入大量预算建设AI系统的企业而言，继续增加工具数量可能相对容易，真正困难的是承认旧有流程需要调整，甚至部分部门职责需要重新划分。
三、百度自己的经历说明：AI时代，做得越多不一定越好
李彦宏在大会上分享的百度内部案例，恰好为这种组织转型提供了一个观察窗口。
大模型刚兴起时，百度不少工程师热衷于利用开源模型进行监督微调，希望根据各自业务需求训练专用模型。这些尝试在初期可以取得一定效果，但随着基础模型快速升级，业务部门此前投入时间训练的模型很快失去优势。
百度随后调整管理方式，要求业务部门不再自行训练模型，而是统一交给专门的模型团队负责。这种安排并不是否定业务部门的技术能力，而是试图减少重复投入，让不同部门能够共享基础能力。
后来，智能体应用兴起，类似的问题再次出现。各部门都希望开发新的Agent，项目数量不断增加，有限的研发资源被分散到更多方向，单个项目取得成功的可能性反而受到影响。百度因此建立每月讨论项目方向的机制，要求业务团队缩减同时推进的项目，将资源集中到少数重点任务。
这两次调整看似是技术管理问题，实际上反映了大型组织在面对技术变化时的一种典型困境：当新技术不断降低试验门槛，企业反而更容易陷入重复建设。
从企业经营角度看，探索项目的数量从来不是衡量创新能力的唯一标准。如果不同部门分别开发功能相近的系统，企业不仅要承担重复研发成本，还可能面临维护困难、数据分散和技术标准不一致等问题。
不过，集中资源同样存在边界。如果所有创新都必须经过统一审批，也可能降低一线团队的探索积极性。更合理的方向是将通用技术能力集中建设，同时保留业务部门发现需求、测试场景和验证效果的空间。
百度过去一年的内部数据也值得关注。李彦宏透露，公司日均活跃智能体从5000个增长至3.7万个，每周完成的有效任务从8.4万个增长至超过100万个。此外，百度已经建立4300个Workspace，累计沉淀超过2万个可供组织复用的Skill。
这些数字表明，智能体正在成为百度内部重要的工作工具，但它们仍然主要反映使用规模和任务执行情况，并不能直接证明企业利润获得了同等幅度的提升。
对于外部观察者而言，真正需要继续追踪的是，这些智能体能否稳定降低业务成本、缩短产品开发周期，并最终改善公司的经营表现。
四、比拥有多少AI智能体更重要的，是企业能否留住经验
在百度公布的内部指标中，超过2万个Skill或许比智能体数量的增长更值得关注。
传统企业的许多核心能力，实际上依赖员工长期积累的隐性知识。优秀销售人员知道如何判断客户的真实需求，资深工程师能够根据异常现象快速定位问题，经验丰富的运营人员可以从数据变化中发现潜在风险。
这些能力通常很难通过一份操作手册完整传递。员工离职、部门调整或者团队扩张，都可能造成经验流失。
AI提供了一种新的可能：将经过验证的业务方法、操作步骤和专业经验整理为可以复用的Skill，让员工和智能体在后续工作中调用。
从这个角度看，企业的知识管理正在发生变化。过去，企业依靠培训、文档和师徒制度传递经验；未来，部分经验可以进一步转化为可执行的工作流程，在不同团队之间反复使用。
当然，经验能够被记录，不代表它一定正确，更不代表AI能够在所有环境下直接复现。不同客户、市场和业务条件之间存在差异，Skill也需要持续更新、验证和管理。
因此，真正有价值的组织知识体系，不只是积累更多文档或者自动化流程，而是让有效经验能够被验证、调用和改进，并在出错时找到明确的责任主体。
如果企业能够建立这样的机制，员工创造的价值就可能不再局限于个人完成的任务，而是通过知识复用持续影响整个组织。
这也是李彦宏所强调的组织智能的重要性。不过，所谓别人挖不走、买不来的护城河，并不会因为企业拥有大量Skill就自动形成。真正难以复制的，是长期积累的业务数据、可靠的工作方法，以及将这些能力持续转化为经营成果的组织体系。
五、创造和信任为什么会成为AI时代的重要能力？
李彦宏将未来岗位概括为Builder和Seller，一个重要原因，是AI正在降低部分标准化知识工作的执行成本。
这种变化已经能够从真实研究中得到观察。经济学家Erik Brynjolfsson等人开展的一项客户服务研究发现，使用生成式AI辅助工具后，客服人员的生产率平均提高了约14%，其中经验较少、技能水平较低的员工获得了更明显的帮助。该研究成果于2025年发表于《经济学季刊》。
这说明AI能够让部分员工更快获得工作所需的信息和方法，缩小不同经验水平员工之间的效率差距。但研究同时意味着，过去依赖熟练掌握标准流程建立的个人优势，可能面临重新定价。
当信息整理、初稿生成和常规分析越来越容易完成时，企业自然会更加关注那些难以通过标准化流程直接获得的价值。
其中之一是创造能力，但这里的创造不是单纯生产更多内容，而是发现真实需求，提出有效方案，并将方案转化为可以验证的成果。
另一种是信任能力。11月12日，李彦宏与联想集团董事长兼CEO杨元庆对话时，就谈到了AI目前仍然难以代替CEO出差、与客户当面沟通的问题。杨元庆表示，人与人之间的情感连接依然重要。
这一判断具有现实基础。尤其在重大商业合作、长期服务和复杂交易中，客户不仅关注方案本身，也关注合作方是否可靠、出现问题后能否承担责任，以及双方能否建立持续合作关系。
但也不能因此认为，AI永远无法参与创造或者客户关系维护。生成式AI已经能够承担部分创意设计、客户咨询和个性化沟通任务，其能力边界还会随着技术进步发生变化。
更准确的判断应该是：创造和信任不会成为人类永久独占的技术能力，但在需要商业判断、责任承担和长期关系维护的场景中，人的作用仍然不可忽视。
未来真正有竞争力的人，未必是最擅长某项重复性操作的人，而可能是能够利用AI完成复杂任务，同时对结果负责的人。
六、岗位边界可以消失，但就业压力不会自动消失
李彦宏提出岗位不会消失、而是逐渐收敛，这一表述有其乐观的一面，但如果将其理解为AI不会减少就业机会，就超出了现有证据能够支持的范围。
国际劳工组织2025年发布的研究显示，全球约四分之一的就业岗位在不同程度上受到生成式AI影响。不过，研究强调，受技术影响并不等于岗位必然被替代，工作内容发生转变是更可能出现的结果。
世界经济论坛《2025年未来就业报告》则预计，到2030年，技术变化、人口结构、经济形势和绿色转型等多种因素合计可能创造1.7亿个新岗位，同时使9200万个现有岗位被替代，净增加约7800万个就业机会。
需要注意，这组预测并非AI单独造成的就业变化，也不能证明新增岗位会自然流向原有岗位的劳动者。
对于个人而言，真正棘手的地方在于，岗位消失和新岗位产生往往不会同步发生。企业可能因为自动化减少部分初级工作，同时增加AI系统管理、业务流程设计和技术治理等岗位需求，但两类岗位所要求的知识与经验可能存在明显差异。
对于刚进入职场的年轻人，这种转变尤其值得关注。过去，不少人依靠资料整理、基础分析和简单执行任务积累经验，再逐步承担复杂工作。如果部分入门任务被AI接管，企业就需要重新设计人才培养方式，否则可能出现初级工作机会减少、资深人才又难以培养的矛盾。
世界经济论坛的调查还显示，受访雇主预计，到2030年，劳动者现有核心技能中约39%将发生变化。
因此，相比预测未来还剩多少种岗位，更现实的问题是如何帮助劳动者完成技能转换。企业需要重新设计培训和晋升机制，个人也需要学会在AI参与工作的条件下积累经验，而不是仅仅追求熟练使用某一种工具。
AI能够提高生产效率，但效率提升带来的收益如何在企业、员工和消费者之间分配，仍然取决于商业模式、劳动市场环境以及相关制度安排。
技术进步可以创造新的就业机会，却不能保证每个人都能无成本地完成转型。
七、AI时代真正需要改变的，是企业对人才价值的理解
回到李彦宏的两类岗位判断，其最值得重视的部分，并不在于Builder和Seller是否足以概括未来全部职业，而在于传统岗位分工正在受到冲击。
过去，企业往往根据员工掌握的技能和承担的职能确定其价值。未来，随着智能体能够参与越来越多的工作环节，员工的价值评估可能进一步向任务结果转移。一个人是否能够发现重要问题、协调资源、利用AI完成工作，并为最终结果承担责任，将变得更加重要。
这对于企业管理者同样提出了新的要求。过去，管理者需要确保不同岗位按照既定流程完成工作；未来，他们还需要判断哪些流程值得保留，哪些可以自动化，哪些必须由人监督，以及如何在提高效率的同时控制成本和风险。
从这个意义上说，AI带来的组织变化，可能比单个岗位的工作内容变化更加深远。
不过，这场变化不应该被简单理解为每个人都必须成为创业者、产品创造者或者销售高手。科研、医疗、教育、制造和公共服务等领域仍然需要大量专业人才，不同职业对专业判断、实践经验和责任承担的要求，也不会因为AI出现就完全相同。
真正值得改变的是一种思维方式：不要只把自己理解为某个固定岗位的执行者，而要理解自己所在的工作流程，知道个人能力如何与其他人及AI系统共同创造价值。
对于企业而言，这意味着用更清晰的经营目标衡量AI投入，而不是用模型数量、智能体规模或者Token消耗证明转型成绩。对于员工而言，则意味着在掌握AI工具之外，继续建立专业判断、问题解决和跨部门协作能力。
李彦宏的判断最终能否成为现实，现在还无法确定。但可以确定的是，当越来越多的标准化任务能够被AI完成，企业就必须重新回答一个看似简单的问题：员工究竟因为什么而值得被雇用？
未来的答案恐怕不会只剩下两种职业，却可能越来越集中于两种价值：能够推动事情发生，以及能够让别人相信事情可以被可靠地完成。
而决定企业与个人能否从AI时代获益的，正是把这两种价值转化为实际成果的能力。