CHO 分享 · 2026.08.15

AI时代的
人才标准

当AI已经进入工作过程，
我们今天判断一个人，到底还在看什么？

HUMAN人的判断
AI生成能力
MODE协作方式
RESULT交付物来源已不再单一
SPEAKER 赵展辉DATE 2026.08.15
第一部分旧的人才判断，开始测不准了
01/ 10
THE MIXED-SIGNAL SHIFT

交付物，开始成为混合信号。

为什么过去“看成果判断能力”的方法，今天不够了？

PAST · 直接推断

任务完成过程，几乎只由人承担

任务→人的思考与专业判断→交付物→推断能力
一份交付物，就能大致推断一个人的能力。
TODAY · 混合信号

一份交付物里，开始同时存在三种来源

人的判断AI生成人机协作方式
任务→交付物
结果没变，但结果的来源已经变复杂。
INSIGHT
交付物仍然是结果证据，
却不再能独自解释个人能力。
第一部分旧的人才判断，开始测不准了
02/ 10
MEASURED ≠ OBSERVED

我们测到的，常常不是协作能力。

自评、知识测试和情境题并非无用，但它们没有回答真实任务里的协作表现。

常见方式实际测到什么没有测到什么
01自评问卷SELF REPORT
信心、态度、使用意愿回答的是“我怎么看自己”
GAP真实任务中的协作表现没有进入行为现场
02知识测试KNOWLEDGE TEST
概念理解、风险知识回答的是“我知道什么”
GAP能否把知识用进任务没有看见知识如何被调用
03情境题SITUATION TEST
行为意图、正确说法回答的是“我认为该怎么做”
GAP时间压力下实际怎么做没有观察真实选择和调整
INSIGHT
组织需要区分“AI准备度”
与真实任务中的协作表现。
第二部分新的评价对象：协作闭环状态
03/ 10
FROM SCORE TO STATE

AI能力不是分数，而是协作状态。

AI时代更行为化的人才标准，到底评价什么？

旧单位 · 静态拥有

一个人拥有多少 AI能力

高能力HIGH
中能力MID
低能力LOW
能力分数
新单位 · 真实任务

一个人在代表性任务中，能否稳定形成有效协作闭环

协作闭环状态
协作闭环状态：关键协作行为能否稳定被激活，并推动任务持续收敛。
INSIGHT
AI能力不是静态水平，
而是协作闭环能否被
稳定激活的状态。
第二部分新的评价对象：协作闭环状态
04/ 10
THE FIVE-DIMENSION PROCESS

五维不是五项指标，而是一条协作过程。

五维协作闭环，到底在描述什么？

01DISCOVER

发现与自我理解

真正要解决什么？

02TRANSLATE

表达与转译

怎样让AI可执行？

03VERIFY

验证与确认

这个答案能不能信？

05EXPLORE

探索式发现

还有什么假设值得打开？

AI GENERATION生成候选答案
0102AI030405
05 · 条件性启动仅在不确定任务中
INSIGHT
五维不是五项并列能力，
而是一条从生成走向
收敛的协作过程。
第三部分研究怎样把协作过程变成能力证据
05/ 10
FROM TASK TO EVIDENCE

怎样让协作闭环被看见。

文章中的研究，如何取得协作能力的证据？

01 · WHO
336
名员工
PARTICIPANTS
产品岗
研发岗
技术管理岗
覆盖不同职级
能力差异进入同一现场
→
02 · SAME COND
统一AI环境
UNIFIED AI ENVIRONMENT
同一 AI 平台
同一对照设置
排除工具差异
只观察人的协作行为
→
03 · CAPABILITY EXPOSURE
三类代表性任务
3 TASKS
提示词构建
日常工作核验
高不确定任务
任务不完整·答案不唯一
协作差异才能被看见
→
04 · EVIDENCE
两类证据
RESULT + TRAJECTORY
最终交付物（结果证据）
完整协作轨迹（能力证据）
结果 + 过程
才构成完整证据
→
05 · WHAT REMAINS
识别关键协作行为
EXTRACT 5-DIM BEHAVIORS
定义
边界
验证
反馈
探索
5 个现场节点
对应五维协作过程
一条清楚的取证链 · 不只问"会不会"，而是观察"怎么做"
DATA SOURCE清华大学　朱国荣教授团队　研究成果 · 本演示基于该团队的核心理论与实证观察进行呈现与解读。
INSIGHT
最终答案是结果证据；
协作轨迹才是能力证据。
第三部分研究怎样把协作过程变成能力证据
06/ 10
THREE COLLABORATION STATES

研究发现：不是能力高低，
而是三种协作状态。

沿着协作轨迹观察，实际发现了什么？

STATE 01
结构共建型
CO-BUILD
先定框架 → 分块推进 → 核验纠偏 → 收敛
OUTCOME 01
每完成一个部分，都会核查它是否仍贴合任务；发现偏差，就及时修正。
STATE 02
高频粗放型
LOOP-DRIFT
直接生成 → 不满意 ↺ 再改改 ↺ 再生成 → 方向漂移
OUTCOME 02
"再改改"、"更详细一点"、"换一个角度"——AI不断生成，协作却没有真正向前。
STATE 03
照单全收型
DIRECT-ADOPT
直接生成 → 直接采用
OUTCOME 03
答案未经验证，直接进入交代；协作停留在最初表达阶段。
INSIGHT
人与AI协作的差异，
不是一条能力高低曲线，
而是不同的闭环状态。
第三部分研究怎样把协作过程变成能力证据
07/ 10
THE MOST MISREAD STATE

最容易被误判的，
是高频粗放型。

为什么“AI使用很积极的人”，
未必已经形成高质量协作？

INPUT高使用频率互动很多 · 尝试很多
MISSING 01明确结果标准
MISSING 02验证充分
MISSING 03方向性反馈
LOOP重复生成再改改 ↺ 再生成
RESULT质量波动与返工
≠
INSIGHT
使用AI不等于引领AI；
重复生成不等于有效迭代。
第四部分AI时代更行为化的人才标准与证据规则
08/ 10
主要观点KEY THESIS
应当评价一个人能否在真实任务中
稳定形成 高质量协作闭环
——而不是看 AI 知识多少、频率多高、交付物是否漂亮
01 · TARGET
◇
目标清晰
问题被看见
—
02 · TRANSLATE
◇
转译有效
意图可执行
—
03 · VERIFY
◇
验证充分
结果可信赖
—
04 · FEEDBACK
◇
反馈有方向
迭代有目标
—
05 · EXPLORE
◇
探索有边界
假设可挑战
已废止
AI知识多少
使用频率多高
交付物是否漂亮
INSIGHT
不是评价一个人会不会使用AI，
而是评价他能否在真实任务中
稳定形成高质量协作闭环。
第四部分AI时代更行为化的人才标准与证据规则
09/ 10
THE PROOF RULES MUST CHANGE

人才管理要变的，
是证明能力的证据规则。

AI时代更行为化的人才标准，怎样进入选、育、用？

人才动作过去更依赖AI时代新增的证据规则
01选人
履历、表达、最终作品
→
代表性任务中的结果 + 协作轨迹
02育人
统一AI工具或提示词培训
→
识别闭环断点，针对性发展
03用人
看个人交付速度与表现
→
看高不确定任务中的闭环稳定性
三种状态用于诊断和发展，不用于一次性贴标签。
INSIGHT
不是增加一项AI能力评分，
而是重建证明能力的证据规则。
FROM OUTPUT TO EVIDENCE

从交付物失焦，
到协作闭环成为人才证据。

回到最开始的问题：谁值得被托付关键任务？

01交付物→结果证据，但不再独自解释能力
02协作轨迹→怎样开始、验证、反馈与调整
03协作闭环状态→闭环能否形成、稳定
04新人才证据规则→进入选、育、用
THE SCARCE TALENT
AI时代，真正稀缺的人，
是能把人与AI协作带向
可验证、可承担、可收敛的人
→ 推进　← 回退　F 全屏