当前关于AI与就业的讨论大多聚焦于哪些岗位会消失。但在IT部门内部更紧迫的问题是工作量正在悄然激增。随着AI能力向技术栈各层渗透它将工作拆解成了大量新型、边界模糊的技能需求——这里需要提示词工程那里需要编排调度中间还夹着模型评估。这些需求与现有岗位、汇报关系或招聘框架都难以对齐。最终的结果是大量隐性劳动的积压。那些关键却未被明确界定的工作被已经超负荷运转的团队默默承接既绕开了正式的职责归属也逃出了传统人力资源规划的视野。对于CIO而言风险不仅仅是技能缺口更是一个运营模式的失效——这个模式已经无法有效看到、衡量或管理大规模运行AI所需的工作。尽管各组织的AI实施方式各有不同但它们对IT工作的影响几乎是普遍性的。AI系统打破了所有权的边界普华永道工程经理Sridhar Rao Muthineni表示。他解释说一个模型的行为横跨训练数据、提示词、基础设施、验证、治理和用户界面多个层面因此一旦出了问题——比如某个面向客户的模型产生了错误的金融建议——没有任何传统意义上的单一负责人能被追责因为每一层都参与其中。诊断问题AI不只是技术栈中的又一层这种状况虽然可以理解但它在AI实施的问责制、责任归属和权威链条上留下了一个巨大的空洞——而AI本身又是持续演进的系统这让问题更加难以解决。AI不是一次部署它是一个活的系统。它会漂移会以隐蔽的方式出错需要持续的人工判断。高管们看不到技能缺口是因为那些工作根本不可见咨询公司NOBL的CEO Bud Caddell说道。组织内每个部门都在努力使用AI而其中相当一部分并不清楚该向IT部门的哪个人寻求帮助。例如Coupa近期的一份报告显示在接受调查的600位CFO中85%认为AI是其战略核心然而92%的人对自身的实施能力感到担忧——这一比例相较去年的66%大幅上升。组织漂移最清晰的信号通常始于领导层——AI能力建设的归属尚未明确导致各项举措缺乏主管机构。部门不只是缺少技能更缺乏一扇进入IT、寻求AI支持的清晰前门。结果是AI不再是一个集中式职能它无处不在又无处可寻清晰的升级路径随之消解各业务单元在谁负责结果这个问题上只能猜测。而问题的核心当然是AI对既有商业运营方式的颠覆。Masud表示传统IT角色是为确定性系统而设计的——代码做你让它做的事。AI打破了这一模式需要新的角色、对邻近角色的更新以及那些仍然认为这只是技术栈中又一层的人在思维方式上的转变。Caddell的诊断是组织架构图将职责映射到技术层但AI不遵守这些边界。在实践中数据团队不理解模型应用团队不理解数据安全团队总是最后才被拉进来——而没有人对结果负责。这不是职位描述的问题这是工作流程的问题Caddell说。CIO的两难困境即便深入研究AI归属问题以寻求解决方案也会引入更多复杂性。它在一定程度上是流程问题在一定程度上是职位描述问题但归根结底这是一个运营模式问题医疗IT咨询公司Pivot Point Consulting投资组合服务合伙人Zack Tisch表示。AI工作往往作为附加任务压在现有IT团队身上制造了瓶颈、隐性产能问题以及关于谁承担风险、谁负责结果的混乱Tisch说。这种组织层面的混乱让CIO陷入了两难如何管理局面使其在每个层级、每个部门都能运转第一步也许是重新定义问题本身。问题不在于AI不符合组织架构图而在于组织架构图不适合AI麻省理工学院斯隆管理学院高级讲师、前NASA戈达德航天飞行中心高级顾问Paul McDonagh-Smith说道。传统组织结构是为一个筒仓世界而建——各自独立的职能边界清晰交接规范层级体系用于控制信息向上流动、决策向下传达。而今天我们试图用一张为墙而画的地图去导航一个流的世界McDonagh-Smith说。CIO可以采取的行动重新思考势在必行——甚至可能需要对工作进行彻底重组。McDonagh-Smith认为关注点应从层级结构转向智能如何在团队中流动。然而如何将这一理念转化为现实中的IT运营目前仍不明朗。领先的CIO们正开始将其视为一门运营规范而非仅仅是一次技术部署文档管理系统供应商M-Files首席产品与技术官Tony Grout表示。这意味着在集中治理的同时赋能分布式执行——通常通过AI运营、模型治理委员会或跨职能AI团队等新兴职能来实现。他们也在投资于评估、监控和数据准备工作的标准化框架以避免每个用例都从零开始。目标是通过建立共享的护栏和可见性来减少碎片化同时仍然允许边缘处的创新Grout补充道。为AI重新绘制一张组织架构图或许是必要的哪怕只是为了厘清工作在业务中如何流转。最强的CIO在为治理、评估和安全制定共享标准同时围绕高价值用例构建跨职能团队AI原生网络IaaS供应商Alkira的CTO Atif Khan表示。这通常采用中心辐射型模式由中央团队负责制定政策和架构领域团队负责执行。无论各公司以何种方式应对这一问题问题与答案之间的根本鸿沟依然存在。将AI工作套用到现有角色上只是在掩盖缺口而非弥合缺口。应该从审计开始AI在哪里运行谁在做这些工作什么工作被遗漏了为英国学校提供IT支持的Classroom365总监Mark Friend说道。Friend表示大多数CIO在审计后都会大开眼界。他补充说实际可行的下一步是建立一个小型跨职能AI运营职能——不是新建一个部门而是一个专注的小组明确负责治理、提示词管理和输出评估。在我们支持的学校里效果最好的情况是有人被赋予了正式的AI负责人角色并拥有实际的专属时间——而不是作为副业在推进。这种单点所有权带来的改变比我们见过的任何工具采购都要显著Friend说道。QAQ1AI隐性劳动危机是如何在IT部门产生的A随着AI能力向技术栈各层扩散工作被拆解成提示词工程、模型编排、输出评估等大量新型技能需求这些需求与现有岗位和汇报关系都难以对齐。关键工作被超负荷团队默默承接既没有正式归属也逃出了人力规划的视野形成大量不可见的隐性劳动积压。Q2CIO应该如何应对AI工作归属不清的问题A专家建议CIO将AI治理视为运营规范而非单次技术部署集中治理的同时赋能分布式执行。可以建立AI运营职能小组或模型治理委员会制定评估、监控和数据准备的标准化框架。同时建议先进行审计厘清AI在哪里运行、谁在做这些工作、哪些工作被遗漏再设立有专属时间的正式AI负责人角色。Q3为什么传统组织架构图无法适应AI工作模式A传统IT角色是为确定性系统设计的代码执行结果可预期职责边界清晰。而AI系统横跨训练数据、提示词、基础设施、验证、治理和用户界面多个层面出问题时无单一负责人且系统会持续漂移演进。传统层级架构无法处理这种跨边界的流式工作导致数据、应用、安全等团队各自为政无人对最终结果负责。