未来职场，AI Native将淘汰一切非原生人才

我差点裁掉一个985本、海外硕的校招生。

后来，他开始真正用好AI，连续两个季度拿到高绩效，发了3万多元奖金，一个人顶4到5个人的产出。

李想说过：工作十年的老员工，AI能力可能打不过入职一年的校招生。我原来觉得，这就是年轻人更容易掌握AI。

直到我最近看到了一个更大规模的答案。

我才发现，这个结论只说对了一半。

在长安，把千问办公真正用进业务的人，有工作十几年、从没写过代码的质量体系管理员，也有快退休的供应链包装管理员。

他们显然不是通常意义上的“AI原生人才”。但他们在业务上足够原生：知道一辆车的随车文件该核什么，知道几千种零件的包装评审卡在哪里，也知道什么样的灯效方案能够进入评审。

AI给了他们原来不具备的开发能力，而他们给了AI最缺的业务判断。

这才是企业真正需要的AI原生人才：不一定懂代码，但必须懂业务，也知道怎么驾驭AI把业务经验变成结果。

长安汽车内部有个口号："无 AI 不长安"。

目前，千问办公已经覆盖长安各个业务单元，并进入研发、生产制造、供应链、销售和服务五大环节。

过去，这套流程是这样运转的：

业务有需求 → 提给 IT → IT 排期开发 → 层层流转 → 几个月后交付。

本质是：业务离自己的目标很远，中间隔着一整个开发链条。

千问办公进来之后，这条链条被重塑了。

业务不再排队等 IT，他们自己就能把想法做成工具。

为什么连汽车制造业都开始用智能体？因为这类企业最有价值的知识，往往不在说明书里，而在一线人员十几年积累的经验里。过去，这些经验要经过需求整理、沟通和开发，才能变成系统；现在，懂业务的人可以先借助千问办公把它做成工具，再由信息技术部门负责数据、权限、安全和长期维护。

长安内部真实发生着这样的事：生产质量管理员，进厂十几年，没写过一行代码。他用千问办公做出了随车文件核查小程序。合格证、COC证书、环保清单里的几十项参数自动抓取、自动比对，单车核对从十几分钟缩短到一到两分钟。

供应链包装管理员，快退休了，自学千问办公之后，把连接全国 600 多家供应商、单项目最多 4000 多条零件的包装评审流程，拆成七八个自动化脚本，工作量减轻九成以上。

研发岗员工，自己做出一个灯效模拟器，能直接在车模上演示效果——解决了"以前只能靠语言描述让评审脑补，或高代价实车开发"的痛点。

这些人都不是程序员，但他们做出了以前只有程序员才能做的事。

因为他们每个人背后，都站着AI agent这支队伍。

这背后发生的，是一次关系的根本反转。以前：业务有需求，等 IT 来实现。现在：业务自己就是实现者，千问办公是他们手里的工具。

IT 没有消失，但它的能力被封装进了 Agent，变成了人人可调用的基础设施。

组织不再是"上下游流转"的长链条，而是围绕业务目标、搭配 Agent，形成一个个快速响应的作战单元。

组织变扁平了，不是因为裁了中间层，而是因为中间层的能力，被 AI 直接交到了业务手里。

所以，AI原生从来不是年龄、专业或者会不会写代码的标签，而是一种新的工作方式。

企业需要的，也不是一群只懂AI的人，而是一群业务足够深、又能驾驭AI的人。

更准确地说，最先被淘汰的是旧的工作方式。

回到那个校招生。

他的沟通依然不够顺畅，反馈依然不够及时，这是他真实的短板。

但我越来越意识到：那些沟通流畅、协作顺滑、按部就班的人，如果还在用三年前的工作方式，正在面对的其实是更危险的处境。

有些人进职场，是一个人来的。有些人进职场，带着一支队伍。

这支队伍，现在人人可以拥有。

差别只在于——你有没有认真开始带兵，以及，你的兵是什么水平。