记者｜蒋悦

前沿技术的应用，使得许多传统岗位消失或被机器替代，也催生了一批在数字时代下拥有“人类技能＋技术赋能”的“超级员工”。

然而与此同时，深感焦虑的不仅仅是非超级员工，还有企业的领导者和管理者。据《埃森哲2019技术调研》报告中显示，超过67%的受访高管承认，员工的数字化成熟度已经远超企业自身。

埃森哲全球副总裁、大中华区主席朱伟认为，人工智能要充分发挥其价值，其关键是“人机协作”。而“人机协作”已在部分企业有所体现。

摩根斯丹利（Morgan Stanley）为其16000名财务顾问配备了机器学习算法，从而将财务顾问从重复性的任务中解放出来，使其能更专注于客户服务。

西门子的“click to make”项目利用人工智能推理工具，依据员工和机器各自的技能分配任务，以达到人机协作、效率最大化。

京东金融则将人工智能应用于风险控制系统。其自主研发的RNN时间序列算法可以识别风险用户，准确率达90%以上。随着该技术的产生与应用，传统信贷员的岗位被人工智能所替代，与此同时，3000多个与风险管理与数据分析相关的新岗位应运而生。

相似地，亚马逊的仓储机器人代替了传统人工分拣货物，重复、基础的工作逐渐从人力劳动转向人工智能，仓储工人的角色也转变为机器人监控师和技术监察员。

新技术的应用、高频率的换岗要求员工需要具备更高的技术水平和学习能力，这也为员工开辟了潜在的职业发展道路。在数字时代之前，员工跳槽更倾向选择熟悉的、具备相关经验的行业与岗位；而现在，超级员工自身技能的提高使其在跨岗位，乃至跨行业的求职中也能脱颖而出。

可惜的是，面对快速进步且灵活多变的超级员工，大多数企业仍然采用数字化转型前的人才策略。

一方面，甄选人才时，许多企业采用的仍是传统的招聘流程。

传统流程按部就班、推进缓慢，从内部的岗位规划，到招聘、甄选合适员工往往耗时巨大。而超级员工的流动性极强，等人事一步一步按既定的流程走下来的时候，其他企业早已捷足先登。再加上招聘过程中仍采用标准化的申请表、笔试、面试等环节，往往很难准确识别应聘者的专长，招到切合岗位需求的员工。

另一方面，传统的薪酬福利设定中仍存在性别偏见。

中欧国际工商学院管理学教授李秀娟认为，数字化时代强调跨界的创新融合以及对人的关注。而女性的“她能力”在领导力、创新融合能力、沟通能力等方面均有积极的展现。然而，不少企业在发布工作岗位时就已经存在性别偏见，随之而来的因性别差异而产生的薪酬差距不言而喻。Boss直聘研究院于其发布的《2019中国职场性别差异报告》中写到，通过对某求职平台上1700万的招聘启事的职位描述分析发现，偏向男性求职者的职位比例呈增长趋势。另外，2018年女性的平均薪酬为6497元，为男性平均薪酬（8300元）的78.3%。数字化时代企业若依旧故我，采用带有偏见的薪资福利体系，将会流失大量的女性超级员工。

在数字化时代下，新技术的产生、人工智能的迭代速度日新月异。这使得“学习”将成为企业的核心竞争力。40%的千禧一代表示，他们看中工作中能否获得学习和发展的机会。

《德勤2019全球人力资本趋势调研》中也指出，许多组织已意识到员工培训的重要性，约有82%的组织表示将会增大投入员工技能的再培训。梦想很丰满，现实却意外的骨感。据埃森哲调查，由于资源分配的限制，在过去的六个月中，只有不到30%的员工参与了技能培训。

横亘在企业与超级员工间的“鸿沟”，不仅使超级员工对技能学习的需求难以得到满足，长此以往，还会演变成员工无法与时下新技术接轨的障碍。正如朱伟所说，“人是企业的核心。企业在积极应用人工智能的过程中，应当首先将‘人’放在转型的中心地位，发展和培养人机关系的融合技能。”

为了缩小二者间的差距，不少领军企业正积极作出改变。

联合利华对其入门级的职位招聘流程做出了改变。在对申请人进行初步筛选后，公司将邀请申请人试玩一系列的小游戏。游戏结果没有正误之分，随后，AI将对游戏结果进行审核，并根据抗压能力、记忆力等匹配申请人和空缺岗位。在联合利华北美的试点，90天内，应聘者的录用率翻了一倍，雇佣时间也从四个月缩短至四周。

作为瑞士最大的电信供应商，瑞士电信（Swisscom）则在优化知识管理方面下足了功夫。由Starmind开发的一款AI解决方案“Ask the Brain”被应用于公司上下，员工可以向该系统提出任何工作中碰到的问题，接收到问题后，AI将自动锁定相关专家并分享该问题。这一应用不仅大大缩短了解决问题的时间，员工还可以通过查询同事掌握的知识和企业应用的技术，获得无界限的学习资源，从而激发“1+1>2”的聚合效应。