Palantir的客户案例，表面上在讲AI落地，实际上每一刀都切在组织和人身上。
────────────────────
一、一场没有HR的大会，却处处是HR的命题
2026年6月，Palantir在迈阿密办了第十届AIPCon。
13场客户演讲，行业横跨法律、建筑、保险、工业、农业、租车、咨询、供应链。没有一场专门讲HR。
但如果你仔细看这些案例——每一个"AI落地成功"的故事，核心都是组织和人怎么变了。
我把这些案例从HR的视角重新读了一遍，提炼出三个信号。它们可能比任何一份"AI时代HR趋势报告"都更真实，因为它们来自已经跑通了的实践。
────────────────────
二、信号一：组织知识的外部化，正在改变"人才培养"的游戏规则
案例：Kirkland & Ellis律师事务所
全球顶级律所，用AI系统把合伙人几十年的基金组建经验全部结构化——哪些条款怎么谈、哪些风险如何规避、哪些客户有什么偏好——变成了系统的"记忆"。
结果很直接：一个入职两年的律师，现在能调用合伙人才有的判断力。
从HR角度看，这意味着什么？
传统人才培养的底层假设是"经验靠时间积累"——工作3年的比1年的强，5年的比3年的强。能力的成长曲线，是时间的函数。
但Kirkland & Ellis的案例告诉我们：当组织知识被结构化、被AI可调用，"时间"这个变量的权重就在下降。
一个有结构化知识平台+AI辅助的2年经验员工，可能比一个没有这些工具的5年经验员工，产出更高。
这对HR的人才发展体系是个挑战：
·你的培训体系，是在帮员工"个人积累"，还是在帮组织"集体沉淀"？
·你的晋升标准，是看年限还是看"调动组织知识资源的能力"？
·你的核心人才，他们的知识有没有被结构化传承——还是只存在他们脑子里？
真正的人才壁垒，不再是个人能力，而是组织知识的可复用程度。
────────────────────
三、信号二：岗位的"执行部分"被AI接管后，人的价值定义变了
案例：McCarthy Building建筑公司
160年历史的建筑公司，用AI构建了Pulse运营套件，覆盖现场执行、估算、合同管理、投标、QA/QC、物流规划。
最值得HR关注的，是他们怎么重新定义了现场主管这个岗位。
以前，现场主管70%的时间花在——填表、对数据、写报告。
AI系统上线后，这些执行性工作被接管。现场主管的工作变成了：做判断、管异常、带团队。
他们的一位现场主管Dave Evans说：
"这次合作让我可以专注于对客户和项目团队最重要的事，而不是被淹没在邮件、文档和数据中。"
更有意思的是——他的工作满意度上升了。
为什么？因为他终于在做"只有人能做的事"了。
从HR视角看，这是一个很关键的信号：
AI不是在"替代"岗位，而是在把岗位里的"执行部分"剥离出去，留下"判断部分"。
这意味着HR需要重新审视每一个岗位的JD：
| | 传统岗位设计 | AI时代岗位设计 | |---|---|---| | 核心定义 | "负责XXX工作" | "人类负责判断与决策，AI负责执行与推荐" | | 能力要求 | 执行力+专业知识 | 判断力+人机协作能力 | | 考核重点 | 产出量 | 判断质量和异常处理 | | 成长路径 | 做更多同样的事 | 从执行者升级为决策者 |
那些"执行部分占80%"的岗位，是最先需要被重新设计的。
────────────────────
四、信号三：人机协作的"否决权机制"，是绩效设计的新课题
案例：McCarthy的"人类否决权"机制
McCarthy做了一件很多企业没做的事——每一个AI推荐的行动方案，现场主管都有权否决。
但关键在后面这一句：每一次否决，都要写理由，都会变成AI下次学习的素材。
这个机制对HR来说，是一个极其精准的绩效设计参考。
为什么？
因为它同时解决了两个问题：
问题一：人类不能失去控制权。 AI再聪明，关键决策必须有人的判断。如果员工只是"AI说什么就做什么"，那出了问题谁负责？这个机制确保了人类始终是决策的最终把关者。
问题二：人类的判断必须被沉淀。 传统的"人做决策"是黑盒——做了就做了，经验留在个人脑子里。但这个机制让每一次人类判断都变成了组织的学习素材——个人判断力，被转化为组织能力。
这给HR的启发是——在AI时代，绩效设计需要回答一个新问题：
"员工在和AI协作时，他的否决质量怎么样？他否决得有没有道理？他的判断有没有让组织变得更聪明？"
目前大多数企业的绩效体系，完全没覆盖这个维度。
能率先设计出"人机协作绩效模型"的HR团队，会在AI时代建立真正的专业壁垒。
────────────────────
五、HR现在可以做的三件事
看完这些案例，你可能会觉得"这些公司都很大，我们没法比"。但有些事，不需要大预算，不需要IT部门配合，HR自己就能推动。
第一件：做一个"岗位AI化盘点"
把公司主要岗位拿出来，逐个分析：
·这个岗位的哪些任务，AI现在能做？
·哪些任务，AI三年内能做到80%？
·剩下的"只有人能做"的部分，是什么？
这个盘点不需要精确，重点是让管理层第一次从"岗位"视角看AI的影响。HR牵头做，天然合适。
第二件：启动一个"知识结构化"试点项目
找一个即将退休或即将调岗的核心专家，设计一个知识提炼项目——不是让他写培训文档，而是把他做判断的逻辑、依据、例外情况，系统地记录下来。
这个项目不需要AI系统，甚至不需要软件。它的价值在于——让组织意识到，有些知识如果现在不沉淀，以后就没了。
HR牵头做这件事，比任何部门都合适。
第三件：在下一次绩效复盘里，加一个"人机协作"讨论项
不需要改绩效制度。只需要在下次绩效面谈时，多问员工一个问题：
"过去半年，你在哪些工作中使用了AI辅助？你觉得AI帮你提升了什么？在哪些地方你觉得AI的判断不对，你是怎么处理的？"
这个问题的价值不在于答案，而在于——它向全公司释放了一个信号：公司在关注人机协作，而不只是个人产出。
────────────────────
六、结语
Palantir AIPCon上的这些案例，表面是技术故事，内核是组织故事。
律所的知识外部化，是对人才培养模式的颠覆。 建筑公司的岗位重定义，是对岗位设计方法的挑战。 否决权机制，是对绩效体系的全新要求。
这些，都是HR的命题。
AI时代，最容易看到的失败是"上了AI系统，但组织没变"。
而让组织变的那个人，应该是HR。
不是CIO，不是CTO，是HR。
因为技术解决不了"谁来做什么、怎么考核、能力从哪来"这三个问题。
这三个问题，是HR的主场。
────────────────────
粤ICP备14082021号
免费POC，
零成本试错
