昨日人才，今日“废柴”？

前不久在一次活动中，听到一个很有意思的变化。

网易副总裁、网易智企总经理阮良在谈人才标准时，把审美、洞察力、判断力、标准化能力、结构化能力和自驱力放在了突出位置。这个标准放在几年前，恐怕没人敢这么提。它背后折射的，是企业对人才价值的重新审视。

当AI开始接手写代码、写文案、做总结、跑流程这些活儿，企业对人的要求自然也在跟着变。

如果网易智企已经捕捉到这个信号，那AI原生公司的人才标准，又会是什么样？

COCO AI的联合创始人Charlie在接受访谈时提到，他们招人很看重自主性、学习能力、Taste（判断好坏的能力）、独特视角和决策力。几位合伙人会分头面试，从不同角度去判断候选人，尽量减少盲点。

这个标准透露出的信号很明确：

。

COCO AI的价值，不只在于它怎么用AI Agent，更在于它怎么重新理解“人”这个角色。

Prompt 不再是核心壁垒

过去两年，很多人一度把会不会写Prompt，当成AI使用能力的分水岭。

早期的大模型能力还不稳定，提问方式、背景信息、约束条件，都会明显影响输出结果。同样一个任务，有人只能得到粗糙的答案，有人却能引导AI产出接近可用的内容。

。

Charlie在访谈中坦言，现在不同人写Prompt的差距，已经没有早期那么大了。模型的理解力越来越强，即便用户表达得不够精准，它也能自动补全上下文、理解真实意图。

这意味着，单纯“会问AI”这件事，正在无可避免地变成一项基础能力。

在COCO AI看来，Agent调度的难度更高，也更重要。

企业里遇到的问题，很少能靠一次性问答就解决。

让AI写一段文案并不难。但让AI围绕一个客户，完成线索识别、背景整理、需求判断、跟进建议和销售复盘，复杂度就陡然上升了。

这里面涉及数据、流程、权限、上下文，也需要人在关键节点做出判断。

这也是为什么很多企业明明用了AI，效率提升仍然十分有限的原因。

员工可以用AI写东西、查资料、做总结，但核心业务流程纹丝未动。客户怎么跟进，线索怎么判断，任务怎么拆分，结果怎么验收——这些关键环节跟以前一模一样，全靠人手工推进。

。

AI原生组织所需要的，不能是停留在工具操作层面的人。

他要懂业务，知道问题真正卡在哪里；也要懂流程，知道哪些步骤可以放心交给AI，哪些环节必须由人工确认。Prompt仍然重要，但它已经不是最稀缺的能力。

AI时代更看重自主性

很多人以为，工具越强大，人只需要学会调用就行。但在真实组织里，AI很少会主动告诉你：公司现在最该关注什么，客户真正的问题是什么，某个流程为什么一直卡住。

这些问题，仍然需要有人先看见。

Charlie在访谈中强调，COCO AI招人时会把自主性放在很靠前的位置。

一个只等任务分配、只会按要求完成固定动作的员工，即使用上AI，也很难产生真正的增量。他可能把文案写快一点，把表格整理快一点，但工作方式本身并没有发生根本性的变化。

他要能主动发现任务。

客户的一句抱怨，背后可能就是产品机会。

销售推进慢，可能不是因为能力问题，而是客户画像出了偏差。

某个竞品动作频频，也可能意味着市场正在发生结构性变化。

这些信息不会自动变成组织资产。

人必须先捕捉到它，再判断其重要性，最后整理成AI能够处理的材料。所以，AI真正放大的，是人的主动性。

。

他可以更快地查资料、整理线索、模拟方案、复盘客户、验证判断。过去一个人能做的事有限，现在借助AI可以同时推进更多任务。

过去，企业可以把一个人放进固定岗位，让他严格按照流程做事。只要流程足够清晰，执行力足够稳定，就能产出结果。

现在，很多流程本身正在被AI重写。

这类人未必一开始就是AI使用高手，但他们有好奇心、有学习速度、也有把事情往前推的习惯。只要给到合适的工具，他们很快就能长出全新的工作方法。

人的“Taste”更加珍贵

AI普及之后，很多基础产出正在变得廉价。文案、方案、代码、总结、表格，都可以瞬间生成。但问题也随之变了味。

当AI能给出多个方案，谁来判断哪一个更好？

当AI能写出一份完整报告，谁来判断里面有没有误判？

当AI能生成一套销售话术，谁来判断它是否适合眼前的客户？

这个时候，判断好坏的能力就变得格外珍贵。

Charlie提到，COCO AI招人会看Taste。

这个词很难直接翻译成一种单项能力，

。

做产品的，要知道什么产品是好的；做技术的，要知道什么架构是好的；做业务的，要知道什么客户值得投入。

AI可以提供一大堆选项，却没能力替企业判断：哪个选项更符合客户需求、市场节奏和组织当前的阶段。

每个方案看起来都有道理，每个建议都像值得尝试，最后事情越做越散。而有判断力的人，能迅速识别重点，知道什么可以暂时放下，什么值得深挖，什么只是表面热闹。

除了Taste，COCO AI也很看重“视角”。

做过法律的，会更敏感于合规和责任；

做过销售的，更容易识别客户的真实意图；

有海外经验的，也更清楚不同市场的付费习惯和沟通方式。

这些视角，AI很难凭空长出来。

模型可以学习公开知识，但企业现场里的许多判断，来自具体经历、行业体感和人与人之间的接触。

这也是AI时代，经验仍然有巨大价值的原因。

优秀员工是现实世界和 AI 之间的翻译器

企业里的问题，通常并不清晰。

客户不会按照系统字段来表述需求，市场变化也不会自动整理成报告。很多信息藏在一次沟通、一句抱怨、一次犹豫、一次没有成交的事件里。

在Charlie看来，

。

这本质上就是在现实世界和AI之间做翻译。

客户说“系统不好用”，背后可能是流程太重，也可能是权限设计不合理；

销售说“客户没预算”，背后可能是价值没讲清楚，也可能是客户本身就不匹配。

这些判断，不能直接扔给AI。

人必须先理解现场，把混乱的信息拆解开，找到问题的结构，再交给AI进一步处理。

举个简单的例子：一个客户提出需求，表面上是在要某个功能。优秀的人会继续追问下去：这个功能到底解决什么问题？原来的流程卡在哪里？这只是个案，还是一类客户的共性问题？

这些问题问清楚了，AI才有可能帮忙整理方案、生成流程、沉淀案例和设计后续动作。否则，AI只会围绕一个不完整的问题，输出一套看似完整的空答案。

这就是AI时代，人站上的新位置。

Agent越多，工作流越复杂，组织就越需要有人能理解全局。AI可以跑流程，但流程从哪里来，流程是否合理，结果是否可信，这些仍然要靠人来判断。

所以，

。

他要清楚客户在想什么，业务现场卡在哪里；也要能把模糊的问题拆成清晰的步骤，知道什么可以交给Agent，什么必须由人来确认。

这样的人，毫无疑问会越来越值钱。AI越强大，组织就越需要有人能把真实世界的复杂性整理出来，再交给AI去放大。