前几天，我们参加网易智企活动时，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到人才标准时提到，未来更重要的能力包括审美、洞察力、判断力、标准化能力、结构化能力和自驱力。

这个标准在几年前是不敢想象的，它背后反映的是企业对人才价值的重新判断。

当 AI 开始承担写代码、写文案、做总结、跑流程等工作，企业对人的要求也在发生变化。

如果网易智企已经感受到这种变化，那么 AI 原生公司的人才标准又是什么样？

COCO AI 联合创始人 Charlie 在接受牛透社分析师访谈时提到，他们招人时很看重自主性、学习能力、Taste（判断好坏的能力）、独特视角和决策力。几个合伙人会分头面试，从不同角度判断候选人，尽量减少盲点。

从这个标准可以看到，在 AI 原生组织里，企业需要的不只是能够完成任务的人，更是能够发现问题、理解需求并作出判断的人。

COCO AI 的价值，不只在于它如何使用 AI Agent，也在于它如何重新理解“人”。

Prompt 不再是核心壁垒

过去两年，很多人把会不会写 Prompt 当成 AI 使用能力的分水岭。

早期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结果。

同样一个任务，有人只能得到粗糙答案，有人能让 AI 产出接近可用的内容。

但模型能力提升后，Prompt 的门槛正在下降。

Charlie 在访谈中提到，现在不同人写 Prompt 的差距已经没有早期那么大。模型理解力越来越强，即使表达不够精准，也能补全上下文、理解意图。

这意味着，单纯“会问 AI”正在变成基础能力。

真正拉开差距的，是任务拆解、业务判断、Agent 调度和结果验收。在 COCO AI 看来，Agent 调度能力难度更高，也更重要。

企业里的问题，很少能靠一次问答解决。

让 AI 写一段文案并不难。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，就复杂得多。

这里涉及数据、流程、权限和上下文，也需要人在关键节点做判断。

这也是很多企业用了 AI，效率提升仍然有限的原因。

员工可以用 AI 写东西、查资料、做总结，但业务流程没有变化。

客户怎么跟进，线索怎么判断，任务怎么拆分，结果怎么验收，核心环节仍然靠人手工推进。

AI 提高了局部效率，却没有改变整条工作链路。

AI 原生组织需要的人，不能停留在工具操作层面。

他要懂业务，知道问题真正卡在哪里；也要懂流程，知道哪些步骤可以交给 AI，哪些环节必须人工确认。

Prompt 仍然重要，但它已经不是最稀缺的能力。

更稀缺的是把业务问题变成可执行工作流的能力。

AI时代更看重自主性

AI 越强，越考验人的自主性。

很多人以为，工具越强，人只要会调用就行。

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，仍然要靠人先看见。

Charlie 在访谈中提到，COCO AI 招人时会把自主性放在很前面。

因为如果一个人不会主动提问、主动探索，也不会主动把新信息带回组织，工具就只能停在被动响应。

一个员工如果只等任务分配，只会按要求完成固定动作，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，但工作方式没有发生根本变化。

AI 原生组织需要的人，不能只是“接任务”。

他要能主动发现任务。

客户的一句抱怨，背后可能是产品机会。

销售推进慢，可能不是销售能力问题，而是客户画像不准。

某个竞品动作频繁出现，也可能意味着市场正在变化。

这些信息不会自动变成组织资产。

人要先捕捉到它，再判断它是否重要，最后整理成 AI 能处理的材料。

所以，AI 放大的是人的主动性。

主动性强的人，会用 AI 扩大自己的行动半径。

他可以更快查资料、整理线索、模拟方案、复盘客户、验证判断。

过去一个人做不了那么多事，现在可以借助 AI 同时推进更多任务。

过去，企业可以把一个人放进固定岗位，让他按照流程做事。

只要流程足够清楚，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。企业更需要那些能走到流程前面的人。

这类人未必一开始就最会用 AI，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，他们很快能长出新的工作方法。

人的“Taste”更加珍贵

AI 越能生成内容，人的判断力越重要。

AI 进入之后，很多基础产出正在变得廉价。文案、方案、代码、总结、表格，都可以很快生成。

问题随之变了。

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当前客户？

这时候，判断好坏的能力就变得更珍贵。

Charlie 在访谈中提到，COCO AI 招人会看 Taste。

这个词很难直接翻译成某一种单项能力，它更接近一个人长期形成的审美、判断和分寸感。

做产品的人，要知道什么产品是好的；

做技术的人，要知道什么架构是好的；

做业务的人，要知道什么客户值得投入。

AI 可以提供很多选项，却很难替企业判断哪个选项更符合客户需求、市场节奏和组织阶段。

没有这种判断力的人，会被 AI 的产出淹没。

每个方案看起来都有道理，每个建议都像可以尝试，最后事情越做越散。

有判断力的人，能迅速识别重点，知道什么可以先放下，什么值得深挖，什么只是表面热闹。

除了 Taste，COCO AI 也看重视角。

不同经历、专业背景和市场经验，会给组织带来不同的信息入口。

做过法律的人，会更敏感于合规和责任；

做过销售的人，更容易识别客户的真实意图；

有海外经验的人，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，但企业现场里的很多判断，来自具体经历、行业体感和人与人之间的接触。

一个人见过足够多客户，踩过足够多坑，处理过足够多复杂场景，他的判断往往更接近真实世界。

这也是 AI 时代经验仍然有价值的原因。

优秀员工是现实世界和 AI 之间的翻译器

AI 原生组织里，最稀缺的人才，不是最会操作工具的人，是能把现实问题翻译给 AI 的人。

企业里的问题通常并不清晰。

客户不会按照系统字段表达需求，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、一个没有成交里。

Charlie认为，人和客户打交道时，需要先理解复杂问题，再把问题抽象、结构化、系统化，变成工作流。

这相当于在现实世界和 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”，背后可能是价值没有讲清楚，也可能是客户本身不匹配。

这些判断不能直接交给 AI。

人要先理解现场，把混乱的信息拆开，找到问题结构，再交给 AI 进一步处理。这个过程比写 Prompt 更重要。

比如，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：这个功能解决什么问题？原来的流程卡在哪里？这是个案，还是一类客户的共性问题？

这些问题问清楚之后，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，给出看似完整的答案。

这就是 AI 时代人的新位置。

人要站在真实业务和 AI 系统之间，把客户需求、业务场景、市场信息和内部目标，转化成 AI 能理解、能调用、能执行的任务。

Agent 越多，工作流越复杂，组织越需要有人理解全局。

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，仍然要靠人判断。

所以，AI 原生组织里的优秀员工，需要同时懂现实、懂结构、懂 AI。

他要知道客户在想什么，业务现场卡在哪里；也要能把模糊问题拆成清楚步骤，知道什么可以交给 Agent，什么必须由人确认。

这类人会越来越值钱。

AI 越强，组织越需要有人把真实世界的复杂性整理出来，再交给 AI 放大。