文 | 沈素明被算法撕裂的薪酬公式我们长期以来依赖的薪酬管理的底层逻辑，是一个看似坚不可摧的公式：薪酬=劳动时间×劳动强度×技能系数这个公式的成立，基于一个基本假设：价值与人力投入高度相关。但在AI高渗透的今天，这个公式已经被撕裂了。·张三，使用AI工具，一小时完成了一份高质量的年度报告。·李四，按照传统流程，耗费了一周时间，也提交了一份类似的报告。同样产出的结果，该如何支付薪酬？如果简单地按工时付费，李四拿到十倍于张三的薪水，企业是在浪费资源；如果简单地按产出付费，李四的收入可能暴跌，组织恐慌和对抗随之而来。这不是一个理论争辩，而是每一个企业决策者必须面对的生存困境。很多人热衷于讨论AI带来的“十大挑战”，然后以一句“目前没有完美答案”结束。但我必须提醒你，企业不能等待完美答案。今天的决策者需要的是实用、可落地的行动框架。所以我不是要讨论困境，而是为企业提供一个分层重构的实用框架，帮助企业在效率、公平与稳定这三者的刀尖上，找到一个动态的平衡点。薪酬管理的底层逻辑与三层困境在AI的强光照射下，传统薪酬体系的脆弱性暴露无遗。它所面临的困境，是基础性的，而非简单的技术问题。我们很快会发现，AI打破的不是工具，而是对“劳动”与“价值”的基本认知：·困境一：“劳动”的边界模糊了。 劳动不再是单纯的“投入时间”或“体力消耗”，它演变成了“指挥AI”、“设计提示词”和“审核产出质量”的智慧活动。用一小时的“指令劳动”完成了手工一周的“执行劳动”，薪酬的基础单位到底应该是什么？·困境二：生产率差距被放大到了极致。 在传统企业中，最优秀的员工效率可能是普通员工的 2-3 倍。但在AI时代，这个差距轻松可以达到 10 倍，甚至 50 倍。如果薪酬完全对齐效率，组织将被撕裂，管理将无法进行。·困境三：价值的归属权不清晰。 当AI完成了 90% 的执行性工作，员工只提供了 10% 的创意和校准时，价值该如何分配？付给员工的薪酬，究竟是在购买他的Prompt设计，还是在为AI的算力买单？这三个困境，是所有企业正在经历的共同“内伤”。既然完美答案不存在，那么我们能做的，就是采取一种现实主义的管理策略——分层重构薪酬体系。在动荡中求稳定：薪酬管理的“三层重构”面对基础逻辑的动摇，薪酬管理不能采用“修修补补”的方式。我们必须从组织稳定的角度出发，对体系进行基础层、激励层和战略层的分层处理，以保障组织在变革中的平稳过渡。管理的第一要务是稳定。 薪酬管理一旦引发恐慌，哪怕再高明的改革，也会以动荡收场。如果我们激进地将不会使用AI的员工收入大幅削减，就会导致大规模的离职潮和内部对抗。因此，在基础层，我的策略是稳定预期，但不停止进步：要保留岗位的基础工资（占总收入的 60%-70%）作为组织稳定的“锚”。这意味着，无论员工会不会使用AI，只要他还在这个岗位上，这部分基础收入就不会受到影响。这样做的目的非常明确：给组织一个明确的信号——企业变革，但不会放弃基本盘。员工不必担心一夜之间失去收入来源。不能让“AI能力溢价”直接去影响基础工资，而是要在基础工资之外，独立设置“AI能力奖金”或“转型溢价”。这相当于对员工说：你不会用AI，你的基本生活不受影响；但如果你学会了，你将获得额外的奖赏。这种模式既激励了学习，又避免了对暂时不会的员工产生直接的惩罚效应。要承认员工学习和转型需要时间。企业必须承诺一个 6 到 12 个月的“过渡期”。在这个周期内，企业提供充足的培训资源，且员工的基础薪酬保持不变。过渡期结束，新的薪酬结构才开始逐步拉开差距。要承认，稳定是大于一切的。激进的变革会引发动荡，而薪酬体系的巨变，必须用时间来平抑恐慌。 先保住基本盘，再用溢价引导员工自发地走向变革。如果基础层解决的是“公平焦虑”，那么激励层解决的就是“效率与动能”问题。如果不拉开差距，那些用AI创造出十倍价值的优秀人才就会觉得被旧体系禁锢，他们将成为组织变革中的第一批“逃兵”。不过这里的挑战在于：如何拉开差距，但又不撕裂组织？溢价不能是无限的。企业需要根据自身业务，将AI能力进行分级，将AI能力溢价与人才的稀缺性挂钩：这个等级的设定，是将AI能力从一个模糊的概念，转化为可测量、可定价的价值。我在AI管理咨询实践中发现，AI能力溢价不宜超过基础工资的 3 倍。为什么要设上限？因为AI能力虽然重要，但它不是全部。企业价值的创造，仍依赖于业务理解、团队协作、情感维系、以及人类独有的不可替代性。如果AI溢价过高，会导致组织内形成“AI贵族”和“AI贫民”的对立，撕裂团队。对于那些效率和产出已经远远超过 3 倍溢价的顶尖人才，超出的部分不应再用固定薪酬激励，而应转向柔性激励：比如项目分成、股权期权、或者给予更高的战略决策权。这符合高层人才激励的特点：从买时间转向买长期价值。薪酬管理的战略目标，是从根本上打破时间与价值的强绑定关系。传统薪酬是“买时间”，AI时代必须转向“买成果”。这不是一步到位，而是一个渐进式的战略转型。不是所有岗位都适合“成果薪酬”，有些复杂、长期性的管理岗位，依然需要时间薪酬作为保底。应该从产出最容易量化的岗位开始试点：销售、研发、内容、基础设计。在这些岗位上，逐步设计“成果定价体系”，即：一个项目、一份报告、一个功能模块，都有明确的定价。在这个体系下，员工用一小时完成，还是用一周完成，企业支付的都是同样的价钱。用AI提升效率的人，单位时间的收入自然更高。完全的成果薪酬，会带来员工收入的巨大不确定性，引发焦虑。因此，最现实的方案是混合制：总薪酬=基础工资（保底）+成果奖金（激励）企业应该逐步提高成果奖金的占比，将薪酬重心从“保底”转向“激励”：·过渡期：基础 60% + 成果 40%·成熟期：基础 40% + 成果 60%这种混合制，既能保障员工的基本收入和安全感（企业承担部分风险），又能最大化激发他们利用AI提升效率的动力（员工承担产出风险）。这是平衡稳定与效率的现实主义路径。企业最关心的三个落地细节在设计完框架后，管理者们总会面对几个逃不掉的、具体的执行问题。我必须给出清晰的实操建议。溢价的数字，不应是拍脑袋的，而是要参考供需关系和业务价值。·看稀缺性：如果你的组织里只有10%的人掌握 L3 级 AI 能力，这种稀缺性决定了溢价必须高，以防人才流失（溢价可达基础工资的 50%-100%）。当50%的人掌握后，稀缺性下降，溢价也应随之降低（降至 20%-30%）。·看业务价值：AI能力在核心营收业务上（如算法研发、精准营销）的溢价，必须高于支持性业务（如行政、基础人力）。溢价要体现“价值贡献率”，而非“技术难度”。·市场对标：关注同行业 AI 岗位的薪酬中位数。初期保守建议溢价在 20%-50%，中期根据效果和市场反馈，动态调整。企业不能简单地将“不会用AI”等同于“无用”，这会引发组织的人性危机。正确的处理路径是：先培训、再调整、最后才是淘汰。1.路径一：提供培训与转型期。 明确告知员工，企业提供资源（L1/L2级培训），并给予6-12 个月的转型期。这是企业对员工的承诺，也是员工对自身的责任。2.路径二：岗位调整与再定位。 将学习AI能力较弱、但具备丰富经验的员工，调往AI难以替代的岗位，例如：复杂的客户关系维护、跨文化沟通、深度创意构思、以及员工的心理辅导等高情商、高经验密度的工作。3.路径三：协商离职。 这是最后的选择。对于完全无法适应、也无力转型或调岗的员工，企业应提供合理的补偿方案，协商离职。但此举必须克制，否则会破坏组织信任。这个问题的本质，是对总价值的重新切分，而不是简单地算员工的工时。我建议采用一个三方分成模型来指导分配：1.AI工具成本（20%-30%）：这包括算力、软件许可、数据维护等。应将其视为“生产资料成本”，从总收入中扣除。2.企业平台价值（30%-40%）：企业提供的品牌、客户关系、历史数据、管理流程等，这是“平台溢价”，是价值得以实现的基础。3.员工创造价值（30%-50%）： 这就是“人类附加值”，包括指令设计、质量把控、业务理解、结果交付。这一分配模型主要用于企业设计分配逻辑，而不是让员工去计算每一笔收入。例如，一个设计项目收费 10 万元，扣除成本和平台溢价后，剩余的 5 万元作为激励池，由设计师根据其AI能力等级和项目完成质量来获得报酬。薪酬变革的“现实主义”原则薪酬体系的变革，是管理中最敏感、最容易引发冲突的领域。必须以“现实主义”的态度去推进，不求理论完美，只求落地有效。变革必须是渐进、可控的。·试点（前 3 个月）：选择 1-2 个对AI最敏感的部门进行新体系试点，如研发或内容部门。·扩大（3-6 个月）：根据试点反馈，调整方案，逐步推广到更多部门。·全面推行（6-12 个月）： 方案成熟，再进行全公司覆盖。任何薪酬调整，沟通的价值高于方案本身。·提前告知：必须向员工清晰解释：调整的原因、调整的逻辑、以及不会用AI的员工的保障路径。·解释逻辑： AI能力溢价为什么值钱？它购买的不是时间，而是效能和稀缺性。·给予时间缓冲： 宣布调整后，要给员工充足的准备和学习时间，而不是立即执行。透明沟通是为了消除恐慌和对抗，将变革的阻力转化为学习的动力。AI的渗透是一个持续动态的过程，薪酬体系绝不能是一个“一次性方案”。企业必须建立动态的薪酬评估机制：每季度评估 AI 渗透率、员工 AI 能力等级、以及薪酬调整后的业务效果。每年根据宏观战略和市场变化，进行一次全面的系数和比例调整。薪酬管理的核心，不是技术，而是平衡——平衡公平和效率、平衡稳定和激励、平衡短期和长期。那些成功的企业，不是找到了“完美答案”，而是找到了能持续动态调整的“平衡点”。更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App