文 | 穆胜
01 定义—— AI 介入后的 " 混合编队 "
传统管理学语境下的 " 团队 "，默认成员是自然人。团队被定义为 " 由两个或两个以上相互作用、相互依赖的个体，为实现特定目标而组成的集合 "。这个时期，强化人的作业能力的要素被定义为 " 工具 " 或 " 机器 "，它们要么强化了人的脑力（运算能力），要么强化了人的体能（物理边界），但无论它们有多强大，始终都是以人为核心的，是人的附属品。
这种对于团队的定义，在 AI 智能体大规模进入企业后，开始出现了变化。当 AI 为工具注入了一定范围内的独立思考能力，它们就成为了另一种形式上的 " 员工 "。所以，这种新型的 " 人机协同团队 " 成员不再限于自然人，成员之间的 " 相互依赖 " 不再只发生于人类之间，还发生在人— AI、AI — AI 之间，传统的组织与人力资源管理理论方法，显然应该改变了。
据此，穆胜咨询将人机协同团队（Human-AI Collaboration Team）定义为：以实现特定经营或交付目标为目的，由人类成员与 AI 智能体（含数字员工、机器人及可调用的外部智能服务）共同构成，通过明确的人机分工、决策权配置与协作协议形成稳定协作关系的作业单元。
这一定义有三个关键限定词。其一，" 稳定协作关系 "——排除了 " 人偶尔用一下 AI 工具 " 的临时状态。一个人用 ChatGPT 写一封邮件，不构成人机协同团队；只有当 AI 智能体被赋予固定职责、进入常态化工作流、并对团队产出承担责任时，人机协同团队才真正存在。其二，" 决策权配置 "—— AI 智能体是否拥有决策权，以及在多大范围内拥有决策权，是判断协同深度的核心标尺。其三，" 作业单元 "——强调这是可以在组织中被设计的最小单位，有明确工作内容和目的，而非抽象概念。
02 五元构成——谁在这个团队里？
人机协同团队的成员可以归为五类角色（如图 1-1）。需要说明的是，" 五元 " 是分析性分类，实践中一个团队未必同时具备全部五类。
第一类：人类成员（Human Members）。 穆胜博士在 2026 年出版的《智能体组织》一书中，按照价值创造的金字塔，把这类组织中的人类员工从高到低分为五种类型，即思想家、设计师、专家、情报员、强化作业者。当下，我们考虑在一个相对成熟的智能体组织里，剔除掉 " 创世 " 所需的思想家和设计师，也剔除掉情报员和强化作业者这两类过于基层的一线员工（working-level），人类员工就主要是 " 专家 "，他们的角色主要有三类。
一是方向设定：设定目标和规划路径，即从结果和过程两个维度定义 " 什么算好 "，换句话说，这是建立评估体系，以便作出价值判断。二是监管和接管：既要按照评估体系来监督智能体的运行是否按照既定目标、遵循既定路线，也要处理智能体无法覆盖的长尾、高风险、高情绪场景。三是AI 训练与编排者：考虑企业经营目标和商业环境等要素的变化，企业需要适时更新各类智能体，这就需要进行提示（Prompt）设计、知识供给、智能体工作流设计与质量验收。微软将这些角色命名为 " 智能体的老板 "（Agent Boss），并认为，驾驭智能体将不再是高管专属，而是每一位员工的必修课（Microsoft，2025）。事实上，人类管理者也是通过相似的方式来管理人类员工的。
第二类：AI 智能体（AI Agents）。 AI 智能体是一种以大语言模型为核心大脑的智能系统，具备感知、推理、规划、记忆和执行能力。它的核心特征是目标驱动：你只需给出最终目标，它就能够理解意图、自主拆解任务、规划路径并调用多个工具来完成闭环交付，无需一步步干预。
Gartner 对 "AI 工具— AI 助手— AI 智能体 " 作了清晰区分：AI 工具 " 你问它答 "，交付一段建议；AI 助手 " 你下指令、它辅助执行 "，交付半成品；AI 智能体 " 你交代目标、它自主完成 "，交付完整任务结果，但需要清晰的权限与边界（Gartner，2025）。这一区分极其重要：前两者是 " 人的效率放大器 "，只有第三者具备了一定的自主意识，才能真正成为 " 团队的成员 "。事实上，AI 智能体的出现，也是 " 机器 " 开始被作为一种管理对象的分界线。
第三类：数字员工（Digital Employees）。 数字员工通常由 AI 智能体、RPA 等多项技术组合而成，拥有工号、职责边界和持续记忆，能够像真实同事一样承担特定岗位的持续性工作。它与管理工具的差别在于组织身份：数字员工有 " 岗位 "、有 " 上级 "、有 " 绩效 "，甚至可以被 " 解雇 "。旧金山的实验性零售店 Andon Market 就由 AI Agent Luna 负责招聘、排班、请假与员工管理，且 Luna 曾在一名员工多次迟到后建议终止雇佣关系。这类实践虽属前沿试验，但它标志着数字员工的组织身份正在从 " 概念 " 走向 " 制度 "。
这里需要重点区分数字员工和 AI 智能体。尽管数字员工以 AI 智能体为核心，但后者和前者并不是一种进阶关系。这里，有必要进行区分：
第四类：机器人（Robots）。 具身智能形态的物理执行者。它把协同的边界从 " 信息流 " 推进到 " 物理流 "。在制造业与供应链场景中，机器人是 AI 智能体的 " 手 "。在人机协同的语境下，机器人也包括 RPA（机器人流程自动化），它是与人类、AI 智能体共同构成协同团队的核心执行角色之一。
第五类：外部生态伙伴（External Partners）。 包括外部 API 服务、专业智能体、外包 " 数字劳动力 "。Gartner 在供应链研究中发现，76% 的供应链领导者已实施或计划实施相关功能，以自动化地与 " 机器客户 "（即能独立谈判和采购的非人类经济体）互动（Gartner，2025）。当交易对手也可能是 AI 时，" 团队边界 " 就必须重新定义。
03 能力矩阵——人机能力如何互补？
人机协同的底层逻辑是 " 能力互补 "，而非 " 能力替代 "。当下，包括穆胜咨询、麦肯锡与微软等主流研究机构发布的内容，都指向一个共同的结论：AI 在 " 广度、速度、一致性、规模 " 上具有压倒性优势；人类在 " 判断、共情、价值取舍、非常规创新 " 上仍不可替代。穆胜博士对此有一个更具文学性的表述：无论技术如何演进，高级创意、复杂判断与共情仍属于人类，构成 AI 难以进入的 " 上帝禁区（好比上帝在造物时就设置好的禁区）"（穆胜，2025）。
据此可以绘制人机能力矩阵（以四个维度描述）：
穆胜博士在《智能体组织》一书中，分析了这类组织里少量人类员工的价值，我们可以基于这些价值推演出上述矩阵。其他研究机构的结论也证实了这种人机协作的必要性。微软 Work Trend Index 的数据显示：员工今年转向（更愿）与 AI 而非同事合作的第一原因是 "24 × 7 可用性 "（42%），其次是 " 机器速度与质量 "（30%）、" 无限的创意想法 "（28%）——恰是 " 人类无法提供 " 的三项（Microsoft，2025）。同时，领导者认为 AI 时代最重要的人类技能是 " 质量控制 "（50%）与 " 批判性思维 "（46%）（Microsoft，2026）。这两组数据的对照，最清楚地说明了人机分工的分界线：机器负责 " 做得多 "，人类负责 " 判断得对不对 "。
04 人机比 &token 效——效能的组织度量
" 人机比 "（人类成员数 : AI 智能体数）正在成为一个新的组织度量。它是一个人效（HR Efficiency）的中介变量，有极其明显的 " 杠杆效应 "，人类员工越是能够驾驭更多的智能体，人效就会越高。但是，这个指标并不容易衡量。穆胜咨询提示，有两个计量方向需要注意：
一是 AI 智能体的 " 当量 " 不统一。一个负责全公司考勤巡检的代理，与一个负责单个客户报价的代理，工作量与价值完全不同。穆胜咨询的建议是，把对 " 数量 " 的计量转化为对 " 工时 " 或 " 任务量 " 的计量。事实上，" 数量比 " 远不如 " 工时比 " 或 " 任务量比 " 有意义。
二是 AI 智能体的成本结构不同。AI 智能体的边际人工成本低，但存在算力、模型调用、数据与运维的持续投入。
这正是穆胜咨询提出的 " 人效口径重写 " 的现实基础：分母应当是 " 人机总投入 " ——人工成本加上 AI 相关的算力、模型、数据与运维投入；人效的定义应走向 "token 计效 "（穆胜咨询，2026）。 穆胜咨询认为，" 人机比 " 只有与 " 人机总投入产出比 " 结合，才是有管理意义的指标，企业应该致力于提升 " 人机比 " 和 "token 效 "，两者的结合构成了智能体组织的 " 人效 "，精确地说，智能体组织的人效 = 人机比 *token 效。
穆胜咨询研究院预测：到 2028 年前后，" 人机比 " 与 "token 效 " 将成为规模化企业的常规经营指标，并在部分先进企业进入董事会与经营分析会的常规议题；但 " 人机比 " 不会出现统一的行业标杆值，因为其合理区间高度依赖业务场景的标准化程度，更应该是企业的定制指标。
05 治理结构——新型组织契约的核心
人机协同团队最容易被忽视、却最关键的静态构成要素，是治理结构。
原因很直接：当团队里出现一个能够自主行动的非人类成员，" 谁批准了它 " 就成了一切治理问题的起点。HCLTech 在研究中描述了一个典型的困境场景：凌晨 2 点 03 分，一个关键企业工作流突然启动，没有工程师部署变更，没有分析师发起自动化，但一系列决策在财务、客户系统与云基础设施之间精准移动；到天亮时，高管们只问一个问题—— " 谁批准的？" 答案是：" 没有人，是系统自己做的。"（HCLTech，2026）
真实数据印证了治理缺口：Strata Identity 在 2026 年研究显示，仅 18% 的安全负责人认为其身份与访问管理系统能有效管理 AI 智能体身份，而对这个议题表示 " 中等信心 "" 轻微信心 "" 没有信心或不确定 " 的样本分别为 35%、29% 和 18%。近 80% 的企业无法实时追踪 AI 智能体的活动，即它们正在做什么、由谁负责。仅 21% 的企业拥有准确地运营中的 AI 智能体清单（Strata Identity，2026），而 32% 的企业依赖非实时记录，约 32% 的企业计划在一年内实施优化，8% 的企业则完全没有清单。换言之，绝大多数企业其实并不清楚自己 " 雇了多少 AI 员工 "，也不清楚它们到底在以什么方式运作，企业的人机团队管理处于混沌状态。
据此，AI 智能体的治理应遵循四条原则：
其一，独立身份。 每一个 AI 智能体都必须拥有第一类身份（first-class identity），不得借用人类凭证或共享服务账号，且必须绑定一个可问责的人类所有者（HCLTech，2026；Cisco Agentic Identity 方案）。
其二，任务级最小权限。 权限应依据 " 这个代理要做什么任务 " 而非 " 哪个部门拥有它 " 来授予。一个审批小额采购的采购代理，可以访问采购流程、供应商记录与采购政策，但不应对企业财务系统拥有无限制访问权（Crucial Logics，2026）。
其三，区分 " 读取数据 " 与 " 采取行动 "。 一个代理可能需要广泛读取客户信息以分析投诉，但这不意味着它可以自动向客户发送回复。高风险动作（退款超过一定金额、变更生产权限、导出受监管数据、对外发布、执行资金划转）必须设置人类审批闸门（AI Cyber Check，2026）。
其四，全生命周期审计。 包括代理的注册、认证、授权、凭证轮换、会话监控、审计日志与注销。代理退役时，其凭证、令牌与权限必须被同步清除—— " 停掉工作流 " 并不等于 " 回收了权限 "。
06 人机团队——全面升级的纸面实力
根据人机协同团队的特点和上述治理原则，我们可以总结出它们与人类团队的如下区别：
这张表中最值得注意的是最后一行。穆胜咨询在谈到现代企业的赋能机制（让员工 " 有能力干 " 的机制，主要通过知识管理来实现）时明确指出：" 高度依赖超级英雄的企业绝非真正的优质企业 "，企业应搭建 " 知识萃取→知识沉淀→知识分享 " 的闭环知识体系，让平凡人做非凡事，让非凡人做超凡事（穆胜咨询，2025）。AI 智能体的加入，第一次让 " 下限托底 " 具备了工程化的可能——这可能是人机协同团队对组织理论最重要的贡献。
注释：
HCLTech 是一家总部位于印度的全球性科技公司，也是印度顶级的 IT 服务与咨询巨头之一。它区别于普通外包商的核心标签是 " 工程与研发（E&R&D）服务领域的全球领导者 "，近年来正大力向 AI 驱动的技术服务转型。
Strata Identity 是一家专注于身份编排（Identity Orchestration） 的技术公司，核心是解决企业在混合云和多云环境下，碎片化身份系统的集成、现代化改造与安全管理问题。这家企业于 2019 年成立于美国科罗拉多州博尔德，2026 年 6 月已被数据安全公司 Rubrik 收购，目前是 Rubrik 旗下公司。其 CEO Eric Olden 是 SAML 标准的共同作者之一。公司还主导创了身份查询语言 IDQL 和开源项目 Hexa，以推动多云身份管理的标准化。
