當人才數據成為資產，獵頭費不再是核心收入，行業才會真正被重構。

文｜錢麗娜

ID | BMR2004

當流量、終端、算力依次成為生產要素，以詞元為資源紐帶的未來組織，將如何顛覆傳統高端獵頭的運作邏輯？?北京才多對信息技術有限公司（以下簡稱“TTC”）聯合創始人、飛書前首席架構師寧遼原以技術視角跨界重構高端獵頭行業，給出了截然不同的答案。

“很多人認為AI會取代人，我恰恰認為，機器永遠不能替代人類，只有人才能替代人、只有人能幫人。”雖然TTC已經養了幾百只“龍蝦”（智能體），但寧遼原說，公司最近還在招人，“企業不會因為AI而不需要員工，反而需要更多、更不一樣的人。”

寧遼原用武器對戰爭形式的影響來比喻組織、技術與人的變化。在冷兵器時代，軍隊有明確的長矛兵、盾牌兵、騎兵、弓箭手的分工；在火槍出現的初期，兵種消失、全員列隊齊射，分工被暫時抹平；而到二戰乃至現代戰爭，沖鋒槍、狙擊槍、坦克、火炮再度形成精細分工。雖然工具的進化改變了組織形態與人的價值，但分工的本質未變，依然是人管人。AI的到來，正是這場“武器革命”的延續。

“就像你有了汽車，不用自己走路，也不用抬轎，但你會需要司機。工具搶走了重復性工作，卻讓人類的需求不斷演化。”寧遼原說。人類社會的進步，本質是工具升級帶來的人的價值提升，而非人的消亡。

這正是TTC的原則：在用技術重構高端人才服務的同時，讓人力價值在AI時代徹底釋放。

01

破壞與重構

真正的效率躍升不是漸進式的優化，而是通過?創新使效率提升10倍或成本降至1/10?，從而實現對舊模式的顛覆。

2023年，當極客們開始思考用AI重構產業時，那些依靠對人堆料作業的傳統行業，在極客的敘事體系中，開始被冠以“從前”二字。

過往十幾年，移動互聯網、房地產、金融三大行業迎來爆發式增長，催生了對獵頭的需求。在行業井噴之時，獵頭們并不需要深厚的行業積累，不少從業者在招聘平臺下載簡歷，推送給甲方即可完成交付。

但是如今傳統行業式微，新興科創企業崛起，涉及AI、芯片、具身智能、量子計算、航空航天、創新藥等領域，這些領域的高端人才非常稀缺，很少活躍于招聘平臺，需要依靠人脈挖掘；而專業門檻也成為攔在獵頭面前的一道坎，以往硬科技領域的招聘，獵頭沒有三五年的行業積累，很難真正理解崗位需求，找到合適的人才。

行業質變之后，獵頭行業的從業者從5年前的40多萬人驟降至如今的20多萬人。

傳統獵頭的作業模式還很重。企業招人時往往委托多家公司，最后只有一家成功，項目交付效率低、招聘周期長，成本高昂。在各家獵頭的資源池中，“躺”著成百上千的候選人，但是能匹配客戶需求的人，轉化率不足1%。

寧遼原早期擔任飛書的首席架構師，曾用半年時間組建了飛書的架構師團隊，了解招聘的“坑”。作為TTC的聯合創始人，寧遼原從技術的視角看獵頭行業時，他有了自己的效率原則：真正的效率躍升不是漸進式的優化，而是通過?創新使效率提升10倍或成本降至1/10?，從而實現對舊模式的顛覆。“把一件事的效率提升10倍，比提升20%要簡單。當提升20%的效率時，人固然會基于原有的路徑去思考；如果要提升10倍，就只能扔掉原有路徑，重新思考。”

他將傳統高端人才招聘的難題分解成三個子問題：1.科創企業專業壁壘高；2.獵頭公司內部是資源孤島，作業效率低下；3.高端人才稀缺且隱蔽。在“熱兵器”時代，他遵循的原則是把專業的事交給AI，把人的事留給人。不替代人，只賦能人。

AI擅長的事是幫助獵頭降低專業知識壁壘，快速理解崗位需求。依托大模型搭建產業動態知識庫，自動拆解簡歷、解析崗位技能、匹配技術方向，無須獵頭深度學習專業知識，即可快速完成技術層面的初篩與匹配。

硬科技行業招聘需求的變化隨技術實時變化。2023年，大模型企業做人才招聘，“搜廣推”（搜索、廣告、推薦）算法人才是加分項，而到2024年，“搜廣推”經驗反成負分項，企業需要懂Transformer架構的人才。人形機器人領域亦是如此，從運動神經控制到VLA（視覺-語言-動作模型）新范式，人才需求半年一變。傳統獵頭顯然難以跟上這種變化，而TTC通過AI知識庫實時同步客戶需求、產業共識，快速調整人才匹配方向。

解決資源鏈接和復用，打破信息孤島，實現全網復用也是AI擅長的事。寧遼原關注到，貝殼找房的價值就在于打破房產中介的房源壁壘，原先每個經紀人手中都有一些房源，互不通氣；而貝殼找房打通房源信息后，一個經紀人就能掌握全地區的房源。TTC將這一邏輯復制到獵頭行業，傳統獵頭辛苦積累100位候選人，只能服務少量客戶，而TTC用AI搭建起高端人才庫，將各個獵頭的人脈、企業的崗位需求拉通成網絡。

AI解決完基礎問題后，獵頭還是要專注于“手工活”，即鏈接候選人、建立信任，挖掘“水下信息”，比如了解候選人的婚姻狀況，判斷其風險承受能力；了解職業夢想，評估與企業的適配度。這些都是簡歷中不體現、AI無法感知的關鍵信息，只能通過人與人的溝通獲取。寧遼原說：“越是尖端的人才，越需要人與他們建立信任。線下的鏈接、信任的建立、情感的溝通，是這個行業的根基。”候選人一旦入庫，即可匹配全平臺客戶資源，單人價值被放大十倍、百倍。

相較于傳統獵頭，TTC的費率甚至還略有上漲，但企業依然愿意選擇，看中的就是快速交付能力。科技行業競爭激烈，一個核心人才早入職一個月，就能搶占一個賽道機會，這個價值遠高于獵頭費用，企業若錯失技術窗口期就意味著失去融資機遇，隱性成本極高。TTC依托人才庫與AI匹配，快速定位稀缺人才，但人才是否愿意接受企業的條件，其中還有各種博弈。但TTC已經解決了“找得著”和“找得對”，能夠降低試錯成本。

顯然，這就是人有人之用，AI有AI之用。“這種模式不追求單點效率的極致提升，而是解決全行業的資源損耗問題。”寧遼原說，“過去候選人對接10個獵頭，現在對接1家即可獲取全平臺機會。資源復用才是真正的效率提升。”

02

探索AI原生組織

穩定的組織只適合不變的業務，創新型企業必須隨機應變，讓組織適配業務，而非業務遷就組織。

TTC在對外重構行業時，對內則在思考AI原生的組織形態。寧遼原最近跟很多本科生在交流，他有意尋找那些沒有被傳統方法論規訓過的AI原生群體，從中挖掘產生10倍生產力的方法。全新技術來臨時，是另建新房，還是在老房里修修補補？他的策略是，另建新房，在居住過程中，再來看老房內有哪些家具適配新房。同理，重構獵頭行業，不是否定人力資源，而是在思考人才服務的本質。

寧遼原在關注組織和業務發展時，他首先要找到真問題。早年去微軟應聘，面試官考他設計模式，業內常見的設計模式有20余種，面試官要求他逐一解釋。答到第四題時他已經不耐煩了，反問面試官：“考查這些概念的意義是什么？這不過是固化的套路。在解決實際問題的過程中，我已經總結出對應的方法。我不記得術語，但掌握了解決問題的方法，這就足夠了。”

很多解決思路本就是實踐中自然形成的，他甚至一度對設計模式的教條化學習感到抵觸。直到聽到一位微軟的資深高管在設計模式培訓中分享的經驗，他這才明白：并非先有繁多的設計模式，而是先有反復出現的問題。針對同類問題形成的最優實踐，才被總結為設計模式。他的疑惑被瞬間解開，設計模式從來不是死板的規則，而是問題驅動下的解決方案。學習設計模式的本質，是理解不同問題的特征與解決方法，應該聚焦問題本身，而非拘泥于形式。

他將這一邏輯遷移到管理領域，去設計一個AI原生組織時，各類管理方法、組織制度本質上都是“設計模式”。

TTC的組織架構每個季度都會調整，寧遼原將其比喻為“熱兵器”時代的軍隊重組——不再是流水線式的分工，而是根據業務需求、技術風向重新配置人力。“很多企業學阿里輪崗、微軟重組，只學了形式，沒學到本質。組織調整的核心是業務需要，而非為了激活團隊瞎折騰。”當企業開拓海外市場，或者布局新賽道時，組織必須隨之調整；當員工能力與崗位不匹配、個人訴求發生變化時，分工也必須優化。

在AI時代，技術迭代、市場變化速度提升時，組織僵化意味著死亡。寧遼原很清楚，穩定的組織只適合不變的業務，創新型企業必須隨機應變，讓組織適配業務，而非業務遷就組織。TTC內部已落地多類AI智能體，覆蓋客戶服務、面試、人才匹配、文案處理等七大場景。不同智能體的難度各異，而所有AI的兜底、優化、責任，最終都由人類承擔。

當企業內部面臨人機協同的環境時，他把阿里“要開學”的人才標準遷移過來：要性、開放性、學習力。如今，單一技能的保質期極短，今天的前端專家，明天崗位可能就消失了。員工必須具備快速學習能力，打破邊界，主動適配新任務。“我們需要的不是只會執行的‘工具人’，而是能管理AI、適配變化的‘領導者’。”

03

化整為零，詞元經濟打開全新需求場景

傳統獵頭的人才信息、企業需求、匹配記錄，都是零散的、未被加工的“石油”，而TTC通過AI加工、標簽化、動態更新，將其變成可復用、可變現的“汽油”。

AI時代，創業組織的勝負取決于認知的高低。寧遼原認為，詞元的本質，是把服務、能力、勞動的顆粒度切到最細，降低交易摩擦，提升經濟效率。過去軟件服務按年付費、獵頭服務按人收費，顆粒度極粗，企業成本高、需求難以滿足；而詞元時代，服務按次、按工作量、按調用量付費——做一張圖20元、處理一份稿件按字計費、調用一次API按詞元結算。

“就像菜場買大包裝的菜，顆粒度粗，需求被抑制；而當用戶可以買一個雞蛋、一根黃瓜時，這些精細化的售賣方式滿足了末端的需求，市場被徹底激活。”詞元經濟就是把“整筐賣”變成“零賣”，讓企業用最低成本獲取最精準的服務。

同樣，人力也將被“詞元化”。傳統人力資源以“全職員工”為單位，顆粒度粗，一個員工只能服務一家公司，時間不飽和、能力被浪費。而詞元經濟下，人的能力可以被拆解、復用、多次變現。媒體編輯的撰稿能力、設計師的做圖能力、工程師的編程能力，都可以變成“詞元”，像API一樣被不同企業調用，按工作量付費，讓能力價值最大化。“這就是數字零工，也是人力的資產化。”

傳統獵頭的人才信息、企業需求、匹配記錄，都是零散的、未被加工的“石油”，而TTC通過AI加工、標簽化、動態更新，將其變成可復用、可變現的“汽油”。“就像過去政府的土地不值錢，變成商品房后成為核心資產，人才數據經過加工，也能成為企業的核心資產，產生遠超獵頭費的價值。”

TTC的長期戰略，是通過數據資產變現，極大限度地降低獵頭費用，甚至免費。如同抖音免費看視頻、微信免費聊天，需要思考用第二曲線的盈利來顛覆行業。“當人才數據成為資產，獵頭費就不再是核心收入，行業才會真正被重構。”