AI 重写 HR、财务、法务与销售：自动化之后，署名还在谁手里

把 AI 进入职能部门说成“岗位消失”，几乎总是看错了颗粒度。麦肯锡 2025 年 11 月对约两千名高管的调查里，88% 的组织已在至少一个职能用上 AI，比一年前的 78% 又高一截，正在测试 AI agent 的达到 62%；但同一份调查里，约三分之二的组织没能把任何一个用例真正推到生产环境，只有 39% 报告了息税前利润的改善，且多数不到 5%，能称得上高绩效的仅 6%——这些公司把两成以上的数字化预算投进 AI，并且重新设计了工作流，而不是把 AI 贴到旧流程上。工具几乎人人在用，价值却卡在少数人手里，差距的来源是有没有把工作真正拆清楚。

拆开来看，HR、财务、法务、销售里的每一项任务，大致落进三格：可以交给 AI 自动完成的、必须由人审核后才算数的、以及无论工具多强都不能外包出去的责任。第一类是草稿、提取、分类、初筛；第二类是模型给建议、人来判断取舍；第三类是最终那一步——付款、录用、递交、承诺——出事时要有人的名字担着。这三格按每一项具体任务划分，落到部门层面往往被含糊带过；同一个人一天里可能在三格之间反复切换。真正决定成败的，是自动化跑完之后，署名还留在谁手里；一个职能的 AI 成熟度，就藏在它能不能把这三格分清楚。

2023 年，纽约南区联邦法院审理 Mata 诉 Avianca 一案时，原告律师用 ChatGPT 写出一份动议，里面塞满了根本不存在的判例——虚构的航空公司、编造的引文和内部引证。对方律师和法院都查不到这些案子。涉事律师后来承认，他并不知道 ChatGPT 会凭空捏造判例，甚至把模型自我担保“案例真实”的回答也当了真。当年 6 月 22 日，Castel 法官依据《联邦民事诉讼规则》第 11 条，认定律师存在“主观上的恶意”，处以 5000 美元罚款，并要求他们向每一位名字被写进假判例的法官寄出更正信。2024 年 7 月 29 日，美国律师协会发布关于生成式 AI 的首份正式伦理意见（第 512 号），重申的正是同一条界线——律师对提交给法庭的每一份内容负有核实与担责之责。

放进三格就很清楚：检索判例、生成初稿，是可以交给 AI 的第一类任务；逐条核对每一个引文是否真实存在，是必须由人审核的第二类；而在动议上签字、把它递交给法院，是不可外包的第三类责任。这些律师做对了第一步，却把第二步和第三步一起交了出去——第 11 条追问的从来不是你有没有用工具，而是递出去的东西你核过没有、认不认。工具可以起草，问责不能转让，罚单最后落在递交人头上。

财务部门几乎把这套三分法直接做成了流程。Gartner 在 2025 年 11 月对 183 位 CFO 和财务负责人的调查显示，财务里落地最广的三个 AI 用例是知识管理（49%）、应付账款流程自动化（37%）和差错与异常检测（34%），全都集中在处理和核对，而非最终决策。

应付账款的实践把界线划得格外干净。发票的接收、分类、抬头与行项目提取属于第一类：这些动作只把信息送进下游，本身不过账、不付款、不改供应商档案，交给 AI 风险很低。给出会计科目、匹配供应商、标记重复与差异属于第二类：AI 提建议，人来采纳或推翻，配上置信度阈值、异常队列，以及一份记录“谁采纳了哪条建议”的问责日志。而最终审批、放款、变更供应商主数据这三件事必须留在人手里——它们要么关系到职责分离不能被打穿，要么需要用行外渠道二次确认以防欺诈。用一句话概括这条界线：AI 可以把证据摆到每个决定面前，却不该成为任何一个决定的拍板者。这条线正变得更要紧——把镜头转到费用报销一侧：AppZen 平台上被标记为欺诈的报销单据里，AI 生成的占比从 2025 年 3 月的几乎为零，涨到 2026 年 5 月中旬的约七成（71%），当造假一方也用上 AI，那道人工确认的关卡就更不能省。Emburse 2026 年对两千名美英员工的调查里，约四成美国受访者承认曾用 AI 制作假报销单据；这类风险的落点在第三格的审批与放款，模型识别得准不准只是第二格的事。

HR 和销售的第三类责任，往往由外部规则和客户关系替企业钉死。纽约市 144 号地方法从 2023 年 7 月 5 日起执行，要求任何用“自动化雇佣决策工具”筛人的雇主，每年请一家独立审计方做偏见审计，检验工具在种族、性别等受保护类别上是否造成差别影响，并须提前告知候选人将被自动化工具评估、依据哪些数据，相关信息在书面请求后 30 天内提供，候选人还须在被评估前提前收到通知。简历初筛可以自动化，是第一类；审计与结果复核是第二类；而录用与否的责任、以及找一个能对偏见负责的独立审计方，是法律强行留给人的第三类。违规按每天每次最高 1500 美元计罚，等于用罚款逼企业承认：筛选可以外包给模型，后果不能。

销售一侧，压力来自客户而不是监管。Salesforce 在 2025 年 10 月称已有约一万两千家客户在用 Agentforce 360，并配上“可观测”仪表盘监控 agent 的推理、准确性与合规，公司反复强调 Agentforce 意在放大人的能力、把人留在关键决策上。落到三格：线索培育、答疑、初步资格判断可以交给 agent，是第一类；把复杂线索带着完整背景移交给销售、由人决定是否推进，是第二类；对客户作出的承诺、报价与最终成交，则是不能让 agent 替公司扛的第三类。做得好的部署有个共同点——清晰的人机交接和留痕，而不是让 agent 一路跑到签约。可观测仪表盘的意义也在这里：它让第二格的审核有据可查，把成交这一步的最终决定权稳稳留在人这一侧。

把四个职能并排看，结论收拢成一句：一个组织的 AI 成熟度，衡量的不是它上没上 AI，而是 HR、财务、法务、销售能不能各自把“可自动化”和“不可外包的责任”分开。法务栽在没核对的引文上，财务的风险在放款和主数据，HR 被偏见审计盯着，销售的底线是对客户的承诺——四个部门的第一格越做越宽是好事，可第三格一旦模糊，错误会安静地累积，直到某天集中爆发。

值得盯住的触发信号很具体：每个职能拿出自己的三张清单——哪些任务已交给 AI 自动完成、哪些必须人工批准、哪些是无论如何不能外包的责任——并且第三张清单上有具体的人名和流程。这张清单不必华丽：一行写明动作、一行写明谁批准、一行写明出错时谁来纠正，就已经比一句“全面拥抱 AI”管用得多。反过来的失效信号也很清楚：全公司只有一句笼统的“我们上了 AI”，却拿不出一份把自动化和问责对应起来的地图，于是假引文、错付款、带偏见的初筛、被过度承诺的客户在各个角落悄悄堆积。新加坡资讯通信媒体发展局（IMDA）2026 年 1 月发布的 agentic AI 治理框架，把“让人切实担责”列为核心支柱，要求每个自主动作都能追溯到负责的人，讲的是同一件事；对多数正在部署 AI agent 的东南亚企业来说，眼下最缺的常常就是这三张清单，模型早已够用。当四个职能都能说清哪一步的署名不能交出去，自动化才算真正长进组织，而不只是浮在流程表面。