企业如何用AI人事系统建立关键岗位的继任者计划

一场没有准备的权力交接，足以毁掉一家公司

2023年秋天，一家年营收12亿的制造企业，分管供应链的副总裁突发心梗住院，预计恢复期至少半年。CEO连夜召集HRVP开会，问了一个让所有人都沉默的问题：“明天谁来接他的工作？”打开人才盘点表，上面列着三个名字。第一个三个月前跳槽去了竞品，第二个刚被调到一个新事业部还没站稳，第三个的上级评价写着“专业过硬但带团队能力尚需观察”。最终，这位CEO亲自兼任了供应链VP的岗位，一干就是七个月。期间因为决策延迟，两个大客户的订单交付周期从28天拉长到了47天，其中一个客户直接在年底续约时减少了四成采购量。

这不是孤例。过去五年里，我在HR SaaS行业亲眼看到过至少十几起类似事件，关键岗位一旦出现突然空缺，绝大多数企业的反应不是“启动继任者计划”，而是“临时找人、紧急补位、被动应付”。有些公司扛过来了，有些没扛过来。没扛过来的那些，往往不是产品有问题，不是市场没机会，而是组织能力在关键节点上出现了一个缺口，整个业务链条从那个缺口开始断裂。

这篇文章想讲清楚一件事：AI人事系统到底能不能帮企业建立真正可用的关键岗位继任者计划？如果能，怎么做？如果做了，和传统方式有什么本质区别？我会基于自己在HR数字化领域的一线经验，结合实战案例、数据观察和踩过的坑，把这个问题彻底拆解清楚。不做百科式的概念科普，不打鸡血，不说那些“AI能解决一切”的空话。我只讲自己做过的、见过的、验证过的东西。

一、核心结论先说清楚：AI不是锦上添花，是继任计划的“操作系统”

做了十几年HR数字化项目，我形成一个基本判断：传统继任者计划的失败率极高，不是因为企业不重视，而是因为执行成本太高、信息更新太慢、主观偏差太强、动态追踪太难。很多公司每年做一次人才盘点，开两天闭门会，列出一张继任者名单，然后存档。等到真正要用的时候，发现名单上的人要么走了，要么变了，要么根本就不合适。

AI人事系统在继任者计划上带来的核心改变，不是“用算法替代人做决策”，而是把继任者计划从一个“年度事件”变成一个“持续性流程”，把“凭经验判断”升级为“数据驱动的实时洞察”，把“静态名单”转化成“动态人才梯队地图”。

我用一句话概括：传统方式做的是“拍一张照片”，AI系统做的是“装一套监控+导航”。照片拍完那一刻就过时了，但监控可以实时看变化，导航可以在需要的时候告诉你走哪条路最快到达。

具体来说，AI人事系统在继任者计划这件事上，能解决四个传统方式无法解决的核心问题：

第一，实时性。传统盘点一年一次，AI系统可以基于绩效数据、项目数据、培训数据、行为数据的持续更新，让继任者画像保持“热”的状态。一个人能力提升了，系统自动更新匹配度。一个人离职风险升高了，系统自动预警。

第二，多维性。传统评估通常只看绩效和上级评价。AI系统可以把能力模型拆解成十几个甚至几十个可量化的维度，从项目贡献度、跨部门协作频次、知识分享行为、学习能力曲线等角度综合建模。这不是在玩指标游戏，而是在逼近一个更真实的“这个人到底能不能胜任”的判断。

第三，公平性。这一点很多人不愿意公开说，但事实就是如此，传统继任者选拔存在明显的“曝光效应偏差”。经常在领导面前露脸的人更容易被记住，安静干活的人容易被忽略。AI系统不看“露脸频率”，只看数据表现，能帮组织发现那些藏在冰山下面的高潜人才。

第四，可追踪性。定了继任者之后，有没有真的在培养？培养计划执行了百分之多少？能力差距缩小了多少？传统方式基本答不上来。AI系统可以把每个继任者的成长路径可视化，让培养不再是一个黑箱。

二、真实场景还原：继任者计划为什么在中国企业里这么难落地

我在2018年到2020年间参与过近四十家企业的HR数字化项目，规模从三百人到两万多人不等。有一个现象非常一致：几乎所有HR部门都知道继任者计划重要，但真正把它做起来并持续运转的企业，不到十分之一。

原因出在哪里？我总结了四个真实场景中的“死结”。

1. 人才盘点头重脚轻，一年一次像“过年”

很多公司的人才盘点流程是这样的：年底HR发通知，要求各部门提报高潜名单，填一堆表格，然后HR汇总，组织一场或几场校准会。校准会上，各部门负责人对着名单讨论谁该进“九宫格”的哪个格子。这个过程通常持续两到四周，参与者精疲力竭。结束后，HR把结果整理成一份漂亮的PPT，向管理层汇报。汇报完，存档。来年再看，名单上的人可能已经换了一茬。

这种模式的本质问题是：盘点是一个时间点上的快照，但人才状态是持续变化的。一个员工可能在盘点时表现平平，但在接下来三个月里快速成长。另一个员工可能在盘点时是明星，但接下来因为家庭变故状态下滑。静态快照无法捕捉动态变化，导致继任者计划在关键时刻失效。

AI系统怎么解决？在I人事这样的平台上，人才盘点的底层逻辑从“事件驱动”变成了“数据驱动”。系统持续采集绩效数据、OKR完成情况、360评估结果、项目参与记录、培训学习记录等多源数据，自动更新每个员工的“人才画像”。当管理者需要查看某个关键岗位的继任者时，看到的是基于最新数据的实时分析，而不是半年前的一张静态表格。

2. 评估依据单一，主观判断穿上“客观”外衣

有一次我在一家客户现场旁听人才校准会，印象非常深刻。讨论到一个区域销售经理是否应该进入“高潜池”时，华东区负责人说：“我觉得他不错，去年跟我出差好几次，执行力很强。”华南区负责人接了一句：“我听说他去年拿下一个大单，挺能打的。”然后这个人的名字就被放进了“高潜”那一栏。

整个讨论过程中，没有出现任何一条量化的、可比较的数据。“执行力很强”的依据是什么？是项目按时交付率？是跨部门协作的次数？是团队成员的匿名反馈？没有人追问，因为会议时间有限，而且大家手上也没有这些数据。

更值得警惕的是，这种模式天然带有“近因效应”和“曝光偏差”。和领导走得近的人、最近做成大事的人、善于在会议上表现自己的人，更容易被记住和认可。而那些真正稳定输出但低调的人，往往被系统性地忽略了。

AI系统改变了这种评估逻辑。它不会“觉得”谁更优秀，它基于预设的胜任力模型和真实行为数据来计算匹配度。一个技术专家的代码贡献量、代码评审参与度、技术分享次数、带教新人数量，这些数据不会说谎。一个销售负责人的客户留存率、回款周期、团队人均产出，这些数据也不会因为谁更会做PPT而改变。

3. 培养计划写得漂亮，落地基本靠运气

继任者计划不是选完人就结束了，培养环节才是真正的核心。但现实情况是，很多公司的“培养计划”沦为一种形式主义。

典型场景是这样的：人才盘点结束后，HR给每个继任者制定了一份个人发展计划，上面写着“参加领导力培训”“安排跨部门轮岗”“指定导师辅导”之类的条目。然后这份计划被发给继任者本人和他的上级，大家都说“好的好的”。三个月后回看，培训可能参加了一半，轮岗因为“业务太忙”一拖再拖，导师辅导变成偶尔吃顿饭聊聊天。没有人真正追踪这些培养动作是否发生、是否有效、是否和能力提升之间存在因果关系。

AI系统把培养这项工作的颗粒度提升了不止一个量级。以I人事为例，系统可以把发展计划拆解成具体任务，分配责任人，设置时间节点，然后自动追踪执行进度。继任者完成了一门在线课程，系统记录。参加了一个跨部门项目，系统记录。导师完成了一次辅导并提交了反馈，系统记录。当这些数据积累起来，管理者可以看到的不只是“培养计划执行了没有”，而是“培养动作和能力指标之间有没有相关性”，这才是真正的培养闭环。

4. 继任者名单变成敏感信息，藏着掖着反而坏事

不少企业把继任者名单当成高度机密，怕公开之后引起内部矛盾。“为什么选他不选我”的质疑确实让人头疼。但这种做法的副作用也很明显：那些被选为继任者的人，自己都不知道自己被选了。他们不会因为这个身份而获得额外的历练机会，不会意识到公司对自己的期待，该跳槽的时候照样跳槽。

AI系统提供了一种更聪明的处理方式。系统可以设置不同的权限层级，对继任者本人展示“你的发展方向是什么，公司建议你提升哪几项能力”，而不直接说“你是某岗位的继任者”。这既能引导成长方向，又避免了敏感标签带来的副作用。同时，对管理层展示的是完整的继任图谱和风险预警，让他们在需要做决策时信息充分。

三、拆解三大常见误区：关于继任者计划，多数人从一开始就想错了

在和企业管理者讨论继任者计划时，我发现有些观点反复出现，而且普遍存在偏差。这些误区如果不纠正，花再多钱上AI系统也白搭。

1. 误区一：“只有大企业才需要继任者计划，我们公司小，用不着”

这个想法非常危险。关键岗位的定义和企业规模没有必然关系。一个五十人的创业公司，技术合伙人就是关键岗位。他走了，产品迭代可能停滞三个月。一个两百人的贸易公司，掌握核心客户关系的销售总监就是关键岗位。他走了，客户可能跟着一起走。

恰恰相反，中小企业对关键岗位的依赖度通常更高，因为备份能力更弱。大企业一个VP离职，下面还有几个总监能顶一阵。小企业一个核心人物走了，整个业务线可能就瘫痪了。

我的建议是：不要用员工总数来判断要不要做继任者计划，用“关键岗位依赖指数”来判断。问自己一个问题：“如果这个人明天突然不能工作了，公司能在多长时间内找到替代者？找不到的代价有多大？”如果答案让你后背发凉，那就该做继任计划了，不管公司是五十人还是五百人。

2. 误区二：“继任者计划就是找个备胎，等现任走了再启用”

这是对继任者计划最大、最普遍的误解。持这种想法的人，把继任者当成“替补席上的板凳球员”，平时放着不用，等到主力受伤才换上场。

但组织中最有价值的人才，不会甘心当“替补”。如果你把一个人标记为继任者，却不给他任何实质性的发展机会，三个月内他就会开始看外面的机会。真正有效的继任者计划，不是在现任离开时才激活一个“备胎”，而是在日常运转中就让继任者持续获得有挑战性的锻炼，让他一直在成长，一直在准备，同时他的价值也在当下就得到释放。

这个认知转变非常关键：继任者计划本质上不是“后备计划”，而是“人才加速发展计划”。它的目标不是“万一谁走了有人顶”，而是“让组织里始终有一批人在快速成长，随时能承担更大的责任”。前者是防守思维，后者是进攻思维。

3. 误区三：“AI选的继任者不如人选的靠谱，机器懂什么”

我在很多场合听到过类似的质疑。有意思的是，说这话的人往往对AI系统的工作原理并不了解。他们想象中的“AI选人”大概是：把一堆员工数据倒进系统，系统吐出几个名字，然后HR就按这个名单执行。

实际情况完全不是这样。AI系统在继任者计划中的角色，不是“做决策”，而是“提供决策支持”。最终拍板的还是人，业务负责人、HRVP、CEO。AI的价值在于，在这些人做决策之前，帮他们把几千名员工的信息处理成可比较、可分析、可追溯的数据，让他们不至于只凭印象和感觉下判断。

我觉得一个恰当的类比是心电图和医生的关系。AI系统就像是给组织做了一张“人才心电图”，把肉眼看不到的底层信息可视化出来。而管理者就像医生，根据心电图和其他信息综合诊断，做出判断。没有医生会说“心电图机不懂医术所以我不看心电图”，同样的逻辑也适用于AI人事系统。

四、专业判断逻辑：AI建立继任者计划的四层能力框架

做了这么多项目之后，我总结了一套评估框架。一个AI人事系统要在继任者计划上真正发挥作用，必须具备四层递进的能力。缺了任何一层，效果都会打折扣。

1. 第一层：数据整合层，把“散落的数据”变成“可用的资产”

很多企业的基础数据现状是这样的：绩效数据在绩效系统里，考勤数据在考勤系统里，培训记录在培训系统里，项目经验可能在某个Excel表格里，离职风险相关的信息可能在HR的脑海里。这些数据彼此割裂，格式不统一，很多还停留在“一条记录”的层面，没有被结构化。

AI系统的第一项能力，就是把这些散落在不同角落的数据连接起来，清洗、整合、结构化。这不是一个技术上的“小功能”，而是一个系统工程。在I人事的实施过程中，这一步往往是最费时间的，不是因为系统复杂，而是因为企业自身的数据治理水平参差不齐。

我见过做得最好的客户，花了三个月时间梳理了全公司两百多个关键岗位的胜任力模型，然后把历史三年的绩效数据、项目数据、培训数据做了统一的结构化处理。上线之后效果非常明显。也见过做得不太好的客户，匆匆忙忙导了一批不完整的数据就上线了，结果系统的推荐结果和实际情况偏差很大，管理层不信任，系统就成了摆设。

这个教训值得强调：AI系统不是魔术，输入的是垃圾数据，输出的也只能是垃圾结论。企业在考虑上AI系统之前，先评估一下自己的数据基础是否足够支撑智能化应用。

2. 第二层：模型构建层，把“经验判断”变成“可复用的标准”

有了数据基础之后，第二步是建立评估模型。这里有一个非常普遍的误解：很多人以为AI系统会自动“发现”一个岗位需要什么能力。实际上，岗位胜任力的定义和权重设定，仍然需要人来完成，只是完成之后，AI可以基于这个模型进行大规模、高效率的匹配计算。

具体怎么建？我分享一个在实践中验证过的四步法：

（1）成立岗位专家组，输出能力词典。选3-5个在这个岗位上表现出色的资深人士，加上HRBP，一起讨论这个岗位最核心的能力要求是什么。每个能力要有清晰的行为描述，不能是模糊的“领导力强”“沟通能力好”。比如“项目管理能力”可以描述为“能够独立管理预算超过200万、跨部门参与超过3个的复杂项目，并按期交付”。

（2）给能力赋予可衡量的数据指标。这是从“人评价”到“数据评价”的关键一步。“项目管理能力”可以关联项目按时交付率、预算偏差率、项目干系人满意度等指标。“技术能力”可以关联代码贡献量、技术评审通过率、专利/论文产出等指标。关键是把每个抽象能力拆解成1-3个可以在系统中找到对应数据的行为指标。

（3）设定权重。不同能力在不同岗位的重要性不同。对于研发负责人，“技术前瞻性”的权重可能比“预算管理能力”高。对于财务负责人，则刚好相反。权重设定同样需要专家组讨论，但可以用AI系统做敏感性分析来辅助验证，改变某项权重后，推荐结果会发生什么变化？这种变化是否合理？

（4）持续校准。模型不是一成不变的。随着业务环境变化、组织战略调整，岗位要求也会变化。模型的校准频率建议至少每半年一次，或者在重大业务调整后立即进行。

3. 第三层：匹配计算层，从“感觉谁合适”到“看到谁匹配度最高”

模型建好之后，AI系统的核心价值开始显现：它能在极短时间内，对全公司成百上千名员工逐一计算与该岗位的匹配度，然后给出一个排序。

这个过程在传统方式下的人力成本是天文数字。假设公司有500名员工，要对一个关键岗位做继任者筛选。传统方式需要HR逐个查看每个人的档案、绩效、履历，约访谈，汇总判断。一个人至少耗时2-3小时，500个人就是1000-1500小时。一个HR全职干这件事，要干半年以上。所以现实中根本不会这样做，人们会凭印象先圈定10-15个人，然后深入评估。这种做法效率高，但遗漏风险也高。

AI系统把这个过程缩短到秒级，而且不会遗漏任何一个人。它不会因为某个员工“存在感低”而不去计算他的匹配度。这带来的一个附加价值是：系统经常能发现一些管理者主观视野之外的“隐藏高潜”，那些平时不声不响但各项数据表现扎实的人。

在I人事的一个客户案例中，系统推荐了一个区域分公司的中层主管作为总部某总监岗位的继任者，匹配度排在全公司第三位。起初总部管理层对这个结果很意外，因为这个人不在总部，平时和高层几乎没有交集。但调出他的详细数据一看：连续三年区域业绩排名前二，带出的团队中有四人晋升到其他区域做主管，跨区域项目协作评分全公司最高。这些信息分散在不同系统中，没有AI的整合和计算，很难被总部的决策者看到。

4. 第四层：动态追踪层，从“一次筛选”到“持续监控”

第四层能力是AI系统和传统方式差异最大的地方。传统继任者计划做完筛选就基本结束了，后续最多有一些松散的发展计划跟踪。但AI系统可以做到：

（1）继任者成长进度可视化。系统自动追踪继任者在目标岗位各项能力上的进步幅度，用进度条或成长曲线展示，让管理者和继任者本人都能清楚看到“距离胜任还差多远”。

（2）离职风险预警。系统可以通过行为数据的变化（如考勤异常增加、工作积极性下降、内部系统活跃度降低等）来判断一个继任者的离职风险是否在上升。如果某个关键岗位的第一继任者风险预警亮红灯，系统会建议管理者关注并启动与第二继任者的沟通。

（3）继任图谱实时更新。当某个继任者调动、晋升或离职时，系统自动调整继任图谱，重新计算该岗位的最佳继任人选。不需要等到下一次人才盘点才更新。

（4）培养计划执行闭环。系统不只是在计划开始时发送一个通知，而是持续追踪每个培养动作的执行情况。导师辅导有没有按时完成？在线课程有没有学完？轮岗任务有没有启动？如果长期没有进展，系统会自动提醒HR和管理者介入。

这四层能力叠在一起，形成了AI继任者计划的完整闭环。少了数据基础，模型是空中楼阁。少了模型，计算没有标准。少了动态追踪，前面的努力都会随时间衰减。

五、I人事实战案例拆解：从零到一建立关键岗位继任者计划的完整路径

理论框架讲得再多，也不如一个完整案例有说服力。下面这个案例基于我直接参与的一个I人事客户项目，为了保护客户隐私，公司名称和具体人名做了处理，但流程、数据、遇到的坑都是真实的。

这家公司是一家总部在华东的科技制造企业，员工约1800人，年营收25亿左右。2022年初，公司CEO在年度战略会上明确提出要建立关键岗位继任者计划，起因是上一年一位技术副总裁离职后，继任者迟迟定不下来，导致一个重要产品线的研发进度延误了四个多月，错过了一个关键客户的订单窗口。

1. 项目启动：先定义什么是“关键岗位”

实施的第一步，也是最容易被忽视的一步，是定义“关键岗位”的标准。很多人上来就问“公司里哪些岗位是关键岗位”，然后各部门报上来一个长长的名单。这种做法不可取，因为每个人都会把自己的岗位说成是关键岗位。

我们和客户一起制定了一个筛选标准：

（1）业务影响度。这个岗位如果出现空缺，对公司核心业务的影响程度。用1-5分打分，5分意味着空缺会导致核心业务线无法运转。

（2）人才稀缺度。这个岗位的市场供给情况和内部替代难度。用1-5分打分，5分意味着外部招聘周期超过6个月且内部无人可替代。

（3）战略关联度。这个岗位和公司未来2-3年战略方向的关联度。用1-5分打分，5分意味着该岗位是未来战略落地的核心执行者。

三个维度加权评分，总分超过12分的被定义为关键岗位。最终从全公司400多个岗位中筛选出47个关键岗位，占比约11%。这个比例在行业中属于正常范围。

2. 第二步：为每个关键岗位建立胜任力模型

47个关键岗位不可能一次性全部建完模型。我们采取了分批推进的策略：先从14个第一优先级的岗位开始，每个岗位组织一个3-5人的专家组讨论。专家组成员包括该岗位的现任者（如果表现优秀且愿意参与）、直线领导、以及与该岗位有密切协作关系的其他部门负责人。

讨论过程非常有意思，也暴露出很多问题。比如在讨论“生产厂长”这个岗位的胜任力模型时，现任厂长认为“成本控制能力”应该是第一权重，但他的上级，分管制造的副总裁认为“安全管理能力”才是第一位的。两个人在会上争论了二十分钟，最后用历史数据说话：过去三年，这家工厂因为安全事故造成的损失远高于成本超支的损失。数据一摆出来，现任厂长也认可了副总裁的判断。

这个细节值得深思：即使是最了解岗位的人，对岗位要求的认知也可能存在偏差。AI系统虽然不能替代这种深度讨论，但它提供的客观数据可以帮助讨论方更快达成共识，减少“谁职务高谁说得对”的情况。

最终，47个关键岗位的胜任力模型全部建立完成，花了大约两个月时间。每个模型包含6-12项核心能力，每项能力都关联了2-4个可量化的行为指标。

3. 第三步：AI系统跑出第一版继任者推荐名单

模型导入I人事系统后，系统开始计算全公司员工与每个关键岗位的匹配度。这个过程很快，但结果出来之后出现了一个我们预料之中的问题：系统推荐的一些人，管理层不认可。

比如系统推荐了一位研发工程师作为某技术管理岗的第一继任者，匹配度高达91%。但他的部门总监看了之后说：“这个人技术确实强，但没有管理意愿，也不太合群，不适合带团队。”

这是一个典型的“数据能反映一部分事实，但不能反映全部事实”的场景。系统基于绩效数据、项目数据、技术能力数据计算出这个工程师在“技术能力”维度上得分极高，所以整体匹配度很高。但系统不知道他的管理意愿和团队协作风格，因为这些信息没有被结构化地记录在任何地方。

这个问题的解决方法是增加数据维度，而不是否定系统的价值。我们后来在模型中加入了“管理意愿评估”（通过匿名问卷和行为观察收集）和“团队协作评分”（来自360评估的数据），并在下一版计算中降低了那些“技术强但缺乏协作意愿”的人的继任者排名。

经过三轮校准，系统推荐的名单和管理层的判断基本趋于一致。但更重要的是，系统还发现了7个管理层之前没有注意到的高潜人才，其中4个后来被纳入了加速发展计划。

4. 第四步：制定并追踪个性化发展计划

继任者名单确定之后，下一步是为每个人制定发展计划。系统根据每个继任者的能力差距，自动推荐了培养路径。比如：

（1）能力差距在“团队管理”上的人，系统推荐了“带教2-3名新人”“主持部门级项目”“参加管理力培训”等任务。

（2）能力差距在“跨部门协作”上的人，系统推荐了“参与跨部门项目”“轮岗到协作部门1-2个月”等任务。

（3）能力差距在“战略思维”上的人，系统推荐了“参与公司级战略研讨会议”“跟随高管学习”等任务。

这些任务被录入I人事系统后，自动分配了责任人、时间节点和完成标准。HR和管理者可以在系统里随时查看每个继任者的计划执行进度。如果某项任务长期未启动，系统会自动发送提醒。

这个机制在运行六个月后产生了明显的效果。以前这家公司的“个人发展计划”执行率不到30%，现在提升到了70%以上。原因很简单：透明化本身就是一种驱动力。当一个人知道自己的发展进度会被上级和HR看到时，他更有动力去执行。

5. 第五步：建立常态化运营机制

系统上线不是终点，而是起点。我们和客户一起建立了一套运营机制：

（1）月度数据更新。绩效、项目、培训等数据每月自动同步，保证人才画像的时效性。

（2）季度继任者回顾。每季度HR和业务负责人一起回顾继任者名单的变化，讨论是否有新增或退出的人选。

（3）半年度模型校准。每半年根据业务变化对胜任力模型进行调整，确保模型和真实需求一致。

（4）年度全面复盘。每年做一次全面的继任者计划效果评估，包括：启用了多少继任者？启用后胜任率如何？人才梯队健康度有没有改善？

这套机制运行一年后，这家公司的“关键岗位突发空缺后一个月内有人可用的比例”从之前的42%提升到了83%。换句话说，过去十个关键岗位突然空出来，只有四个能在一个月内找到合适的内部人选顶上；现在这个数字变成了八个以上。这是CEO在年度复盘时最满意的一个数据。

六、不同情况下的行动建议：你的企业处于哪个阶段？

以上案例是一个相对成熟的实施路径。但现实中，每家企业的规模、阶段、数据基础、管理成熟度都不一样。根据我在不同客户那里看到的实际情况，我整理了三类典型场景及其对应的行动建议。

1. 场景A：企业规模300人以上，已有HR系统，但从未做过正式继任者计划

这是最常见的一类企业。有基本的HR信息化基础，绩效、考勤、薪酬都有系统在管，但数据分散，没有打通，没有人做过系统化的人才盘点。

行动建议：

（1）先做“最小可行继任者计划”。不要一上来就覆盖所有岗位。先圈定5-10个最核心、最不可替代的岗位（参考之前的“业务影响度×人才稀缺度”矩阵），只针对这些岗位建立继任计划。把范围缩小，把质量做高，做出一个可以让管理层看到价值的“样板间”。

（2）用AI系统完成首次人才盘点的数据整合。如果数据散落在不同系统中，靠人工整合的成本和出错率都很高。上AI系统的第一步不是“做决策”，而是“做整合”，让系统先帮你把所有相关数据按照岗位胜任力模型的要求结构化。这个过程本身就能产出很多有价值的洞察。

（3）建立管理层对AI推荐的信任。第一版系统推荐名单出来后，不要直接使用，安排一次校准会。让管理层把系统推荐和人选提名放在一起对比讨论。经过1-2轮校准之后，信任就建立起来了。

（4）设定一个6个月的快速验证周期。6个月后回过头来看：系统推荐的人选中有多少人得到了发展机会？他们的成长表现如何？有没有因为继任计划而避免了一次人才危机？用真实数据说服组织继续投入。

2. 场景B：企业已有年度人才盘点流程，想用AI提升效率和效果

这类企业有基础，但遇到了瓶颈。典型表现是：人才盘点已经做了几年，流程跑通了，大家也知道重要，但总觉得投入产出比不理想，盘点结果的使用率不高。

行动建议：

（1）诊断现有盘点的“断点”。盘点结果有没有被用于继任者筛选？继任者选定后有没有制定发展计划？发展计划有没有被追踪？追踪结果有没有反馈到下一轮盘点？找到链路上断开的地方，AI系统优先补那个环节。

（2）用AI替代人工的重复劳动。盘点中最耗时的是数据收集和汇总。AI系统可以把这部分工作自动化，让HR从“搜集数据的人”变成“分析数据的人”。

（3）把盘点频率从年度提升到季度甚至月度。有了AI系统之后，盘点的边际成本大幅下降，不需要再等一年才能看到人才全景。高频盘点能让继任者计划保持“热”的状态。

（4）用数据验证盘点的有效性。过去几年盘点出来“高潜”的人，后来真的高潜了吗？被选为“继任者”的人，在关键时刻被启用的比例有多高？用这些回溯数据来校准你的评估模型。

3. 场景C：企业已有AI人事系统，想深化继任者计划的应用

少数走在前面的是这类企业。系统已经有了，基础功能也在用，但感觉还能做得更深。

行动建议：

（1）从“关键岗位”延伸到“关键人才池”。不只关注某个特定岗位的继任者，而是建立一个跨岗位的“关键人才池”。AI系统可以识别出那些在多个岗位上都有高匹配度的人，意味着他们有更大的成长空间和调用弹性。

（2）把继任者计划和组织设计联动。当业务战略调整时，需要的岗位和能力也会变化。AI系统可以根据新战略快速模拟不同的人才配置方案，帮助管理层在组织调整前就心中有数。

（3）引入外部数据做对标。光看内部数据不够，行业人才流动趋势、薪酬竞争力等外部数据也能帮助判断继任者的保留风险和培养重点。

（4）构建“人才供应链”思维。把继任者计划从“应对某个岗位空缺”升级为“建设组织的人才供给能力”。对标制造业的供应链管理，你需要知道关键人才的“库存深度”是多少，“补货周期”多长，“替代品”有没有。

七、关键时刻的决策取舍：继任者计划中五个最难的选择

在帮助企业建立继任者计划的过程中，我发现最棘手的往往不是技术和流程问题，而是需要做判断、做取舍的“两难选择”。以下是我反复遇到的五个典型决策场景，以及我的建议。

1. 内部培养还是外部空降？

这是继任者计划中最根本的取舍。内部培养的人熟悉业务、文化契合、成本更可控，但可能视野有限、创新动力不足。外部空降的人能带来新思路、新能力，但适应期长、失败率高。

根据一项经常被引用的研究数据，外部空降的高管在18个月内的失败率大约在40%-60%之间，远高于内部提拔。但这不意味着应该“永远优先内部”。我的判断框架是：

如果岗位的核心挑战是“执行现有战略”，优先内部。因为内部人对战略的理解、对组织的熟悉是天然优势。

如果岗位的核心挑战是“变革现有模式”，考虑外部。因为内部人可能被现有模式同化，缺乏打破规则的勇气和视角。

如果内部有2-3个匹配度超过80%的候选人，不需要外部。这个水平的匹配度说明组织内有足够的人才储备，外部招聘的边际收益可能不如加速内部人的成长。

如果内部匹配度最高的人也不到70%，说明人才缺口真实存在，需要内外结合，短期靠外部引入补缺口，长期靠内部培养建梯队。

2. 培养一个人还是培养一群人？

资源永远是有限的。一个关键岗位应该培养一个继任者还是多个？

我的建议是“1+2”原则：每个关键岗位至少有一个“短期可启用”的继任者（匹配度80%以上），同时培养两个“中长期潜力型”的候选人（匹配度60%-80%之间）。

这种配置的好处是：短期继任者可以应对突发状况，降低了“找不到人”的风险。而中长期候选人之间的良性竞争和互为备份，既能提升培养质量，也能防止“只有一棵独苗、它倒了我别无选择”的被动局面。

但要注意的是，当你同时培养多个人时，需要处理好他们的预期。不要让每个人都觉得“自己就是接班人”，而是让他们理解这是一种“加速发展机会”，成长期望才是核心，岗位承诺是次要的。

3. 透明还是保密？

这个问题之前提过，值得深入展开。我的实践经验是：对继任者本人，不要说“你是某岗位的继任者”，而要传达“公司认为你有潜力承担更大责任，希望你关注这几项能力的发展”。前者是承诺，容易引发期待和办公室政治。后者是投资，既保留了灵活度，也给了对方明确的成长方向。

对组织整体，继任者计划的存在和目标可以透明，但具体名单应该按权限分层可见。直接上级和HR可以看到完整名单，跨部门管理者只在需要组建跨部门项目团队时看到相关的候选池信息。

4. 能力优先还是潜力优先？

评估一个继任者时，是更看重他当前展示出来的能力，还是更看重他的成长潜力？这是人才评估中最难平衡的问题之一。

我的判断逻辑是：看时间窗口。如果这个岗位在6-12个月内可能需要有人顶上，能力和经验优先。如果培养周期在两年以上，潜力的权重可以大幅上调。

但在实践中，很多企业高估了“潜力”的可预测性。AI系统虽然在识别潜力方面带来了一些进步（比如通过学习能力曲线、跨领域适应速度等指标来判断潜力），但仍然无法100%准确。有一个数据很说明问题：在一项对超过500家企业的跟踪研究中，被评估为“高潜力”的员工中，大约只有三分之一在三年内真正展现出了与评估相符的成长。

这个数据不是否定潜力评估的价值，而是提醒我们要保持谦逊：对潜力的判断是一种假设，需要持续的跟踪和验证，不能当事实来用。

5. 当继任者和现任出现冲突怎么办？

这是最微妙的场景。继任者被明确培养方向后，有些人会开始“跃跃欲试”，有意无意地在各种场合展示自己比现任“更强”。现任感受到威胁，可能对继任者产生防范心理，在培养上不再用心，甚至在关键时刻使绊子。

这种情况在组织政治稍微复杂一点的公司里并不少见。我的建议是：

（1）把继任者计划和对现任的激励绑在一起。在现任的绩效考核中加入“人才梯队建设”指标。培养出合格的继任者，是现任晋升的前提条件之一。这样现任就不会把继任者当威胁，而是当成自己职业发展的“成绩单”。

（2）不要把继任者计划和“谁要走了”联系在一起。让所有人都明白，继任者计划不是因为谁即将离开才启动的，而是组织健康度的常规保障措施。

（3）如果冲突已经激化，HR需要果断介入。不一定是指责某一方，而是通过岗位调整、项目重新分配等方式，减少两个人之间的直接竞争关系。

八、下一步怎么走：从“知道”到“做到”的三个具体动作

一篇文章看完了，最怕的是“有道理但不知道怎么做”。所以最后这一部分，我想讲得非常具体、非常可操作。

不管你的企业现在处于什么阶段，我都建议你从以下三个动作开始。这三个动作不需要大预算，不需要复杂的系统，只需要你作为管理者或HR的决心和行动力。

1. 做一次“关键岗位脆弱性评估”

这是成本最低、见效最快的第一步。具体做法：

（1）在公司高管会上提出三个问题：“如果我们的某位核心高管明天不能工作了，我们有谁可以接？这个人准备好了吗？如果现在内部找不到人，外部找人需要多久？”

（2）让每个部门负责人列出自己部门最关键的1-3个岗位（标准：这个岗位空了，部门业务在1个月内会受严重影响），然后让每个人诚实回答：每个岗位有没有可以接替的人选？这个人选的准备度是多少分（1-10分）？

（3）把所有部门的评估结果汇总，你会得到一张公司的“关键岗位脆弱性地图”。这张图很可能会让管理层第一次直观地看到，组织在某些节点上的风险有多高。

这个评估不需要系统，不需要花钱，只需要两天时间。但它的价值在于建立共识，让管理层意识到问题的严重性，让后续的系统投入有一个共同的认知基础。

2. 选一个最关键的岗位做“最小验证”

不要试图一次性覆盖所有岗位。选一个最让你担心的岗位，也许就是你自己这个岗位，然后为它做一个“微型继任者计划”。

（1）找一个AI人事系统做一次小范围尝试。大多数系统供应商都提供试用环境。以I人事为例，你可以导入一个关键岗位的胜任力模型和一部分员工数据，看看系统能输出什么样的推荐结果和分析报告。

（2）把系统的推荐结果和你自己的主观判断对比。系统推荐的人选中有没有让你意外的？意外是好事，说明系统在帮你看到你没看到的信息。如果系统推荐的和你想的完全一样，那要么是你的数据不够全，要么是模型建得太简单。

（3）为选定的继任者制定一个3个月的短期发展计划，并认真追踪执行。三个月后看效果，这个人的能力有没有可见的提升？他对自己的发展方向的认知有没有变得更清晰？

这个最小验证的目的不是“证明AI系统多厉害”，而是让你亲身体验一次“数据驱动的人才决策”是什么感觉。一旦你体验过了，再回到凭感觉做判断的老路上，你会有一种本能的不适感。

3. 把继任者计划放进管理者的KPI

这个建议可能会让一些人觉得不舒服，但它是必不可少的。我见过太多案例：HR团队辛辛苦苦把继任者计划建起来了，系统也上了，流程也跑通了，但业务部门的管理者不配合，不认真评估下属、不花时间培养继任者、甚至把自己的核心骨干藏着不让别人知道。

原因很简单：人的行为跟着激励走。如果一个管理者的奖金和晋升只跟业务结果挂钩，他没有任何动力去投入时间做人才梯队建设。

所以我的建议是：在管理者的绩效考核中，加入“人才梯队建设”的权重，哪怕一开始只占5%-10%。具体可以考核：

，所负责的关键岗位是否都有明确的继任者？

，继任者的培养计划是否在按期执行？

，过去一年中是否有内部提拔或跨部门调动的成功案例？

这个动作的本质是把“培养人”从“锦上添花”变成“分内之事”。当一个管理者知道，自己能不能晋升跟有没有培养出能接替自己的人密切相关时，他的行为会自发改变。

九、写在最后：继任者计划真正的门槛不是技术，是认知

我在这篇文章里讲了很多关于AI人事系统和继任者计划的内容，讲框架、讲案例、讲数据、讲决策取舍。但如果只允许我传递一个观点，我会选这个：继任者计划的门槛从来不在技术层面，而在认知层面。

AI人事系统已经足够成熟，可以帮企业做很多事情：实时数据整合、多维人才画像、动态继任图谱、培养计划追踪。这些功能不是概念，不是PPT里的美好愿景，而是已经在很多企业中实际运转的真实方案。

但技术只是工具。真正决定继任者计划能不能做起来的，是一个组织的管理者是否真正意识到：关键岗位突然缺人不是“万一”的事件，而是“一定会发生”的事件，只是不知道什么时候发生、发生在哪个岗位。

有了这个危机意识之后，剩下的都是执行问题。执行问题的解决路径也很清晰：定义关键岗位、建立评估模型、借助AI系统完成数据驱动的分析和推荐、制定并追踪发展计划、持续校准和优化。这条路径已经被反复验证过，是走得通的。

最后再说一句比较个人化的话。做了这么多年的HR数字化，我越来越觉得，一个组织的真正壁垒不是资金、不是技术、不是市场，这些东西都可以被复制或追赶。但人才梯队的厚度，是唯一无法被快速复制的竞争力。当你的关键岗位在任何时候都有准备好的人可以顶上时，你面对不确定性的底气和从容，是那些依赖“临时找人”的竞争对手无法比拟的。

接下来该做什么，不需要我再重复了。你可以从今天下午就开始：问自己一个问题，找到那个最让你担心的关键岗位，然后为它做点实实在在的准备。哪怕只是打开系统，导入第一组数据。

（完）