老邓管理笔记 | 2026年6月15日
"为什么系统给我推了这个培训？""算法认为你沟通能力不足。"——这大概是最伤人的"AI诊断"。一个公司需要有人能说清楚：算法看到的是什么？它为什么做出这个判断？以及，这个判断对"人"来说意味着什么？
去年秋天，我在一个管理论坛上遇到了方洁。
她的名片上印着一个我从未见过的头衔："AI文化翻译官"。
我愣了一下，问她这是什么意思。
她说："简单说，我的工作就是让公司的员工理解AI系统在做什么，也让AI系统理解员工在做什么。两边都需要一个'翻译'。"
我来了兴趣。她当时在一家4000人的金融科技公司做这个职位，是公司设立的首个AI文化翻译官。
"你们公司为什么要设这个岗？"
方洁给我讲了一个故事：公司上线了一套AI绩效评估系统。系统通过分析员工的邮件、聊天记录、会议发言，自动生成"员工行为画像"，包括沟通风格、协作倾向、创新指数等。HR团队很兴奋，觉得有了最客观的员工评估工具。
但上线一个月后，公司内部论坛炸了。
一个员工发帖问："系统说我'协作倾向低'，但是我上周刚帮三个同事搞定了Bug，系统为什么没算进去？"
另一个员工说："系统说我是个'风险规避型'的人，不适合带新项目。但我在这个岗位干了七年，没出过一次事故——这不正是我最大的价值吗？"
HR团队不懂怎么回应。他们发了全公司邮件解释AI的算法原理，但没人看得懂。矛盾反而更大了。
"所以公司需要一个我这样的人，"方洁说，"我懂AI的底层逻辑，也懂人的感受。我的工作是在两者之间建立一个可理解的沟通渠道。"
AI文化翻译官不是技术专家，也不是HR——他是连接两种"语言"的人。
01 AI文化翻译官到底做什么
我问方洁，具体做什么事。她给我列了几个场景。
场景一：解释"为什么"。
当一个员工收到AI推送的某个学习课程——"建议你提升结构化表达能力"——这件事对员工来说就是一条冰冷的指令。方洁要做的是：调查这个推荐背后的数据来源。原来是这个员工在过去的项目复盘会议中，被AI分析出"发言跳跃性大、结论前置不明显"。
她需要把这个发现转化成员工能理解的反馈："我看了你的复盘记录，你在讲结果的时候比较晚才说到核心观点。如果你能在开场前三句话说清楚结论，大家的注意力会更容易跟上。"
员工听了，说"哦，原来是这样，我可以试试。"但如果是系统直接发来的"提升结构化表达能力"，员工会想"系统凭什么评价我"。
AI的输出是"判断"，人的需要是"理解"。判断很冰冷，理解有温度。方洁的工作，就是把判断翻译成理解。
场景二：反馈AI的"偏见"。
AI系统不是完美的。它的数据来源、训练集、标签定义都可能存在偏差。方洁发现系统对"远程办公"的员工打分偏低。分析后她发现，系统的训练数据来自疫情前的线下办公模式，对线上协作行为缺乏有效识别。
她把这个发现反馈给AI产品团队："你们需要补充远程协作的行为数据标签。"同时她给HR设计了一份"偏差说明"，解释了哪些评估维度对远程员工可能不公平。
AI文化翻译官的第二个角色：作为算法的"伦理检测哨"。
场景三：帮助设计AI系统的"表达方式"。
AI系统做评估很容易，但它怎么"说出来"——用词、语气、配图、推送时间——这些细节决定了员工的接受度。方洁参与设计了AI推送的语言风格：不直接说"你不行"，而是说"这里有一个成长机会"；不评价人，只评价行为；不单独发给个人，而是附加一个"可选旁听课程"的选项，让员工自己决定是否要重视。
这个设计看起来很小，但方洁跟我说了一个数据：改了推送方式之后，AI课程推荐的接受率从23%提升到了61%。
02 AI文化翻译官需要什么样的能力
方洁跟我说了她的能力模型，我觉得非常有参考价值：
第一，AI认知力——不需要会写代码，但要理解AI能做什么、不能做什么。
她不需要写Python，但她需要知道自然语言处理的基本原理、训练数据的必要性、算法偏差的来源。这样才能判断"系统为什么会这么认为"。
第二，组织敏感度——理解公司的权力结构、文化暗流、员工心态。
同一个AI推荐，在销售团队和研发团队说出来的方式完全不一样。她需要知道哪个团队更在意"效率"、哪个更在意"公平"、哪个更在意"自主性"。
第三，沟通翻译力——能把算法逻辑翻译成人的语言，也能把人的需求翻译成产品语言。
最典型的例子：AI产品经理说"这个模型的F1分数达到了0.85"，HR说"这个评估不太公平"。方洁要做的，就是告诉PM"员工想要的是解释，不是准确率"，同时告诉HR"系统准确率已经很高了，但员工不信任，问题出在透明度上"。
03 这个新职业的未来
我问方洁：你觉得自己这个岗位是过渡性的，还是会长久存在？
她想了一下说："一开始我觉得是过渡的——等所有人都用习惯AI了，就不需要翻译了。但现在我不这么想了。"
"为什么？"
"因为AI在进化，系统越来越复杂。两年前我们只需要解释推荐算法，今年我们开始解释多智能体协作、自动决策链路、AI之间的互相投票机制。AI越复杂，人越需要翻译。"她说。
当系统越来越像"黑箱"，越需要有人站在箱子里外之间，说人话。
2026年，已经有一些大公司在HR部门设立了类似的岗位。名称可能不同——"AI体验设计师"、"算法沟通官"、"人机交互顾问"——本质是一样的：让人和算法之间不发生误解。
方洁告诉我，她现在的团队已经扩充到4个人了。她们正在建立一个"AI沟通标准"，包括系统推送的措辞规范、数据隐私声明模板、甚至员工对AI评估的申诉流程。
"我们的终极目标，"她说，"是让员工不再害怕AI系统。不是用技术手段去降低恐惧，而是用沟通手段去消除误解。"
04 结尾
AI系统正在被部署到公司的每一个角落——绩效评估、学习推荐、人才匹配、沟通分析。但有一个问题很少被认真讨论：员工理解这些系统吗？
不理解就会不信任，不信任就不会配合，不配合系统就无效。这是AI文化翻译官存在的根本逻辑。
很多公司花了大价钱购买AI系统，但只解决了"技术部署"的问题，没解决"人心接受"的问题。AI文化翻译官，就是解决后者的新职业。
翻译的不是语言，是人和算法之间的信任。