1. 首页
2. 嘉伦原创
3. 文章

国企干部AI能力建设，要落到标准与培养体系上

AI正在从少数部门的试点工具，进入国企的业务流程、组织协同和决策链条。国务院《关于深入实施“人工智能+”行动的意见》（国发〔2025〕11号）提出“探索人机协同的新型组织架构和管理模式”；国务院办公厅《关于适应人工智能技术发展助力构建就业友好型发展方式的意见》（国办发〔2026〕29号）对人力资源管理领域的AI应用提出规范要求，指向算法公平与劳动者权益保障。政策指向已经清楚：AI应用正在对组织分工、管理流程和干部能力提出新的要求。

随之而来的问题也很具体：当AI开始参与流程设计、数据研判和方案比选，干部靠什么来判断、来统筹、来负责？企业需要回答的，不是“干部会不会用AI”这一句话，而是AI应用要求如何进入干部岗位标准、队伍盘点和培养安排，让能力建设落到干部管理的日常工作中。

一、标准、培养、边界：能力重构卡在三个衔接处

AI素养还没有被转化为可观察的履职行为，标准就难以落地。

“干部AI素养”正在成为高频表述。据上海市政府官网2026年9月报道，上海市国资委系统人工智能专题研讨班提出提升干部“AI+复合履职能力”，要求领导干部增强统筹推进本单位人工智能应用的能力。方向是明确的，但从“素养”到“标准”，中间缺少一道关键工序：什么样的行为可以判定一名干部具备了与岗位相匹配的AI应用能力？是能检查数据来源，是比较不同方案的成本收益，是识别模型输出的偏差，还是在团队中建立人机分工的规则？如果能力标准停留在“参加过培训”“了解大模型”的层面，评价就缺少可操作的锚点。

管理学上有一个很朴素的判断：评价一个人有没有能力，不能只看他学过什么，要看他实际做事时表现出什么行为。 这条原则放到今天的干部AI能力标准上，依然成立。标准要能从真实工作里看得见、说得清，否则就只是一份词汇表。

培训在展开，但培训成果能否转化为可持续观察的履职表现，需要进一步检验。

国资委在中央企业层面的分层培训已经铺开：主要领导、分管领导、科技领军人才、人力资源负责人分别设班，2025年又增设AI首席架构师特训班，102家央企的113名学员参训。这种分类安排体现了不同岗位能力需求的差异。但培训之后——能力表现以什么方式进入干部评价，评价结果如何反馈到岗位调整和培养计划——公开报道未披露具体安排，这恰恰是企业需要自己回答的问题。培训、实践、评价和反馈相衔接，才有利于观察能力变化并改进培养安排。

当AI进入决策辅助，责任边界需要先于工具部署被界定。

国办发〔2026〕29号文对AI在人力资源管理中的应用提出了算法公平、隐私保护等合规要求，其语境是人力资源管理与劳动者权益保障；更一般意义上的经营决策复核与责任安排，属于企业治理层面需要自行设计的机制。AI辅助决策面临一个前置问题：AI提供的信息、方案和风险提示，在什么范围内可以被采用，什么环节必须经过人工复核，出现判断偏差时责任如何追溯。在授权、复核和责任边界不清的情形下，干部的使用顾虑可能具有制度层面的原因。干部的履职表现不仅取决于他会什么，也取决于他被允许在什么边界内承担判断责任。

二、能力标准需要“更新机制”，而不是“一版清单”

企业在环境变化中保持适应力，通常要走过三步：先看见机会和风险，再决定把资源投到哪里，然后调整组织和流程跟上变化。这是战略管理里一个成熟的观察框架。把它借到干部能力标准设计上，道理是相通的：在技术条件快速变化的环境中，能力标准如果被写成一份固定的技能清单，很快就会过时；更有生命力的做法，是让标准本身也具备“看见变化—调整内容—重新校准”的更新机制。

国际公共部门有可参照的做法。据新加坡数码发展及新闻部2026年公开信息，该国设立的数字政府学院为公共服务人员设置了覆盖网络安全、数据保护和AI素养的基础模块，并设计分层学习路径；高级领导人员已完成涵盖产品思维、现代化、网络安全与韧性、数据和AI的基础培训。据新加坡数码发展及新闻部2026年11月的公开答复，相关评价不只看课程完成情况，还关注能力掌握、实际应用和流程服务改善。公共部门与国企在干部能力标准上面临相似的结构性问题——标准由谁定、谁先学、学了怎么用，这一对照的价值不在照搬做法，而在提示方向：干部AI能力标准的更新，需要的不是一份更长的能力词汇表，而是一套“谁先学、学什么、怎么用、如何评”的机制安排。

如果要把“战略领航—系统架构—组织赋能”从框架变成可用的标准，需要继续往下拆一层，转化为可观察的履职行为：

这里的“系统架构”应理解为流程、数据、职责与人机分工的统筹设计，而非要求一般经营管理干部承担技术架构师职责。不同岗位的侧重也应不同：企业主要负责人更偏战略判断与投入决策，经理层更偏流程统筹与风险处置，业务负责人更偏场景选择与团队组织，干部部门则负责把上述行为转化为评价维度和培养安排。标准只有落到岗位差异上，才具备管理意义。

标准本身不是终点。干部领导力模型的AI适配，需要同时落到岗位标准、队伍盘点和培养安排上。企业应在既有干部标准与岗位职责基础上，明确不同层级、不同岗位需要展示的履职行为，再通过真实业务情境识别能力差距，使培养资源能够投向需要补强的岗位和人员。对干部部门而言，最终需要形成的是可用于识人育人的能力标准、能够解释队伍差距的盘点结果，以及可以持续跟踪的干部发展安排——这三项成果，才是“领导力模型更新”从概念落到管理的标志。

三、实践提供了场景，标准仍需从中提炼

政策给出方向，标准的形成终究要靠企业实践探路。两家国企的做法，分别从“用”和“育”两端提供了可观察的样本。

中国中铁：围绕真实业务任务推进AI应用。

中国中铁2025年围绕“场景+AI”推进应用，初步构建“先锋”大模型体系，并在勘察设计、工程建设、装备制造等领域部署。据企业官网报道，2025年8月发布的“先锋·隧道大模型”依托工程建造数据构建，已在高原铁路隧道、崇太长江隧道等工程完成验证；企业围绕垂直领域进展召开专题会议，部署应用场景、专业数据集、共性技术及全流程安全防护等任务。

这些事实说明的是应用场景与技术基础，尚不能直接证明企业已建立干部能力评价机制。但其组织方式对标准设计有参考价值：大模型进入具体工程场景后，干部面对的不再是“要不要用AI”的抽象选择题，而是一连串具体判断——模型结论在什么条件下可以采信，哪些环节必须保留人工复核，出现偏差时现场与分管领导各自承担什么责任。企业在设计评价情境时，可以要求相关负责人说明场景选择依据、数据来源、复核责任和阶段效果，这些任务本身就可以为提炼干部履职要求提供素材。能力标准不会凭空写出来，它是在这类真实判断中被逐步提炼出来的。

中钢集团：把AI放进年轻干部的成长路径。

中钢集团2026年8月25日至28日启动优秀年轻干部培训班（2026—2028）首次集中培训，56名年轻干部参加，课程涵盖公司治理、协同管理、人工智能、财务管理及领导力提升，并配套实地参访和课题研讨。按公开安排，后续还将组织多轮集中培训。

这一安排值得注意的地方在于：AI学习被放进干部梯队的持续培养，而不是作为独立技术课程处理；课程与课题研讨、实地参访结合，使学习内容向真实经营任务延伸；跨年度安排为“学—用—评”的循环留出了时间空间。但同样需要如实指出，该项目仍处启动阶段，公开材料能够证明的是“培养动作已经设计并开始执行”，尚不能证明培养效果已转化为能力标准更新或经营改善。

两家企业放在一起看，中国中铁偏“在任务中提供能力观察的场景”，中钢集团偏“在梯队中安排能力培养的路径”，恰好对应“用”与“育”两端。

对其他企业而言，可借鉴的工作不是复制某个项目，而是梳理转型任务对干部提出了哪些新要求，将其转化为岗位行为指标，再与干部盘点、培养资源配置和发展跟踪相衔接。同样一套AI课程，对不同岗位、不同能力基础的干部，培养目标和评价方式应有所区别。干部培养的针对性，建立在对岗位要求和队伍差距的准确识别之上——先有标准，才有盘点的依据；先有盘点，培养资源才投得准。

四、结语：把标准更新、干部盘点和分类培养接起来

经营管理经验仍然是干部履职的重要基础。问题不在于经验本身失去价值，而在于当决策的信息结构、工具结构和责任结构同时发生变化时，仅凭经验已经不足以覆盖新的履职要求。

领导力模型的AI适配，本质上不是给干部增加一项“技能考试”，而是回答三个制度性问题：新的能力要求如何被识别为可观察的履职行为，培养机制如何与评价机制形成闭环，应用保障如何让干部在清晰的边界内承担判断责任。 这三件事没有一件可以通过发一份文件或办一期培训单独完成，它们需要被当作一个体系建设来对待：转型任务提出能力要求，岗位行为形成评价标准，盘点识别能力缺口，培养与业务实践验证改进。

对正在推进AI应用的企业，可以围绕关键管理岗位，检视现有能力标准是否覆盖新的履职要求、干部队伍的能力差距是否清楚、培养安排是否与差距相匹配。将标准更新、干部盘点和分类培养衔接起来，领导力模型才能真正进入日常干部管理，而不是停留在一次培训或一份文件里。

文 | 嘉伦国咨国企改革研究中心

嘉伦国咨围绕国企干部能力标准、干部盘点评价与培养体系开展研究和咨询，关注企业转型要求如何转化为具体的岗位标准、队伍发展安排和管理机制。说明：本文依据公开政策文件、理论文献和企业实践形成分析判断，所述案例与分析框架不代表统一适用标准。具体安排应结合企业转型任务、岗位职责、队伍实际及内部治理程序论证，不构成针对具体企业的操作建议。