2019年，现代汽车集团取消了定期招聘，转而采用随时招聘的方式。这标志着企业从大规模招聘通用人才，随后再进行岗位分配的时代，转向了直接招聘能够立即投入所需岗位的人才。如今，企业招聘的核心标准不再是“招聘多少人”，而是“分配什么工作”。
“未来的IT部门将像管理AI代理的HR部门一样。”正如英伟达首席执行官黄仁浩所言，AI正逐渐成为企业新的“数字成员”。然而，实际引入AI的方式仍停留在过去模糊的“定期招聘”上。许多企业在未明确AI的具体角色和预期成果的情况下，便急于引入通用AI。
不过，近期这种氛围开始出现变化。随着对AI使用量的盲目追求（Tokenmaxxing）逐渐消退，经历了巨额AI成本的企业开始感到庆幸，形成了对错过盲目引入的“快乐”（JOMO）心态。企业们逐渐意识到，单纯的Token使用量并不是绩效的体现。Token最终是成本和AI的工作时间。与其花费数十万Token制作无人阅读的报告，不如用较少的Token准确解决客户咨询或自动化重复性工作，这样的价值更高。关键不在于使用多少，而在于如何高效利用，创造实际的商业成果。
最终，使AI随时招聘成为可能的关键在于明确的“职位描述”和现场老员工的“隐性知识”。单纯建立一个无目的的文档存储库，并不能使AI立即成为优秀员工。超越书面规定，现场熟练工人凭借多年的经验所掌握的微妙判断、客户应对的顺序和判断标准、以及在特殊情况下的应对理由等隐性知识，才是AI真正的竞争力。AI随时招聘的成败，关键在于如何将工作背景中的隐性知识精细化为数据，而不仅仅是收集多少数据。
这一点同样适用于在屏幕上工作的AI代理和在现场运作的物理AI。机械手臂重复固定轨迹的“操作”，与能够自我检查产品状态、分类缺陷并决定下一步行动的“行为”是完全不同的层面。人类也不能仅通过阅读手册成为老手，AI同样需要学习现场经验和判断标准，才能完成实际工作。只有具备老员工的隐性知识的AI，才能超越提供合理回答的水平，真正替代人类完成工作。
在这一过程中，过于追求完美的治理结构也需谨慎。AI治理并非在桌面上完成的规章制度，而是通过将AI投入具体工作，应用隐性知识，反复验证和提升绩效与风险的运营体系。从小任务开始，积累成功案例并逐步扩大应用范围，才是现实的AI引入策略。
现在，AI引入的问题应从“如何创造出优秀的AI”转变为“将其投入哪些任务能产生最高的投资回报率（ROI）”。如果工程性能无法转化为商业成果，就难以视为良好的投资。盲目追随FOMO引入通用AI的时代已经过去，AI也需要像人一样进行随时招聘。
※ 本报道经人工智能（AI）系统翻译与编辑。
