主分类：招聘与人力资源
来源 JD 数据（旧分类保留，当前主分类见上方）
{
"schema_version": "via_ai_product_manager_jobs_v1",
"data_type": "ai_product_manager_jobs",
"job": {
"job_title": "AI型组织架构师",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "人力资源平台",
"location": "北京市",
"work_mode": "未披露",AI生成
"job_category": "职能类"AI生成
},
"company": {
"company_name": "美团",
"company_industry": "科技零售 / 生活服务",
"company_size": "10000人以上",
"company_website": "meituan.com",
"company_description": "美团通过科技推动服务零售和商品零售的数字化，连接消费者与商户。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "未披露",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1. 以AI视角重构组织与人才策略\n1）深度理解AI技术的演进规律（大模型、Agent、具身智能等）及其对组织形态、岗位结构、协作模式的颠覆性影响，前瞻性地设计组织演进路线图。\n2）基于\"人机协同\"新范式，重新定义岗位价值链——识别哪些角色将被AI增强、哪些将被重组、哪些需要全新创建，推动组织从\"人力密集型\"向\"智力密集型\"转型。\n3）以经营和数据思维，建立AI时代的人效评估模型，量化AI工具对组织效能的提升，持续优化资源投入产出。\n\n2. 设计AI原生的组织架构与运作机制\n1）打破传统职能制/事业部制的局限，探索并落地适配AI业务的组织形态：敏捷作战单元、跨域融合团队、平台+前台的柔性组织等。\n2）设计AI项目从探索到规模化各阶段的组织支撑方案——探索期的小团队快速试错机制、验证期的跨团队资源协调、规模化期的组织固化与效率优化。\n3）搭建跨业务线的AI协同机制，解决技术能力复用、数据资产共享、模型平台协同等组织层面的卡点。\n\n3. 重塑AI时代的人才管理体系\n1）针对AI人才的特殊性（高稀缺、跨学科、成果周期长、市场定价波动大），设计差异化的评价、激励与发展机制。\n2）推动\"复合型人才\"标准落地——不是简单的\"技术+管理\"，而是\"AI素养+业务洞察+系统思维\"的新型能力模型。\n3）精细化运营人才管理项目，识别硬科技团队中的关键组织问题（技术leader梯队断层、AI人才流失、\"技术孤岛\"等），推动管理者优化提升。\n4）建立AI人才供应链：联动招聘、LD，构建从外部引进、内部转型到持续培养的全链路人才供给体系。\n\n4. 用AI手段革新OD自身的工作方式\n1）引入AI工具赋能组织诊断与决策——用数据驱动组织健康度评估，替代传统的纯经验判断和人工调研。\n2）以产品化思维，沉淀AI时代组织管理的方法论、流程、工具包，持续赋能管理者和BP。\n3）主导前沿组织专项研究（AI对组织形态的影响、全球科技企业组织对标、人机协同的管理范式等），输出可落地的洞察和方案。\n\n5. 推动管理者的AI领导力升级\n1）从理念、方案、落地三个层面，牵头推动管理者对AI的认知对齐和能力升级。\n2）设计管理者的AI素养发展路径——不是\"了解技术\"，而是\"能用AI思维重新定义问题和组织方式\"。\n3）联动OC、LD等，为业务提供组织架构、人才发展、薪酬激励等综合解决方案。",
"requirements_text": "1. 核心经验\n有硬科技业务（AI、自动驾驶、机器人、云计算、大模型等）的组织管理实战经验。\n有组织设计、组织诊断、人才盘点、人才发展机制等核心模块的深度落地经验，且能跳出传统方法论，结合技术业务特点创造性地解决问题。\n有推动过组织转型项目经验（如传统业务向AI转型、技术团队的组织重构、研发效能体系搭建等）。\n2. AI与技术理解力\n对AI行业有真实的体感——能理解大模型、Agent、具身智能等方向的基本逻辑，不惧与技术leader深度对话。\n对AI如何改变组织形态、岗位结构、工作方式有自己的思考和判断，而非停留在概念层面。\n本人是AI工具的深度使用者优先——用AI辅助自己的分析、方案设计和决策。\n3. 核心素质\n强自驱力，对\"AI+组织\"这个交叉领域有热情和好奇心，愿意做没有现成答案的事。\n优秀的系统思维和结构化表达能力，能将复杂的组织问题拆解为可执行的行动方案。\n强推动力和落地能力，能在高不确定性、快节奏的技术业务环境中拿到结果。\n善于在技术、产品、业务等不同语言体系间搭桥，有跨团队影响力。",
"skills": [AI生成
"解决问题",
"大语言模型"
],
"preferred_qualifications": "本人是AI工具的深度使用者优先——用AI辅助自己的分析、方案设计和决策",
"job_highlights": "1.见证也建设一段互联网知名公司的管理变革历程。\n2.多种业务类型和多元业务场景，对话高级管理者，深入业务推动从理念、方案、到落地，更高更全局的视野。\n3.专业多模块，团队氛围轻松灵活。"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://zhaopin.meituan.com/web/position/detail?jobUnionId=3348332465&jobShareType=1"
}
]
},
"posting": {
"posting_id": "3348332465",
"post_date": "",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://zhaopin.meituan.com/web/position/detail?jobUnionId=3348332465&jobShareType=1"
},
"fulltext": "AI型组织架构师\nAI型组织架构师\n\n基础信息\n工作地点：北京市\n部门：人力资源平台\n职位类别：职能类\n职位族群：人力资源\n更新时间：2026-07-29\n\n岗位职责\n1. 以AI视角重构组织与人才策略\n1）深度理解AI技术的演进规律（大模型、Agent、具身智能等）及其对组织形态、岗位结构、协作模式的颠覆性影响，前瞻性地设计组织演进路线图。\n2）基于\"人机协同\"新范式，重新定义岗位价值链——识别哪些角色将被AI增强、哪些将被重组、哪些需要全新创建，推动组织从\"人力密集型\"向\"智力密集型\"转型。\n3）以经营和数据思维，建立AI时代的人效评估模型，量化AI工具对组织效能的提升，持续优化资源投入产出。\n\n2. 设计AI原生的组织架构与运作机制\n1）打破传统职能制/事业部制的局限，探索并落地适配AI业务的组织形态：敏捷作战单元、跨域融合团队、平台+前台的柔性组织等。\n2）设计AI项目从探索到规模化各阶段的组织支撑方案——探索期的小团队快速试错机制、验证期的跨团队资源协调、规模化期的组织固化与效率优化。\n3）搭建跨业务线的AI协同机制，解决技术能力复用、数据资产共享、模型平台协同等组织层面的卡点。\n\n3. 重塑AI时代的人才管理体系\n1）针对AI人才的特殊性（高稀缺、跨学科、成果周期长、市场定价波动大），设计差异化的评价、激励与发展机制。\n2）推动\"复合型人才\"标准落地——不是简单的\"技术+管理\"，而是\"AI素养+业务洞察+系统思维\"的新型能力模型。\n3）精细化运营人才管理项目，识别硬科技团队中的关键组织问题（技术leader梯队断层、AI人才流失、\"技术孤岛\"等），推动管理者优化提升。\n4）建立AI人才供应链：联动招聘、LD，构建从外部引进、内部转型到持续培养的全链路人才供给体系。\n\n4. 用AI手段革新OD自身的工作方式\n1）引入AI工具赋能组织诊断与决策——用数据驱动组织健康度评估，替代传统的纯经验判断和人工调研。\n2）以产品化思维，沉淀AI时代组织管理的方法论、流程、工具包，持续赋能管理者和BP。\n3）主导前沿组织专项研究（AI对组织形态的影响、全球科技企业组织对标、人机协同的管理范式等），输出可落地的洞察和方案。\n\n5. 推动管理者的AI领导力升级\n1）从理念、方案、落地三个层面，牵头推动管理者对AI的认知对齐和能力升级。\n2）设计管理者的AI素养发展路径——不是\"了解技术\"，而是\"能用AI思维重新定义问题和组织方式\"。\n3）联动OC、LD等，为业务提供组织架构、人才发展、薪酬激励等综合解决方案。\n\n岗位基本要求\n1. 核心经验\n有硬科技业务（AI、自动驾驶、机器人、云计算、大模型等）的组织管理实战经验。\n有组织设计、组织诊断、人才盘点、人才发展机制等核心模块的深度落地经验，且能跳出传统方法论，结合技术业务特点创造性地解决问题。\n有推动过组织转型项目经验（如传统业务向AI转型、技术团队的组织重构、研发效能体系搭建等）。\n2. AI与技术理解力\n对AI行业有真实的体感——能理解大模型、Agent、具身智能等方向的基本逻辑，不惧与技术leader深度对话。\n对AI如何改变组织形态、岗位结构、工作方式有自己的思考和判断，而非停留在概念层面。\n本人是AI工具的深度使用者优先——用AI辅助自己的分析、方案设计和决策。\n3. 核心素质\n强自驱力，对\"AI+组织\"这个交叉领域有热情和好奇心，愿意做没有现成答案的事。\n优秀的系统思维和结构化表达能力，能将复杂的组织问题拆解为可执行的行动方案。\n强推动力和落地能力，能在高不确定性、快节奏的技术业务环境中拿到结果。\n善于在技术、产品、业务等不同语言体系间搭桥，有跨团队影响力。\n\n岗位亮点\n1.见证也建设一段互联网知名公司的管理变革历程。\n2.多种业务类型和多元业务场景，对话高级管理者，深入业务推动从理念、方案、到落地，更高更全局的视野。\n3.专业多模块，团队氛围轻松灵活。\n1. 以AI视角重构组织与人才策略\n1）深度理解AI技术的演进规律（大模型、Agent、具身智能等）及其对组织形态、岗位结构、协作模式的颠覆性影响，前瞻性地设计组织演进路线图。\n2）基于\"人机协同\"新范式，重新定义岗位价值链——识别哪些角色将被AI增强、哪些将被重组、哪些需要全新创建，推动组织从\"人力密集型\"向\"智力密集型\"转型。\n3）以经营和数据思维，建立AI时代的人效评估模型，量化AI工具对组织效能的提升，持续优化资源投入产出。\n\n2. 设计AI原生的组织架构与运作机制\n1）打破传统职能制/事业部制的局限，探索并落地适配AI业务的组织形态：敏捷作战单元、跨域融合团队、平台+前台的柔性组织等。\n2）设计AI项目从探索到规模化各阶段的组织支撑方案——探索期的小团队快速试错机制、验证期的跨团队资源协调、规模化期的组织固化与效率优化。\n3）搭建跨业务线的AI协同机制，解决技术能力复用、数据资产共享、模型平台协同等组织层面的卡点。\n\n3. 重塑AI时代的人才管理体系\n1）针对AI人才的特殊性（高稀缺、跨学科、成果周期长、市场定价波动大），设计差异化的评价、激励与发展机制。\n2）推动\"复合型人才\"标准落地——不是简单的\"技术+管理\"，而是\"AI素养+业务洞察+系统思维\"的新型能力模型。\n3）精细化运营人才管理项目，识别硬科技团队中的关键组织问题（技术leader梯队断层、AI人才流失、\"技术孤岛\"等），推动管理者优化提升。\n4）建立AI人才供应链：联动招聘、LD，构建从外部引进、内部转型到持续培养的全链路人才供给体系。\n\n4. 用AI手段革新OD自身的工作方式\n1）引入AI工具赋能组织诊断与决策——用数据驱动组织健康度评估，替代传统的纯经验判断和人工调研。\n2）以产品化思维，沉淀AI时代组织管理的方法论、流程、工具包，持续赋能管理者和BP。\n3）主导前沿组织专项研究（AI对组织形态的影响、全球科技企业组织对标、人机协同的管理范式等），输出可落地的洞察和方案。\n\n5. 推动管理者的AI领导力升级\n1）从理念、方案、落地三个层面，牵头推动管理者对AI的认知对齐和能力升级。\n2）设计管理者的AI素养发展路径——不是\"了解技术\"，而是\"能用AI思维重新定义问题和组织方式\"。\n3）联动OC、LD等，为业务提供组织架构、人才发展、薪酬激励等综合解决方案。\n1. 核心经验\n有硬科技业务（AI、自动驾驶、机器人、云计算、大模型等）的组织管理实战经验。\n有组织设计、组织诊断、人才盘点、人才发展机制等核心模块的深度落地经验，且能跳出传统方法论，结合技术业务特点创造性地解决问题。\n有推动过组织转型项目经验（如传统业务向AI转型、技术团队的组织重构、研发效能体系搭建等）。\n2. AI与技术理解力\n对AI行业有真实的体感——能理解大模型、Agent、具身智能等方向的基本逻辑，不惧与技术leader深度对话。\n对AI如何改变组织形态、岗位结构、工作方式有自己的思考和判断，而非停留在概念层面。\n本人是AI工具的深度使用者优先——用AI辅助自己的分析、方案设计和决策。\n3. 核心素质\n强自驱力，对\"AI+组织\"这个交叉领域有热情和好奇心，愿意做没有现成答案的事。\n优秀的系统思维和结构化表达能力，能将复杂的组织问题拆解为可执行的行动方案。\n强推动力和落地能力，能在高不确定性、快节奏的技术业务环境中拿到结果。\n善于在技术、产品、业务等不同语言体系间搭桥，有跨团队影响力。",
"standard_classification": {
"std_category_code": "F001",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}