三百块屏幕上流动着八万名员工的数据画像——技能矩阵、项目经历、绩效曲线、甚至匿名调研中的心理韧性评分。
算法每十分钟更新一次匹配路径，绿色线条代表顺利转型，黄色代表需额外支持，红色代表可能脱落。
“看起来像作战指挥中心。”陆彬走进来，看着屏幕上流淌的光河。
“就是作战。”冰洁没有回头，手指在控制台上滑动。
“只是敌人不是竞争对手，是惯性、恐惧和不确定性。”
她调出第一组数据：八万人按同心圆模型重新分布的结果。
核心主业层：三万两千人，较现有减少四千；
能力溢出层：四万一千人，新增一万七；
生态催化层：七千人，全部从现有团队转化。
“缺口在这里。”冰洁放大红色区域——需要全新技能的岗位：
AI伦理顾问、生物数据安全专家、跨境技术合规架构师，总计两千三百个位置。
“我们可以培训。”陆彬说。
“时间不够。”冰洁调出市场窗口分析，“这些能力必须在六个月内形成战斗力，否则生态位会被抢占。”
她顿了顿：“但有个发现——这些‘全新技能’，其实都建立在我们的老技能之上。”
屏幕切换，出现一个三维能力图谱。
AI伦理顾问的能力树展开：主干是“客户需求理解能力”（来自市场团队）、“技术原理沟通能力”（来自产品团队）、“风险评估能力”（来自法务团队）。
需要新增的只是伦理框架知识，而这可以通过密集培训完成。
“所以不是八万人转型，”陆彬看懂了，“是八万种能力的重新组合。”
“正是。”冰洁启动“能力拆解-重组”算法。
屏幕上，员工不再是一个个名字，而是一簇簇技能标签。
算法像解魔方一样旋转组合，发出轻微的嗡鸣声。
第一个案例弹出：陈敏，45岁，消费者AI事业部高级总监。
原有标签：语音交互设计、用户增长、团队管理、跨文化营销
算法建议路径：
路径A：医疗语音产品总监（需补充医疗合规知识）。
路径b：中小企业数字化转型顾问（需补充制造业基础知识）。
路径c：AI伦理委员会运营负责人（需补充伦理学框架）。
每条路径旁都标注着：培训时长、成功概率、预期贡献值。
“她会怎么选？”陆彬问。
冰洁调出陈敏的匿名心理测评：变革接受度8.2分（满分10），学习意愿9.1分，风险偏好6.5分。
“算法推荐路径b，但她会选c。”
冰洁说：“因为测评显示，她内心深处最看重的是‘工作的意义感’。”
“AI伦理是全新的挑战，但有明确的社会价值。”
仿佛验证她的判断，屏幕上弹出一条实时消息——陈敏在自助系统提交了倾向性选择：
路径c，并附言：“我想参与定义边界，而不仅是突破边界。”
陆彬感到震撼。这不是简单的人岗匹配，而是人与可能性的深度对话。
“但这只是算力部分。”冰洁关掉大屏幕，打开另一份文件，“真正艰难的是心力。”
她展示调研数据：面对转型，37%的员工感到焦虑，28%感到兴奋，19%感到迷茫，16%持观望态度。
焦虑值最高的群体不是基层员工，而是中层管理者——他们曾经的成功经验，在新周期里可能成为负担。
“所以我们需要两个引擎并行。”冰洁在白板上画出双螺旋：
“左边是能力转化引擎——培训体系、导师计划、实践项目；
右边是心理转化引擎——变革工作坊、领导力重塑、意义感重建。”
她特别圈出“意义感重建”：“八万人不能仅仅知道‘要去哪里’，更要理解‘为什么要去’。”
窗外夜色渐深，指挥中心却灯火通明。
首批三百名转型先锋已经收到个性化路径图，他们的选择将形成示范效应。
冰洁调出实时反馈面板。第一条来自海外研发中心：
“我写了十五年代码，现在让我做技术合规？这像是让赛车手去修交通标志。”
陆彬皱眉：“需要干预吗？”
“等等。”冰洁说。
三分钟后，系统自动推送了一段视频——2009年转型成功者的访谈。
那位前销售代表，如今已是全球产品副总裁，在视频里说：
“我曾经以为转型是放弃自己的过去。后来明白，它让你发现自己的更多面。”
“就像河流改道，不是消失，是找到新的入海口。”