今天跟你们聊个事，我觉得未来可能会越来越普遍。

我一个朋友的公司今年缩减了大概一半的招聘计划，但是招聘预算没减，全部用来配置 Agent 和购买 Token 了。

简单说，就是用原来招人的钱去搭建自己的 AI 员工团队。

据我了解，他们目前主要在客服、内容生产、商业策划岗位上投入 AI 员工，并且效果还不错。

注意，这个过程中公司的支出并没有减少，但是人变少了，带来的就是组织「熵增」的降低。

用大白话说，人越少、流程越少、办事效率越高。

他们之所以能用 AI 来替代部分原有岗位，我觉得还是依赖于之前沉淀的 SOP 和数据。

比如内容生产和商业策划，过去他们做过的每一个 case 都会沉淀 SOP，也会把一些优秀案例作为数据沉淀下来。

现在他们用的是 Claude Code + OpenClaw 的组合模式，模型采用混合架构。

高要求任务用国外顶级模型，比如 Claude Opus 和 GPT，一些基础任务就用一些便宜的国产模型。

这里面有一个容易被忽略的前提：能让 AI 接手的岗位，一定是之前就把工作流跑清楚了的岗位。

如果一个岗位连 SOP 都没有，人自己都说不清怎么干的，AI 更干不了。这里面，其实就是我之前说的「工作流定义」。

我之所以想跟你们聊这件事，是因为它不只是个招聘趋势，而是背后藏着两个完全不同的问题。

第一个问题：AI确实让很多岗位的人效变高了，但质量不一定。

一个内容团队，以前需要5个人维持日常产出节奏，现在3个人加AI，产出量反而更大。

一个商业策划师，以前写一份方案要花一周，现在丢给AI十分钟出初稿，自己花二十分钟改改就能交。

效率提上来了，老板自然会想，既然3个人能干5个人的活，那我为什么还要招第4个人？

于是，招聘冻结了。

不是裁员，而是不再新增。这个过程中并没有减少企业人力预算，但是效率的确上去了。

你想一下，如果一个公司有20个岗位，每个岗位因为AI提效了30%，那理论上有6个岗位的工作量被AI取代了。

这6个人不一定马上被裁，但这6个坑位，不会再招新人了。

这就是为什么今年很多人在投简历时明显感觉，岗位变少了，要求变高了，竞争变激烈了。

不是行业不好，是效率结构变了。

但这里面还有一层更深的变化：以前公司招人，招的是「执行力」。现在AI把执行力拉平了，公司真正稀缺的变成了「判断力」。

同样用AI，有人能用它一周做出以前一个月的成果，有人用了半天发现还不如自己手写。差距不在工具，在使用工具的人身上。

这个差距的最终体现，就是质量。

所以你会发现，现在公司不是不招人了，是不招只能执行的人了。

但是，这件事还有另一面。

第二个问题：很多公司用AI的方式，其实是错的。

我观察到一个很典型的现象，有些公司为了拥抱AI，几乎把所有能交给AI的事都交了出去。

结果呢？

效率看起来高了，但质量在下降。

之前我问过一个做媒体公司的朋友，他们公司现在所有品宣内容都用AI生成的。

包括文章、图片、视频类内容的产量翻了3倍，但用户互动率比去年跌了40%。

老板看到产出数字很开心，但没人关心那些内容有没有人看。

这里面有一个反直觉的事实：当所有公司都在用AI批量生产内容的时候，AI生成的东西反而变成了噪音。真正能打动人的，反而是那些带着人味、有真实判断的内容。

还有一个大厂产品团队的同学跟我说，他们内部 leader 强制大家用 AI 提效工作流，要求用AI写产品文档、写需求描述、画原型图。

写是写出来了，看起来格式工整、逻辑清晰。

但开发拿到之后发现，很多关键判断是模糊的，边界条件没想清楚，来回确认的次数比以前人写的还多。

发现没，这就是硬上 AI 的结果。

说白了，AI帮你快速生成了一个看起来合格的东西，但它没有帮你做真正的思考。

仔细思考一下你就会发现，有些工作的核心价值不在于产出本身，而在于产出过程中的判断、取舍和对细节的把控。

你让一个资深产品经理写需求文档，他写的过程就是在做决策。

哪些功能做、哪些不做、优先级怎么排、边界怎么定，这些判断藏在写的过程里。

你让AI写，它能写出一份漂亮的文档，但那些关键决策它替你做不了。你以为省了时间，其实只是把决策延后到了开发阶段，反而更贵。

还有一种更隐蔽的风险，年轻员工过早依赖AI，看起来产出效率很高，但底层的判断能力从来没有被训练过。

等到需要他独立做决策的时候，你会发现他只会用AI生成选项，不会自己做取舍。

这就像一个人天天坐电梯，看起来每天都到了楼顶，但他的腿已经不会爬楼了。

再说用户反馈这件事，很多公司已经用 AI 来做了。

他们用AI做用户反馈分析，把几千条评论丢进去，AI给你归类、总结、提炼关键词，看起来很高效。

但一个有经验的运营，花两个小时自己翻完那些评论，他能从字里行间读出情绪、读出场景、读出用户没说出来的需求。

这种洞察，AI目前做不到。

AI能告诉你用户说了什么，但它很难告诉你用户没说的是什么。而真正的问题或机会，往往藏在用户没说出口的地方。

所以现实是，有些场景用AI确实快，有些场景用人反而更准。

问题出在哪？

出在很多公司没有分清楚，哪些事该让AI做，哪些事必须人来做。他们把AI当成了「万能替代品」，而不是「效率杠杆」。

在我看来，这两个定位差别很大。

替代品的逻辑是，能用AI的全用AI，减人减成本。

杠杆的逻辑是，人做判断和决策，AI做执行和加速。人的时间释放出来，去做更有价值的事。

前者短期省钱，长期会发现质量在跌、决策在模糊、核心能力在流失。后者才是AI真正应该被用的方式。

我自己用AI也有一个很明确的原则，凡是需要我亲自判断的事，AI只能辅助，不能替代。

凡是执行层面、重复性高、判断要求低的事，AI全面接管。

这中间的界限，每个人、每个岗位、每个业务都不一样，需要自己想清楚。

所以回到开头说的那个现象：用上AI后，公司不招人了。

这件事本身不是坏事，效率进步就是会改变人力结构。

但如果一家公司不招人的原因是「AI让我们不需要人了」，而不是「AI让每个人变强了」，那我觉得这家公司迟早会出问题。

AI是生产力工具，不是思考力工具。

能被AI完全替代的，只有那些本来就不需要思考的执行动作。而真正值钱的工作，恰恰是那些AI做不了的判断、洞察和创造。

不要盲目用AI，也不要盲目怕AI。

既然这是一个不可逆的过程，我们要做的就是顺势而为。

PS：下周三周四两天，我会开两场公开直播，拆解我的一人公司AI工作流和IP+内容创作方法，感兴趣的可提前预约直播，无回放！

················· 唐韧出品 ·················

用AI思维发现下一个机会

安可时刻

昨晚给 AI 个体户计划上海第一期的同学做月度复盘，其中一位同学连续几个月都有大进展。

照这个趋势下去，他今年就可以构建稳定的 AI 商业模式。

这个速度，还在加快。