AI摘要：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。 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。 他们把AI当成了「万能替代品」，而不是「效率杠杆」。
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。
本文来自微信公众号 “唐韧”（ID：RyanTang007），作者：唐韧，36氪经授权发布。
暂无回复，快来抢沙发吧！
本次需消耗银元：
100
当前账户余额: 0 银元
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。
本文来自微信公众号 “唐韧”（ID：RyanTang007），作者：唐韧，36氪经授权发布。