文 | wiwi

去年，Shopify CEO Tobi Lütke 给公司定了一条规矩：团队想增加人手，得先说明为什么不能用 AI 完成相关工作。

这条要求当时引发了不少讨论。有人觉得这是科技公司拥抱 AI 的正常操作，也有人担心，它会成为企业减少招聘的理由。但比起那些关于 AI 取代人类的预测，这项具体的管理要求反而更值得琢磨。它没有说员工不重要，只是把招聘的顺序换了：以前业务忙不过来，可以申请增加人手；现在，要先看看 AI 能不能帮忙解决。

一年多过去，越来越多办公 AI 产品开始朝这个方向发展。从腾讯 WorkBuddy、阿里巴巴悟空，到微软 Copilot、Salesforce Agentforce，科技公司不再满足于让 AI 写文档、做表格、回答问题，而是希望它能操作软件、处理业务，直接完成工作。产品发布时，大家关心的是 AI 又学会了什么本领，但站在企业管理者的角度，另一个问题可能更有吸引力：既然这些事可以交给 AI，原来计划增加的人手，还有必要吗？

这让眼下的办公 AI 热潮显得有些微妙。员工忙着学习 AI，希望自己能变得更有竞争力；科技公司却在向企业证明，过去需要员工完成的事情，如今可以交给软件。大家都在为生产力进步感到兴奋，但对这场变化的期待，并不完全相同。

而且，这次科技公司盯上的可能不只是办公软件市场。它们开始触及企业一笔更大的支出：原本花在员工、外包和业务执行上的钱。

软件公司，开始卖工作了

过去企业买办公软件，大多按账号、人数或功能付费。员工越多，通常需要的软件账号也越多。企业招人、员工干活、软件提供工具，这套模式已经运行了很多年。

AI Agent 让这门生意出现了新的可能。

腾讯 WorkBuddy 企业旗舰版目前仍采用每人每月 198 元的席位收费方式，但 Salesforce 的 Agentforce 已经引入了按动作计费的机制，标准智能体操作收费 0.10 美元。Intercom 的 AI 客服 Fin 则采用按结果计费的方式，部分符合条件的服务结果收费 0.99 美元。

这几款产品的用途和计费口径不同，不能简单比较谁更便宜。不过，收费方式的变化很有意思。软件厂商不再只关心有多少员工在使用产品，还开始关心自己的系统替客户完成了多少任务。

拿客服来说，以前一家企业咨询量增加，往往需要增加客服人员，再购买更多软件账号。现在，部分标准化咨询可以由 AI 直接处理，企业就能根据 AI 处理的业务量，再决定需要配置多少人工客服。

软件公司由此获得了一种新的销售方式：不只是告诉客户，自己的工具能让员工工作得更快，而是可以直接提供一部分原本需要人工完成的服务。

当然，完成一次客服咨询，不等于承担客服岗位的全部职责。复杂投诉、客户关系、突发情况仍然可能需要人工处理。一套能够自动生成报告的系统，也不意味着企业可以直接取消分析岗位。

但企业已经有机会把某些工作的人工成本，与 AI 服务的价格摆在一起比较。

以前，一家公司增加业务，首先想到的是需要配多少人、采购哪些系统。现在，至少在一部分标准化工作中，管理者可以先看看现有团队加上 AI 能做到什么程度，再考虑有没有必要继续招聘。

对软件公司来说，这比单纯出售办公账号有更大的想象空间。企业每年花在员工薪酬、外包和业务运营上的钱，远远不只是软件采购费。如果 AI 能够稳定承担其中一部分工作，科技公司就有机会从这些原本不属于软件采购的支出中获得收入。

过去软件公司希望企业多买几个账号，现在它们开始有机会告诉企业，有些工作不一定要再增加一个人。

这也是为什么办公 AI 产品越来越强调自动执行、多智能体协作和跨系统操作。用户当然希望软件越来越好用，但对企业来说，能够减少多少人工干预，才更容易换算成一笔具体的经济账。

AI 还没完全干好，企业已经开始考虑少招人了

真正让人感到不安的，未必是 AI 已经能够替代多少工作，而是企业可能提前按照它未来的能力做决定。

麦肯锡 2026 年 8 月发布的全球 AI 调查中，有两组数据值得放在一起看：39% 的受访者预计，未来一年 AI 会让所在企业的整体员工数量下降；但回顾过去一年，只有 14% 的受访者表示，AI 已经促成所在企业整体人员规模减少。

更有意思的是，在上一年的调查里，32% 的受访者曾预计接下来一年会出现人员减少，实际报告发生这一变化的比例却远低于此前预期。

这说明，企业对 AI 减少人员需求的想象，至少目前还跑在实际结果前面。

对不少企业而言，这并不奇怪。AI 产品更新太快了，几个月前还需要人工反复操作的任务，现在可能已经能自动完成一部分。管理者很容易产生一种判断：既然 AI 还在快速进步，有些岗位是不是可以先不招，看看半年之后的情况？

从单家公司的经营角度看，暂缓招聘可能只是谨慎控制成本。但如果许多企业都这样考虑，劳动市场就会出现一种不容易察觉的变化。

裁员会留下新闻，招聘计划取消却未必有人知道。一个团队原本打算招五个人，最后只招了两个，没有员工失去现有工作，企业甚至可能仍然在增长。可是对那些本来可能获得工作机会的人来说，剩下三个岗位已经不存在了。

当然，现在不能把招聘减少全部归因于 AI。经济环境、行业竞争、企业利润都会影响用工需求。只是 AI 的出现，确实给企业增加了一个新的选项：暂时不增加人手，等待技术进一步成熟。

这和过去的软件升级不太一样。传统软件更多是帮助现有员工提高效率，而当 AI 开始承担实际任务，企业就有机会在业务尚未扩张之前，重新估算需要多少员工。

Shopify 的规定之所以有代表性，就是因为它把这个思路直接放进了招聘流程。

但这里还有一个容易忽略的问题：AI 的能力需要经过实际业务验证，招聘计划却可以先调整。企业可能还没证明智能体能稳定承担某项工作，就已经开始按照未来可能达到的效率安排人员。

如果 AI 最终做到了，企业自然可以获得收益；如果没做到，剩余员工可能需要承担更多工作，而原本能够培养新人的岗位也已经被压缩。

AI 还没有真正替代一个人，但企业已经可能因为相信它将来能做到，而决定暂时不招这个人。

相比讨论某款产品到底有多聪明，这种企业决策上的变化，可能更早影响普通人的工作机会。

少招几个人，生意就一定更好吗？

现在不少办公 AI 产品喜欢用一个很直观的方式展示价值：原本需要几个人做的工作，现在一个人加上 AI 就能完成。

这样的演示确实有吸引力，尤其对那些人力成本较高、业务流程重复的企业来说。但做过企业项目的人应该清楚，能把任务跑起来，与能够长期稳定交付，中间还有不小的距离。

比如让 AI 生成一份报告，可能只需要几分钟。可如果其中引用的数据有误、分析偏离客户需求，最后仍然需要有人检查、修改，再与客户沟通。有时候生成内容只花了十分钟，后续确认和返工却耗费了几个小时。

代码开发也是如此。AI 可以很快写出功能，但测试、部署、异常处理和系统维护，并不会因为代码生成得快就全部消失。对于需要承担真实业务责任的企业来说，这些环节往往比生成结果本身更加重要。

所以，AI 能够节省多少操作时间，与企业最终能够节省多少钱，不能画等号。

2026 年 5 月，Gartner 发布的一项调查发现，在已经试点或部署自主化技术的受访大型企业中，约 80% 报告过人员减少，但研究没有发现，人减得更多的企业就一定获得了更好的投资回报。

这项调查针对的是年营收至少 10 亿美元、已经试点或部署相关技术的企业，并不代表所有企业的情况。但它至少提醒管理者，减少人手是一回事，真正提高经营收益又是另一回事。

麦肯锡的调查也有类似的发现：80% 的受访者认为 AI 提高了个人工作效率，但只有 37% 表示 AI 对所在企业的息税前利润产生了正向影响。

为什么员工觉得工作变快了，企业却不一定赚到更多钱？

原因并不复杂。一名员工用 AI 把原本两个小时的工作压缩到十分钟，如果结果还需要其他部门审批三天，整个流程的效率未必提高多少。企业为了部署 AI，可能还要支付系统接入、模型调用、维护、安全审计和人工复核等费用。

这些成本如果没有算进去，就很容易高估 AI 带来的收益。

更麻烦的是，有些岗位的价值根本没办法按照任务数量来计算。一个经验丰富的员工，也许每天真正动手操作的时间并不多，但他知道客户为什么不满意、项目出了问题该找谁、哪些需求看起来简单却不能随便答应。这些能力平时不容易出现在绩效报表里，出现问题的时候却很值钱。

如果企业只把员工的工作拆成一项项可以自动化的任务，再根据这些任务占用的时间推算可以减少多少人，最终算出来的未必是真实的人力需求。

对 AI 厂商来说，这同样不是一个简单的问题。把智能体演示得很聪明是一回事，让企业愿意长期付费又是另一回事。前者只需要展示它能完成什么，后者必须回答它完成得有多稳定、出了问题谁负责，以及算上全部成本之后到底值不值。

当企业越来越认真地算这笔账，办公 AI 的竞争也会变得更加现实。产品能处理多少任务当然重要，但能否降低一次合格业务交付的总成本，才是企业最终愿意持续采购的理由。

企业越来越高效，人怎么办？

说到底，企业采用 AI 并没有什么问题。重复劳动能够交给机器，许多原本需要专业人员才能完成的工作，现在普通人也能尝试，这些都是实实在在的进步。

一个独立开发者可以借助 AI 做出过去需要团队才能完成的产品，一家小企业也有机会用更低的成本获得设计、分析和研发能力。过去被资金、技术和人员规模限制住的事情，现在有了新的可能。

只是技术降低了工作难度，也可能让一部分工作变得不再稀缺。

以前，企业愿意为某项专业技能支付较高的报酬，是因为掌握它的人不多，培养也需要时间。如今，当越来越多的人可以借助 AI 完成相关任务，企业就可能重新考虑这些工作的价格，甚至重新设计岗位。

对于员工来说，这种变化多少有些矛盾。

大家努力学习 AI，本来是希望自己工作更轻松，也更有竞争力。可一旦所有人都学会了使用 AI，原本的效率优势很可能变成新的工作要求。以前一天完成五项任务算不错，现在借助 AI 完成十项任务，可能才符合团队新的绩效标准。

员工能力确实提高了，但工作负担未必因此减少。

企业也会面临另一种矛盾。既然 AI 能完成越来越多的基础工作，为什么还要花钱培养新人？如果资深员工配合智能体就能完成项目，招聘初级员工似乎没有那么迫切了。

短期看，这样做确实可能节省成本。可一个行业不可能永远依靠现在这批资深员工。经验不是看几篇资料、运行几个 Agent 就能积累出来的。很多专业判断，恰恰来自年轻时做过的那些琐碎工作，以及在一次次失败中积累的教训。

当企业减少基础岗位，却仍然希望招聘有多年经验、能够独立处理复杂问题的人，人才培养的成本就容易被推给其他公司，甚至整个社会。

一家企业少招几个新人，可能不会马上出问题；但如果越来越多企业都不愿意培养新人，几年之后，行业需要的资深人才又从哪里来？

这笔账不会出现在 AI 产品的报价单里，也很难从一家公司的季度财报中看到，却可能影响企业未来的竞争力。

不过，AI 对就业的影响也不只有这一面。企业可以用它减少成本，也可以用它开展过去无力经营的新业务。更低的开发成本、更快的产品交付、更广的服务覆盖，都有机会带来新的需求和工作机会。

问题是，减少成本往往比创造新业务更容易计算。少招两个人，财务部门可以直接看到预算变化；利用 AI 开发一个新市场，却需要承担试错风险，也无法保证马上带来收入。

因此，在经营压力之下，企业很容易先选择前者。

但如果所有公司都只是想着用 AI 把原来的工作交给更少的人，技术带来的增长空间反而可能被浪费。对一家企业来说，真正有价值的 AI 转型，不应该只有人员成本下降，还应该包括产品能否做得更好、客户能否获得更多服务，以及企业有没有能力去做过去做不了的生意。

这也是为什么我觉得，眼下的办公 AI 热潮值得高兴，却还不到只顾着庆祝的时候。

科技公司找到了新的商业机会，企业有了更灵活的生产方式，普通人也获得了更强的工具。但这些好处最终如何分配，并不会随着模型能力升级而自动得到解决。

过去，企业扩大业务，通常需要增加人手。一个行业越繁荣，往往也意味着更多的人能够进入这个行业工作、学习和积累经验。

现在，随着 AI 开始承担具体任务，这种关系可能逐渐松动。企业可以在不增加太多员工的情况下扩大产出，软件公司也有机会从原本属于人工服务的工作中获得收入。

这未必是坏事。人类本来也不应该永远被重复劳动困住。但如果一家企业通过 AI 创造了更多价值，员工却只感受到更高的绩效要求、减少的招聘机会和越来越激烈的竞争，那么技术进步带来的收益，显然还有很大一部分没有转化为普通人的生活改善。

办公 AI 大战最后会诞生多少新产品、多少新的软件公司，现在还不好说。但有一点已经值得企业认真考虑：当机器可以承担更多工作，节省下来的人力究竟应该变成财务报表上的利润，还是成为开拓新业务、培养新人和改善工作条件的机会？

过去，企业需要证明买一款软件是值得的。现在，一些企业开始要求管理者证明，为什么不能先使用 AI，再考虑增加员工。

当软件越来越容易证明自己值得被购买，人却开始需要证明自己值得被雇用，这场办公 AI 大战，恐怕就不只是科技公司之间的生意了。