第一批 Agent 员工已经下岗了

我自己每天拿AI干活，也带着团队用AI干活，这一年下来我最直接的体会是，原来得专人盯一整天的活，现在AI能接走一大半，人腾出来做别的，但是腾出来和被替掉，差着十万八千里。

先说一个我从头看到尾的例子。今年3月份OpenClaw那个小龙虾火的时候，我身边搞技术的朋友见面第一句话是你养龙虾了没，那一个月里冒出来一批教人装小龙虾的，开课的收九十八到三百块一节，卖配置好的现成机器的，加价两三千一台，热度过去花了多久，一个月不到，现在我再问那些当时养得最起劲的人，机器吃灰了，但是当初卖课卖机器那批人，钱是真到手了。

把镜头拉到大公司，账更难看。瑞典做支付的Klarna，2022到2024年砍了大约700个客服，对外讲他们和OpenAI做的AI助手处理了三分之二到四分之三的客户咨询，这个数字当时被各路报道引来引去。撑了不到两年，客户投诉集中在三件事上，机器人翻来覆去就那几句话，同一个问题要重复说好几遍，稍微不标准的诉求直接卡住。他们CEO在2025年公开认错，原话是我们太追求效率和成本，结果质量掉下来，这条路走不通。2026年开始往回招客服，招的是远程的、按需上线的、排班灵活的，招学生招宝妈招小地方的劳动力。两年前砍人开了发布会全世界都知道，往回招的时候一声没出，招了多少人到现在没对外讲过一个数。

为什么一个agent接不住一个完整的岗位，技术上的原因其实特别朴素，就是步骤太多。

一个客服agent接一单要走多少步，查这个客户的历史记录，判断他到底要解决什么问题，调对应的工具去查库存或者改订单，再把结果组织成一段人话回过去，一单下来十来步跑不掉。假设它每一步的可靠率是85%，听起来很高了，但是十步连着乘下来，端到端的成功率只剩20%上下，十单里能从头对到尾的也就两单，剩下八单总有某一步掉链子。

掉链子的样子有公开案例可查。一个销售agent，客户前三个问题它对答如流，第四个问题客户提了个训练数据里没见过的反对意见，它当场开始编，给出来的话和客户问的完全不沾边。一个排班agent平时跑得好好的，碰上一个不照剧本说话的客户，直接卡在判断分支里来回打转出不来。我自己用下来也是同一个规律，前面九步它比人快得多，真正要命的是它没见过的那一步，你人不在旁边盯着，它就敢硬往下编，编得还一本正经。

这就是为什么老员工值钱。一个干了五六年的客服，前面那九步早就是肌肉记忆，谁来都能干，公司当年雇他真正花钱买的，是他遇到没见过的烂摊子时那一下判断，是那第十步。agent现在能接的恰好是前九步，接不了的恰好是第十步。

agent这一波里，赚到钱的还是卖铲子的，跟小龙虾一模一样。Gartner数过，市面上几千家自称做agentic AI的公司，真在认真做的大概130家，剩下那几千家在干嘛，有的把一个电话录音转文字的功能改个名叫转录agent，代码一行没动，价格翻上去了，这种操作行业里有个专门的词叫agent washing，FTC在2025年光为这类虚假宣传就立了十几起案子。MIT在2025年也统计过，95%的企业AI项目，落到财报上的利润影响是零。钱花出去不少，活还是原来那些活，只有被裁的人是真走了。

那接下来会怎么走，我的判断是，把agent当一个员工整个招进来这个用法，第一批已经用结果证明走不通了。我们自己团队现在的用法是把活拆开，重复的、不用动脑的环节交给AI批量跑，要做判断、要担责任的环节留给人，人在前面派活在后面验收，人始终没有下场，是在指挥agent干活。Klarna往回招的那批客服坐的就是这个位置，琐碎高频的咨询机器先过一遍，复杂的、要安抚的、牵扯大客户的，转给人。

被裁的人是回来了，但是坐的位置和两年前不一样了。两年前他是流水线上的一个工位，现在他站在流水线边上，手里管着几个agent。这个位置才刚空出来，会站的人还不多，所以真正的问题不是AI会不会抢你的活，是你能不能从那个工位挪到流水线边上去。

回到开头那句，是不是很快轮到你，你把自己每天干的活摊开数一遍，看看有多少是那前九步，有多少是那第十步，心里大概就有数了。