AI取代的不是岗位，而是不会用AI的规则执行者

"你看到那个数字了吗？"朋友把手机递过来，屏幕上是一份Salesforce刚发布的报告。企业活跃AI代理数量几乎翻了三倍，创建时间缩短了53%。43%的企业期望以自主AI代理的形式交付生成式AI，而偏好Copilot的只有31%。

我盯着这个数字看了很久。不是因为惊讶，而是因为它印证了一个我一直想说但说不清楚的感觉：AI取代的从来不是岗位，而是那些不会用AI的"规则执行者"。

从Copilot到Agentic：范式真的变了

先把这个趋势说清楚。Salesforce这份《Agentic Enterprise Index》显示，企业正在经历一个明显的转向——从"AI辅助人类"的Copilot模式，转向"AI自主执行"的Agentic模式。前者是你在旁边提建议，后者是直接放手让它干活。

部署领域集中在IT运维、网络安全、销售营销。零售在线销售因为AI代理增长了4倍。这组数据的背后有一个更值得咀嚼的事实：企业不再把AI当工具，而是当员工。

这让我想起上个月和一个在电商公司做运营的朋友聊天。他说他们团队用AI代理处理售后工单，从客户投诉到退款建议，全程无人干预。我问他那你现在做什么？他说："我变成了那个训练AI的人——告诉它什么情况该退，什么情况该拒绝。以前我直接处理工单，现在我的工作是教AI怎么处理。"

他说这话的时候语气很轻松。但我听出了一点别的东西。

那个曾经靠熟悉规则、按流程办事就能胜任的岗位，突然变成了一道"如何把规则教给机器"的命题。这根本不是同一件事。前者是执行，后者是设计。前者可以被替代，后者暂时不能。但如果你的工作就是"按规则执行"呢？——比如邮件营销的执行、SEO的日常优化、付费媒体的投放调整。美国市场营销协会的报告说得很直接：这些规则性重复性岗位，是最容易被AI冲击的。

这不是猜测，是正在进行的事。

Token经济学：为什么规则执行者最先出局

Linux基金会最近成立了一个叫Tokenomics Foundation的组织，联合了埃森哲、IBM、SAP等30家行业巨头，专门制定AI经济学的开放标准和基准。翻译成人话就是：他们想搞清楚"AI花出去的钱，到底换回了什么"。

这个动向很有意思。当一个行业开始认真计算ROI的时候，意味着它已经过了尝鲜期，进入精打细算的阶段。而精打细算的第一步，就是审视"哪些环节值得用AI，哪些环节用AI成本反而更高"。

结果是什么？重复性、规则明确、流程固定的工作，AI替换成本最低、收益最明显。而那些需要判断力、战略眼光、创造力的岗位，AI暂时替代不了——不是因为技术做不到，是因为"怎么做才算好"这件事本身就没有标准答案。

所以你看，AI替代的不是"岗位"，而是岗位里"按规则行事"的那部分。 如果一个岗位的全部价值就在于"把规则执行到位"，那它确实危险了。但如果一个人的价值在于"制定规则、判断例外、创造新做法"，AI反而成了放大器。

这跟技术能力无关，跟思维模式有关。我见过完全不懂编程的文案，靠AI代理把内容生产流程优化了好几倍——因为她知道"什么内容值得做"；也见过技术很强的工程师，守着旧流程不肯变，最后成了团队里最焦虑的人。

技术从来不是分水岭。愿不愿意从"执行者"变成"设计者"，才是。

顺便说一句，Google开发者博客最近在讨论AI代理的会话感知负载均衡问题——传统API的生命周期模型不适用于AI代理，因为代理需要维护会话状态。这是基础设施层面的变化，但它的方向是一致的：AI代理正在从"偶发调用"变成"持续在线"的实体。当AI从工具变成"数字同事"，那些只会跟工具打交道的人，自然会被会跟同事协作的人取代。

真正的分界线

我承认，写到这里我自己也觉得有点像在说教。但让我把话说得更直白一点。

过去一年，我观察到一个规律：同样面对AI，两类人的反应完全不同。一类人在问"AI能帮我做什么"，另一类人在问"AI会怎么替代我"。前者在驯化工具，后者在被工具驯化。前者花时间研究如何把AI代理接入自己的工作流、如何定义规则让它跑得更准，后者花时间焦虑、抱怨、然后假装什么都没发生。

Salesforce那组数据里有个细节我特别在意：AI代理的创建时间缩短了53%。这意味着什么？意味着"让AI干活"这件事的门槛正在快速降低。以前你需要写代码、调参数、折腾半天才能让一个代理跑起来，现在拖拖拽拽就能完成。

门槛降低的直接后果是："会用AI"正在从加分项变成基本项。 就像十五年前会用Excel是求职加分项，现在连简历都不用写。AI流畅度正在经历同样的过程——它不再让你脱颖而出，它只是让你不落后。

美国市场营销协会的报告里有个说法值得记住：影响者营销是增长最快的营销工作。为什么？因为这件事需要真实的判断力——判断哪个KOL调性匹配，判断内容策略怎么设计，判断什么话题有传播力。这些没法写成规则让AI执行。

所以分界线很清楚：如果你的工作可以被写成规则，它就可以被AI代理替代。如果你的工作无法被写成规则，你就暂时安全——但"暂时"有多久，取决于你还能在规则之外创造多少价值。

我越来越觉得，AI时代真正稀缺的能力不是技术，而是"知道什么值得做"的判断力。技术可以外包给模型，判断力不行。它可以被训练、被培养，但没法被委托。

这大概是这个时代最公平也最残酷的地方。