预览帖子
| 游客 |
主题回顾
匿名 发表于 2026-7-3 16:14
[attach]263135[/attach]
受访者背景：跨境电商从业者，其公司经营 30 多个品牌，做亚马逊、沃尔玛、Temu 等十几个电商平台，年 GMV10 亿美金，算是一家中型公司了。
替代效果：少了 70% 牛马，每月节省约 60 万美金支出，但经营不受影响
公司用 AI 替代牛马的前提是，经营不能受影响。公司去年开始就在用 agent 做牛马优化，但效果不明显。真正的拐点是在 Claude Code 以及 Opus 4.6 出现之后。公司一用觉得太牛逼了。
于是乎，从 2026 年 3 月开始，公司不是干牛马，是直接对组织动手术。之前产品经理、翻译、开发、广告投手、销售等独立岗位全部取消，缩减至 3 个大部门：市场、经营、项目部。现在一个牛马可以身兼数职：开发、运营、产品经理一肩挑，而且没有部门协调上的沟通成本，效率大幅增加。
简单说，过去 4-5 个牛马要干 3-4 天的活儿，现在一个牛马一天就能干完。
其实这很有启发性，如果公司只是把 AI 工具给牛马做单纯提效，是很难砍牛马的，得同时对组织结构动大手术才行。现在很多大企业因为各种阻力无法对组织结构动刀，砍牛马的动作看起来很慢，但中小企业可不管这些。所以 agent 对牛马的优化，会从中小企业开始。
2025 年时，公司有 700 多牛马，现在只剩 200 多牛马，牛马成本每个月节省 70-80 万美金，AI 支出每个月 12-15 万美金，省了 60 万美金。而且减了这么多牛马，公司 GMV 增速并没有下降。
落地环节：几乎涉及所有部门，IT、客服重灾区
落地环节 1：客服，重灾区。之前客服牛马有 40 人左右，现在几乎不需要人，只留 2 个经理去审核退款就可以了。
落地环节 2：广告投手。Agent 直接干掉了 80% 的广告投手，而且用 agent 投放产生的 ROI 要比人工高。
落地环节 3：产品研发。从产品创意、开模前的设计、调改全部用 agent 实现，除了与工厂的沟通，其他环节只留少部分牛马即可。
落地环节 4：IT，重灾区。现在只留了 3 个牛马，做做数据库维护、网站更新。
落地环节 5：财务、数据分析。过去公司财务、数据分析团队需要大量制表、计算，现在也不需要了。现在只需要：第一步，基于自家数据训练 skill；第二步，把存储在 ERP 中的自家数据，通过 API 抓出来，喂给自家 agent，然后数据分析结果就出来了。agent 能优化掉该环节 40% 的传统人力。
模型选用：复杂任务给 Opus，常规任务给 Kimi
目前主要用 Claude Code 和 Kimi Code 两个 agent。复杂的，需要思考的任务会交给 Opus，简单、重复的死任务交给国产模型。
之前 DeepSeek V4 出来时，公司想省费用，试着用 V4 替代 Opus 的活。结果发现，尽管 V4 便宜，但综合效果、时长以及反复错误消耗的 token，Opus 的性价比要高于 V4。用 Kimi 不用 DeepSeek 的原因是，kimi 上下文能力更强，能读的行数更多。（卓哥注：每家公司的体感不同，国模选择仅代表该公司看法）
公司对 Anthropic 佩服得五体投地，觉得 Opus 4.6 是革命性的，4.8 只是有提升，Fable 5 又是跨越式提升，用 Opus 4.8 跑数据，一分钟 300 万行，Fable 5 直接干到 800 万行。可惜只用了两天就被禁了。
但受访者表示，每月 agent 的花费并没有越来越大。首先是模型越来越聪明，解决同样一个问题，使用的 token 和时间显著减少。然后是，之前是所有人都有配额，都在烧 token，组织改造之后，只留了少部分聪明人用 agent，其他牛马都干掉了，烧 token 的牛马变少了。
总结和思考：
1.agent 对牛马替代不仅局限于客服和 IT 部分，各条业务线都被影响。
2. 只把 agent 分配给牛马作用不明显，需要对组织结构动刀。
3.agent 对牛马的替代，大趋势是确定的，从个人出发，要早点做准备。访谈中我印象最深的是，问：“什么样的岗位不会被替代？”
受访者想了一会儿，说：“只有一小撮聪明人会留下来，然后把活儿全干了。”
来源：卓哥投研笔记
