把活全交给AI之后，你的公司到底还需不需要人？
文 ｜ 易论AI
编辑 ｜ 亚婷
最近，我一连采访了五个 AI 圈里很聪明的人：王煜全、玉伯、张昊阳、曲东奇、孙克强。
采访结束后，我又把这五段内容翻出来看了好几遍。
王煜全说，人可以退到旁边睡觉。玉伯紧跟着问，出了事谁去坐牢。张昊阳想把人从环里挪到环上。曲东奇认为，人际关系仍是 AI 很难处理的部分。孙克强则把差别归到了记忆上：没有记忆的 Agent，很难代表一个具体的人。
这些话单独听，每一句都说得通。放在一起，分歧也很明显。真让他们坐在同一个饭局里，这个问题大概会争论很久。
刚看完时，我觉得这个问题很有意思。再看几遍，我发现五个人都默认了一件事：人已经进入了 AI 工作流，现在只需要决定怎么退。
可我过去大半年见到的老板，常常连场都没上，就先把自己最重要的位置让了出去。
所以对老板来说，「人该退到哪一步」可能问得太早了。
有些老板还没真正进入 AI 工作流，就已经开始安排自己如何退出了。
前段时间，一位广告行业的董事长来找我。他铁了心要在今年完成 AI 转型，前后看了二十多个工具，没有一个能打到业务的要紧处。
猎头递来的简历不对口。公司内部拉起 AI 小组后，员工的效率的确高了，公司效率却没动。
他叹了口气，对我说：「我能看到方向，可我始终找不到那个能落地的人。」
这句话，我已经听过很多遍。
工具换了一批，团队也换了几拨。最后坐到我面前的老板，说的都是同一句：方向有了，只差一个人。
我以前也相信这套分工。一把手负责看方向、找资源，具体工作交给专业的人。
今年二月，我就是这么做的。
我学社会学出身，到现在连 Excel 公式也不会写。当时，我揣着钱去找 AI 开发团队，想做一个预算不到一万元的小模块。小单子没人愿意接，好不容易有团队做出来，交付物又难用得很，里面全是正确的废话。
我卡了好几个星期，也觉得自己只差一个能落地的人。
我是在一个晚上改了主意。原本十一点就该睡了，我却一直坐到凌晨三点。
那晚，我干脆不再找人。我把脑子里那套东西全部倒给自己的 AI，让它帮我拆成能运行的工具，然后自己一遍遍跑。
工具跑通以后，我发现自己此前把这件事想得太难了。
第一个工具用来给账号重新定位。它没有顺着我说，而是反过来追问：这条业务线真的赚钱吗？上一个客户为什么选你，没有选别人？
它把账号定位越收越窄，也照出了不少我一直不愿承认的事。
玉伯在访谈里谈过创业者的自我欺骗：拿着一份自我感动的 BP 去见 VC，双方产生一种狭窄的共鸣，最后一起钻进茧房。
做这个工具以前，我也在那个茧房里。区别只在于，我骗的不是 VC，是自己。
第二个工具管内容排期。以前我想发什么就发什么，发完以后，连自己也说不清这条内容要解决什么问题。现在，每条内容进入排期前，AI 都会追问它究竟是用来圈人、收线索，还是建立信任。
这些工具，现在仍然是我每天在用的东西。
从结果来看，问题不在于外部团队够不够聪明。只有老板自己清楚，客户为什么留下，上一笔生意又为什么丢了。
这类判断往下交代一层，就会折损一层。老板以为自己交出去的是开发和执行，最后连脑子里那部分无法复制的业务经验，也一起交了出去。
再回头看那五场采访，王煜全把人往后退得最远。
他设想的好业务，不再靠一群优秀的人夜以继日地加班，而是 Agent 持续工作，人留在旁边监控。没有异常时休息，出了异常再介入。
他的原话是：「流程只要顺畅，人就可以睡觉。」
这套判断来自工业流水线。流程一旦固化进系统，人就从执行者变成了流程的辅助者。放到 AI 里，一个岗位可以对应一个 Agent，人只需要保证整套流程继续运转。
玉伯关心的是责任。他问：「出了事，谁去坐牢？」
账单还得由人支付，责任也得由人承担。Agent 跑得越快，发生幻觉或方向失控时，后果也可能来得越快。
所以他才会说：「AI 的天花板可能就是人。」
这两种答案看起来相反，其实说的是同一套秩序。执行可以逐渐交出去，流程的设计、异常的判断和最后的责任，仍然在人身上。
很多人只记住了王煜全那句「人可以睡觉」，于是把它理解成老板可以躺平。但他在访谈里反复提醒，老板必须亲自使用 AI，而且要用出心得。
在他看来，用过几个聊天工具远远不够。老板需要与 AI 把一件事从头聊到尾，直到抵达过去靠自己无法达到的分析深度。他做咨询出身，长期训练分析师写报告，现在却说自己与 AI 搭档后，可以「秒杀任何一个分析师」。
人当然可以退。但在退出执行以前，他得先亲手把流程跑顺。
张昊阳给这件事提供了一个更具体的机制。
他的团队使用 human on the loop，而不是 human in the loop。人站在环上，不再蹲在环里做那颗螺丝。
他自己写代码，却很少逐行看代码。他看评估结果、提示词和最终表现。执行环节已经可以大量交给 AI。
他还造了一个很准确的词，叫「含人量」。哪个环节的含人量越高，人越可能卡住整套系统。
不过，张昊阳没有让人彻底消失。
AI 会从两端挤压人的工作：规划的前半段被它拿走，审查的后半段也逐渐被它拿走。最后留给人的，是开头那一下思维火花，也就是 Spark，以及最后那句「我同意发布」。
中间的执行可以属于机器。念头和责任仍然属于人。
我当时接了一句：「还得负责付钱和坐牢。」
张昊阳说：「对，就是承担责任。」
现在不少老板舍不得放掉执行，还在反复纠结要不要再招一个工程师。轮到最应该由自己提供的 Spark，那个来自十几年业务体感的判断，他们反而交给了一个刚认识三天的团队。
含人量该低的地方居高不下，该高的地方却空了。
曲东奇划的边界更接近具体生意。
纯信息差、纯交易的工作，只要策略足够好，AI 可以直接在市场里替人完成。但事情一旦涉及人际关系和人为设置的权限，AI 就没那么容易通过。
你的 Agent 能遍历互联网，帮你找到最便宜的机票，却敲不开一扇只能靠身份和长期关系进入的门。门是人造的，钥匙仍在人手里。
所以人能退多远，也取决于这门生意靠的是信息，还是人与人之间多年形成的信用。
孙克强谈的是另一条边界：记忆。
他做 AI 用户研究，采访过两万多人。在他看来，用 AI 捏一个 Persona 去扮演蓝领工人或程序员，很难代替真人受访。那个 Persona 没有真实经历，它只是在表演。
Personal Agent 不一样。它背后有一个人的 Context、Memory 和自己的 Log。一个是演员，一个更接近真身，差别就在于有没有长期记忆。
公司也是如此。
外部团队可以做出一套看起来完整的 AI 方案，却没有这家公司的记忆。它不知道上一个客户为什么离开，也不知道下一个客户凭什么留下。
真正能代表公司的 AI，只能由公司内部一天天喂出来。老板需要喂给它的，是自己对这门生意的全部理解。
所以对多数老板来说，眼下限制他们的还不是模型能力，而是不愿亲自上手。
有人怕学不会，也有人觉得这不是老板该做的工作。但真正动手以后，模型能做到什么、做不到什么，很快就会变得具体。
张昊阳讲过一个细节。有天晚上，他从凌晨一点写代码写到早上七点。写到四五点时，他哭了。
不是累，是因为 Cursor 用六个小时做完了他原以为需要几周甚至几个月才能完成的基础设施。
如果把开发全部交给外部团队，老板也很难形成这种对 AI 能力边界的直接感受。
王煜全还反复提过工业革命中的阿克莱特。
很多人把工业革命的起点记在瓦特身上。但在王煜全看来，真正改变旧生产方式的，是纺织厂主阿克莱特。
阿克莱特不是机械专家。造第一台纺织机时，他找来钟表匠解决齿轮问题。需求由他提出，方向由他确定，工厂也由他一砖一瓦建起来。
工程师可以解决如何开发，却未必知道应该开发什么。
这也是那位广告行业董事长遇到的问题。他不缺可以做开发的人。他需要自己把需求想透，再亲自把系统建起来。这项职责很难靠招聘补上。
所以，对老板来说，「人该退到哪一步」问得太早了。
先把流程亲手跑顺，才谈得上退到旁边。先进入那个环，才知道哪些执行可以交出去，哪个 Spark 必须留在自己手里。AI 处理不了的人情，由你拿主意；公司独有的记忆，也只能由你喂给它。
因此，老板最不该交出去的，是自己对业务的判断。
外部团队可以完成开发，Agent 也可以接手执行。但做什么、为什么做，仍然要由老板回答。
如果方向已经有了，下一步未必是继续寻找那个「能落地的人」。老板可以先自己下场，把第一遍跑通。
所以我现在更愿意这样回答「人该退到哪一步」：不是越远越好。已经被老板想清楚、亲手跑通、能够重复的执行，可以慢慢交给 AI；但方向、判断和责任，不能一起交出去。
如果要给老板一个建议，我想说：你当然可以从很多具体工作里退出来，但最后做判断的那个位置，别退。