导读
想象一个工作群：销售、运营、财务各有几个 AI 账号，真人发出任务，几个 Agent 开始接力。翻一遍成员列表，机器人可能比人还多。
这里的 Agent，指能够接收目标、调用工具，并根据执行结果继续推进任务的软件系统。它说明一种工作方式，不代表系统已经具备人的全部判断能力。
数字员工数量超过真人的具体群聊，目前缺少足够公开资料来核实其普遍程度。不过，个人 Agent 和企业数字员工的产品进展，已经能从官方资料中看到。
Claude Code 把接任务、操作工具、检查结果带进了程序员的日常。ChatGPT 和 Meta 也在往持续替个人办事的方向走。企业开始讨论给数字员工分配身份、接入系统、设定权限，让它参与原来的业务流程。
这很容易让人联想到两幅画面：老板觉得终于能少招人了，员工担心自己的位置快没了。
我更关心中间那个问题：它交回一个结果以后，究竟还剩多少工作要人来收拾？
我的判断是，AI 与人协作已能在合适的流程里提效。数字员工进一步发展的空间，在于让更多工作变成可委托、可验收的任务，再重新组合。
这会改变软件，也会改变岗位。但从群里多了几个 AI 账号，到企业可以放心少配一个人，中间有几笔不能省略的账。
以下基于截至 2026 年 10 月 28 日的公开资料。产品功能来自官方说明，提效证据另列研究口径；文中的工作场景和算账示例用于解释机制，不对应具体受访企业。
从问一句答一句，到交代完以后继续做
先看几家公司的产品到底发生了什么。
Anthropic 的官方帮助文档，把 Cowork 定义为将 Claude Code 的执行能力扩展到编程之外的知识工作：用户说明目标，系统规划步骤、调用工具，最后交付文档、表格等成果，还能处理定期任务。
OpenAI 的官方文档则把 ChatGPT dots 描述为持续在线的个人 Agent：有自己的云端计算机和浏览器，在对话之间继续推进任务，需要人作决定时再回来联系。目前仍在向符合条件的账号逐步开放。
Meta 在 9 月 8 日发布的 Muse，也强调持续执行。按照官方介绍，它运行在专属虚拟机里，可以通过 App 或 WhatsApp 接收任务；发送邮件、购买等敏感动作，需要用户许可。发布时先在美国推出。
Meta Muse 官方发布配图。产品设计说明执行方向，不能替代实际效果评估。
这些产品的功能、开放范围和权限机制各不相同。它们共同推进的方向已经清楚：用户交代一个结果，软件负责把其中一部分步骤连续做下去。
过去，AI 帮你写出一封邮件，你还要自己找收件人、核对附件、打开邮箱。现在，产品尝试把这些动作连接起来，并在必要的位置停下来等你判断。
对用户来说，最直接的变化是可以暂时离开：交代清楚以后，任务仍继续推进。
从商业上看，变化也很大。软件开始争取接下一段工作，收费依据便可能从开放了哪些功能，延伸到消耗了多少计算资源、完成了多少任务。
但产品能够接任务，只能说明执行链条开始连通。交付是否准确、能否长期稳定、比原来的办法便宜多少，还需要另外验证。
工作群里的 AI 多了，为什么还不能折算成少招几个人？
数字员工这个名字，很容易把判断带偏。
一个真人销售每天可能要查资料、写方案、协调交付、处理投诉、判断客户值不值得跟。企业可以把这些任务分别交给几个 Agent，也可以用一个 Agent 在不同时间处理。
所以，一个岗位可以对应多个 AI 账号；同一个 AI 服务也可以支持多个人。账号数量和人类岗位数量，没有固定换算关系。
甚至，几个名字不同的 Agent，可能使用同一模型、同一份知识库，犯同一种错误。它们互相认可，也未必增加了独立证据。
群成员数反映了企业怎样组织工具。提效要看同等质量下，每份交付的成本是否下降，或相同投入能否完成更多合格交付。
还要分清几种经常混在一起的东西。
有的数字员工负责定时提醒，有的按固定规则搬运数据，有的提供回复建议，还有的能够根据现场情况选择工具、继续执行。它们都可能有用，技术要求和可承担的责任却差很多。
飞书官网介绍过双汇的一个销售流程：从电话语音中提取关键信息，再通过自动化流程推给业务员跟进。它试图减少重复听录音、抄信息和遗漏跟进的负担。这类流程里的 AI 提取和规则自动化可以配合工作，并不要求整个销售岗位无人化。
相比之下，给一个机器人挂上销售总监的名字，让它在群里生成几页策略，离销售结果还很远。
企业要验证的是哪一步工作被接走了、接得怎么样。拟人的头像和工牌，回答不了这些问题。
提效有证据，但要看证据测了什么
一项发表于 2025 年《经济学季刊》的研究，分析了 5,172 名客服分批获得生成式 AI 辅助后的表现。按每小时解决的问题数计算，平均生产率提高了 15%，经验较少的员工受益更多。
这说明，在特定场景中，AI 能把有效的处理方法传递给更多人，减少寻找答案和组织回复的时间。
但研究中的系统向真人客服提供建议，真人保留采用与否的决定权。它证明了辅助的效果，无法直接推出无人客服可以替代多少岗位，更无法推出所有行业都能提高 15%。在本次核验的资料中，完整自主岗位的效果也缺少同等强度的验证。
反过来，用旧研究证明 AI 没用，也同样容易出错。
METR 曾测得，使用早期 2025 年的 AI 工具后，一组有经验的开源开发者完成任务的耗时增加了 19%。但在 2026 年 2 月的后续说明中，研究团队已经报告提速迹象，同时强调参与者和任务选择等偏差，使他们无法可靠估计当前的增益幅度。
工具在变，人选择交给 AI 的任务也在变。一个旧数字，不能替我们评价今天所有人的工作。
企业层面的结果则更加温和。
NBER《Firm Data on AI》在 2026 年 10 月的修订版中，调查了七个国家近九千名企业高管。样本中 78% 的企业报告使用 AI，但高管报告的整体生产率增益仍较有限。这是企业调查中的自报结果，也涵盖广义 AI，不能当作数字员工的因果实验。
这些材料放在一起，可以支持一个有限但明确的判断：部分任务的收益已有实证；整家公司的收益，要经过流程、质量和组织安排才能兑现。
对一家具体企业，问题始终是：接入这套系统以后，同样质量的业务结果，究竟变快了多少、便宜了多少？
AI 把东西做出来以后，谁负责看完？
假设一份报告原来需要一小时。
接入 Agent 后，生成只花五分钟。但人还要用十分钟补背景、十五分钟核对，再用二十分钟修正不符合业务要求的地方。
这一轮总共五十分钟，有收益，但收益没有生成速度看起来那么大。如果修改需要四十分钟，总耗时就会变成七十分钟。
这只是一个假设算例，却很接近日常工作的难处：生成用时特别显眼，补充背景、核对和返工往往散落在不同人的日程里。
如果团队只考核产出了多少，就容易把成本推给下游。
销售一天生成一百份方案，交给经理逐份看。研发一次提交大量代码，评审和测试开始排队。运营批量产出内容，编辑花更久寻找事实错误和重复表达。
当生成能力扩张得比验收能力快，新的瓶颈就会出现在复核队列里。
这里可以用一个更接近经营的核算框架：
单位合格交付成本＝模型与运行、接入维护分摊、人工复核、返工与异常处置、预期错误损失的总和，除以合格交付数量。
比较时，任务、质量标准和交付时限要一致，人工时间按统一口径折成费用。预期错误损失只计算返工之外的损失，避免把同一笔成本算两遍。
一个小规模试点就能暴露不少差异：让相近难度的任务分别沿原流程和 AI 流程交付，在同一验收标准下，记录所有参与者的总人工耗时、交付等待时间、返工率和单位费用。接入维护工时也要分摊；只挑最适合 AI 的任务展示，会高估它在整个岗位里的效果。
有两点尤其容易漏。
第一，省下工时和减少现金开支要分开。如果员工仍在岗、业务量没有增加，节省的时间可能让人少加班、改善质量，仍有价值，但不能直接写成公司已经少发了同等金额的工资。
第二，低频错误也可能很贵。内部材料写错一句，修改即可；给客户错误报价、把敏感资料发错对象，后果会明显不同。只有把业务中的错误代价算进去，便宜才有意义。
这也解释了个人 Agent 与企业数字员工的距离。个人可以临时调整自己的安排；企业的一次操作，往往涉及客户承诺、财务记录和其他部门的责任。
企业需要知道它能访问什么、能修改什么、什么情况必须交回给人。权限、记录和异常接管，会直接影响它能被托付多大的工作范围。
接下来，哪些工作会更早交给数字员工？
我会从三个角度看：结果是否容易验收，资料和权限是否齐备，错误是否容易撤回。
|
|
|
|
|---|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
这张表会随着能力和验证手段进步而变化。今天需要逐项检查的事，以后可能靠自动测试、业务规则和可靠的数据接口完成大部分核对。
因此，我并不认为复核成本会永远停在现在的水平。一个值得期待的方向，是生成和验证一起自动化，让人集中处理少数例外。
在这类部署中，熟悉业务的人有一项直接优势：知道结果哪里可能出错。
一份客户名单是否值得跟进，一笔异常订单能否放行，一段代码能否进现有系统，判断标准往往藏在老员工的经验里。把标准、历史案例和例外处理沉淀下来，Agent 才更有机会持续、可靠地工作。
这也给出一个反证：如果任务量小、规则经常变、资料又散落在个人聊天里，接入和维护成本就可能长期高于收益。简单脚本或原有流程，完全可能更划算。
数字员工可行，并不意味着每项工作都需要配一个。
行业会怎样发展，普通人的机会又在哪里？
图源：Unsplash，协作场景配图，不对应文中的案例企业。
从上述变化往前推，我更看好三个相互连接的方向。
首先，通用 Agent 会承担更多入口功能。人用一句话交代目标，系统去找资料、连接工具、协调步骤。它有机会减少人为了办一件事反复切换软件的负担。
其次，企业需要能够处理具体业务的代理。电商售后、物流异常、企业采购，虽然都涉及读取信息和执行动作，验收标准与例外规则相差很大。通用模型进步以后，这些业务差异仍然需要有人处理。
同时，运行和管理这些代理本身会形成需求：身份怎么分配，权限怎么收回，失败怎么接管，费用怎么控制，结果怎么追溯。数字员工越多，这些问题越难靠群里喊一声解决。
这三个方向，分别回应了用户如何交代工作、具体业务如何完成、企业如何放心运行的问题。它们可能由同一家大公司覆盖，也可能留出专业公司的空间。
对创业者，我更看好能把一段业务稳定交付的团队。模型之外，客户数据、业务规则、系统接入和异常处理，会共同决定服务能否续费。
只把通用模型换个界面，再给几个 Agent 起名字，容易遭遇大厂产品覆盖。长期机会要到具体业务里找：客户反复付钱的原因是什么，出了错能否及时修好。
按结果收费也可能增加，但不会轻松。一次售后处理是否成功，需要双方定义；一条销售线索是否有效，需要追踪。收费越接近结果，服务商就越需要承担结果不达标的成本。
对普通员工，这场变化最先触及的，可能是一天工作的构成。
会前整理资料、会后提取待办、按规则核对数据，这些任务逐步被接走后，人会更集中地处理异常、解释结果和推动协作。部分岗位可能因此扩大职责，部分团队也可能减少新增招聘。
不能因此保证每个人都会升级为管理者。企业也可能把省下的时间变成更高的工作要求。技术扩大了选择，收益如何分配，还取决于业务需求和组织决定。
对个人，比较有价值的积累，是把自己反复处理的一段工作说清楚：需要哪些材料，怎样算完成，哪里最容易出错。再把每次验收发现的问题留进流程，让下一次交付更可靠。
例如，一个运营人员让 AI 写出更多文案，只增加了供给。如果他能把客户反馈整理、问题分类、查回原始记录、提交异常复核连接起来，并持续核对遗漏，便能接下一段更完整的工作。
程序员也是如此。生成代码之外，还需要理解现有系统、判断测试是否覆盖实际风险、确认修改能否上线。模型能力进步后，人的职责会变化，但对业务结果的理解仍然决定工具该用在哪里。
小团队则多了一种可能：在需求还不确定时，用有限的执行能力覆盖一部分重复工作，把真人投入需要沟通、取舍和承诺的环节。前提是确实有需求，任务能验收，负责人有余力接住例外。
这比先搭出一个庞大的 AI 组织架构，再寻找它能做什么，更接近一门可持续的生意。
当群里多了一批 AI 同事
我对这个方向是乐观的。
持续替人处理事务的能力，能让很多过去嫌麻烦、嫌成本高的工作变得值得做。一个小团队有机会覆盖更多服务，一个人也有机会把原本断断续续的想法推进下去。
但我不会用一个群里有多少数字员工，判断这家公司走得多远。
更有说服力的变化是：同样的业务量，员工少加了几次班；同样的人力，客户问题解决得更及时；异常出现时，人能快速看清发生了什么，接过来继续处理。
当数字员工可以被放心托付一段工作，人的能力边界就开始扩大。它能否扩大到更多行业，最终还要由持续交付的结果来回答。