去年，Shopify 的 CEO 立了一条规矩。
团队想增加人手，得先说明为什么这事 AI 做不了。
这条要求当时吵了一阵。
有人觉得，这是科技公司拥抱 AI 的正常做法。
也有人担心，它会变成企业少招人的借口。
它没否认员工的价值。
只是把招聘的顺序换了一下。
以前业务忙不过来，可以申请加人。
现在得先看看 AI 能不能顶上。
一年多过去，办公 AI 产品都在朝这个方向走。
从腾讯 WorkBuddy 到阿里悟空，再到微软的 Copilot。
大家不再只想让 AI 写文档，做表格，答问题。
而是希望它动手操作软件，把活直接干完。
产品发布会上，大家关心的是 AI 又学会了什么。
可站在管理者的角度，另一个问题更实在。
既然这些活能交给软件，原来要加的人，还有必要加吗。
这让眼下的办公 AI 热潮有点微妙。
员工忙着学 AI，怕自己被落下。
科技公司却在向企业证明，原来员工干的活，软件也能干。
对这场变化的期待，两边其实不一样。
软件公司，开始卖工作了
过去企业买办公软件，大多按账号和人头付费。
人越多，要买的账号越多。
企业招人，员工干活，软件提供工具。
这套模式跑了很多年。
老规矩了。
AI 智能体让这门生意有了新可能。
腾讯 WorkBuddy 企业旗舰版还是按人头收费，一人一月 198 元。
一家美国软件公司的智能体产品换了个算法。
它按动作收钱，一次标准操作 0.1 美元。
另一家公司的 AI 客服按结果收费，一次合格服务 0.99 美元。
计价的口径，全变了。
这几款产品用途不同，不能直接比谁便宜。
但收费方式的变化很有意思。
这才是重点。
厂商不再只关心有多少人在用产品。
还开始关心自己的系统，替客户干完了多少活。
拿客服来说。
以前企业咨询一多，就得加客服，再买更多账号。
现在标准化的咨询能交给 AI。
企业可以照着 AI 处理的量，再决定配几个人。
省下来的，是岗位。
软件公司由此多了一种卖法。
它不只想告诉客户，工具能让员工快一点。
而是直接提供一部分原本要人来做的事。
听着不大，其实不然。
当然，回完一次客服，不等于扛下整个客服岗位。
复杂投诉，客户关系，突发状况，还是得人来。
一套能自动出报告的系统，也不代表分析岗可以取消。
但账已经能算了。
但企业已经有机会，把一部分人工成本，跟 AI 的服务价摆在一起比。
以前业务扩张，先想的是配多少人。
现在至少在一部分标准活里，可以先看看现有团队加 AI 能干到什么程度。
顺序就这么反过来了。
对软件公司来说，这比单纯卖账号想象空间更大。
企业一年花在薪酬，外包和运营上的钱，远不止软件采购那点。
AI 要是能稳稳接下其中一块，厂商就有机会从这些钱里分一杯。
盘子大得多。
这也是为什么，办公 AI 越来越强调自动执行，多智能体协作，跨系统操作。
用户当然希望软件更好用。
但企业更想算清，能少掉多少人工干预。
这才是关键。
AI 还没干好，企业已经在考虑少招人
真正让人不安的，未必是 AI 已经替掉了多少活。
而是企业可能提前按它未来的样子做决定。
一份 2026 年 8 月的全球调查里，有两组数据值得放一起看。
三成九的受访者预计，未来一年 AI 会让公司总人数下降。
可回头看过去一年，只有一成四的人说，AI 真的让公司缩了编。
更有意思的是上一年的调查。
三成二的人当时预计会出现减员。
实际报告发生了的比例，却远低于预期。
数字很直白。
企业对 AI 的想象，眼下跑在了实际结果前面。
这不难理解。
这类产品更新太快。
几个月前还要人反复操作的事，现在可能已经能自动干一段。
管理者很容易觉得，既然还在快速进步，有些岗先别招了，看看半年后什么样。
对单家公司来说，暂缓招聘可能只是控成本。
可要是很多企业都这么想，劳动市场会起一种不容易察觉的变化。
裁员会留新闻，招聘计划取消却未必有人知道。
一个团队原本打算招五个人，最后只招了两个。
没人丢掉现有的工作，公司甚至还在涨。
可对本来能拿到那几个机会的人来说，岗位已经没了。
没人会注意。
当然，招聘减少不能全怪 AI。
经济环境，行业竞争，企业利润，都会影响用工。
只是 AI 的出现，确实多给了一个选项。
先不加人，等技术再熟一点。
这跟过去的软件升级不太一样。
传统软件多是帮现有员工提效。
当机器开始接手实际任务，企业就有机会重新估算要多少人。
哪怕业务还没扩张。
代价不小。
Shopify 那条规矩之所以有代表性，是因为它把这种思路直接写进了招聘流程。
但这里有个容易忽略的问题。
问题在这儿。
智能体的能力要经过实际业务验证，招聘计划却可以先调。
企业可能还没证明智能体能稳定干某件事，就已经按未来的效率来排人了。
AI 最终做到了，企业自然受益。
要是没做到，剩下的人可能要多扛。
原本能带新人的岗位也被压掉了。
机器还没真替掉一个人。
企业却可能因为相信它将来能做到，决定先不招这个人。
少招几个人，生意就一定更好吗
不少办公 AI 产品喜欢用一个直观的方式展示价值。
原来要几个人做的活，现在一个人加 AI 就能干。
这样的演示确实吸引人，尤其是人力成本高，流程重复的企业。
但做过企业项目的人都清楚。
能把任务跑起来，跟能长期稳定交付，中间差得不小。
例子不难找。
比如让 AI 生成一份报告，可能几分钟就好。
可要是里面引用的数据有误，分析又偏了客户的需求。
最后还是得有人查，有人改，有人跟客户对。
生成只花了十分钟，后面确认和返工却耗掉几个小时。
时间都花在后面。
AI编程 也是这样。
工具能很快写出一个功能。
可测试，部署，异常处理，系统维护，不会因为代码出得快就消失。
对要担真实业务责任的企业来说，这些环节往往比生成本身更要紧。
所以 AI 能省多少操作时间，跟企业最终能省多少钱，不能画等号。
一份 2026 年 5 月的调查发现。
在已经试点的受访大型企业里，约八成报告过人员减少。
但研究没发现，人减得更多的企业就一定回报更好。
这是另一回事。
同一时期的另一份调查也有类似的结论。
八成受访者觉得 AI 提高了个人效率。
可只有三成七说，AI 对公司利润有正向影响。
差得不是一点。
员工觉得活快了，企业却不一定更赚。
原因不复杂。
一个人用工具把两小时的活压到十分钟。
可结果还要别的部门审三天，整个流程并没快多少。
企业为了接进来，还得掏系统接入，模型调用，维护，安全审计和人工复核的钱。
也得算进去。
这些成本不算进去，就很容易高估 AI 的收益。
更麻烦的是，有些岗位的价值根本没法按任务量算。
一个老员工，可能每天真正动手的时间不多。
但他清楚客户为什么不满，项目出问题该找谁。
哪些需求看着简单却不能随便答应。
这些平时不进绩效表，真出事的时候却很值钱。
这才是真本事。
企业要是只把员工的工作拆成一项项能自动化的任务，再按工时推算能减多少人。
算出来的，未必是真实的人力需求。
人会算错账。
对做 AI对话 的产品来说，这也是个难题。
把智能体演示得很聪明是一回事。
让企业愿意长期掏钱，又是另一回事。
这层最难。
前者只要展示它能干什么。
后者得回答它干得稳不稳，出了事谁负责，算上全部成本到底值不值。
当企业越来越认真算这笔账，办公 AI 的竞争也会更现实。
能处理多少任务当然重要。
可能不能压低一次合格交付的总成本，才是企业愿意持续买单的理由。
答案还没出来。
企业越来越高效，人怎么办
说到底，企业用 AI 本身没什么问题。
重复劳动能交给机器，很多原来要专业人才干的活，现在普通人也能试。
这些都是实打实的进步。
这没什么不好。
一个独立开发者，能靠 AI 做出过去要一个团队才做得出的产品。
一家小企业，也有机会用更低的成本拿到设计，分析和研发能力。
过去被钱，技术和人手卡住的事，现在有了新可能。
门槛确实低了。
只是技术把活变简单了，也可能让一部分工作不再稀缺。
以前企业愿意为某项技能付高价，是因为会的人少，培养也慢。
如今越来越多人能靠 AI 完成类似的事。
企业就可能重新掂量这些活的价钱，甚至重设岗位。
对员工来说，这种变化有点矛盾。
大家学 AI，本来是想让工作更轻松，也更有竞争力。
可一旦所有人都学会用 AI，原来的效率优势，很可能变成新的工作要求。
以前一天干完五项算不错。
现在借助 AI 干十项，可能才够得上团队的新标准。
员工的能力确实强了，负担却未必轻。
企业也有另一重矛盾。
既然 AI 能干的活越来越多，为什么还要花钱培养新人。
要是资深员工配上智能体就能完成项目，招初级员工就没那么急了。
短期看，这确实能省成本。
可一个行业不可能永远靠这批老员工。
经验不是看几篇资料，跑几个智能体就能攒出来的。
很多专业判断，恰恰来自年轻时做过的琐碎活。
还有一次次失败里的教训。
急不来。
当企业减少基础岗，却又想招有多年经验，能独立处理复杂问题的人。
培养人的成本，就容易被推给别的公司，甚至整个社会。
一家企业少招几个新人，可能不会马上出事。
可要是越来越多企业都不愿培养，几年后行业要的资深人才又从哪来。
这笔账不会写进 AI 产品的报价单。
也很难在一家公司的季报里看到。
却可能拖累一家企业未来的竞争力。
账要算长。
当然，AI 对就业的影响不只有一面。
企业可以用它省钱，也可以用它做过去没力气的生意。
更低的开发成本，更快的交付，更广的服务，都可能带来新的需求和工作。
这是另一面。
可省钱往往比开新业务好算。
少招两个人，财务马上能看到预算变化。
用 AI 去开个新市场，却要担试错风险，也不保证马上有收入。
经营一有压力，企业很容易先选前者。
避险总是优先。
可要是所有公司都只想用 AI 把老活交给更少的人。
技术带来的增长空间，反而可能被浪费掉。
对一家企业来说，真正有价值的 AI 转型，不该只有人员成本下降。
还该包括产品能不能做得更好，客户能不能得到更多服务。
还有企业有没有本事去做过去做不了的生意。
这才算转型。
这也是为什么我觉得，眼下的办公 AI 热潮值得高兴，却还不到只顾着庆祝的时候。
科技公司找到了新商机，企业有了更灵活的生产方式，普通人也有了更强的 AI工具。
可这些好处最终怎么分，不会随着模型变强就自动解决。
过去企业扩业务，通常要加人。
一个行业越繁荣，往往也意味着更多人能进来工作，学习和积累。
现在随着 AI 接手具体任务，这种关系可能慢慢松动。
企业不用加太多人也能扩大产出。
软件公司也有机会从原来属于人工服务的活里挣钱。
这未必是坏事。
人本来也不该永远被重复劳动困住。
可要是一家企业靠 AI 创造了更多价值。
员工却只感到更高的绩效要求。
还有更少的招聘机会和更激烈的竞争。
那技术进步带来的收益，显然还有很大一块没落到普通人身上。
这话不夸张。
办公 AI 大战最后会冒出多少新产品，多少新公司，现在还不好说。
但有一点值得企业认真掂量。
当机器能承担更多工作，省下来的人力，到底该变成报表上的利润。
还是该变成开拓新业务，培养新人，改善工作条件的机会。
选择在当下。
过去，企业要证明买一款软件是值得的。
现在，有些企业开始要求管理者证明，为什么不能先用 AI，再考虑加人。
当软件越来越容易证明自己值得买，人却开始要证明自己值得被雇用。
这场办公 AI 大战，恐怕就不只是科技公司之间的生意了。
