哪个客户今天不能催。一份合同先看哪一条。月底对账先查哪张表。一个需求到底该不该做。

这些东西，公司的 SOP（标准作业流程）里通常写不全，学校也不教。大多数时候，它们只在老员工脑子里。

现在，Anthropic 开始把这些经验写给AI。

一、 Anthropic这次开源的，其实是“岗位经验”

Anthropic 最近在 GitHub 上开源了11个岗位插件，覆盖销售、法务、财务、产品、市场、客服、数据等知识工作岗位，已经有近2.7万star。

又多了几个AI工具，这件事本身不稀奇。值得看的是它的写法：把一个岗位平时怎么干活，拆成了几份AI能直接调用的文件。

拿销售举例。过去你跟AI说“帮我准备一下明天的客户会议”，它只能根据你给的几句话去猜。装上插件后，它会先看CRM里的记录，再翻最近的沟通和报价，判断客户到了哪个阶段，最后按公司的格式生成一份会前准备。

Claude 没有突然变聪明。它只是开始知道，这份工作通常该怎么干。

二、 喂给AI的，从资料变成了工作方法

AI学的东西大概有三层：网上的公共知识，公司的文档和规章，再往上是公司怎么做事。

岗位插件做的是第三层。客户拜访前先查什么，哪些客户要重点跟进，最后按什么格式交付。这些过去只存在于“带新人”的过程里，现在第一次被写成了AI能读的东西。

三、 最先贬值的，是那些能讲清楚的经验

看到这里很自然会问：如果老员工十年的经验都能写下来，经验以后还值钱吗？

我的判断是，分界线不在经验多少，在能不能讲清楚。

月底对账先查哪张表，这个能写。“这个客户今天为什么不能催”，很难写。前一个是流程，后一个里面塞着关系、历史、风险和判断。

AI最容易复制的是 SOP，最难复制的是 Context，也就是为什么这一次不能照流程办。

所以在我看来，这是一次重新定价。能写清楚、教清楚的部分会慢慢变便宜，依赖情境和判断的部分会越来越贵。

四、 先被拆开的是任务，组织最后才动

岗位不会一下子消失。变化会先从很小的地方开始。

先变的是任务。据 Anthropic 今年1月的经济指数报告，将近一半（49%）的职业里，已经有至少四分之一的工作任务出现在 Claude 的实际使用中。岗位还在，但能标准化的部分，正在一块块交出去。

然后是岗位。一个销售以前既要查资料、写邮件、更新CRM，也要谈判、判断客户。以后前面几件，可能都交给AI。

岗位名字没变，一天干的事已经完全不同。

最后才轮到组织。微软在 Work Trend Index 里把这个趋势叫做WorkChart：团队围绕一个结果组队，临时把人和Agent组合起来，部门边界变得没那么重要。做一次新品发布，过去是市场、销售、产品各做一段；以后可能是一个负责人带着几个 Agent，按需要再把人拉进来。

走到这一步，AI改的就是企业怎么组织工作了。

五、 想落地，先找一个每天重复的动作

如果今天让我帮一家企业做这件事，我不会先问“你们要不要上Agent”。

我会先找一个每天都在重复的动作，比如销售会前准备。再把团队里最会做这件事的人请过来，让他讲一遍：你到底先看什么，哪里最容易错，什么时候不能照流程来。能把这件事说清楚，AI项目才算真正开始。

但经验写下来，只完成了一半。接下来马上会撞上两个麻烦。

• 数据接不上。你告诉AI“14天没联系的客户要重点跟进”，它得先知道谁14天没联系、最近发过什么邮件、报过什么价。CRM里一半字段是空的，经验写得再漂亮，Agent也只能干瞪眼。
• 权限划不清。它能读CRM、能草拟邮件，那能不能直接改报价？超过多少钱必须有人批？

所以接下来很多企业AI项目的瓶颈，大概率不在模型。卡住的地方，是公司自己有没有把“我们怎么做事”说清楚，数据和流程有没有先理顺。

六、 人最后剩下什么

很长一段时间，我们把职场经验当成个人资产：我做过，所以我知道；你没做过，就不知道。

但如果一个岗位里所有能写下来的经验，都可以慢慢交给AI，人最后还剩下什么？

我觉得是判断。

知道流程的人会越来越多。知道什么时候不能按流程走的人，会越来越贵。