夜雨聆风哈喽，大家好。
不是 AI 抢走了工作，是会把 AI 用进工作的人开始更值钱了。
最近关于 AI 的讨论，有点像大型情绪现场。
有人说白领要完了。有人说以后一个人加几个 agent 就能干掉一个部门。还有人直接把今年叫“人类最后一个劳动节”。
说实话，我一开始也差不多是这个态度。
我不至于唱衰到那个份上，但我确实有点看不上“AI 新职业”这个说法。
在我以前的理解里，这里面有不少东西就是老岗位换了个马甲。什么 AI 部署、AI 成功、AI 解决方案，拆开一看，不还是售前、交付、客户成功那一套。
换个名字而已。
这能有多新？
而且我当时还有一个很直觉的判断：最会用 AI 的公司，就是 AI 公司自己。既然它们自己都在做自动化、提人效，那它们按理说应该是最先缩人的那一批。
这个判断我想了挺久。
不是因为我深刻。
是因为我一开始也没想明白。
一、让我改观的，是一篇招聘研究
真正让我改观，是我重新去看了几家 AI 原生公司的招聘变化。
这一看，我发现自己之前那个判断，确实有点偷懒。
我原来只盯着一件事：哪些岗位会被 AI 吃掉。
但我没认真看另一件事：哪些岗位，正在被 AI 逼着长出来。
这两件事，不是一回事。
而且后者，可能更重要。
我今天是在手机上刷到那篇招聘研究的（我们刚过了人类最后一个劳动节？AI新职业的八个变化）。原本只是想随便扫一眼，看看是不是又一篇“AI 改变世界”的标准作文。
结果我坐在便利店门口，冰美式喝到快见底，愣是把那篇长文看完了。
让我停住的，不是模型工程师，也不是研究科学家。
而是另外几类岗位：
前线部署工程师，AI 部署工程师，AI 成功工程师，合作伙伴销售，AI 合规官。
这些词我以前不是没见过。
但以前它们像边角料。
这次不一样。
它们开始成批地出现，像一整套新分工在长出来。
二、客户买的不是模型，买的是结果
尤其是”部署”这个词，让我有点服了。
因为它一下子把一件事讲透了：
客户买的不是模型。
客户买的是结果。
这件事有点像装修。
你以为客户买的是瓷砖、龙头、地板和一堆材料。
错。
客户真正买的是“这个房子最后能不能住”。
AI 也是一样。
API、模型、推理、上下文，这些都重要。
但对大多数客户来说，那只是材料。
真正难的，是谁来把这些材料装进它的业务里，最后变成一个能跑起来、能省钱、能提效、还能少出事的结果。
这中间差了十万八千里。
一个银行接了模型接口，不等于它能把 AI 用进风控。
一家医院试了大模型，不等于它能处理电子病历、权限边界和责任划分。
一个制造企业买了 AI 工具，也不等于它知道怎么让研发、供应链和车间一起用起来。
你会发现，真正卡住项目的，往往不是模型够不够强。
而是有没有人，能把技术翻译成业务结果。
但事情没那么简单。
我后来重新看这些公司招聘变化的时候，真正让我改观的，不是”AI 公司还在招人，所以大家不用怕”。
这个结论太轻了。
真正重要的是另一句：
AI 公司真正厉害的地方，不是用 AI 少雇了多少人，而是重新判断了哪些地方必须有人。
这句话，是我这次最大的认知变化。
以前我总觉得，先进公司的方向就是少人、薄团队、高杠杆。
现在我觉得，只说对了一半。
真正先进的公司，不是盲目少人。
而是知道哪些事交给机器，哪些事必须上更强的人。
三、数据说明了什么
从招聘上看，这种变化已经很明显了。
7 家 AI 公司在招岗位，从 718 个涨到 1570 个，8 个月翻了一倍多。
这不是“小修小补”。
这说明一件事：AI 没有让这些公司停止招人，反而逼着它们去补一整套新的岗位系统。
而且新增最多的，不是大家以为的纯研发。
推广者岗位从 66 个涨到 275 个，翻了 4 倍多。
广义上的”部署”类岗位，也从零星几个，涨到了 100 多个。
（数据来源：7 家AI公司官网全部公开在招岗位，采集时间点分别为2026-05-01和2025-09-15）
这几个数字最有意思的地方，不是大。
而是方向变了。
以前大家抢的是“把模型做出来的人”。
现在大家开始抢“把模型送进客户现场的人”。
这差别非常大。
四、我以前为什么不看好
我过去不太看好”AI 新职业”，主要有两个原因。
第一个原因，是我觉得很多新岗位只是旧岗位换皮。
以前叫售前，现在叫部署。
以前叫客户成功，现在叫 AI 成功。
以前叫解决方案顾问，现在叫 AI 解决方案架构师。
听着挺新，骨子里还是老活。
第二个原因，是我误以为 AI 公司会一路朝“极简团队”走。
模型更强，自动化更多，人自然更少。
这个逻辑看上去没毛病。
但问题在于，它默认了一件事：技术一旦出来，价值就会自动流向客户。
现实根本不是这样。
技术能不能变成收入，中间隔着一大段脏活累活。
得有人理解客户。得有人做交付。得有人盯留存。得有人管风险。得有人把一个个样板项目，变成可以复制的做法。
说白了，AI 不是把公司变成“没人”。
而是把公司变成“不能用旧的人和旧的分工”。
这也是为什么我后来越来越觉得，这波变化最值得关注的，不是某个模型又强了多少。
而是人被重新放到了哪些位置上。
五、哪些岗位正在变贵
以前很多人讨论 AI，就盯着替代。
这当然没错。
AI 确实在替代一部分工作。
尤其是那些以信息整理、格式输出、基础分析为主的工作，压力会越来越大。
但另一边，也有一批岗位在变贵。
不是因为 title 变酷了。
是因为它们卡在新旧世界的交界处。
比如前线部署工程师。
这类岗位最有意思的地方，不是技术多强，而是它像个“三拼产品”：
一部分是工程师。一部分是顾问。一部分是产品经理。
你得能听懂客户在说什么。
你得知道他真正的问题，不一定是他说出口的问题。
你还得能快速做原型、接系统、推上线、扛责任。
这就不是传统意义上的“写代码”了。
这是把 AI 变成生产力。
再比如客户成功。
以前很多人觉得客户成功是个偏软的岗位，说白了就是维护关系。
但 AI 产品不一样。
客户今天签单，不代表明天就能用起来。
用起来，不代表用得深。
用得深，也不代表会续费。
所以你会看到，很多 AI 公司现在开始补的是“成功”这层，不只是卖出去，而是确保客户真的跑起来。
这背后其实是个很朴素的现实：
卖掉没用，先让客户活下来。
这句话听着有点像乙方心得。
但挺真。
客户用了没效果，再好的模型也只是 demo。
六、工具能嵌进流程，才算稀奇
我自己最近也在改这个习惯。
以前我看一个工具，第一反应是：功能强不强，酷不酷，像不像下一代产品。
现在我会先问另一件事：
它能不能进入我的工作流？
能不能被我反复调用？
能不能让我少做那些低价值但很耗时间的事？
比如我最近在处理一些选题和写作资料时，就明显感觉到，真正有用的不是“AI 能不能替我写”。
而是它能不能帮我更快完成前期梳理、提炼分歧、归纳结构，再把我从那些重复的搬运活里解放出来。
工具本身不稀奇。
能嵌进流程里，才稀奇。
这一点，放到人身上也一样。
以后最危险的人，不一定是能力差的人。
而是那种能力只能停留在“被安排做事”的人。
因为这类工作最容易被重新拆解、重新定价。
反过来，最稳的人也不一定是最会炫技术的人。
而是那种能把技术、业务、沟通、交付揉在一起的人。
七、给自己的五条提醒
这也是我从这波变化里，给自己提炼出来的几条提醒。
第一条：光会用 AI 没用，先重做你的工作
别急着学一堆工具。
先把自己的工作拆开看。
哪些只是整理信息，哪些是在做判断，哪些是在推动结果，哪些是真正不可替代的部分。
如果你做的事，80% 都是机械搬运，那确实危险。
但如果你能用 AI 把这些部分压缩掉，把自己往判断、沟通、整合、交付那一层挪，你就不是被替代，你是在升级。
第二条：光懂技术没用，要懂场景
未来会越来越值钱的人，不一定是最会堆参数的人。
而是能把 AI 塞进具体业务里的人。
说得再直白一点：
懂模型的人很多。
懂医院、银行、制造、教育这些真实流程的人，没那么多。
谁能把两边接起来，谁就值钱。
第三条：光卖产品没用，要帮客户成功
以前做软件，卖完可能就差不多了。
现在做 AI，不陪跑，很多客户根本跑不起来。
所以未来的竞争，不只是“谁家模型更强”。
而是“谁能让客户持续得到结果”。
前者更像比赛。
后者才像生意。
第四条：光追热点没用，要补关键位置
这条对创业者尤其重要。
今天做 Agent，明天做多模态，后天做企业知识库，这些都可以做。
但如果你的团队没有人负责交付，没有人负责客户成功，没有人盯合规，没有人能把试点做成可复制流程，那你其实还是停在产品层。
热闹归热闹。
生意未必成立。
第五条：光焦虑没用，要往交界处走
新机会很少长在“特别纯”的地方。
它更容易长在边界上。
技术和业务的边界。产品和交付的边界。销售和留存的边界。工具和流程的边界。
站在这些地方的人，短期会更累一点。
但也更容易变贵。
八、为什么这件事戳到了我
很简单。
因为我自己以前也总爱用旧分类去看新变化。
看到新岗位，我先判断是不是换名字。
看到新趋势，我先怀疑是不是泡沫。
这不算错。
但如果怀疑变成了习惯，人就会慢慢失去重新观察的能力。
我最近越来越提醒自己一件事：
别太快下判断。
尤其别用旧世界的尺子，去量新世界刚长出来的东西。
不然很容易把真正重要的变化，当成一阵热闹。
如果非要把这次的感受压成一句话，我现在会这么说：
AI 不会先淘汰人。
AI 会先淘汰那些没被重新设计过的工作方式。
这话我先记给自己。
因为我也还在改。
也还没完全改明白。
你身边有没有人，因为把 AI 真正嵌进了工作流，反而变得更值钱了？或者你自己有这种感受？
评论区见。
人不会永远站在原来的位置上。
值钱的，也不会永远是原来的那种能力。
