我的新角色:AI时代的信息搬运工

你以为你在驾驭AI，其实你是AI的肉体API

我前两天在用我们内部的软件做一些业务信息的优化和调整。说实话，这活儿原本是我日常工作中最不愿意碰、也最不喜欢干的。

数据极其零散地分布在不同的后台列表里。每处理一条信息，我都要点进去看详情、复制出来、在脑子里分析、记录结果，最后再切回系统进行回填。一上午的时间，能处理二十条数据就算效率极高了。在这个过程中，剩下的大把时间，我根本不是在思考，而是在单纯地搬运。

后来我想，既然现在手里有这么强大的AI大模型，能不能让它帮我干？

于是，我的工作流程发生了改变，变成了下面这个样子：

我先打开软件后台，把一批客户信息从列表里拷出来。一个一个拷，有时候三十条，有时候五十条。然后，我打开AI的对话窗口，把这些信息一段一段粘贴进去，并附上一段精准的提示词："帮我分析一下这些数据，把高价值的筛出来，给每个客户标注一个优先级，并且说明优先级的原因。"

AI开始疯狂输出。几秒钟之后，它给了我一段堪称完美的分析结果——每个客户的评分、优先级排序、甚至背后的商业逻辑。

拿到结果后，我再回到软件后台，把AI的结论一条条手动录进去。这个客户的优先级标成A，那个需要销售重点跟进，这个合同条款需要修改，那个客户暂时放一放。录完之后，我再把新的一批数据拷出来，继续重复这个看似行云流水的动作。

一下午下来，我竟然处理了一百多条数据。效率确实比以前高了数倍。

但那天做到一半，我看着满屏幕来回切换的窗口，突然停下来想了一件事：在这个被极度压缩的时间里，真正在做事的那个人，到底是谁？

AI做了非常深度的逻辑分析，这是不争的事实。但是，请你仔细回想一下整个链路：软件的登录是我操作的。数据是我一条条拷出来的。最终的结果是我一条条录回去的。每一步的操作路径是我设计的。哪个数据要拷出来，拷出来之后粘贴到哪个窗口，问AI什么特定维度的业务问题，把AI的判断结果回填到哪个具体的字段——这一切，全都是我定的。

AI只是在中间那极其短暂的几秒钟里，提供了一段算力支撑下的分析。

我满心欢喜地以为AI在帮我做事。但如果把AI从这个流程里抽走，剩下的是不是还是我？一个在两个互不相通的系统之间，疯狂来回搬运信息的人？

AI是那个提供判断的工具。我，才是那个执行所有粗活累活的操作人。

后来我跟一个做企业服务的朋友描述了这件事，他听完之后一针见血地说："你这不就是'AI的信息搬运工'吗？"

我愣了一下。然后我彻底想明白了。

他说得太对了。我在这个所谓的高效流程里，角色本质上就是一个底层的搬运工：把信息从陈旧的软件里搬出来，送到AI那里，再把AI产出的结果搬回软件里。

每一步都是我在用力推着走：数据我来搬，判断AI来做，操作我来执行。AI没有自己去发现软件里有什么隐藏功能，没有自己去理解底层数据库的表结构，更没有自己长出手脚去把结果写回系统。

它只是在那几秒钟里提供了智能。剩下的物理位移，全是我的。是我，替它做了这些本该由机器完成的事。

职场缩影，四套系统的无尽轮回

我后来深入观察了一下身边的同行和客户，发现这件事绝不仅仅是我个人的偶发情况。在今天这个高呼"全面拥抱大模型"的时代，无数知识工作者每天的工作，本质上都沦为了这样一段可笑的循环：

早上到公司，打开钉钉或微信，把昨晚积累的几十条群消息整理一遍，拷出来丢给AI，让它帮忙分类哪些是重要的业务线索、哪些是老板催办的进度、哪些可以晚点再看。

上午打开飞书或者企业wiki，把杂乱的项目进展从后台拷出来，丢给AI，让它帮忙总结成一段体面的周报汇报。

下午打开CRM（客户关系管理）系统，把上周的客户跟进数据拷出来，丢给AI，让它帮忙分析哪个客户最有可能在月底前签单。

临下班前，打开复杂的财务系统，把长长的流水报表拷出来，丢给AI，让它帮忙检查有没有数据异常。

最后，再把AI生成的这些结论，一条条、一项项地回填到各个系统的表单和审批流里。

周而复始。永无宁日。

你有没有发现，在这个看似被AI赋能的循环里，最累的那个环节，根本不是"思考如何把问题丢给AI"，而是那个枯燥的"拷出来"和"录回去"。这两个极其机械的动作，才是真正消耗生命和花时间的。而这两个动作，完完全全都是人在做。

每天，有无数高薪聘请的一线业务骨干和管理者，正在充当AI和系统之间的信息搬运工——把AI无法直接访问的数据搬运出来，再把AI生成的结果搬运回去。

我们把自己变成了AI的腿，变成了软件的手，变成了系统之间那条最昂贵的"肉体API"。

为什么AI进不去你的业务系统？

为什么AI不能直接操作软件？或者换个更尖锐的问法——为什么这些号称耗资百万、千万打造的数字化软件，不能直接让AI走进去？

答案极其简单，也极其残酷：这些软件从写下第一行代码的那天开始，就根本不是为AI设计的。

传统的软件工程理念是什么？是GUI（图形用户界面）。菜单是给人看的。按钮是给人点的。复杂的嵌套文件夹是给人理解的。长篇大论的帮助文档是给人读的。

当一个没有物理实体的AI进入这个系统时，它两眼一抹黑。它看不懂这些精心设计的汉堡菜单，它不认识这些五颜六色的按钮，它不知道这个系统深处隐藏着哪些功能模块，不知道客户的评级数据到底存在哪个诡异的字段里，更不明白复杂的角色权限是如何控制的。

为了让AI发挥作用，就必须有人来当那个"接口"——把人类模糊的业务意图翻译成AI能理解的Prompt，再把AI输出的文本结果翻译成软件能接受的点击和输入操作。这个人，就是无处不在的搬运工。

在过去几十年的IT发展史中，软件行业从来没有觉得这是个问题。因为软件本来就是给人用的，人去学习如何使用软件，简直是天经地义。学会操作一个极其复杂的ERP系统，是你入职的门槛，是你专业度的体现，是你胜任这份工作的证明。

但这个曾经的"天经地义"，在AI时代突然变成了一种极其沉重的组织成本。

因为AI迟早要进场，而且必须深度进场。AI Agent（智能体）的成熟度越来越高，它在沙盒环境里能做的事越来越惊人。但它就是进不去你公司那些陈旧的业务系统，因为它不认识它们。

所以，横亘在系统和智能中间的那层介质——搬运工——就变得越来越庞大、越来越沉重、越来越多。

撕破效率幻觉，呼唤真正的AI原生架构

我后来给这种现象起了一个非常具有讽刺意味的名字：AI信息搬运工。

它不是指我们常说的那种能够自主规划路线、调用工具的"AI Agent"。它是另一种畸形的产物——人充当了AI和旧软件之间的搬运工。那些AI不会、也不能直接操作的软件，只能由人来替它搬运。人主动放弃了思考的时间，把自己退化成了AI系统架构中的一部分。

在日常的技术选型和方案设计中，我越来越深切地体会到：要终结这种荒诞的搬运工命运，指望给旧系统打补丁是行不通的。

我们曾经对各种宣称能通过计算机视觉自主操作电脑桌面的开源Agent框架寄予厚望。但现实很骨感，对于非开发者来说部署极其复杂，运行极其不稳定。很多业务人员折腾了半天，最后还是觉得"算了，我还不如自己手动复制粘贴来得快"。当工具的摩擦力大于收益时，人们必然会退回最原始的工作流。

真正让人看到希望的，是那些从底层架构开始重写的AI原生工具。为什么现在的程序员觉得AI特别好用？因为在Cursor或者Trae这类成熟的生产力工具里，AI不是一个悬浮在外面的聊天框。AI是直接"长"在代码的上下文和文件系统里的。它拥有最高权限，它能自己看懂项目结构，自己读取关联文件，自己把修改建议精准地写入光标所在的位置。

在这些工具里，系统从第一天起，就把底层的语义和结构毫无保留地暴露给了AI。AI不再是个瞎子，程序员也不需要把几十个类文件拷出来粘贴到网页上去问问题。