从企业AI应用差异看企业服务岗位的变化

最近和飞书的前同事聊天时，常聊到的一个话题是：AI飞速发展，新兴应用层出不穷，但AI在B端的落地仍有极大的想象空间，不同企业内部的AI应用程度参差不齐。

也正因为这些gap存在，企业对“服务”的需求正在发生变化。

过去企业需要的是买系统、上系统、用系统；今天更需要的是有人帮它找到场景、改造流程、推动采用、证明价值。

企业的AI应用从工具采购走向实际部署，企业服务岗位的价值，也正在从“帮客户用好工具”，变成“帮客户完成AI时代的工作方式升级”。

对于企服岗来说，随之而来的就是岗位本身会面临相应的变化。

AI 时代，光会讲是远远不够的。更重要的是能不能把方案变成Prompt / Agent工作流、结构化输出、任务追踪和可迭代的MVP等。

简单来讲，就是立足客户的需求现状做场景方案设计。

也就是说，企业服务岗位正在从顾问式表达走向产品化落地。

这其实就是 FDE 的底层能力：不是单纯写代码，也不是单纯讲方案，而是把业务问题变成可运行的解决方案。

变化3：从“人肉服务”到“人机协同服务”

前阵子听一个飞书的CSM说，现在CSM的带宽很满，大家不得不用一些运营的方式给自己提效减负。

与其他SaaS平台的两位CSM交流，他们提到现在产品融入了许多新的AI功能，对于人员的工作内容的考核要求也有调整。

比如之前做客户成功时常讲活跃度、使用率、续费风险、满意度，但现在可能还要进一步看：AI调用量是否增长？核心场景是否被使用？回答准确率如何？业务指标有没有变化？

在经验之上，需要叠加数据和指标驱动服务能力的进化。

这会让企业服务岗位更像价值运营而不是关系维护。

企业服务岗位真正有价值的汇报，或许就是讲清楚“AI帮助客户在哪个流程里改变了什么结果”。

在AI也能帮我们自己处理很多工作的同时，未来企服岗位的竞争力之一就是知道哪些工作可以交给 AI，哪些判断必须由人负责。 比如：

AI 可以帮你整理客户访谈，但不能替你判断客户组织里的真实权力结构。

AI 可以生成方案初稿，但不能替你判断客户真正愿意为哪个问题付费。

AI 可以自动回复常见问题，但不能替你建立信任、推动变革、处理冲突。

变化4：从“单一职能”到“复合型落地者”

过去企业服务岗位之间分工比较清晰：销售推流程，售前讲方案，实施做交付，客户成功管续费。

但AI落地往往跨越这些边界。FDE的兴起恰恰说明，AI时代的企业服务岗位，会越来越需要一种复合能力：懂业务、懂产品、懂AI边界、懂组织推动。

具体到个人的能力模型的话，过去企服行业从业者大多要求的是产品理解 + 客户沟通 + 项目推进 + 续费增长；

而今天，对于优秀的企服岗候选人则提出了更高的要求，比如业务诊断 + 流程拆解 + AI 场景识别 + 方案产品化 + 数据工程意识 + 效果评估 + 变革管理等。

我越来越觉得，AI 时代的企业服务岗位，变成了业务和技术之间的中间层，要离客户更近，离技术也更近。

这也是我最近重新梳理自己职业发展的原因。

岗位名称本身或许已经没有那么重要了，无论是PM、CSM、还是FDE，在当下本质上都在回到同一个问题：能不能理解真实业务，设计可落地的方案，并完成价值交付的闭环。