AI月费3000干掉99%客服,老板说:再招两个人AI月费3000干掉99%客服，老板说：再招两个人"我有十个想法，只有三个程序员。用AI之后我会想再招两个。"—— 即刻后端负责人 夏俊晨📌关注「文森商业思考」，每天用操盘手视角拆一个AI商业变量 夏俊晨管着即刻的十人技术团队，同时还跑着一个叫2.5Lab的创新部门。他们的海外翻译App kulikuli有300万用户。人少，用户多，事情永远做不完。去年他们在后端接了一个邮箱Agent，每月Token费两三千块，自动处理2000多封退款、咨询和报bug的邮件。效果很好——99%的邮件不用人看了。按通常的逻辑，接下来该裁客服了吧？夏俊晨没有。他说了上面那句话。AI替他省下了每月大概50个小时的回邮件时间，但这50个小时他打算拿去做新产品。所以不是少招人，是多招人，做更多事。故事到这还没完。夏俊晨后来又透露了一个数字：kulikuli最初几个版本，Token成本占到收入的70%。一天收入一千块，七百块去付AI的账。"模型越用越贵，不得不去用贵的。"这个细节我觉得特别真实。外面写AI落地的文章，都在讲效率和自动化，很少有人提Token成本失控是什么感觉。一天赚一千花七百，这不是"降本增效"，这是在赌——赌规模上来之后边际成本会降下去。赌对了，就是现在99%的自动化；赌错了，就是个烧钱的故事。贝恩咨询统计：951家大型企业烧掉的超1万亿美元AI投入。其中44%的公司，靠"虚构上一轮省下的钱"来给下一轮AI立项。44%的公司在编故事骗自己。这个比例比我想象的高。找钢网的故事比即刻更"重"。钢铁交易平台，交易员桌上现在摆着四块屏幕——两块是自己的操作界面，两块是AI数字员工在并行处理报价、寻货、单据录入。人盯人，机盯机，同时跑。副总裁张晓坤说人效提升了十倍以上。但找钢网也没裁人。释放出来的精力全部投到了跨品种扩张和海外市场，两个板块增长率接近100%。我反复琢磨张晓坤说的一句话："你可以把它当作老板自己做风险投资。"这句话听着轻巧，但拆开看——AI的ROI不适合用传统软件来衡量，因为它不是在给工具加功能，是在围绕AI把业务流程重新搭了一遍。搭流程要花钱、花人、花时间。这就是那笔"风投"。找钢网还做了一件很多人没注意到的事：它把数字员工"找钢龙虾"做成了商业化产品，订阅模式卖给上下游两千多家中小企业。自己用AI省了钱，再把AI能力卖给产业链——这个思路比"降本"高了一个维度。万得是金融数据服务商，服务金融机构三十年了。今年3月他们推出了面向个人的AI助手Alice，接入微信。上线当天30分钟，涌入的用户量就超出预估，服务器直接告急。然后他们办了一场金融技能大赛。三周时间，用户自己做出了1600多个技能——有人在Alice上搭出了"一人投研团队"的工作流。万得也没裁分析师，反而在扩充团队，还开放了个人版。首席战略官葛正琦用了三个"平权"来概括：信息平权、能力平权、时间和效率平权。话是漂亮的，但翻译成大白话就是——以前只有机构客户用得起的万得数据，现在个人也能用了，因为AI把使用门槛拉下来了。这对万得来说是开了一个全新的市场。不是省了钱，是赚了新钱。看完三家的故事，我习惯性地把账拆开算。很多老板冲进去的时候只看到一笔账：① 工具费 — Token、API调用、平台订阅。这是最显眼的支出。② 新增人力 — FDE、AI产品经理、懂业务的AI工程师。即刻在招人，找钢网在配人，万得在扩团队。③ 流程改造 — 打通ERP、TMS、财务系统，把老师傅经验沉淀成Skill。找钢网在这块花大力气。④ 试错成本 — 模型选型、Prompt调试、跑通的弯路。万得上线第一天服务器就爆了。 第一项是最小的。后面三项加起来，往往是工具费的几倍甚至几十倍。但多数老板只算第一项就做了决策。麦肯锡的数据也支撑这个判断：62%的企业试了水，但77%的项目永远卡在Demo阶段，真正落地的只有23%。不是AI不行，是后半段的路没人走完。那什么样的企业能走完？我反复看这三家案例，发现一个共同点：它们都先改好了流程，AI才跑得起来。没有一家是"上了AI再改流程"的路子。找钢网花了大力气把散落在ERP、TMS、财务系统里的数据统一梳理，把老师傅十多年的行业经验沉淀成标准化Skill。这个"造势"的过程，比买AI工具本身重要十倍。孙子说善战者求之于势不责于人——员工AI用不好，多半不是员工的问题，是你没把势造好。流程标准化、知识可沉淀、数据可打通，这三样东西缺一个，AI落地就缺一条腿。张晓坤还分享了一条实战经验，我觉得特别值钱：完全自动化风险极高，行业最佳实践是二八分配——智能体承接标准化、高重复的工作，关键决策和风险操作必须留人审核。钢铁贸易订单一旦出现AI幻觉，直接就是合同和履约风险。所以"先为不可胜"在这里不是理论，是真金白银换来的教训。腾讯云副总裁吴运声也说了类似的意思："模糊的事情用Agent来做，确定性的事情用工作流来做。"哪些交给AI、哪些留给规则引擎——这个"分清楚"的过程本身，就是企业AI落地最难的一步。三个案例里有一个角色反复出现：既懂客户业务流程、又熟悉AI能力边界、还能自己上手搭。腾讯云内部管这岗位叫FDE（融合交付工程师）——把过去的业务分析师和驻场交付合成一个人。吴运声的原话："AI不像给你一个Office，你使用就好。一个用得好的人和一个用得不好的人，结果差距极大。"说白了，AI落地的天花板在企业里有没有那个"用得好的人"。上海科技大学WAIC报告：ChatGPT问世以来，约2100万个岗位由任务重组而生，占总招聘的18.6%。岗位没消失，是在被拆开重组。所以别问"AI会不会替代我的岗位"。该问的是：你的岗位会被拆成哪几块，哪块归AI，哪块归你。第一句：别只算工具费。 工具费是冰山一角。真正花钱的是流程改造、新增人力和试错。预算留够三倍再动手。 第二句：先造势，再上AI。 流程没标准化、数据没打通、知识没沉淀——这三样缺一个，AI就是空中楼阁。先把"势"造好，员工自然会用起来。 第三句：二八分配，留人兜底。 标准化交给AI，关键决策留给人。别追求100%自动化，那不是效率，是风险。 💬 关注后回复「增本」+ 你的选择：A — 我正在推公司AI落地，最想知道怎么算清这笔账B — 更关心AI怎么改造具体业务流程，想看实操案例C — 纯好奇，想看你下一期拆什么得票最高的方向，下一期就拆给你看
夜雨聆风