几十年来，小型企业发展的标准模式遵循着一条可预测的路径：一旦创始人忙于处理“琐碎工作”，他们就会雇用一名初级员工。这位入门级员工是执行的引擎——负责起草电子邮件、格式化表格、安排社交媒体发布以及处理基础数据录入。他们是所谓的“执行者”。
现在，那套模式已经过时了。
我们目前正目睹着传统入门级职位的终结。在这个 AI 转型 的新时代，“了解需要做什么”与“完成工作”之间的差距已缩减至几乎为零。如果你仍在招聘人员进行基础执行，你不仅是在支付过高的薪水，更是在将业务建立在人力摩擦的基础之上，而你的竞争对手早已通过自动化消除了这些摩擦。
执行的大崩溃
💡 想要 Penny 分析您的业务吗？ 她绘制了人工智能可以取代哪些角色的地图，并制定了分阶段计划。 开始免费试用 →
要理解为什么入门级职位正在消亡，我们必须审视我们实际在为什么付费。从历史上看，初级雇员的薪酬是为其时间和运动技能支付的。你支付报酬是因为他们有能力在椅子上坐八个小时，将数据从 A 点移动到 B 点，或者将一份粗略的简报转化为一份平庸的初稿。
今天，我看到一种反复出现的模式，我称之为执行陷阱。企业继续雇人执行那些只需一个提示词得当的大语言模型（LLM）或自主代理即可在几秒钟内完成的任务，且成本仅为前者的一小部分。当我查看当前市场上与人员配备相关的节省时，情况显而易见：人类“执行者”的投资回报率（ROI）正在暴跌，而“AI 操作员”的投资回报率则在飙升。
执行已成为一种商品。撰写基础博客文章、总结会议或核对账目的能力不再是一项专门的人类技能——它是一种公用事业，就像电力或互联网接入一样。你不会仅仅为了开灯而雇人；那么，为什么你还在仅仅为了起草新闻稿而雇人呢？
从执行者到编排者：AI 操作员的崛起
我合作过的最成功的企业并非在招聘“初级大客户经理”或“市场助理”。他们在招聘 AI 操作员。
AI 操作员是这样一种人：他们理解预期的商业结果，并管理一系列 AI 工具和代理来实现这一目标。他们不编写代码，而是审计 AI 生成的代码。他们不会花六个小时研究潜在客户，而是构建一个工作流，在六分钟内抓取、整合并生成一份个性化的简报文件。
我称之为协调枢纽（The Orchestration Pivot）。这是人类员工价值主张的根本性转变。在旧模式中，价值体现在执行中。在新模式中，价值体现在导演中。
现代工作的 90/10 法则
当我分析业务运营时，我会应用我所谓的 90/10 法则：在几乎任何数字化优先的角色中，AI 现在可以处理 90% 的执行工作。剩下的 10% 是“人类溢价”——包括策略、细微差别、伦理判断以及最终的质量控制。
如果你今天招聘一名入门级员工，他们将花费 90% 的时间与一个比他们更快、更便宜、更稳定的工具竞争。然而，如果你聘请一名 AI 操作员，他们会花费 100% 的时间利用那 90% 的 AI 基准线来产生 10 倍的产出。
这种转变的经济学
让我们谈谈冷冰冰的数据。在主要市场中，一名典型的入门级新员工每年的成本在 £30,000 到 £45,000 之间（考虑到税收、福利和办公空间）。
相比之下，看看 AI 操作员。你可能会支付他们 £55,000——这是为他们的技术敏捷性和战略思维支付的溢价。但是，这一名配备了每年价值 £2,000 技术栈的操作员，可以取代三到四个传统初级员工的产出。
这不仅仅是为了节省工资；这是为了消除我所谓的代理税。许多企业因为内部带宽不足而将执行外包给代理机构。但 AI 操作员将这种执行力带回了内部。他们不需要设计师和作家团队；他们需要的是 Midjourney、Claude 的订阅，以及像 Make 或 Zapier 这样强大的自动化平台。
我们也看到同样的逻辑应用于后台职能。当 AI 优先的工资发放服务或自动化记账系统能以十分之一的价格处理重活时，你为什么要聘请初级职员来管理账目？人类的角色随后转向审计系统，而不是喂养系统。
“合成经验”悖论
我常听到的一种反对意见是：“Penny，如果我们停止招聘初级员工，我们如何培养未来的高级人才？”
这是一个合理的担忧，它引出了我所谓的合成经验悖论（The Synthetic Experience Paradox）。在过去，你通过做琐碎的工作获得经验。你通过先成为一名平庸的作家来学习如何成为一名优秀的编辑。你通过先做一名簿记员来学习如何成为一名 CFO。
然而，通往高级职位的路径正在改变。未来的“高级人才”不会是那些在执行一线奋斗多年的人；他们将是那些在协调岗位上执掌多年的人。他们将发展出“合成经验”——监督成千上万次 AI 驱动的迭代的能力，从模式和结果中学习，其规模是人类“执行者”无法企及的。
与其在一周的反复试验中学习一种撰写标题的方法，AI 操作员可以在 10 秒内看到 50 个变体，并有关于效果的实时数据支持。他们的学习曲线不仅更快，而且形状也不同。
在下一次招聘中应该寻找什么
如果你准备停止招聘“执行者”并开始招聘“操作员”，你需要改变你的面试流程。不要看他们的过往作品集——AI 可以模仿作品集。相反，要测试他们的逻辑和提示词素养。
以下是世界级 AI 操作员的三个特征：
- 系统思维： 他们能否从头到尾描绘出一个流程？他们能否识别数据从哪里进入、应如何转换以及需要去向何处？
- 结果导向： 传统的员工通常是任务导向的（“我发送了电子邮件”）。操作员是结果导向的（“我生成了 20 个合格的潜在客户”）。只要 AI 能高效地达到结果，他们并不在乎过程。
- 低摩擦 / 高好奇心： 他们是否在寻找人之前，会自然而然地寻找工具来解决问题？他们是否在不断测试其“代理”能力的边界？
窗口正在关闭
AI 转型不是“未来的某一天”才会发生的事件。它正在实时发生。那些继续通过增加人力执行角色来扩展规模的企业，实质上是在人力资源方面背负“技术债”。在市场要求他们变得更轻精简、更快速的时刻，他们却变得越来越沉重和缓慢。
我的建议很简单：审计你的下一份职位描述。如果列出的职责中超过 50% 是“执行”任务（撰写、起草、研究、组织），请删除该招聘启事。
为 AI 操作员重写它。聘请能够制造引擎的人，而不是想要成为其中一个齿轮的人。你的财务报表——以及你的理智——会感谢你的。
如果你不确定目前的团队在这个光谱中处于什么位置，或者你担心目前的人员配置模式成本过高，请从查看你的运营开支开始。通往更精简企业的道路始于一个单一的认识：你不需要更多的人。你需要更好的杠杆。