重新发明组织：让小公司也用得起大公司的人 —— 在得到的现场分享

在得到 App 的现场分享

这是我在得到的一场现场分享。PPT 就在下面，内容整理也在这里——现场没展开的，我都写进来了。

先问你一个问题：你公司现在有几个员工？心里报个数。

再问一次：把 AI 算上，你有几个员工？

这两个数如果不一样，你已经在「重新发明组织」了。如果一样，这篇是写给你的。

大厂在讲 AI 裁员的故事——「我们裁了 30% 的人」。但小公司从来没人可裁，缺的一直是人：招不到、留不住、客户的消息回不过来。AI 在小公司里干的活，是把你招不来、留不住的那种员工，补回来。

---

先看一个具体的：这一周，AI 替我干完了 6 个岗位的活

讲方法之前，先给你看本周我作为 CEO 本人的产出。一个人，一台 AI 工作台，没招新人。

• 3 份 PPT：对外分享、公司介绍 deck、客户定制方案。原岗位是设计 + 商务。
• 1 版官网：juzibot.com 新版，AI 写前端 + 文案 + 配图，没有设计稿，我带 AI 三天上线。
• 4 个产品原型：我画白板讲清楚，AI 出原型，PRD 一并起草，飞书直接发研发 review。
• 123 篇博客：我只管写，AI 排版、配图、生成 SEO，连建站脚本都是 AI 写的，一条命令上线 rui.juzi.bot。
• 5 张数据表：客户分行业 / 阶段分布、销售漏斗、续约率，飞书表喂进去 AI 直接出图。
• 1 套定价：全公司标准报价单，AI 起草，我改两笔，销售就能上手。

这不是 demo，是这一周真发生的事。这套工作台我自己先用了一年，客户拿到的是同一套。

不止我一个。我们内部办了场 hackathon，10 支队伍全员参赛，做出来的「AI 同事」周日 demo、周一上岗：合同审核从 1 天压到 2 分钟，AI 帮销售初筛线索、跟单、写拜访纪要、每天早上往群里推一份行业情报。其中一个叫「秒审」的合同审核员，48 小时上线，周一财务就把人工初审岗换成了它。

说回那四个判断。

---

一、四个判断

判断一：AI 不是把人裁掉，是给小公司补员

前面那句话再说清楚一点。媒体讲的「员工要下岗」是大厂的故事——他们本来人就多。你这家小公司的处境是另一个：人不够、招不到、留不住，客户的消息回不过来。你没人可裁，你缺人。

一个真实的例子。一家连锁餐饮，3 家店、1 个店长。这个店长要同时盯 3 家店的企业微信群、美团差评、抖音私信、小红书评论、会员活动群发，消息漏回率到了 35%，客户投诉。上了 AI 工位之后：90% 的消息 AI 先回完一遍，一个店长能看的店数翻到 3 倍，漏回率掉到 5% 以下，没招一个新客服。AI 补的就是这种岗——你本来想招、但招不来也养不起的那个人。

判断二：你要的不是一个 AI 软件，是有人把活直接给你干完

很多人卖你一套 AI 工具：给你一个 AI，怎么用、用得好不好，你自己负责。这好比你花 1 万块买套财务软件，还得再花 12 万请个会计来用它结账。工具买了，活还得你自己干。

你真正要的是结果：账，有人直接给你结了。你说要什么，结果直接交付；干不成，本就不该付钱。而且 AI 越升级，这件事只会更快、更便宜——这跟买软件的逻辑正好相反，软件买完就是沉没成本。

判断三：不是你盯着 AI，是 AI 主动来找你

大家以为的人机协作是：上了 AI 还得有人一直盯着，怕它出错每一条都人去检查，AI、CRM、表格几个系统来回切，活越堆越多人反而更累。

真正跑得稳的协作反过来：AI 自己把活分轻重缓急，该你拍板的主动推到你面前；所有活在一个界面看全，不用满处找；你只在关键节点出手，AI 跑其余的。你不用盯着它，它会来找你。

判断四：老板的工作也变了——从管人，到抓那 20%

过去十年，老板花时间最多的事是面试招人、留人、骂人、捧人。下一个十年，是定标准、配工位、拍板。你做的事，和管一群 AI 同事没区别。区别只是：AI 同事 7×24 在岗，不议价，按结果计费。

AI 能把 80% 的执行跑下来没问题。但那 20%——判断、品味、在场——你得自己定清楚，AI 才知道往哪跑。这 20% 具体是哪五件事、为什么 AI 短期替不了，我在 《AI 不可替代的那 20%：判断、品味、在场、关系、手艺》 里拆过，这里不重复。这场分享只回答下一个问题：剩下那 80%，到底怎么交给 AI。

---

二、怎么把活交给 AI：分活、定义、验收

第一步，分活：哪些是 AI 的执行，哪些是你的判断

把你公司 5 个员工列出来，每人挑这一周做的 5 件事，每件事拆成两半：

• 80%（罗列、调研、起草、执行）交给 AI。
• 20%（拍板、挑选、在场）留给你。

举个例子，销售小李写客户跟进策略。AI 干 80%：拉客户历史、整理过往跟进、列 5 套打法。小李抓 20%：挑哪套打、哪句话发出去。这件事从「他一天搞不定」变成「AI 一晚跑完，他 1 小时定」。

有个判断标准：你那 20% 写不清楚的活，先别交给 AI。 写不清楚说明你自己还没想明白，AI 接过去只会把没想清楚的东西快速执行错。

第二步，定义：把「什么算干对了」说清楚

这是 80% 的客户卡住的地方。我看过的客户里，凡是一开口就要给我 200 万字知识库的，项目大概率跑不通。大家以为上 AI 第一步是把公司所有文档塞进知识库，结果 AI 答非所问，反过来怪知识库不行。

一个在线教育头部品牌就是这样。Day 0 甩来 200 万字「AI 训练数据」，PDF、Word、聊天记录、操作手册一锅端，上了 RAG 一试 AI 答非所问。我们翻完发现 90% 的内容没人会用到，真正缺的不是事实，是业务流程没人讲得清。第三周换方向：每个业务画清楚 SOP，挑出 SOP 里必须用到的那几条事实，剩下全砍。第四周上线，通过率从 30% 到 85%，私域人效翻了 3 倍。客户最后说，要的不是 AI 训练，是把 SOP 想清楚。

别拿 200 万字甩锅给 AI。 你没想清楚业务，把一堆文档全倒给它指望它替你想，它替不了。AI 要的从来不是更多文档，是流程。

还有一个常见错误：一上来就想铺全公司。十个业务一起上，三个月跑不出结果。正确的顺序是从一个最痛的场景切进去——比如售前咨询，客户最多、最重复、最该先把人解放出来——再把它细分成报价咨询、时间咨询、退费咨询，先抠通一条 SOP（客户问 → 你判断 → AI 回，什么情况转人工写死），跑通这一条再切下一个。把一个场景跑通，比铺十个都强。

定义清楚之后，给这个 AI 同事写一张「岗位说明书」，跟雇人一样，三件事写清楚：

1. 它的活：每天具体干哪些事，一句话能讲清的列 3-5 条。比如回首次咨询、报价、催单。
2. 它的边界：哪些事绝对不能干，什么情况必须停下来转人工。比如投诉、退款、要找老板，立刻升级；涉及合同、价格弹性，转人工。
3. 它要的事实：跑通这套活要哪些事实，挑这些就够。比如当前课表 + 最新价格表 + 退费规则。不要塞全公司文档。

这张卡写得多干净，AI 同事就能多快上岗。原本一个新员工要 3 个月，靠的就是这张卡。

第三步，验收：AI 干完，你说行不行

到这一步，你公司每个员工的位置都变了——从「自己干」升级成「验收 AI 干的」。这是 AI 原生组织里人的新位置，分三种动作：

• 看 + 挑：AI 一晚出 100 版，员工在协作工作台里一眼看到，对劲的留下，不对劲的退回。AI 出得越多，「挑得对」越是真功夫。
• 改 + 反馈：AI 起的稿，员工改两笔。每改一次 AI 下次就更准，员工的判断变成 AI 的训练信号。
• 接 + 拍板：涉及钱、时间、客户关系的关键时刻，员工亲自下场。大客户、危机、谈判，在场和关系 AI 替不了。

为什么验收这一步不能省？讲个出过事的例子。一个金融行业客户的 AI 销售跑得很快，月底发现给一批客户报错了利率——报了 4.5%，产品实际上限是 3.8%。原因是客户给的知识库里混着一份去年的旧产品说明，AI 检索到照着回，在它眼里两份文档没差别。我们的修法是加一道「数字门」：凡是涉及数字的话术，过一遍规则库，规则库每天和产品中台同步一次，对不上就拦下来转人工。之后数字类错误率压到千分之一以下。

给 AI 设三个「下班前检查」就够覆盖大部分风险：

1. 该回的有没有都回了？今天进来的咨询、留言、催单，一条都不能漏。
2. 涉及钱、时间、承诺的话有没有错？凡是有数字、有日期、有「保证」的，过一道规则库。
3. 客户骂人或要找老板的话，识别出来了吗？凡是「投诉」「退款」「让你们老板出来」，必须升级给人。

这三条做到位，AI 跑出的活，至少 90% 你可以放心。

---

三、AI 进来后，组织怎么管

两件事：管「管 AI 的人」，和给「AI 员工」发薪。

管「管 AI 的人」：不是每个员工都升得成 AI 的主管

谁能管得动 AI？我把它写成一个公式。

个人价值 =（关系 + 手艺）×（判断 + 品味 + 在场）

左边是存量：老客户几年几十年攒下的信任、一门真功夫。AI 替不了也抢不走，但你不在场就兑不出来。右边是流量：每次出场你能不能拿出来——5 条路敢拍板、100 版挑得对、关键时刻顶得住。

两边是乘法，缺一边分数就是 0。能管 AI 的，是这个公式分数最高的人。这也意味着你的组织结构会变：人少了，但留下的每个人都得是能验收 AI、能接管关键节点的人。

给「AI 员工」发薪：按账号、按结果、按算力

这是我们的收费模式，其实和你雇人的几种工资形式一一对应。

• 按账号，给 AI 发月薪：一个账号一年多少钱。适合工作量稳定、可预测的岗，比如客服坐席、班主任、销售助理。
• 按结果，给 AI 发提成：聊完一个客户付一次钱，按 AI 聊完的客户算，不押成单。适合你想按效果付、不想付沉没成本的活，比如线索初筛、约访。
• 按算力，给 AI 加「脑力」：日常活基础算力够用，遇到难题、要它想得更深时加算力。适合偶尔要 AI 啃硬骨头。

再给一个完整的账。一家连锁品牌客服，之前 8 个客服、每月 6 万工资，处理 1.2 万条咨询，高峰漏回率 30%。换成 AI 工位 + 2 个客服之后：AI 先跑 90% 的消息，人只做最后一公里，月成本降到 1 万，处理量上到 1.8 万条，漏回率 5% 以下。省 5 万一个月，投入回收期 3 周。

---

One More Thing

你可能担心自己搭不出来。事实是，判断你能做，但把判断变成真能跑的 AI——搭建、训练、维护——90% 的公司自己干不了。分活想清楚了搭不出稳定跑的 AI，定义好了 SOP 训不出不出错的 AI，想验收却没有能管 AI 的工作台。执行这部分是我们的活：你不用懂 AI，也不用自己搭，只用告诉我们你想要什么 AI 员工。

这一代小公司真正的红利，不是 AI 便宜。是 AI 让小公司也用得起，过去只有大公司才请得起的人。

过去你想把客户服务好，请不起 100 个客服、50 个销售、24 小时的运营，服务总是跟不上。现在同样这件事：100 个 AI 客服、50 个 AI 销售、24 小时的 AI 运营，加 2 个真人监工。

哪怕你只有 10 个人。