Klarna的故事值得所有想用AI降本的公司反复看。2023年底,这家瑞典金融科技公司宣布AI客服已经在35种语言中处理了75%的客户聊天,随后裁掉700名客服人员,总员工从7400人砍到3000人。每笔交易的客服成本从0.32美元降到0.19美元,降幅40%。CEO Sebastian Siemiatkowski在各种场合反复宣讲这个成功案例。然后呢?2025年上半年,客户满意度暴跌22%。AI面对复杂争议、退款处理和敏感金融问题时只能给出笼统的通用回答。Q1季度净亏损9900万美元。公司不得不重新开始招人,甚至把软件工程师和市场营销人员调去呼叫中心顶班。CEO公开承认:"追求效率导致了服务质量的急剧下降。"
为什么?因为没有人在"养"那个Agent。没有人持续监控它的输出质量是否在漂移。没有人在业务规则变化时更新它的知识库。没有人定义"什么场景必须交给人处理"的边界。它被当成一台部署完就能永远运行的机器。但AI Agent不是机器,它更像一个永远不会主动举手说"我搞不定"的新员工。
97%部署了,只有29%赚到了钱
Writer在2026年初对2400人做了一份调查(1200名一线员工加1200名C级高管)。结果很荒诞:97%的高管说去年部署了AI Agent。再问有没有获得实质性回报?只有29%说是。79%的公司面临落地挑战,这个比例比2025年还高。
更值得关注的是一个细节数据:35%的公司在Agent失控时甚至不知道如何立刻关停它。这不是技术问题。模型够强、工具够多、预算够大。问题出在一个被所有人忽略的环节:上线之后,谁在管?Dan Shipper在最近一期Lenny's Podcast里把这件事说得很直白:"为了让一个AI Agent有用,它现在真的需要一个在乎它的人。"这句话听起来像在说宠物。但它描述的是一个正在所有公司里浮现的真实需求。Dan的团队Every从15人涨到近30人,核心原因之一就是"每自动化一个流程,就需要有人盯着确认它在服务业务而不是在搞破坏"。他们踩过一个典型的坑:一个用vibe coding快速搭出来的产品上线后每十分钟崩一次,让Codex自动修复,结果每修一处带出四个新错误,最终不得不找两位高级工程师从头重写。自动化不等于不需要人。自动化意味着你需要一种新的人。
这个岗位到底长什么样?
局长观察到海外公司里正在浮现出三种"养Agent的人"的原型。第一种:从业务骨干转型。Klarna在2025年中重新招人时,岗位名称不再…