AI替代潮正在从预言变为现实，从甲骨文到摩根士丹利的裁员风暴，揭示了一个残酷真相：可编码性强的工作正被AI系统快速吞噬。本文深度拆解AI替代的三层逻辑——执行层、判断层到策略层的渗透，并为ToB从业者提供从认知重构到能力升级的实战框架，助你在AI时代守住不可替代的价值高地。

最近，真的发现大家的焦虑指数明显上升了一个量级。

不是那种关于工作忙、压力大的常规焦虑——而是一种更深层的、关乎生存的焦虑。

之前有朋友说了句话，让我琢磨了很久。他说：”我现在最怕的不是竞争对手抢客户，是怕有一天老板突然发现，我干的活，一个AI Agent就能搞定。”

你说他矫情吗？我觉得真不是。

因为AI替代人这件事，已经从危言耸听的预言变成了正在发生的事实。

我们来看看最近发生了什么：

• 甲骨文，全球数据库巨头，正在大规模裁员。其中相当一部分是传统技术支持和中后台岗位。这家公司在干什么？All in AI。
• 裁掉的人，很多并不是绩效差，而是他们的工作正在被AI驱动的新系统所吞噬。
• 摩根士丹利，华尔街顶级投行，也在挥刀，同样也是技术支持和中后台岗位。

而更宏观的趋势是：全球科技巨头正在集体完成一次换血——裁掉传统岗位的人，招募AI相关的人，同时用AI工具替代更多原本需要人来执行的流程。

从谷歌到Meta，从微软到亚马逊，几乎所有大厂都在经历同一个剧本——先宣布裁员，再宣布AI投资加码，最后宣布用更少的人做出了更多的产出。

说到这里，可能有人会说：”这不就是每次技术革命都会发生的事吗？蒸汽机来了马车夫失业，互联网来了传统行业关门，AI来了……轮到我们了呗。”

工业革命用了100年完成了手工业的替代，互联网用了30年重塑商业格局，而AI……可能只需要1到5年（5年都长了），就会彻底改变知识工作者的定义。

所以今天这篇文章，我不想贩卖焦虑，也不想喊空洞的口号说拥抱变化。我想认真地、从现象到本质地，把这件事掰开了聊一聊：

AI替代人，到底在替代什么？谁会被替代？我们——尤其是ToB行业的市场人、运营人、销售人——该怎么办？

一、回到本源，替代这个词到底意味着什么？

在聊具体策略之前，我想先从理论层面厘清一个问题：技术对劳动力的替代，本质上是什么？

其实经济学和管理学对这个问题已经研究了上百年。

彼得·德鲁克在《管理的实践》中提过一个核心观点：企业存在的目的是创造客户，而实现这个目的需要两种基本功能——营销和创新。注意，他说的是功能，不是岗位。

这个区分非常关键。

企业需要的从来不是岗位本身，而是岗位背后所承载的功能。当一种新技术能够以更低的成本、更高的效率来实现同样的功能时，承载这个功能的岗位就会被重新定义——要么升级，要么消失。

克莱顿·克里斯坦森在《创新者的窘境》里也讲过类似的逻辑：颠覆性技术从来不是更好地做同样的事，而是用完全不同的方式做同样的事，然后做到更多的事。

让我们用这个框架来审视AI正在做的事情：

第一层：AI在替代”执行层”的功能

什么是执行层？就是那些”有明确输入、有标准流程、有可预期输出”的工作。比如：

• 整理一份竞品分析报告（从公开信息中提取、整理、排版）
• 写一篇标准的产品介绍文案
• 制作一份月度运营数据报表
• 初筛简历、初步筛选销售线索
• 翻译一份英文白皮书

这些工作的共同特征是什么？可编码性强。也就是说，你可以把它的流程写成一个SOP，一步一步教给别人做。如果能教给别人做，就能教给AI做。而AI做起来，比人快10倍，成本低100倍，还不需要休息。

第二层：AI在渗透”判断层”的功能

这一层就比较可怕了。过去我们认为”需要经验、需要直觉、需要判断”的工作是AI不太能碰的——但现在这条线正在快速移动。

比如判断高价值客户这个场景，现在AI通过分析海量的历史成交数据、企业画像数据、行为数据，可能会给出一个比大多数人类运营人员更精准的”高价值客户列表”。不是因为AI更聪明，而是因为它能同时处理的变量维度远超人脑的极限。

比如很早就已经有的智能投顾，据说现在已经有人用AI在股市赚了很多钱。

甲骨文裁掉的那些技术支持和中后台岗位，很多也属于这个范畴。以前需要人来判断”这个客户的问题应该升级到哪个级别”、”这个工单应该分配给谁”，现在AI的智能路由系统可以做到更快更准。

第三层：AI正在逼近”策略层”的边缘

这一层目前还没有被大规模替代，但趋势已经很明显了。AI开始能够做一些”策略性建议”——比如根据市场数据和竞品动态，自动生成GTM策略的初稿；根据历史campaign数据，自动优化预算分配方案。

注意我说的是初稿和建议，不是最终决策。但问题是——在很多企业里，所谓的策略本身就是在做拼凑和模仿的工作。如果你的策略水平仅仅是”看看竞品怎么做的，我们也做一个差不多的”，那AI替代你只是时间问题。

我们再从所谓的策略层和判断层，一些智能营销和内容管理公司已经能帮企业执行投放策略了，比如特赞，比如明略。

“明略的新产品AdEff，AI 驱动的全球化广告创意测试及优化平台，用户上传一条广告视频，最快 15 分钟即可拿到一份完整的测试报告，涵盖受众注意力曲线、情感波动分析、关键时刻诊断等多维度分析以及具体优化建议。

89% 的 AdEff 预测得分与真人样本测试结果具有强相关性，76% 的测评结论与行业专家判断一致。在绝大多数场景下，AI 预测的可靠性已经足以支撑商业决策。”

以上内容来自明略自己的文章，他们还写了一句话：“创意不再稀缺，判断力才是”，然后现在判断力也被AI取代了。

当然，有点以偏概全，但，回到本源来看，AI替代人的逻辑其实非常清晰：

它沿着可编码性这条轴线，从高到低逐步蚕食人类的工作领域。先吃执行层，再啃判断层，最后逼近策略层。

而残酷的现实是：大多数打工人的日常工作，70%以上落在前两层。

我记得我提过很多次《跨越鸿沟》这句话，”大多数人高估了新技术的短期影响，低估了它的长期影响。”

很多人现在还觉得AI”不过如此”、”还很蠢”、”取代不了我”——但我们可能还没有意识到，AI的能力增长曲线是指数级的，而人类的技能增长曲线是对数级的。

差距正在以你肉眼可见的速度拉大。

二、面对AI替代潮，我们到底该怎么办？

好，扯远了，说回正题。

分析完现象和本质，我们来聊最实际的问题：在ToB行业做市场、运营、销售的我们，到底应该怎么应对？

我不想给那种学好AI就行了的万金油建议——那跟说努力就能成功一样，正确但无用。

我想给出一个相对具体的框架，包含三个层面的行动建议：建立认知边界、重构个人能力栈、融入组织变革。

2.1 建立认知边界：搞清楚什么能被替代，什么不能

首先，我们要做的第一件事是结构化地评估自己的工作内容。

我建议每个人拿出一张纸，把自己一周的工作列出来，然后按照可编码性进行分类：

• A类（高可编码性）：有明确SOP，输入输出清晰，不需要太多主观判断。比如：写周报、整理数据报表、做常规内容分发、处理固定流程的审批等。
• B类（中可编码性）：需要一定经验和判断，但模式可总结。比如：线索打分、初步的客户画像分析、常规的活动策划方案撰写、竞品监控报告等。
• C类（低可编码性）：高度依赖上下文理解、人际关系、创造性思维和战略判断。比如：核心客户的深度关系维护、跨部门的资源协调和利益博弈、全新市场的GTM策略设计、品牌叙事的顶层设计等。

如果你发现自己80%的时间花在A类和B类工作上——那不是AI要替代你，是你自己一直在做”AI型工作”而不自知。

这话说起来有点扎心，但这就是现实。很多ToB运营人员其实已经把自己活成了人肉自动化工具：每天的工作就是搬运信息、执行流程、填充模板。这种工作状态，在AI时代之前是勤恳，在AI时代之后就是危险。

AI替代的不是”人”，是”人在做的某些事”。如果你的价值和那些”某些事”深度绑定，那你就会随着那些事一起被替代。

2.2 重构个人能力栈：从执行者进化为编排者

搞清楚了边界，下一步就是主动重构自己的能力栈。

我在这里提一个概念，叫做”AI时代的T型能力模型”：

感谢AI不用作图了

横轴：AI工具的驾驭能力。这不是说你要去学编程或者训练大模型——而是你要能够熟练地使用AI工具来完成A类和B类工作。说白了，你要从亲手干活的人变成指挥AI干活的人。

具体来说：

• 你要会写好的Prompt——不是那种”帮我写篇文章”的简单指令，而是能够给AI提供足够的上下文、明确的约束条件和清晰的输出标准。这本身就是一种高阶的需求定义能力。
• 你要了解主流的AI工具生态——哪些工具适合做什么，怎么组合使用，如何搭建自己的个人AI工作流。
• 你要有AI质检的能力——AI产出的东西不能直接用，你要能快速判断它的质量，知道哪里需要人工干预。

纵轴：不可替代的深度能力。这是你的核心竞争力所在，也是AI短期内很难触及的领域。

对于ToB市场运营人来说，我认为有几项深度能力是最值得投资的：

1）业务理解力。

这是我反复强调的——如果你不懂你所服务的客户的业务，不懂他们的决策链路，不懂他们的痛点和语境，你就只能做表面功夫的运营。AI可以帮你生成100篇文章，但它不知道客户CEO在这个季度最焦虑的是合规风险还是增长放缓。这种深度的业务洞察，来自长期的客户接触、行业浸泡和跨部门对话，不是AI能凭空生成的。

一个核心思想：“营销的本质是理解和创造客户价值。”我们所说的理解这个动作，目前为止AI做得可能还不够。

2）叙事能力。

我这里说的不是文笔好——AI的文笔已经比大多数人好了。我说的是构建叙事的能力：你能不能为一个产品、一个品牌、一个解决方案构建一套有说服力的故事？这套故事要能让目标客户产生共鸣，要能在决策链路的每个环节发挥作用，要能在不同渠道上保持一致性但又有针对性的变化。

这是一种高度整合性的能力，需要对客户心理、行业趋势、竞争格局、产品能力的综合理解。AI可以帮你润色每个段落，但它很难在你所理解的情况下，构建整体的叙事逻辑。

3）协作与影响力。

ToB行业有一个根本特征——决策链路长、利益相关方多。这意味着市场运营人员的很大一部分价值在于跨部门协作和对外影响。你能不能说服销售VP接受一套新的线索评分标准？你能不能让产品团队配合你做一次深度的客户案例？你能不能在管理层面前讲清楚一个市场投资的ROI逻辑？

这些事情的核心是人与人之间的信任、沟通和博弈——这是AI完全无法替代的领域。而且我要说一句可能政治不正确的话：在ToB行业，你的人脉网络和组织影响力可能比你的专业能力更决定你的职业天花板。

AI替代不了你在客户那里积累的信任关系，替代不了你和销售VP多年磨合建立的默契，替代不了你在行业圈子里的口碑和人脉。

4）系统思维力。

这是最高阶的能力。你能不能从全局出发，设计一套从获客到转化到续约的完整运营体系？你能不能在资源有限的情况下做出最优的优先级排序？你能不能识别组织中的瓶颈环节并推动改善？

这种能力需要的是对复杂系统的整体把握——而AI目前擅长的是在明确框架下做局部优化，还做不到对模糊、复杂、多变的组织系统进行全局设计。

2.3 融入组织变革：不要做”被安排”的那个人

光个人修炼还不够，你还需要主动参与甚至推动组织层面的变革。

为什么？因为AI替代人不是一个个人选择的问题——它是一个组织决策的问题。你的命运不只取决于你会不会用AI，还取决于你的组织如何重新定义岗位和价值。

在AI浪潮到来时，我们应该主动站出来做三件事——

第一，主动盘点团队的工作结构。

把团队里所有人的工作按照前面说的ABC分类进行梳理，搞清楚哪些工作可以用AI工具替代或提效。这件事如果你不主动做，老板也会让咨询公司或者HR来做——到那时候你就是被盘点的人，而不是做盘点的人。

第二，主动提出人机协作的新工作模式。

不是等着公司发通知说”我们要上AI了，大家学一下”，而是自己先跑通一个试点，用数据证明”用AI工具+少数精英人员”可以做到比”纯人工团队”更好的效果。比如：用AI工具自动化线索清洗和初筛，把运营人员的精力释放出来去做更有价值的深度培育和客户对接。

第三，主动重新定义团队的价值主张。

过去市场运营团队的价值往往用产出量来衡量——做了多少篇内容、办了多少场活动、带来了多少条线索。在AI时代，这些数量指标的含金量急剧下降（因为AI可能回轻松做到10倍量级），团队需要重新定义自己的KPI体系，转向”质量型”和”影响力型”指标——线索的转化率、客户的NPS、内容的深度传播指数、品牌的行业影响力等，当然有一些看起来很虚，但实际价值很大的指标。

这个转变非常重要。因为当AI把“量”的问题解决了，人的价值就只能体现在”质”上。如果你的团队还在用量来证明价值，那你就是在跟AI比效率——这是一场注定输掉的比赛。

三、一些更深层的思考

写到这里，我想再多聊几个稍微务虚一点的问题。

3.1 关于过渡期的残酷性

很多人说”AI不会完全替代人，只会淘汰不会用AI的人”。这话听起来很鸡汤，但它掩盖了一个残酷的事实：在过渡期内，很多人会经历结构性失业，而新的就业机会可能需要更长时间才能充分涌现，而你如果没有更快的学习和成长，这些机会也不会属于你。

就像甲骨文裁掉的那些员工——他们不是不努力，也不是不优秀。他们只是恰好处在一个正在被AI重塑的岗位上。那很多是名校毕业、削尖了脑袋挤进华尔街的年轻人，现在被AI降维打击了。

这种时代的一粒灰落在个体身上就是一座山的感觉，我希望我们都能有基本的共情。

不要因为自己目前还没受到冲击，就觉得这件事离自己很远。技术替代的浪潮不是匀速推进的——它会在某个临界点突然加速。2024年我们觉得AI写的东西还不够好，今年就已经足够好了。今天你觉得AI不懂我的行业，明天可能就懂了。

留给我们准备的时间窗口，可能比我们想象的要短得多。

3.2 关于内卷与破局

AI替代潮还会加剧一个已经存在的问题：职场内卷。我就挺卷的，我不是在教你卷，每个人有选择的权利，你大有可以选择不拥抱这个变化，或许也可以很好的生活和工作。

逻辑很简单：当AI帮助每个人提高了基础产出能力后，基准线就被抬高了。原来你每周写3篇内容算还行，现在AI帮你一天能写10篇，你的竞争对手也一天写10篇——那还行的标准就变成了一天10篇。

这意味着单纯用AI来提效是不够的——因为所有人都在提效，效率不再是差异化优势。

真正的破局在于：用AI把自己从低价值工作中解放出来，然后把时间投入到那些AI做不了但价值极高的事情上。

比如：用AI帮你处理80%的常规内容生产，然后把省下来的时间花在深度行业研究上——去真正理解客户的业务场景，写出那种让客户CTO读完之后愿意主动约你聊聊的深度文章。

比如：用AI帮你做市场数据分析和报告，然后把省下来的时间花在跨部门协作上——去和销售、产品、客户成功团队深度对齐，推动真正的”以客户为中心”的运营体系落地（注意，这里”以客户为中心”不是口号，是流程、是机制、是数据对齐、是利益分配——是需要人去一个会议一个会议地推、一个利益冲突一个利益冲突地解的）。

3.3 关于长期主义的新内涵

我一直在文章里鼓吹长期主义，但AI的到来让我对这个概念有了新的理解。

过去的长期主义是：在一个领域持续深耕，积累经验和专业壁垒。你在ToB营销领域干了10年，你的经验本身就是壁垒。

现在的长期主义可能变成了：持续学习和适应的能力本身成为壁垒。 因为AI会不断抹平经验带来的信息优势（它可以瞬间学会你10年积累的行业知识），真正不可替代的是你快速学习新东西、适应新环境、整合新资源的元能力。

能够生存下来的物种，不是最强壮的，也不是最聪明的，而是最能适应变化的。

在AI时代，这句话的适应变化有了更具体的含义：

• 你愿不愿意放下过去积累的经验优越感，承认很多事情AI确实比你做得更好？
• 你能不能把自己的定位从做事的人转变为驱动事情发生的人？
• 你有没有勇气重新定义自己的价值——不是基于你过去做过什么，而是基于你未来能创造什么？

3.4 关于ToB行业的特殊性

最后我想说一个让ToB从业者稍微安心一点的观察：相比ToC行业，ToB行业受AI替代的冲击可能来得稍微慢一些，但也更需要警惕。

为什么会慢一些？因为ToB的决策链路长、关系依赖重、定制化需求多。你卖一个企业级产品，不可能靠AI自动生成几篇文章就能签单——你还是需要BD去建立关系、需要售前去做方案、需要CSM去做交付和续约。这些人对人的环节，AI短期内替代不了。

但为什么更需要警惕？因为ToB行业的很多中后台和支撑性工作，其实是高度标准化的——CRM数据录入、线索清洗、报告生成、合同管理、项目进度跟踪……这些工作可能在你不注意的时候就被AI接管了。而且ToB企业的客户（那些大B客户）自己也在用AI——当你的客户开始用AI来做供应商筛选和评估时，你的运营方式也必须跟着改变。

一些公司已经开始用AI工具来做供应商的初筛——把市场上符合条件的供应商信息自动抓取、比对、排名。如果你的品牌在AI能够抓取的信息源中没有足够强的存在感和正面评价，你可能连被初筛进入shortlist的机会都没有。**

这意味着ToB市场运营的底层逻辑也在变化：从”影响人”到”影响人+影响AI”。你不仅要让客户的决策者认可你，还要让客户用的AI工具认可你，哦，也就是GEO。

这是一个全新的课题，值得单独写一篇文章来讨论。

四、在不确定性中，锚定确定性

写到最后，我想做一个坦诚的总结。

说实话，我写这篇文章的过程中也不断在问自己：我自己的工作有多少是AI能替代的？答案让我有点不安——可能比我愿意承认的要多。

但不安归不安，日子还是要过，仗还是要打。

我想用三句话来收尾：

第一，不要否认趋势。

甲骨文在裁人，摩根士丹利在裁人，全球科技巨头都在裁人——他们不是因为业绩差在裁人，而是因为AI让他们不需要那么多人了。这个趋势不会逆转，只会加速。与其假装看不见，不如正面直视它。

第二，不要贩卖焦虑给自己。

焦虑不解决任何问题。与其焦虑，不如行动。今天就开始用AI工具，今天就开始梳理自己的能力结构，今天就开始思考我的不可替代性在哪里。行动是对抗焦虑的最好药方。

第三，不要忘记人的价值。

无论AI多么强大，它终究是工具。工具的价值取决于使用它的人。一个平庸的人加上AI，只能更高效地做平庸的事。一个有洞察、有判断、有情怀的人加上AI，才能创造真正的价值。

在ToB这个行业里，我们服务的是企业，但本质上服务的还是企业里的人。那些困惑、焦虑、渴望增长、害怕掉队的CEO、CTO、VP们——他们需要的不只是一个工具、一份报告、一条线索，他们需要的是一个能理解他们处境、帮他们看清方向、陪他们走过泥泞的伙伴。

这种伙伴的角色，AI目前做不到。但前提是——你真的在做伙伴该做的事，而不是在做工具能做的事，太多公司，太多人不愿意做难而正确的事了。

最后，引用《第二曲线》的核心理念作为结尾：

“当你站在第一条曲线的顶点时，就应该开始寻找第二条曲线。因为当你能感受到下滑的时候，往往已经太晚了。”

AI替代人，真的不是危言耸听了。

但对于那些愿意直面变化、主动进化的人来说，这也不是末日——而是一条新曲线的起点。

关键在于，你什么时候开始。

以上仅为个人思考，不一定对，欢迎拍砖。如果觉得有启发，转发给你的同事朋友一起看看，也许能在下一次部门会议上聊出点有价值的东西来。