AI浪潮席卷全球，从国家博弈到企业竞争，再到个体职业发展，无不面临深刻变革。本文深入剖析AI对电商、物流等行业的冲击，以及产品经理等岗位的转型挑战，提出在AI时代立足的关键在于找准基本盘，利用AI放大自身优势，实现人效提升。

过去一年，AI的发展风向可谓陡转莫测，眼下不仅成为新时期国家、资本博弈的主赛道，其对人的影响也正在从“空中楼阁”变成现实。

比如，韩国全民炒股，押注三星、SK海力士等内存厂商，期望以行业机遇虹吸全球，实现国民集体造富；

又如，长鑫科技A股上市，市值一骑绝尘，还成功绑定了国产AI算力、新能源汽车、消费电子等行业的未来发展；

……

这背后无疑有国家宏观政策的积极引导，而AI的长期发展，还要看商业场景端的落地效果。但在探索的过程中，无论是大家预期影响内的脑力工作，还是体力劳作，都要进行一轮AI的解构、重构，而事实证明，越是标准化、越是经验存档化的作业流程，越容易被人工智能所取代。

大众从旁观、到26年初全民下场、再到变成从业人员考核的硬性指标，也才过去了半年时间，AI已经势不可挡……尤其是低试验风险的作业场景和工种正在扮演AI提效“排头兵、急先锋”的角色。

比如，亚马逊已经在电商物流中心引入了机器人，协助人工完成搬运、捡货等工作；

比如，亚马逊即将关停已有21年历史的数据标注众包工作平台（Mechanical Turk）；

比如，低空经济的发展，正在重新拉开想象力的空间，无人机已经能在特定场景发挥人力无法企及的作用，已经能够在广西洪灾、西藏泥石流等自然灾害，驾轻驭熟起降超百公斤的货物，令人观止…

但是，社会的生产要素是恒定的，资源的分配一定是有主次缓急之分，AI风头正盛，势必站在了最优先的资源位。细化到企业、部门皆如此。于是，人们看到了所谓AI平权时代割裂的一体两面：

一边是AI模型的技术持续加速，一边是大模型公司急促的商业化尝试；

一边是AI模型的人才高价竞逐，一边是企业人员不断的成本优化；

本质上就是资源的分配和企业竞争方式的变化。在这场浪潮中，国内外头部科技公司都毫不犹豫地挤上了牌桌，一旦上了牌桌，离开的沉没成本就会极其高昂，只能赢、不能输。

比如今年字节已经不再硬性要求电商和本地生活业务的增长指标（比如抖音流量已倾斜能拉升关注时长的AI红果短剧）；

比如阿里无论是最近的告股东书还是财报电话会议，阿里云的提及频次和篇幅都是优于传统电商的；

至于在AI时代缺少足够声量的拼多多、美团、京东，在人才密度略逊一筹的情况下，只能充当跟随者的角色，而失之东隅，主业还是只能讲“新瓶装旧酒”的故事，往既定的业务加码：

拼多多重新押注刚需买菜（当然多多聪明地方，在市值下行期，开始整治自己弱势的商家生态治理，毕竟手握4000亿现金）

美团力推本地零售、京东在国补退潮后发力出口和O2O、小米则在押宝新能源汽车的故事里举步维艰……

企业的决策各异，但谁是最终的赢家，现在下结论还为时过早。而对于我们普通从业者来说，过去10年历经了“互联网+”到“人工智能+”，如果说，“互联网+”给了大众创业、万众创新的机会，而“人工智能+”看上去是“革个体效率的命”，我们的机会在哪里？我们不得不面对的潜在风险又有哪些？

首先，基本盘依然非常重要。就像创业，不可能选择不熟悉的赛道一样，AI也不能无脑AI，也不可能只停留在桌面级办公应用。何为“基本盘”？即个体的核心竞争力，不被AI替代的竞争力，能被AI放大、人无我有的竞争力。

对于非大模型算法技术人员，我们不是第一道AI红利获得者，那么我们的优势在哪里？就在于“ + AI”，AI能不能在我们熟悉的领域找到优化点，通过数字分身实现1.5倍甚至更高的人效。

在企业层面，今天大模型是科技前沿，是科技公司标签和资本市场估值的重要衡量（参考小米的股价，如果AI持续掉队，那资本只会按优秀供应链生态公司来估值，而不是科技创新企业），但能提供稳定弹药的电商、短视频依然不可或缺，这不仅是AI应用的场景，能实现AI底层模型的自产自销。

在企业内部执行层面，比如采购运营手握商家资源，这是创造生意的基本盘，显然他们不能成为AI应用探索的主力，而不直接带来增量的中台职能岗，考核提效的压力更大，恰恰适合做AI探索。

而对产品经理而言（本质也是中台的职能定位），我们面临的挑战是什么？传统工程交付流程是：业务/产品运营-产品-前后端技术-测试-验收-上线，其中的角色关系和替代关系已经非常明朗，一言以蔽之，谁是经济上行时期派生出的锦上添花的岗位，谁就越可能被上下游替代。具体如下：

前/后端技术都要往全栈转型，何为全栈？即为全链路单体闭环，实操层面，就看谁更不可替代了，大概率是复杂cover相对简单。

测试，本身就隶属技术体系，所以跟技术本身就有替代关系，但是考虑到测试的风险兜底职能，岗位大概率不会取消，但是同样会面临跟产品一样的问题，就是缩编。

而对产品经理而言，需要考虑自身的核心竞争力是什么。在未来1-2年，AI大概率会无差别浸透到我们曾经以为壁垒高的后端领域，理解架构、重构架构，那么我们不得不回答，如今我们负责的单项或多项垂直领域的门槛积累，能否稳住你的岗位？如果不足以，我们进阶或者防守的方向在哪？

其一，看“天时地利”，抓住机会，拓宽领域边界。首先，随着AI工具的愈发成熟，“工具差优势”将不复存在，所以先使用和使用频次并不能决定最后的成败，AI的机会一定是厚植在这些场景：

一是日常高频处理、占用时间多、影响体验，却因为工程时代没有技术资源保障的需求。

比如商家入驻时，需要上传证照、资质、结算账户等等，以前苦一苦商家、苦一苦客服，也可以把事情解决，但是因为需求产生不了增量生意，只能让步于重点明星项目；

比如需要人工处理的复杂工单，前人经验是跳转各个菜单、然后沟通判断、形成结论，但是这些属于低频运维性质，甚至在以前，都没法体现在周报和OKR里，也没有动力去写成固化的自动查询SOP，但是又很耗时间精力，而这些都成了AI最擅长处理的领域。

但目前逻辑变了，技术不再是瓶颈。

二是AI解决的一定是当前存量的问题（我觉得AI最难的是第一步发现问题、提出问题）。

我们使用AI一定遵循这样的原则：丰富的行业经验 + AI，也就是AI起的一定是能力和认知放大的作用，实现的是一件事情需要更少的人力投入，继而同样的人力可以干更多有价值的事情。但AI不会自动让你变成从0经验变成满级的王者。

其实在没有AI前，互联网存量竞争时代就已经来临，企业已经不会慷慨地给过多的学习时间帮你完成转型，你能不能扛过周期，不仅看运气（比如有没有新增的业态、模式，足够给你机遇打开多领域、多场景的认知空间），还要看个人努力，你能不能、愿不愿意、想不想、有没有这样的认知意识到这是个机会……只不过AI加速了整个过程，以至于淹没了互联网存量竞争时代的主题。

其二，是AI落地场景。如今的AI场景，尤其是B端产品中，并不好探索到，甚至有一些是通过工程化的技术实现了降本提效，所以我觉得，AI场景的发现是第一步，但落地才是后续最难且最有价值的。

而场景的提出，分为业务提交和产品发现，两种入口视当前业务与产品对场景的理解深刻程度和敏感度，这里主要阐述后者。

这就是AI时代对产品的要求不一样的地方，以前重积累，现在靠创新，以前是注重全链路的理解协同和专域的知识收集以及记忆深度，但是现在更注重产品的创新化解决方式，因为知识的整理和技术已经没有了实现门槛，而创新化解决，又分为产品自闭环解决和产技合作完成，两种对产品的要求不同，前者需要不断去修改skill和评测，非常耗时，后者更侧重关注问题定义、使用效果和评测经典case收集和跑分，这里各有千秋，视复杂程度、精力空闲和目标紧急程度而异。

建议：能形成 商家规模效益，且能持续演进的专项方向，比如B端产品 + AI 的衡量效果，不像C端产品来的这么直接（比如toc客服提升了多少人效），那B端产品的突破口之一就是往供应商规模和体验上靠，因为对内的人效提升有限，商家规模毕竟远少于用户数量。

综上，个体往往是在没有压力的情况，更富有创造力，但是时代和时间都不允许这样闲置时光的存在。无论是“AI + 行业”，还是“行业 + AI”，没有人可以躲避浪潮，最切实际的，仍然是持续学习，执行拥抱，不断进化，才能在技术革命中中找到个体更多的空间。