我盯着「近200个岗位级数字专家」这行字看了好一会儿。不是200个功能，也不是200个聊天机器人。

是200个岗位！

7月19日，蚂蚁数科在WAIC发布Agentar 2.0。官方给它的定位是「商业智能体超级工厂」。首批预置近200个岗位级数字专家模板，外加数百个可订阅的Skills。企业不必从空白页面开始，可以按岗位和经营目标，启用带着专业知识、业务流程与工具调用能力的数字专家。

我还没有亲手跑过Agentar 2.0，这一点先说清楚。光看发布会材料，也不能证明这200个模板已经能像成熟员工一样独立扛事。

但「岗位被做成模板」这件事，还是让我后背有点发紧。

过去两个月，我一直在写AI如何进入劳动力市场。6月24日写豆包专业版收费时，我押过一句，能收费的线，就是AI开始替代人力的线。7月10日写ChatGPT Work时，我又判断，AI不再只是工具，它正在进入劳动力市场。

今天，这条线往前多走了一步。

以前厂商卖模型、卖Token、卖软件席位。现在开始把「岗位」直接摆上货架。

这不是发布会换了一个更响亮的词。岗位一旦可以被封装、订阅和复制，公司评估人的方式也会跟着变。你的工作会第一次被拆成一张很冷静的清单，哪些能做成模板，哪些可以交给Skill，哪些必须由人验收，哪些责任仍然没人敢让AI背。

那张清单，差不多就是你的新价签。

图注｜2026 WAIC，蚂蚁数科发布Agentar商业智能体超级工厂。

200个岗位，真正可怕的不是数量

蚂蚁数科公布的数字很密。

Agentar 2.0首批预置近200个岗位级数字专家模板，提供数百个可订阅Skills。蚂蚁数科称，相关方案已服务全部国有银行和股份制银行、超过60%的地方性商业银行及数百家金融机构，落地超过300个金融行业智能体。（来源｜蚂蚁数科WAIC发布材料、澎湃新闻，2026年7月19日）

另外一组来自IDC、由发布材料转述的数据是，中国智能体开发平台私有化市场规模为17.5亿元。这个口径指向的不是消费者手机里的聊天应用，而是企业愿意花真金白银购买、部署和维护的生产系统。

官方讲得很有画面感。

企业可以像搭乐高一样搭建智能体流水线。管理层设定一家新能源企业海外建厂的目标，战略、金融、供应链、法务、ESG等数百个智能体组成团队，继续向下执行。蚂蚁数科CTO闫莺称，企业第一次真正拥有了一支全天候工作的AI队伍。

这套叙述当然有发布会的理想化成分。

近200个岗位模板，不等于近200名成熟员工。模板能跑起来，前面还隔着企业数据、系统接口、权限、例外处理和责任追溯。腾讯云副总裁吴运声在WAIC期间给出了另一面，很多企业的ERP、CRM和老系统没有成熟API、MCP或CLI接口，必须先补接口、改系统，Agent才进得去。对于复杂业务，FDE或前场工程师依旧省不掉。（来源｜智东西，2026年7月18日）

所以我不赞成把今天写成「200个AI员工来了，人类立刻失业」。那太省事，也太假。

真正值得盯住的是，厂商第一次用「岗位」而不是「能力」来组织产品。

能力是一把锤子，岗位是一份责任清单。

一个模型会总结合同，只能叫能力。它能识别合同类型、调用企业条款库、标记风险、生成修改建议、把高风险条款转交法务、留下操作日志，并按时提交结果，才开始接近岗位。

从能力到岗位，中间多出来的是流程、权限、验收和责任。

也正是这四样东西，把人的经验变成了可以装进软件的结构。

白领工作也走到了流水线门口

1911年，泰勒出版《科学管理原理》，把工人的动作、时间和工序拆开测量。1913年，福特把移动装配线用于汽车生产。工业革命最狠的一步，不是机器力气更大，而是把原本依赖熟练工个人手感的生产，拆成了可以训练、计时、复制的标准动作。

一百多年后，类似的事开始发生在办公室。

只不过这一次，被拆解的不再是拧螺丝，而是审合同、核发票、比供应商、做周报、追项目、查政策、整理客户线索。

企业过去很难把这些工作彻底软件化，因为其中夹着大量自然语言、模糊判断和跨系统跳转。传统RPA适合固定按钮，规则一变就容易卡住。大模型和Agent补上的，恰好是那块过去最难编码的灰色区域。

这也是「岗位级数字专家」比普通AI助手更值得警惕的原因。

助手提高一个人的效率。岗位模板复制一类人的工作方法。

一名采购专员花几年积累的供应商筛选逻辑，可以被拆成数据源、评分规则、询价流程、风险阈值和人工确认点。一名HR每天做的简历初筛，可以被拆成岗位画像、硬条件过滤、经历匹配、面试问题生成和歧视风险检查。一名项目经理的周报，也可能被拆成进度抓取、异常识别、责任人提醒和管理层摘要。

单看每一步，都不神奇。

组合起来，它就不再只是帮你写两段文字，而是在吞掉一个岗位中最稳定、最可重复、最容易验收的部分。

蚂蚁集团CEO韩歆毅在同一天提出「Experience AI」，也就是经验型智能。他说，很多企业现有流程是为人设计的，不是为Agent设计的；信息逐级传递、逐级确认，常常出现每个环节都做得不错，串起来却没人为结果负责。（来源｜新京报贝壳财经，2026年7月19日）

这句话我反复看了几遍。

企业最想交给AI的，恰好是那些长期靠「人在中间传一下」维持的流程。中层管理者里有一部分人的价值，不是拥有不可替代的判断，而是知道表格在哪、该催谁、哪句话要转给哪个群、什么时候向上汇报。

以前这些知识散落在人脑里，老板很难打包复制。Agent平台正在把它们改写成可观察、可调用、可审计的流程资产。

我在6月28日写过「中间层先蒸发」。今天回头看，那句话下得太整齐了。

不是所有中层都会一起消失。

能定义目标、处理例外、协调利益、承担结果的人，反而更重要。先贬值的，是中层工作里那部分可模板化的经验。传话、汇总、催办、初筛、按规则分发，这些工作以前因为散落在不同系统和微信群里，显得很有人情味；一旦被整理成流程，它们和流水线上的标准工序没有太大区别。

图注｜岗位模板、Skills、组织数据、验收责任，四层共同把个人经验变成可采购的组织能力。

官方说是组织进化，拆开看也是经验收购

蚂蚁数科的说法是，让企业经验得到沉淀，推动个人成长和组织能力共同进化。

从企业角度看，这当然成立。

一个老员工离职，供应商判断、客户沟通习惯、风险处置路径不再跟着人一起离开。企业把这些经验沉淀进知识库、Skill和工作流，组织就不必反复交学费。

可从员工角度看，另一半故事没那么温柔。

你每一次使用内部Agent、修正它的结果、补充它没想到的例外，都可能在帮助公司把你的经验从个人资产变成组织资产。过去老板购买的是你的工作时间，现在还可能顺手获得一份不断更新的「如何替代这段工作」说明书。

这里不是阴谋论。企业购买员工时间，本来就会沉淀流程和知识。变化在于，Agent让沉淀速度更快、颗粒度更细，也更容易被下一位员工或另一个数字专家复用。

把几家厂商当天公布的数据放在一起看，轮廓更清楚。

蚂蚁提供近200个岗位模板和数百个Skills，解决「数字员工从哪里来」。支付宝推出AI订阅服务，三步即可接入日、月、季订阅、自动续费和企业团体席位，并称此前已完成3亿笔AI智能体支付，解决「如何买单」。PPIO称其日均Token调用量已突破1.2万亿，智能模型网关可让成本降低50%至60%，解决「能源怎么变便宜」。阿里云发布无影Agentic Computer，让Agent在云端7×24小时运行，称15个Agent已经处理85%的开发者答疑量，运营支持时长下降90%，解决「数字员工在哪里上班」。（来源｜各公司WAIC发布材料，2026年7月18日至19日）

岗位、工资单、能源、工位，在48小时里几乎凑齐了。

我原来以为，AI劳动力市场会先出现一批明确叫「AI销售」「AI客服」的独立产品，然后慢慢形成平台。查完这几份材料，我改了判断。

它更可能先以基础设施的方式长出来。

公司不会在某一天宣布「我们雇了200个AI员工」。它会先采购一套Agent平台，接上内部知识，启用十几个岗位模板，再把一部分新需求从招人改成购买Skill和Token。人员编制不是突然被砍掉，而是在预算会上悄悄少批几个。

这类变化最难被员工察觉。

裁员新闻很响，岗位不再新增却没有声音。

我更愿意用一张「岗位价签」来判断它离现实还有多远。

价签上至少有五个数。

第一个数是任务量。一个岗位每月重复处理多少份合同、多少张发票、多少次咨询。量越大，企业越有动力为自动化支付改造成本。

第二个数是完成率。Agent独立完成的任务占多少，不能只看演示里成功的那一次。

第三个数是人工接管率。一个数字专家如果每做三单就要把人叫回来一次，它更像加速器，还不是替代者。

第四个数是单次合格结果的总成本。这里不能只算Token，还要把接口改造、知识维护、审计、失败重跑和人工兜底一起算进去。便宜的模型如果让人反复检查，账未必更好看。

第五个数是责任成本。一份营销周报写错数据，最多返工；一次授信判断、一次医疗建议、一次跨境合规审查出错，代价完全不是一个量级。责任越重，人越难从链路里消失。

把这五个数摆出来，「200个岗位」就不再是一句吓人的口号，而是一张可以逐项核算的替代路线图。

高频、标准、可验证、低责任的部分会先被压价。低频、模糊、难验证、高责任的部分会晚一些。岗位不会整齐地被拿走，它会像潮水一样先淹掉脚下最平的那一块。

管理者也别只盯着省了多少人。Agent把执行成本打下来后，瓶颈会迅速转移到目标设定、数据质量和责任分配。如果公司流程本来就混乱，只是让一群数字员工更快地把混乱传下去。速度提升了，结果未必更好。

图注｜任务量、完成率、人工接管率、总成本和责任成本，决定一个岗位离真实替代还有多远。

当然，厂商公布的效率数据也不能照单全收。阿里云的15个Agent处理85%答疑量，发生在其特定开发者支持场景；PPIO的成本下降50%至60%，来自厂商自己的测试和模型组合；蚂蚁的近200个模板，也没有公开每个模板的真实任务成功率、人工接管比例和长期维护成本。

发布会证明方向已经成立，尚未证明每个岗位都能稳定替代。

但对职场人来说，等到成功率、接管率、回滚成本全部透明再行动，通常已经晚了。企业不会等Agent达到100分才使用。只要它在高频、低风险、可验收的环节达到70分，再配一个人兜底，岗位数量就可能先发生变化。

图注｜蚂蚁数科在WAIC现场展示企业客户与合作伙伴规模。

别和模板比勤奋，去占住模板上方的位置

如果你是25岁到45岁的职场人，我建议今晚就做三件事。

但在动手之前，先别用「我的行业很特殊」把自己摘出去。不同岗位受到的冲击不会同时发生，只是压价路径已经能看见。

行政、运营支持和项目协调岗，风险通常来自流程吞并。会议安排、材料汇总、状态追踪和提醒，本来就容易被定义输入与输出。一旦企业系统接通，过去需要三个人接力的流程，可能变成一个人管理多个Agent。

法务、财务、咨询、研究等专业岗，风险更多落在初级工作层。资料收集、初步审查、底稿整理和标准报告会先被压缩。高级判断不会立刻消失，但新人靠重复任务积累经验的梯子会变短。这一点很麻烦，行业仍需要资深专家，却可能不再愿意用同样数量的初级岗位培养他们。

销售、采购和人力岗位，会先被拿走信息处理部分，关系、谈判和冲突处理暂时留下。可别把「关系」理解成永久护城河。当Agent掌握更完整的客户记录、价格历史和沟通节奏，人类必须提供比记性更稀缺的信任与判断。

管理岗不会因为头衔自动安全。只做上传下达的经理最容易被中央Agent压缩；能定方向、做取舍、处理组织摩擦并承担结果的管理者，位置反而更关键。

第一件，把自己的工作拆成三栏。

左栏写重复发生、步骤稳定、结果可检查的工作。比如发周报、整理会议纪要、对账、更新CRM、筛简历、查资料。中栏写需要跨部门协商、处理例外和理解隐含利益的工作。右栏写出了问题必须有人签字、解释和承担后果的工作。

左栏最容易被做成模板。中栏会成为人机协作区。右栏暂时仍是人的价值高地。

如果你发现自己80%的时间都在左栏，不要安慰自己「公司系统很乱，AI接不进来」。系统越乱，厂商和FDE越有生意；接口改造只是成本，不是永久护城河。

第二件，亲手把一个小流程做成Agent。

不要再停在让AI润色文案。挑一个每周重复、失败损失不大的任务，给它明确输入、工具、步骤、验收标准和人工确认点。比如让Agent收集五家竞品一周动态，按固定维度对比，引用原始链接，再由你检查事实。

你亲手做过一次，才会知道自己的经验里哪些真是判断，哪些只是没有被写下来的步骤。

这一步可能让人不舒服。它像给自己的岗位做CT。但越早看到结构，越有时间换位置。

第三件，把价值从「我会做」挪到「我会定义、验收和担责」。

未来更贵的人，不一定是亲手做得最快的人，而是能把模糊目标翻译成任务、划定权限边界、设置成本上限、判断结果能不能用，并在出错时做决定的人。

采购经理不能只会比价，要能定义哪些风险不能为了低价牺牲。HR不能只会筛人，要能解释岗位真正需要什么、哪些标准可能造成偏见。项目经理不能只会催进度，要能识别目标冲突、资源瓶颈和谁应该承担决策。

这些能力也会被AI侵蚀，但它们比「熟练操作某个系统」更靠近责任，更难直接装进通用模板。

我现在仍有几个问题没想透。

当企业把员工的日常修正持续沉淀成Experience AI，那些经验的收益该不该回到贡献者身上？一个岗位模板出了错，责任落在模型厂商、平台、配置流程的人，还是点下确认的人？当数字专家按月订阅，人类员工会不会也被迫接受更细颗粒度的按任务计价？

蚂蚁今天上架的不是200个完整员工。

它上架的是200种把工作拆开、定价、复制的可能。

真正需要担心的，不是货架上已经有什么。

而是你的岗位里，有多少东西明天就能被摆上去。