#职场# #人工智能# #数字员工# #AI替代#

一位化名叫赵明的销售，最近正在密集拜访各家银行。他推销的不是理财产品，是一个"数字员工"。

据《每日经济新闻》报道，赵明给客户算了笔账：这个能做贷后催收的AI岗位，每月服务费8000元，外加每年2万元技术支持费，产能号称顶4个真人，2到4周就能上岗。真正打动人的是最后一句——干得不好，一键下线，没有离职补偿，也没有交接成本。

"随时能用、随时能删、还不用交社保"，这套话术正在银行、客服、软件、法律行业里落地。智能体第一次有了岗位、月薪、考核和解雇流程。但它的工资单，和人完全是两种算法。

把这层算法拆开看，你会发现一个更值得关心的问题：计量单位由谁定义，谁就拿走了省下的钱，也顺手决定了谁会被淘汰。

同样叫"解决一个问题"，报价凭什么差4倍
智能体怎么收费，这几年换了好几代：最早按账号席位收，像卖软件；后来按用了多少"词元"收，像卖水电；再后来按对话、按动作收；现在被看好的是"按结果收费"——真把问题解决了才付钱，没解决转人工不收钱。

听起来很公道。可把几家头部AI客服的公开报价摆在一起，怪事就来了：同样叫"解决一个问题"，Intercom的Fin收0.99美元，Zendesk按年度承诺量收1.5美元、零散用收2美元，Gorgias年付每个0.9美元、月付则是1美元，HubSpot的Breeze从今年4月起把每个已解决对话调到0.5美元。最高的和最低的，差了4倍。作为对照，真人客服处理一张工单的综合行业成本，大约在1.25到4美元。

同一个名字，装的根本不是一回事。分歧的关键是：什么才算"解决"？
行业里有两种算法。一种叫"假定解决"：客户在一段时间里不再追问，系统就默认问题已解决，照单收费。Fin的规则里就写明，客户离开后不再求助，或者静默满24小时，就算一次解决。另一种叫"确认解决"，要客户点头、或经过独立核验才计费，但这么做的是少数。

差别在哪？一个被绕晕了、赌气关掉窗口的人，和一个问题真正被处理好的人，在账单上一模一样，分不出来。

还有更粗糙的，叫"分流"收费：只要工单没转到人工，就算钱。机器人答错、反复兜圈子、把客户气到放弃，统统算"成功拦截"。一家做复杂行业客服的公司今年6月专门撰文批评：这种算法奖励的是把人挡在门外，而不是把事办好。

卖方当然会优化自己被考核的那个指标。按对话收费，它就倾向多聊；按拦截收费，它就倾向挡人。需要说明的是，上面这些解决率、成本对比，大多来自厂商自己的测算，实际成交价还会随采购量浮动，得当作卖方说法看，而不是中立结论。

国内的卖法更直白。一批软件公司正从"卖软件"转向"按效果付费"，百融云创提出"结果即服务"，云徙科技赴港交所申请时也把这条当主线。对买家这是好事，也藏着陷阱：好事是不用为失败买单，陷阱是"失败"两个字由谁认定，合同里往往写得没那么清楚。

上岗很快，下岗更快
先看数字员工自己的命运，这可能是三层淘汰里格外残酷的第一层。

GPT商店是个现成样本。OpenAI宣称上面的定制智能体超过300万个。2025年初，华中科技大学一个团队完整抓取了其中72万多个，覆盖29万多名开发者，结果发现：约90%的智能体对话次数不足100次，而对话超过10万次的，占比不到0.1%。流量极端集中在头部，一个只做了26个智能体的账号，产生了超过4800万次对话。大多数智能体被造出来后，连创建者本人都没再打开过第二次。

中国今年春天演过一场更快的生灭，主角是个红龙虾图标、名叫OpenClaw的开源框架，网友叫它"小龙虾"。它的作者是奥地利程序员彼得·斯坦伯格，PDF软件公司PSPDFKit的创始人。项目去年11月以另一个名字起家，今年1月底才定名OpenClaw；2月，斯坦伯格带着项目加入OpenAI，方式是连人带团队一起雇下，业内称为acquihire，产品本身并未被收购，OpenClaw随后转入独立基金会、继续保持开源。开春后它彻底爆火：3月3日，GitHub收藏量突破25万、超过老牌框架React，是这个平台历史上增长最快的开源项目之一；到8月26日，star数已接近38.8万。

腾讯曾在深圳办公楼前摆点免费安装，排队近千人。

地方政府也迅速跟进。无锡高新区3月发布"养龙虾12条"，对具身智能、智能质检等关键技术单项支持达500万元；深圳龙岗区则发布《支持OpenClaw&OPC发展的若干措施（征求意见稿）》，俗称"龙虾十条"，拟对企业采购这类数字员工按投入补40%、单家年度上限200万元，符合条件的种子项目还可获得1000万元股权投资。政策热钱涌入，市面上很快冒出几十款带"龙虾"字样的衍生品。

退潮一样快。据非凡产研统计，2026年4月到8月，OpenClaw官网的月访问量从约1420万次降到277万次、回落约八成，其估算的活跃用户也从631万降到141万、回落约78%。二手平台上甚至出现了"付费远程卸载"的生意。原因不复杂：24小时在线让调用账单烧得飞快，模型厂商取消了订阅对第三方工具的覆盖，安全风险引来官方通报。更根本的是，多数人其实没那么多活要它干。值得一提的是，作为技术框架的OpenClaw仍在更新，凉掉的是"全民养虾"这个消费热点。

整个行业的代谢速度都很快。据AI Graveyard统计，2025年全球有392个AI工具停止服务，平均一天消失一个，连不少明星产品都在名单上。RevenueCat《2026年订阅应用现状报告》显示，按年付费订阅口径，AI应用的年度留存率中位数只有21.1%，低于非AI应用的30.7%，人们愿意为尝鲜付费，新鲜劲一过就走。

资本转得更快，据烯牛数据统计，今年上半年中国智能体赛道有83起融资、同比增长131%，可一到下半年，钱就快速转向了具身智能。投资人很要命的一问是：模型厂商亲自下场，你怎么办？一家创业公司打磨三个月的合同审查智能体，可能某天就被模型厂商做成了内置功能。

数字员工对雇主几乎没有转换成本，工作流能复制，关掉开关就立刻消失。它被夸成"理想员工"的理由，随时在线、不要社保、不会谈判、可以无限复制，恰恰也是它容易被率先牺牲的原因。

花钱买它的人，也算不清账
第二层淘汰，发生在买家这一侧。

毕马威《2026全球技术报告》给了一对扎心数字，这份报告调研完成于2025年、2026年初发布：88%的受访企业已经开始把智能体接入系统，但只有24%能在多个场景里真正拿到回报。Gartner今年上半年一份面向首席信息官的研究指出，59%的AI项目没能走进生产环境，71%的人说最难的，是挑出一个能量化成果的场景。

中国数字员工市场排名第一的金智维，把这件事变成了一份招股书。截至2026年6月底，它宣称已部署超过200万名AI数字员工，覆盖六大国有银行和九成以上证券公司。

但这个数字是按卖给客户的"授权数量"累计算的。快思慢想研究院院长田丰解释：一个授权往往只对应一个具体流程，比如发票核验、开户录入。一家大行买几十个流程，在招股书里就被记成几十个"数字员工"，和真正在岗干活的数量是两回事。

再看经营：客户留存率从2023年的74%降到今年上半年的60%，客单价从38万元降到15万元，2023到2025年三年累计亏损约5.3亿元；按收入算它是细分市场第一，可弗若斯特沙利文的数据显示，这个"第一"的份额只有3.3%。而它当下的主力收入，仍来自上一代流程机器人，真正用上大模型的智能体贡献还不到三成。

连衡量一个数字员工干了多少活，各家银行都没有统一语言：工行按"人年"算，称相当于5.5万人年；招行按"小时"，称节约人工效能超1556万小时；江苏银行按"工时"，披露累计替代120万工时。这些数字既不能相加，也不能互比，就像用米、用斤、用桶去称同一种劳动。

隐性成本同样惊人。软件平台Jellyfish测算，轻度用AI时合并一次代码成本是0.28美元，重度使用可能飙到89美元。这还只是明账：多份2026年的企业总拥有成本测算显示，智能体首年实际花费普遍比厂商报价高出四到六成，大头花在上马后的集成、治理、人工兜底和运维上；在金融、医疗这类强监管行业，合规相关投入还会再增加四到八成。

账本身也在膨胀。国家数据局数据显示，中国日均词元调用量从2024年初约1000亿，涨到2026年3月超140万亿，两年涨了上千倍。可李彦宏说得直白：词元代表的是成本，不是收益。他因此主张换一把尺子，用"日活智能体数"而不是调用量，去衡量AI到底创造了多少价值。

成本端的幻想也在今年集中破灭。Uber给约5000名工程师配了AI编程工具，4个月烧光全年预算，单个工程师每月调用成本在500到2000美元，公司只好给每个人设上限。

国内也有公开复盘。据美团核心本地商业CEO王莆中今年8月在西普会上的演讲，公司2到3月依托OpenClaw搞"全员养虾"，一度覆盖约10万名员工、两周生成超10万个技能，单日算力成本冲到上千万元；粗放推广加上模型输出误差，一度开始干扰真实经营，到4月公司就主动叫停，转向技术中台统一收口。

企业这才明白，买回来的不是不知疲倦的员工，而是一项同样需要约束、验证和持续治理的工程。

被重新定价的人，和一场昂贵的反转
第三层，才是多数人真正关心的：人怎么办。

国际货币基金组织的研究估计，全球约40%的岗位会受到AI影响；其亚太部的研究还显示，在AI高暴露岗位上，用工需求下降约一成。但雇主更常见的做法不是直接裁员，而是改用会用AI的人。

上海科技大学今年7月发布的中国劳动力市场研究，基于五大平台超过7亿条招聘记录，发现线上招聘池中超过1/4岗位处于高替代敞口。但"高替代"不等于"高风险"，约2100万个岗位是通过任务重组新产生的，占总招聘量18.6%。客服持续收缩，负责架构、故障处置和跨团队协调的资深工程师反而涨薪，压力突出的是1到3年经验的入门岗。

腾讯调研与复旦大学社会发展与公共政策学院的一份联合调查里，62%的人担心被"更懂AI的人"替代，高于担心被AI直接替代的54.3%。人们更怕输给会用工具的同类。

一项被称为"合成资历"的研究还点出一种两头受挤的处境：初级员工借助多个智能体能把产出提到约3倍速，却可能掩盖系统理解和风险判断的不足；而不会驾驭多智能体的资深员工，又会因纯手工产出不再划算被边缘化。价值正在从"动手执行"，转向"定义问题"和"风险管理"两端。

但2025年以来很值得写的一章，是反转。

很有代表性的是瑞典先买后付公司Klarna。2024年2月，它的AI客服首月处理230万次对话，公司称相当于约700名全职客服的工作量。这里要先澄清一个被反复误读的数字：700是"工作量等值"，不是当天裁掉700人；公司总人数一年间从约4500降到约3500，主要靠冻结招聘和自然减员。

可激进替换还是带来质量崩塌，复杂纠纷没人处理。2025年5月，首席执行官公开承认在人力上砍得太狠、让成本主导了判断，随后重新开放了高端和复杂岗位的人工招聘。AI没撤回，人被放回了需要共情和灵活裁决的那一层。

澳大利亚联邦银行的反转更快。2025年7月它宣布用AI语音机器人替代45名客服，结果来电量不降反升、投诉激增，仅仅一个月后就公开道歉、撤回裁员。按工会方面披露的方案，被裁员工可以在三个选项里选：回到原岗位、内部转岗，或继续领取补偿自愿离职；而且部分人回去后的岗位，和原来并不完全相同。据当地媒体报道，一位在银行工作25年、参与训练那套AI系统的老员工，就选择领取补偿离开，没有回到原岗位。

另有一份机构调查称，55%急于用AI替换人力的企业事后表示后悔，不过这来自单一调查，需要谨慎看待。

也要防止反过来说"AI没用"。非营利机构METR 2025年的随机对照试验发现，资深开源开发者用AI做复杂任务时反而慢约19%，但这只针对高技能人群和复杂任务，不能外推成"AI普遍降效"。

普通中国劳动者经历的，是一种更隐蔽的重组。有公司把"开发了几个AI技能包"写进绩效考核，统计每人的AI使用量，不达标就约谈；有公司要求全员训练数字分身后，解散了整个产品部门；山东一家游戏传媒公司甚至把一名刚离职的人事专员"复刻"成数字分身，让它继续处理咨询和表格，公司称已征得本人同意、目前只是内部测试。

一位家装设计师的细节很有代表性：数字分身一次生成14张图，人工逐一查错后，只有2张能直接用。清华大学经济管理学院领导力与组织管理系主任、Flextronics讲席教授李宁的判断点在了关键处：人机分工不能只看问题难易，更要看AI出错后是否可逆、损失有多大。

营销里是员工，法律上从来不是
制度正从两个方向追上来：一头管它能不能随便把人挡在门外，一头管它闯了祸谁负责。

中国最早落地的规则在客服场景。2026年9月1日，首个聚焦人工与智能客服协同的国家标准开始施行。它要求转人工必须有便捷入口、切换后不重复询问；一旦涉及价格、退款、赔偿、合同变更这类事，AI可以解释规则、收集材料，但最终确认必须由人工完成。

这是份推荐性标准，没有直接强制力，却会成为监管和裁判的参考。背景很现实：中国消费者协会今年上半年指出，AI客服的主要毛病是虚假承诺和找不到人工，一个投诉平台上相关投诉超过4700条。

欧盟走的是责任压实路线。AI法案没给智能体单独立规矩，而是把它纳入既有定义：高风险系统要有人工监督、日志至少留存6个月，违反禁止性条款最高可罚3500万欧元或全球年营业额的7%；用第三方模型拼装智能体的企业，也很难把责任推回上游。云安全联盟今年6月把这套精神概括成一句话：部署智能体不会把责任转移给智能体，只会把问责集中到部署它的组织。

不止欧盟，新加坡今年1月发布了全球首个专门面向智能体的治理框架，核心之一就是让人承担实质问责；美国科罗拉多州今年5月也签署了新一轮法案SB 26-189，将于2027年1月生效，要求企业在就业、信贷、医疗等"重大决定"中履行告知义务、允许当事人申请人工复核，相关记录至少留存3年。

就连"机器人税"的争论也绕不开身份。比尔·盖茨今年8月再次主张征税，OpenAI今年4月的报告也提出可为再培训筹资，但中国官媒9月刊文认为短期不宜开征，很关键的一条理由恰好是本文的主线：AI不是法律主体，不能拥有财产、独立纳税或承担责任。

所谓对AI员工征税，最终只能落到用它的企业头上。在营销话术里，它是不知疲倦的数字员工；在法律和财务上，它从来不是员工。它不缴社保、没有补偿，也没资格替谁担错。

写在最后
回到开头那笔账。理解数字员工的定价与淘汰，其实就是在问一个朴素问题：当一个问题没有被真正解决，成本由谁承担？

计量单位由卖方定义，成本就甩给被气走的客户；经验被无限提取成技能包，成本就落在被重组掉岗位的人身上；企业以为按下开关就能省钱，成本会以返工、投诉和品牌受损加倍返还。活得更好的组织，往往不是早早用上AI的，而是早早想清楚哪些环节必须留在人手里的。判断标准也很简单：这件事AI做错了，能不能挽回，代价有多大。

对个人来说，一个越来越确定的趋势是：可被计费的动作和对话都在快速贬值，价值向"定义问题"和"最终裁决"两头集中。与其让自己变成被按次计费的一环，不如争取成为那个有权判断"这到底算不算解决"的人。

下次再遇到AI客服弹出那句"您的问题已解决，请问还有什么可以帮您"，你或许会多想一秒：它说的解决，和你要的解决，是同一个解决吗？

免责声明

【一、创作说明】本文为AI辅助创作、经人工审核修正的研究性内容，仅供学习交流，不代表任何机构立场。

【二、人物与案例】文中销售"赵明"为《每日经济新闻》原报道使用的化名；其余企业、机构、人物均来自公开报道或其公开发言（如金智维招股书、王莆中公开演讲、工人日报与中新网对"数字分身""技能包"案例的报道等）。本文在公开事实基础上做叙述组织，未虚构对话或情节，案例细节以原始报道为准。

【三、数据来源与口径】数据来自公开报道、企业招股书与公开报价、政府及机构报告、学术研究，检索核对完成于2026年10月，行业信息与厂商报价可能随后续调整。其中GPT商店数据来自华中科技大学团队发表于ACM Internetware 2025的研究；OpenClaw访问数据来自非凡产研；厂商解决率、成本对比多为企业自述或卖方测算，企业总拥有成本为行业测算而非官方统计，"55%企业后悔"等单一调查已在文中标注；不同来源统计口径不一，不宜直接横向加总。

【四、免责声明】本文不构成投资、法律或其他专业建议。文中对监管规则的介绍为一般性梳理，具体合规问题请以现行法律法规和专业意见为准；如有疏漏欢迎指正。

【五、转载要求】转载请注明出处，并完整保留本声明五个部分，不得删改数据口径提示。