受访者背景：跨境电商从业者，其公司经营30多个品牌，做亚马逊、沃尔玛、Temu等十几个电商平台，年GMV10亿美金，算是一家中型公司了。
替代效果：少了70%牛马，每月节省约60万美金支出，但经营不受影响
公司用AI替代牛马的前提是，经营不能受影响。公司去年开始就在用agent做牛马优化，但效果不明显。真正的拐点是在Claude Code以及Opus 4.6出现之后。公司一用觉得太牛逼了。
于是乎，从2026年3月开始，公司不是干牛马，是直接对组织动手术。之前产品经理、翻译、开发、广告投手、销售等独立岗位全部取消，缩减至3个大部门：市场、经营、项目部。现在一个牛马可以身兼数职：开发、运营、产品经理一肩挑，而且没有部门协调上的沟通成本，效率大幅增加。
简单说，过去4-5个牛马要干3-4天的活儿，现在一个牛马一天就能干完。
其实这很有启发性，如果公司只是把AI工具给牛马做单纯提效，是很难砍牛马的，得同时对组织结构动大手术才行。现在很多大企业因为各种阻力无法对组织结构动刀，砍牛马的动作看起来很慢，但中小企业可不管这些。所以agent对牛马的优化，会从中小企业开始。
2025年时，公司有700多牛马，现在只剩200多牛马，牛马成本每个月节省70-80万美金，AI支出每个月12-15万美金，省了60万美金。而且减了这么多牛马，公司GMV增速并没有下降。
落地环节：几乎涉及所有部门，IT、客服重灾区
落地环节1：客服，重灾区。之前客服牛马有40人左右，现在几乎不需要人，只留2个经理去审核退款就可以了。
落地环节2：广告投手。Agent直接干掉了80%的广告投手，而且用agent投放产生的ROI要比人工高。
落地环节3：产品研发。从产品创意、开模前的设计、调改全部用agent实现，除了与工厂的沟通，其他环节只留少部分牛马即可。
落地环节4：IT，重灾区。现在只留了3个牛马，做做数据库维护、网站更新。
落地环节5：财务、数据分析。过去公司财务、数据分析团队需要大量制表、计算，现在也不需要了。现在只需要：第一步，基于自家数据训练skill；第二步，把存储在ERP中的自家数据，通过API抓出来，喂给自家agent，然后数据分析结果就出来了。agent能优化掉该环节40%的传统人力。
模型选用：复杂任务给Opus，常规任务给Kimi
目前主要用Claude Code和Kimi Code两个agent。复杂的，需要思考的任务会交给Opus，简单、重复的死任务交给国产模型。
之前DeepSeek V4出来时，公司想省费用，试着用V4替代Opus的活。结果发现，尽管V4便宜，但综合效果、时长以及反复错误消耗的token，Opus的性价比要高于V4。用Kimi不用DeepSeek的原因是，kimi上下文能力更强，能读的行数更多。（卓哥注：每家公司的体感不同，国模选择仅代表该公司看法）
公司对Anthropic佩服得五体投地，觉得Opus 4.6是革命性的，4.8只是有提升，Fable 5又是跨越式提升，用Opus 4.8跑数据，一分钟300万行，Fable 5直接干到800万行。可惜只用了两天就被禁了。
但受访者表示，每月agent的花费并没有越来越大。首先是模型越来越聪明，解决同样一个问题，使用的token和时间显著减少。然后是，之前是所有人都有配额，都在烧token，组织改造之后，只留了少部分聪明人用agent，其他牛马都干掉了，烧token的牛马变少了。
总结和思考：
1.agent对牛马替代不仅局限于客服和IT部分，各条业务线都被影响。
2.只把agent分配给牛马作用不明显，需要对组织结构动刀。
3.agent对牛马的替代，大趋势是确定的，从个人出发，要早点做准备。访谈中我印象最深的是，问：“什么样的岗位不会被替代？”
受访者想了一会儿，说：“只有一小撮聪明人会留下来，然后把活儿全干了。”
来源：卓哥投研笔记