当科技巨头Salesforce在2023年高调宣布用AI Agent替代传统客服人员时，整个行业都为之震动。创始人Marc Benioff甚至宣称公司将不再招聘新的销售人员，因为AI已经能够胜任这些工作。然而三年后的今天，这一激进策略正在显露出其局限性。
增长数据的警示信号
最新财报显示，Salesforce营收增长12%的表面数字背后，隐藏着令人担忧的趋势。剔除新收购的Informatica贡献，公司的有机增长率仅为8%。更值得警惕的是，其对来年的增长指引中，真实有机增长预期只有7%-8%，远低于曾经20%以上的高速增长期。
这种增长放缓并非偶然。在2023年至2025年间，Salesforce持续裁减了数以千计的一线员工，特别是客户成功团队。这些被裁撤的岗位并非边缘角色，而是深度嵌入客户关系链条的核心人员。
客户成功经理的工作看似简单，实则是SaaS业务的生命线。他们负责维护现有客户关系，解决使用问题，在续约节点前提前介入，推动客户增购更多功能。当这些经验丰富的专业人员被AI替代后，客户关系开始出现微妙变化。
隐性成本的显现
没有人跟进续约，没有人在客户遇到问题时第一时间出现——这种服务真空不会立即反映在财报上，但随着时间的推移，其影响逐渐显现。最新的财务数据表明，Agentforce的增长被市场营销、电商和Tableau业务的疲软所抵消，而这几个业务线正是人员削减最集中的领域。
分析师在财报电话会上提出了一个尖锐问题：Agentforce的增长是否在蚕食老业务？虽然Benioff没有正面回答，但这个问题本身已经足够说明问题。当企业客户将预算从传统产品转向AI产品时，如果总体支出没有增加，这就形成了典型的"内部蚕食"效应。
行业案例的普遍性
Salesforce的困境并非孤例。在一家财经媒体机构，老板决定用AI全面替代记者团队。全职记者被全部裁撤，只保留主编和几名兼职人员。结果，内容质量明显下滑，读者反馈文章"流畅但无实质"，B端客户也因为稿件质量下降而终止合作。
这家媒体的案例揭示了一个关键问题：他们销售的不仅是文字，而是对行业的判断力、采访关系和编辑眼光。这些价值是当前AI技术无法提供的。
工作性质的本质区分
从管理学的角度，我们需要清晰区分两类工作岗位：
流程性工作
这类工作遵循既定规则，输出标准化结果。例如数据录入、基础客服问答、模板化报告生成等。AI在这些领域的替代效率已经相当高，企业可以放心进行自动化改造。
关系性工作
这类工作依赖信任、判断、情境理解和长期积累来创造价值。如大客户维护、深度采访、战略咨询等。当前AI技术在这些领域仍然存在明显局限性。
Salesforce和那家媒体机构犯的相同错误，就是将两类工作混为一谈，用"AI能做"的逻辑贸然替换了"AI还做不好"的部分。
时间延迟的风险
这种错误的代价往往不会立即显现。SaaS公司的续约周期通常为12-24个月，媒体内容的信任消耗是渐进式的，品牌受损需要时间才能反映在数据上。等到问题凸显时，重建的成本往往是裁员节省额的数倍。
投资者的理性回归
资本市场正在重新评估过度依赖"AI叙事"的企业。Salesforce过去一年的股价表现落后于标普500指数，表明市场对那些内生增长乏力的公司持更加谨慎的态度。
投资者越来越关注的是AI如何帮助企业创造增量价值，而非简单地降低成本。那些能够证明AI确实增强了人类能力、开拓了新市场或创造了新需求的企业，更受资本市场青睐。
实践中的平衡之道
对于考虑AI转型的企业，以下建议可能有所帮助：
分阶段实施：不要一次性大规模替换人力，而是先从明确的流程性工作开始试点，逐步扩大应用范围。
保留核心能力：关键的关系性工作岗位需要保留人类专家，AI应该作为辅助工具而非完全替代。
建立评估体系：设立明确的指标来评估AI应用效果，不仅要看成本节约，更要关注客户满意度、续约率等质量指标。
重视过渡管理：为受影响的员工提供转岗培训，将人力资源重新配置到AI无法替代的增值领域。
技术局限与未来展望
当前AI技术在理解复杂语境、建立长期信任关系、进行创造性思考等方面仍然存在明显局限。这些局限不是暂时性的，而是源于深度学习模型的基本原理。
然而，这并不意味着AI没有价值。相反，当AI与人类专家协同工作时，往往能产生1+1>2的效果。例如，AI可以处理大量数据分析和初步筛选工作，让人类专家专注于需要深度思考和创造性解决的复杂问题。
组织变革的深层思考
AI转型不仅仅是技术升级，更是组织模式和商业逻辑的重构。企业需要重新思考：
- 哪些价值是只有人类能够创造的？
- AI如何增强而非替代人类能力？
- 新的组织架构应该如何设计？
这些问题的答案因行业和企业而异，但核心原则是一致的：技术应该服务于商业本质，而不是本末倒置。
第一批激进采用AI替代人力的企业正在用实际业绩为所有后来者划定红线。它们的经验表明，AI是强大的工具，但使用不当可能带来意想不到的后果。在数字化转型的道路上，平衡与技术理性同样重要。
