当公司开始用“工资”而不是“软件费”来买AI
上周，华尔街发生了一件有意思的事。
两天内，全球软件和法律服务公司的市值蒸发了2850亿美元（或者换算成人民币是超过万亿的市值蒸发）。法律数据巨头Thomson Reuters单日暴跌18%，创下历史最大单日跌幅。投资人甚至给这次抛售起了个名字 - “SaaSpocalypse”（SaaS末日，或者说软件产品末日）。
导火索是什么？Anthropic（大模型御三家之一，Claude的母公司）发布了一套帮企业法务部门自动处理合同审查、合规检查的AI工具。
普通人可能对这些公司没什么感觉。但翻译一下就是：Thomson Reuters卖的是律师用的专业软件，现在华尔街担心的是，律所未来可能不需要买那么多软件了，因为AI自己就能干这些活。
这里展现的重大变化是：AI不再只是工具，它开始直接抢活干了。
第一个变化：AI从”助手”进化成了”员工”
过去两年，大多数人用ChatGPT的方式本质上是”问答”，你问它一个问题，它给你一个答案。说到底，这是搜索引擎的升级版。
但最近这一波AI产品不一样了，特点是能主动完成复杂的长路径任务。
以最近爆火的OpenClaw为例。你可以把它部署在家里的电脑上，让它7x24小时帮你盯着股票市场，一旦发现机会就主动推送消息。或者你在通勤路上想写篇文章，素材都在家里电脑上，你直接用手机上的聊天软件发个指令，它就能帮你检索文件、整理素材、完成初稿。
再比如Anthropic最近发布的Cowork。你给它一个任务，它会自己拆解步骤、写代码、跑程序、算结果，最后把成品交给你。一个人类员工在办公室可能需要一两天才能完成的工作，它十分钟就能搞定。
还有Claude in Excel。以前你要做数据分析，得在Excel中点写公式、拖图表。现在AI作为Excel插件，直接用代码操作数据，你只需要说清楚想要什么结果。
举个更具体的例子。在Anthropic官方演示的一个场景里，用户给Cowork下了这样一个任务：
“我正在为一份投资报告做企业项目管理软件的市场规模分析。帮我做TAM/SAM/SOM测算，聚焦北美和企业级市场。用网络搜索，同时交叉参考我之前的研究笔记，尽量多方验证。最后输出PPT、Excel表格和带引用的Markdown文档。”
如果这个任务交给一个人类分析师，接下来会发生什么？他会先问你几个澄清问题：企业级市场的门槛是多少员工？时间范围是现在还是要做预测？然后他会列一个工作计划，逐项推进。
Cowork的反应一模一样。它先问了三个问题：企业规模门槛？（用户答：500人以上）时间范围？（用户答：2025年现状+5年预测）如果找不到文件夹怎么办？（用户答：找我要权限）
然后它列出了工作计划，开始一条条执行并打勾：收集数据、计算TAM/SAM/SOM、制作PPT、创建Excel、撰写Markdown文档、核验数据并交叉验证来源。
最后交付的成品：Excel里有完整的计算逻辑，PPT排版清晰可以直接用于汇报，Markdown文档带着所有引用来源。
作为一个做过大量市场分析工作的人，我的直觉判断是：这套活如果纯人工做，至少是几天的工作量。现在全部交给AI，产出质量看起来还相当不错。
这不是”更聪明的ChatGPT”，而是能独立干活、交付成果的数字员工。
这里还有个底层的变化：过去用AI写篇文章，消耗的计算资源其实很少；现在让AI完成一个复杂任务，它要自己写代码、搭环境、跑计算再交付结果，消耗的资源是传统聊天模式的百倍甚至千倍。换句话说，AI真的在”干活”了，而不只是”回答问题”。
第二个变化：公司开始从”工资预算”来付钱了
这个变化更有意思，也更值得普通人关注。
过去公司买软件的逻辑是这样的：每月20美元的订阅费，从IT预算里出，本质上买的是”工具”，让员工效率更高一点。
但现在买AI 智能体的逻辑变了。
市场上已经开始出现定价在1000-2000美元/月的AI服务。有些团队的人均AI消费已经达到500美元/月的水平。这个价格已经不是”软件订阅费”的量级了，这是在买劳动力。
当老板算账的时候，比较的对象不再是”这个软件值不值20美元”，而是”这个AI能不能顶半个员工”。
这意味着什么？
过去无论是消费互联网还是企业软件，本质上切的都是公司的营销预算或IT预算。这两块预算有天花板。但工资预算不一样，这是企业支出中最大的一块。当AI开始能独立完成专业工作时，它切的就不再是软件的蛋糕，而是人力成本的蛋糕。
这也解释了为什么华尔街反应这么剧烈。投资人看空SaaS软件产品的理由是”seat compression”（席位压缩），如果一个AI能干三个初级员工的活，公司还需要买那么多软件席位吗？还需要招那么多人吗？
对普通人意味着什么？
说了这么多行业变化，落到个人身上，我想强调的反而是机会。
如果你是老板或创业者： 团队能力的杠杆变了。以前扩张靠招人，现在可以尝试”1个专家 + N个AI员工”的模式。你不需要养一个完整的团队，而是用AI来放大核心人才的产出。甚至有人总结说，未来的工作模式可能是80%时间用于思考和决策，20%时间用于执行，因为执行可以交给AI。
如果你是职场人： 有一个洞察特别值得注意：”未来的高价值AI应用必须由行业专家主导”。
为什么？因为搭建一个AI工作流的门槛已经很低了，但判断AI产出的内容是否合格，需要真正的专业积累。一个AI可以帮你写法律合同初稿，但判断这个合同有没有漏洞，需要懂法律的专家；AI可以帮你做财务分析，但判断这个分析的假设是否合理，需要懂财务的专家。
换句话说：你的专业积累不会贬值，反而成了驾驭AI的前提。
AI能干活，但不知道该干什么活、干得对不对，这需要人来判断。未来值钱的能力是：能够精准地告诉AI任务背景和约束条件（依然是所谓的上下文工程Context Engineering），并且能够评估AI产出的质量。
说到这里，你可能会问：那我具体该怎么办？
一个简单的思考框架
最后，与其焦虑，不如问自己两个问题：
我的工作中有多少是”重复执行”，有多少是”判断决策”？
我能不能把执行部分交给AI，自己专注在判断上？
如果能，你就是那个”驾驭AI的专家”，AI是你的杠杆；如果暂时不能，现在开始学习怎么”指挥”AI工作，可能比学习任何具体技能都更有价值。
毕竟，当公司开始用”工资预算”而不是”软件预算”来买AI时，能驾驭AI的人，就是那个值得被付工资的人。