生成式人工智能（AIGC）在快速发展的过程中，企业和个人都有一个共同关注的话题：那就是AI员工会成为可能吗？AI员工能在哪些方面帮助甚至取代人类的工作岗位？AI员工真的能更便宜而且更会赚钱吗？无论是对于个人角度的AI Agent助理服务、还是对于企业的AI Workforce AI员工，AI当下的水平到了什么阶段、能在哪些工作场景帮助到我们，都值得持续关注。
日前美国风险投资机构NFX写了一篇博客，认为AI员工正在快速崛起，并将推动SaaS产业的升级，这就是软件和劳动力将融合成为一个市场。具体来看看：
过往的B2B SaaS是用软件来增强人类的工作和服务。现在在人工智能时代，软件本身正在完成所有工作。人工智能正在推进SaaS产业的转变：从“软件即服务”转变为“服务即软件”。
总体来看：人工智能劳动力（The AI Workforce，AI员工）的崛起正在创造软件和劳动力市场的融合。这将为企业创造巨大的机会。
劳动力和软件正在融合成为一个市场
SaaS 公司致力于将模拟流程带入数字世界。其目的是使现有职位描述的某些方面更易于管理，但 SaaS 永远无法自行运行，它总是需要公司投入一部分员工来运营该软件。例如，你可以购买 SaaS 销售工具，但你仍然且必须雇用并培训销售人员来完成工作。
在整个经济中，这意味着劳动力市场和软件市场是分开的——而在一家公司内部，招聘预算总是比软件预算大几个数量级。
粗略估算一下，美国企业在知识型员工方面的花费高达 5 万亿美元。相比之下，企业在 B2B SaaS 上的花费约为 2300 亿美元。
现在，AI软件既可以组织任务，又可以执行任务。劳动力和软件正在融合成一个巨大的市场。这个趋势不仅仅关系到市场扩张，也关系到利润的扩大。
在这种劳动力转型中，我们预计，随着人工智能服务取代由 SaaS 工具支持的以人为本的服务，服务业务（低于 30%）和 SaaS 业务（高于 80 %）之间的利润差距将缩小。服务业的利润率将向软件利润率靠拢。
市场和利润的扩大为新兴科技公司在传统软件尚未触及的领域涌现创造了机会。
请注意，这些估计仅涉及知识型工作。我们预计这一概念也将扩展到更多的体力任务中。随着未来生成式人工智能与物理世界之间建立新的桥梁，这种情况将会发生。建筑业和制造业是劳动力市场的重要组成部分，很可能最先见证这些变化。
随着这种融合的加速，我们预计一些工作角色将会消失。但从长远来看，人工智能可能会产生一种杰文斯悖论(Jevons paradox)——效率的提高会导致短期内资源的减少，但长期来看需求的激增会导致更多的资源使用。
这意味着我们预计未来对AI服务的需求会更多，从而提供更多就业机会。为了实现这一目标，人工智能还提供了快速劳动力再培训的机会，让人们能够转换职业并适应这些机会。
劳动力将“融入”企业购买的任何软件中。开始认识您的新 AI 同事。
打造“AI员工”公司的两种方法
截止目前，我们看到了两种在通过AI建立公司的方法：
1. 销售“AI 员工”（内部）
第一种方法是按照现有的职位描述进行推销。一个很好的例子是认知实验室的“人工智能软件工程师”Devin。
首先，Devin 贯穿了软件工程师的整个工作流程。它会遇到问题，找到解决方案，并告诉你它在整个过程中做了什么。它的工作方式与人类一样——甚至包括沟通方式。
其他类似的例子包括11x.ai或Artisan，这两家公司都创建了“数字 SDR”。在这种情况下，Alice 和 Ava 每周可以预约 2-3 次潜在客户会议，全天候工作，并在整个销售技术堆栈中工作。在法律领域，我们所投资的公司EvenUp已用人工智能自动化取代了催款信写作流程。
处于这一发展领域前沿的公司将是 NVIDIA 和Hippocratic.ai 的AI 医疗代理。这些 AI“护士”会进行患者访谈、进行健康风险评估并进行术后随访。在这种情况下，人工智能无法提供人类护士提供的全部护理，但可以减轻人类护士的负担（毕竟护士正处于长期劳动力短缺之中）。
我们看到，AI员工的数量正在不断增长。他们不仅精通基本的工作职能，还拥有一系列“软技能”，这让他们更像是同事，而不是软件。
2. 销售“AI 供应商/服务”（外部）
第二种方法是自动化整个工作流程，该工作流程通常包含许多不同的工作。这一概念基本上将取代整个服务业务提供的工作，例如全栈 AI 律师事务所、AI 经纪人等。
这里有几种类型：
第一种风格，也是我们现在经常看到的，是对现有 BPO（商务流程外包） 的重新构想。
这可能发生在以下领域：客户服务、销售、营销、财务和会计、供应链管理（物流和采购）、法律服务、数据收集/输入/分析、人力资源、翻译和本地化、软件开发、质量保证、网络安全或施工估算。
我们已经看到这种情况发生了。我们所投资的公司Smith.ai专门为中小企业开发了人工智能客服代理。他们的平台可以全天候响应客户电话和消息，其准确性通常需要雇用大量人力专家团队才能达到。
第二种类型，是创建一种新型的“公司”，如果没有人工智能，这种公司就不可能在同一屋檐下共存。
这一策略的关键是寻求需要多个利益相关者参与的分散流程。建筑或装修服务是这方面的一个很好的例子，因为模拟任务和数字任务的比例相等。
此类业务既可以涵盖“服务”市场，也可以涵盖“劳动力/雇员”市场。在这两种情况下，您都可以提供具有人类素质的劳动力，并获得利润。
另一个好处是，这一趋势还创造了颠覆 SaaS 现有企业的机会。首先，随着 AI 服务提供商在内部构建所需的工具，某些 SaaS 工具将变得多余。其次，可能会存在商业模式冲突。只要员工人数不断增加，按座位付费模式就会增加收入——而最初，AI 劳动力会减少员工人数。
总体而言，SaaS 支出可能会下降，颠覆 SaaS 现有企业，并为初创企业创造更多空间。
这就是为什么这个机会真的很大，甚至比企业软件还大。
AI员工能占据主导地位吗？
最大的机遇在于，雇佣AI员工的单位经济效益比雇佣或分包人工完成工作的单位经济效益高出 100 倍。在这种情况下，AI员工有可能会蓬勃发展。
这通常是通过结合人工智能的成本削减能力（自动化重复工作等）和人工智能的附加值（通过增强个性化来增加收入）来实现的。那我们如何寻找具有这些特征的机会呢？
首先，我们要问：在人类劳动力薄弱之处，AI员工有何优势？
这里有几个关键因素：
- 大量流程可以自动化。这包括简单、重复、大量任务。最初，这可能不包括复杂、多步骤、定制的任务
- 人力劳动力尤其昂贵
- 招聘困难，劳动力市场动态不佳（包括工人短缺和人员流失）
- 人力工作者的“投资回报时间”较长（例如需要大量的入职/培训）
- 工具碎片化程度高，这为将工具整合到顶层提供了机会
- 高容错性：也就是说，赌注不是生死攸关的
- 具有大量训练数据的领域——最好是专有的
这样看，AI员工擅长的领域包括法律文件查询、应付账款状况、社交媒体内容审核、数据输入或基本客户服务。
其次，我们要问：AI员工在哪些方面能够增加超越人类员工的附加价值？
- 个性化将带来巨大的客户价值
- 速度是服务质量的关键因素，全天候服务至关重要
- 异质性是高质量服务的障碍
为了说明两者，我们以教育为例。与人类教师相比，AI老师具有成本优势（例如，如果将 Khan Academy 的 AI 老师与公立学校教师的工资进行比较，AI 老师的工资大约便宜 80 倍）。
虽然人工智能不太可能在我们有生之年取代公立学校的教师，但我们很可能会看到人工智能在教育中发挥越来越大的作用。这项技术更具变革性的应用是这些AI老师创造的定制教育的额外市场。
AI老师可以全天候待命。理论上，AI老师能够根据学生的需求即时调整教学风格。这是一种即时个性化学习，可以在传统课堂之外进行。在这个领域，我们看到的是人工智能驱动的行业扩张，而不是人工智能驱动的自动化和替代。
谁将率先采用AI员工？
我们预计第一批采用者将是运营密集型的大企业或中小企业。AI 公司可以为这些企业开辟额外的扩张途径，这些企业传统上随着劳动力的增加而线性扩张，并且受到新增员工能力的限制。
现在，他们只需点击一下按钮即可增加AI员工数量，也可以减少AI员工数量，从而获得无限的规模和灵活性。
对于这些企业来说，人工智能提供了无限的杠杆作用，成本更低，结果更好。对于这些类型的企业来说，这是变革性的。
AI员工可以全天候工作。它没有糟糕的表现。在某些情况下，AI员工的工作成果可能比人类工作者更好。
我们还看到了其他一些企业也会使用AI员工：
- 快速增长的企业，例如科技初创公司，正在努力以足够的速度招聘特定职位的人员
- 私募股权支持的并购案高度关注运营效率（否则可能会裁员）
- 个体创业者在他们没有经验的领域面临着各种挑战，而且雇用全职员工也没有意义，这也解释了为什么他们每年要在自由职业者身上花费数十亿美元
- 大型企业拥有高流动率、低利润率的业务，由大量人力驱动。一种策略可能是针对人均收入比率最低的行业。或者传统上收入与劳动力成线性关系的行业中的企业
为何初创公司在AI时代更具有优势？
在人工智能时代，人们总是在问，谁能获得更大的回报：初创公司还是老牌企业？初创公司在这里有充足的机会，原因如下：
优势一：专业化优势
基础模型或大模型LLM能够很好地自动化大多数请求。但他们可能很难自动化最后 10-20% 的任务。看看 Devin 与 ChatGPT 或其他 LLM 的程序编码能力评估：
专业的AI员工一开始可能会比人工智能从业者表现更好，因为他们从事的是极其具体的知识工作，完美主义至关重要。对于软件公司来说，“足够接近”的代码还不够好。
在这一领域，拥有细分数据和人力的专业化初创企业将大大超越不专注的现有企业，并在转型初期获得市场份额。
优势二：商业模式冲突创造机会
每家公司和服务提供商都需要采用人工智能来保持竞争力。但情况可能并非一开始就如此。在经典的“创新者窘境”中，某些行业的现有服务提供商将因采用新技术而遭遇挫折。这为初创公司提供了巨大的机会。
以法律服务为例。一家采用按小时计费模式的律师事务所最初可能会拒绝采用人工智能，因为人工智能会减少每位客户的服务时间，这样保持客户数量不变会降低他们的总收入。
在此背景下，想象一下出现一家全栈 AI 律师事务所（初创公司），它同样可以提供基础法律服务，成本仅为后者的一小部分，涉及的案件和客户数量也更多。尽管品牌知名度不相同，但他们可能会开始从人工律所手中抢走市场份额。
这些商业模式冲突是网络重组的罕见时刻。随着上一代的适应，这种优势窗口将关闭，但获得优先依附的初创企业将更有能力长期争夺市场份额。利用这一优势可以创建大规模的企业。
优势三：更快的企业销售途径
现在每家公司都在考虑采用人工智能，或者至少面临着这样做的压力。这意味着与初创公司合作的意愿比过去更高。当然，有些公司会选择自己构建这些自动化系统，但更多公司可能会选择在早期与初创公司合作。
即使现有企业设法在内部实现其运营的某个方面的自动化，他们也不太可能对业务的每个部门都这样做。虽然现有企业专注于向其客户推出这些服务，但初创公司也有空间直接向企业/现有企业销售产品。
不久的将来：有灵魂的软件
最初，许多此类“服务即软件”公司看起来只是自动化的。你可以将 99% 的日常“管理”任务自动化。但要让劳动力和软件真正融合成为一个市场，一些公司需要超越这一点。完成融合过程的公司将具有一定程度的“人性化”。
这是因为真正优质的服务不只是高效，还令人愉悦。
现有的自动化技术擅长处理相对简单的任务：订餐、汇款。消除摩擦在这里非常有效。但如果事情很复杂或混乱……你还是会打电话找客服代表。
软件要想真正取代服务，必须具有相关性、容纳人类使用中固有的混乱、错误和耐心理解。消除摩擦是不够的。它必须看起来和感觉起来像与人互动。
换句话说，软件必须在某种程度上具有灵魂。这种灵魂可以以不同的方式存在，从神奇而直观的用户界面到深思熟虑的个性化“个性”。
下一波人工智能自动化将会理解并适应用户，就像优秀的客户服务代理、销售代理或服务提供商一样。
我们已经看一些AI创业公司正在开发这些情商技能，比如Hume.AI，它基于一种“共情大语言模型”，吸收了人类交流的细微差别，比如语调、语音调节等。
随着我们希望实现自动化的任务变得越来越复杂，这种“灵魂”变得越来越重要。这就是人工智能如何真正在需要更多实践方法的领域发挥作用，例如教育、治疗或医疗保健。从长远来看，有灵魂的软件可能比那些寻求自动执行重复任务的软件更加持久。
这是软件和劳动力真正融合的最后一步。虽然AI员工现在还未实现，但很快就会实现。