米歇尔·陈工位隔板上那张纸，原来写的是一天怎么过。
蓝色马克笔，一项一项列着：客户工单分类，4小时；报告摘要，2小时；跨部门会议协调，1.5小时。旁边后来多了三个名字：“对账机器人”“报表机器人”“调度机器人”，下面是第一版指令。
这三个AI代理，几乎覆盖了她八小时工作里七小时四十分钟的内容。
ClickUp裁掉了“数百名”员工，同时说要部署“数千个”AI代理。对一家成立九年的SaaS公司来说，这不是给员工配工具，而是把一部分岗位拆掉，再用软件填回去。
待办事项变成了触发条件
米歇尔那张清单，以前是人要照着做的工作安排。现在，它更像一组API端点和触发条件。
客户工单进来，分类。
客服对话沉积下来，提取指标。
产品和销售之间的信息差，整理成会议材料。
这些工作看起来不像流水线，但都有一个共同点：流程半固定，结果可检查，出错后还能转人工。
ClickUp的账也很容易算。一个员工是按月付薪水；一个AI代理，按调用量付费。一个代理处理一千条工单，和一个客户成功经理拿整月工资，中间的差额，在美国SaaS公司的财务模型里并不模糊。
所以，“数千个”这个说法很关键。它说明这些代理不是挂在员工旁边的小助手，而是要填进公司原本由人占据的位置。
软件工程师习惯把系统拆成一个个服务。ClickUp现在
做的，是把岗位拆成一个个可执行任务。重复出现、产出可量化、例外情况少的工作，会被整理成指令集。
米歇尔给客户工单分类要4小时，因为她要读上下文、判断情绪、识别真实意图。但如果公司接受90%的准确率，接受边缘案例出错后再交给人工，那这4小时就可以从人力成本里划掉。
被裁掉的人，未必是在做“机械活”
最先被替换的，可能不是人们想象中最机械的岗位，而是客户支持、初级数据分析、内部运营协调这类工作。
它们的共同点不是简单，而是可模仿。
客户来电有固定分类。
报告摘要要抓特定指标。
会议协调有标准模板。
难替代的部分仍然存在。比如米歇尔每天最后那20分钟：处理VIP客户带情绪的投诉，或者说服销售部门接受一个对他们不利的产品修复计划。
但公司不会为了这20分钟保留一个完整岗位。它可以把80%的内容交给AI代理，剩下的交给少数人兜底。
ClickUp还新增了一个岗位，叫“AI代理绩效分析师”。
岗位描述不算具体：监控多个Agent的准确率与客户满意度指标；定义错误分类与异常案例提交流程；优化Agent的初始指令与回退策略。
这份工作要的不是原来的沟通经验，而是看数据、读日志、改提示词。一个被裁掉的客户成功经理如果想转过去，得先学会看AI代理留下的运行记录。
在美国，它先表现为砍人
美国SaaS公司这几年面对高利率和增长放缓，动作很直接：人力成本太重，就把一部分岗位换成机器。
ClickUp不是孤例。GitLab、Melio、Freshworks也在做类似调整。
这类公司里的岗位往往已经被流程化得很深。一个人负责什么指标、处理什么队列、交付什么文档，边界清楚。边界越清楚，就越容易被拆成任务，再交给AI代理。
所以，AI代理在这里不是先进入工具栏，而是先进入成本表。
到中国，切法会更碎
中国市场不会完全照着ClickUp走。
以飞书这类协同场景为例，AI代理更多是嵌在原有流程里，先当“智能助理”，而不是直接变成一个独立岗位。
原因也不复杂。很多中国中小企业里的岗位没有那么标准。一个客服可能同时管微信群、接电话、处理退款、协调库存。这个人不是只在一个系统里处理一种工单，而是在一堆临时问题里来回切换。
这样的岗位，没那么容易被工程化拆开。
因此，AI代理在中国更可能先落到流程固定、数据入口标准的地方：电商客服的智能分流，银行信贷的自动化审批，合同审核里的关键词校验。
在这些场景里，被改变的未必是某个岗位是否消失，而是一个团队怎么分工。一个主管带着四五个AI代理干活，像一个临时项目小组：机器先筛、先写、先报错，人再判断、改口径、处理例外。
ClickUp把米歇尔那张待办清单拆成了三个代理。很多公司接下来也会做同一件事，只是不会都把裁员公告写在前面。