这两天看到一篇在跨境圈传播很广的文章，标题很直接：
《10亿美金的跨境公司砍了70%的人，老板说：GMV一点没掉》
这个标题足够刺激。
但真正值得看的，不是“裁了多少人”。
而是它背后的组织变化。
原文提到一个网传访谈案例：一家年 GMV 10 亿美金的中型跨境公司，做 30 多个品牌，覆盖亚马逊、沃尔玛、Temu 等十几个平台。去年还是 700 多人的团队，现在只剩 200 多人，一年内压缩约 70%。
更关键的是，老板说 GMV 增速没有下降。
原文也提到，这家公司每月人力支出节省约 60 万美金，每月 agent 支出约 12-15 万美金，部门从多个独立岗位收缩为 3 个大部门：市场、经营、项目部。
这个案例具体是哪家公司、数据是否完全准确，原文作者也做了提醒：无法替大家核实。
所以我不把它当成一个已确认的财务案例。
我更愿意把它看成一个方向信号。
因为这个方向，和我最近正在做的 AI 外贸试点、AI 入境游项目，以及和一些企业老板沟通的公司组织重构，完全对得上。
不是用了 AI，而是拆了组织
这篇文章里最重要的一句话，不是 10 亿美金，也不是砍掉 70%。
而是这个判断：
拐点不是“用上 AI”，而是“敢拆部门”。
很多公司现在也在用 AI。
开了 ChatGPT。
开了 Claude。
开了 Kimi。
给员工发了账号。
让员工写文案、写邮件、做表格、做图片、做代码。
但这只是工具层面的提效。
原来的部门还在。
原来的岗位还在。
原来的汇报线还在。
原来的审批还在。
原来的扯皮还在。
这种情况下，AI 只是帮人快一点，组织本身没有变。
原文提到的那个跨境案例，真正发生变化的地方，是不再让 AI 去帮某个岗位干活，而是直接把原来的岗位和部门拆掉。
产品经理、翻译、开发、投手、销售等原来独立的岗位，被整合到更少的组织结构里。
一个人可以同时承担开发、运营、产品经理等多个角色。
过去部门之间开会、等待、传递、审批、确认的时间，被大幅压缩。
原文里有一个效率账很直观：
过去 4-5 个人干 3-4 天的活，现在 1 个人 1 天干完。
这才是 AI 真正可怕的地方。
它不是让原来的岗位都快 20%。
它是让原来的岗位边界消失。
被清场的，不是边缘岗位
原文里还有一组岗位变化，很值得企业老板认真看。
客服原来约 40 人，最后只留 2 名经理审核退款。
广告投手原来是一整支团队，后来砍掉 80%，但 agent 投出的 ROI 反而更高。
产品、设计、调改这些过去高度依赖人工的环节，除工厂对接外，几乎都交给 agent。
IT 原来是一整个技术部，最后只剩 3 人维护数据库和更新网站。
财务和数据分析环节，通过 skill 加 ERP API 喂数据，结果自动产出，原文里写到优化 40%。
这些不是边缘岗位。
客服、投手、产品、设计、IT、财务、数据分析，都是跨境公司的主力岗位。
也就是说，被 AI 重构的不是某个可有可无的辅助环节。
而是公司最核心的运营系统。
这对很多企业老板的启发很大。
以前看 AI，很多人会问：
这个工具能不能帮员工提效？
能不能让客服回复快一点？
能不能让设计出图快一点？
能不能让投手多看几个账户？
但真正的问题应该改成：
如果 AI Agent 参与进来，这个岗位还需不需要独立存在？
这个部门还需不需要这么多人？
这个流程还需不需要这么多节点？
这个业务是不是可以用更少的人、更短的链路、更强的系统重新跑一遍？
成熟公司是先有结果再压缩，我们是从一开始就按 AI 架构启动
那个跨境案例之所以有冲击力，是因为它已经有结果。
年 GMV 10 亿美金。
团队从 700 多人压缩到 200 多人。
人员压缩约 70%。
GMV 增速没有下降。
这说明它不是一个 PPT。
也不是一个还没验证的想法。
它是在已有业务规模里，用 AI Agent 和组织重构，把人力成本、流程成本、沟通成本压下去。
但我最近做的 AI 外贸和 AI 入境游试点，逻辑和它不完全一样。
我们现在不是先有 10 亿美金流水，再去压缩 70% 的人员。
我们是从起步阶段，就直接按 AI 自动化架构去搭。
也就是说，一开始就不准备搭一个传统的大团队。
不先招一堆运营。
不先招一堆编辑。
不先招一堆客服。
不先招一堆投手。
不先招一堆技术。
而是先把 AI Agent、独立站矩阵、内容系统、图片处理、SEO、GEO、社媒内容、广告素材、AI CRM、客户跟进、数据复盘这些能力搭起来。
这样做的最大好处，是启动成本非常低。
传统项目早期，钱很容易花在人身上。
一个编辑。
一个运营。
一个设计。
一个投手。
一个客服。
一个技术。
还没开始投放，团队成本就已经上来了。
但如果从一开始就按 AI 架构搭，很多基础工作可以由 AI Agent 完成。
人只负责判断、校准、审核、决策和关键沟通。
这样省下来的钱，就可以更多用在广告投放、渠道测试、流量获取和真实业务验证上。
这对早期项目非常关键。
因为早期最重要的，不是团队看起来多完整。
而是能不能更快拿到客户、更快跑出数据、更快验证模型。
3-5 人外贸小团队，有机会支撑亿级流水
我现在正在正定做 AI 外贸模式试点。
这个试点还没有跨境公司那种规模化流水。
但它从第一天开始，就不是按传统外贸公司来设计。
传统外贸公司往往是业务员驱动。
招业务员。
上平台。
发产品。
等询盘。
跟客户。
报价。
打样。
成交。
复购。
每一个动作都高度依赖人。
这种模式当然能做，但很难轻。
而 AI 外贸试点，我更想搭的是一套新的组织架构。
前端是端侧获客矩阵。
包括垂直独立站、多语言内容、SEO、GEO、社媒、短视频、广告落地页。
中台是 AI CRM。
负责线索识别、客户分类、需求判断、回复建议、报价辅助、跟进提醒、数据沉淀。
后端是供应链和源头工厂。
负责产品、报价、打样、交付、履约。
人在里面做什么？
不再是重复填表、搬运资料、写低质量内容、机械跟进客户。
而是做判断。
判断哪个市场值得投。
判断哪个客户有价值。
判断哪个产品适合推。
判断 AI 生成的内容是否准确。
判断报价是否合理。
判断供应链是否靠谱。
判断什么时候该人工介入。
如果这个结构跑通，一个 3-5 人的小外贸团队，理论上就有机会支撑亿级流水。
因为它不是靠 3-5 个人手动干所有活。
而是 3-5 个人指挥一套 AI Agent 系统。
这个系统负责内容、获客、线索、跟进、数据和部分运营动作。
人负责方向、判断、关系和结果。
入境游也是同样逻辑
入境游项目也是一样。
传统入境游项目很重。
内容要人写。
线路要人整理。
咨询要人回复。
报价要人算。
邮件要人跟。
导游、用车、地接社要人对接。
多语言市场要人维护。
如果按传统模式做，想服务上万名海外游客，可能需要十几个人甚至更多。
但现在我们从起步阶段就按 AI 架构搭。
先搭多语言内容和垂直网站。
再搭海外社媒和广告入口。
再把游客咨询统一进入 AI CRM。
AI 先识别游客来自哪里、想去哪里、几个人、什么时间、预算多少、需要什么语言服务。
然后自动生成初步行程、报价建议、跟进任务和邮件回复。
人只处理关键判断和最终确认。
这个结构和外贸非常相似。
外贸是海外客户进入系统，最后转给国内源头工厂。
入境游是海外游客进入系统，最后转给国内地接社、导游、用车和目的地服务商。
本质都是：
海外获客。
AI CRM 承接。
国内供给侧履约。
如果这套模式在正定跑通，就可以迅速复制到更多产业带、更多目的地、更多区域服务里。
这也是我现在看重正定试点的原因。
不是只做一个项目。
而是先跑出一套 AI 组织架构、流程和方法。
跑通之后，再复制。
企业真正要重构的，是组织架构
最近我身边已经有多家上市公司的老板，在和我沟通 AI 重构公司架构和流程。
他们关心的不是“买哪个 AI 工具”。
而是更底层的问题：
公司哪些岗位可以被 AI Agent 改写？
哪些流程可以合并？
哪些审批可以取消？
哪些数据可以自动流转？
哪些部门可以重新拆分？
哪些人应该留下？
哪些能力必须重新训练？
我认为，未来很多企业会出现类似跨境案例的结果。
不一定每家公司都压缩 70%。
也不一定每个行业都这么快。
但一个大方向很明确：
如果流程足够清晰，数据足够结构化，任务足够规则化，AI Agent 就会不断吃掉原来靠人堆起来的工作。
未来很多公司可能只需要原来 20%-30% 的人员，就能维持原来的业务流水，甚至做得更快。
但前提不是简单裁员。
前提是重构。
重构组织。
重构流程。
重构数据。
重构岗位。
重构管理方式。
如果只是裁人，不重构系统，业务会崩。
如果只是发 AI 工具，不动流程，人还是那么多，效率也不会真正变化。
真正的机会，是先用 AI Agent 把业务流程拆开，再重新组装。
AI 不需要你直接干活，它需要你的判断
这篇跨境文章最后有一个观点很扎心：
未来留下来的，不一定是最会干活的人，而是会指挥 agent 的人。
这句话我非常认同。
过去一个员工的价值，来自于他会不会做。
会不会写。
会不会算。
会不会整理。
会不会操作后台。
会不会盯广告。
会不会跟客户。
但 AI 时代，一个人的价值会越来越多来自于判断。
你能不能判断方向？
能不能判断结果对不对？
能不能判断客户有没有价值？
能不能判断 AI 生成的内容能不能用？
能不能判断模型输出哪里有问题？
能不能判断流程怎么拆？
能不能判断哪些事情该自动化，哪些事情必须人工兜底？
AI 不需要你再做大量重复动作。
它需要你给目标、给约束、给反馈、给判断。
未来不会用 AI 的人，会慢慢被淘汰。
但更准确地说，不是被 AI 淘汰。
而是被会用 AI 的人淘汰。
这也是我现在启动 AI 外贸和入境游的原因
我现在做 AI 外贸和 AI 入境游，不是因为这两个行业突然简单了。
恰恰相反。
这两个行业都很复杂。
外贸有产品、工厂、报价、客户、平台、物流、付款、交付、售后。
入境游有线路、导游、用车、酒店、支付、语言、风险、履约、游客体验。
但也正因为复杂，AI Agent 才有价值。
复杂行业里，有大量重复工作。
大量规则化工作。
大量跨系统数据。
大量客户问题。
大量内容和沟通。
这些过去必须靠团队堆人。
现在可以用 AI 架构重做。
我们现在在正定做试点，就是想先跑出一套可复制的模型。
低成本启动。
小团队验证。
AI Agent 承担基础工作。
AI CRM 承接客户。
广告投放拿真实流量。
数据反馈优化系统。
如果跑通，未来就可以在全国多个产业带复制。
一个产业带，一个源头工厂集群，一个入境游目的地，都有机会用同样的 AI 架构重新做一遍。
这件事最重要的不是“少招几个人”。
而是公司从一开始，就不再按传统组织方式搭建。
它是一种新的公司架构。
一种新的外贸架构。
一种新的入境游架构。
也是未来很多企业不得不面对的新现实。
结语
那篇文章的标题说：
10 亿美金的跨境公司砍了 70% 的人，老板说 GMV 一点没掉。
这句话真正吓人的地方，不是 70%。
而是 GMV 没掉。
这意味着 AI 带来的不是局部提效，而是组织重构。
成熟公司会用 AI 压缩团队。
新项目会用 AI 降低启动成本。
传统公司会用 AI 重新拆流程。
未来公司会用 AI 重新定义岗位。
我现在越来越确定：
AI 不是帮公司省几个人。
AI 是让公司重新设计一遍。
而真正能留下来的，也不是最忙的人。
是能判断方向、能拆流程、能指挥 agent、能对结果负责的人。