下午6点，浙江一家制造企业的运营助理佳霖关闭了电脑，结束了当天的工作。
佳霖的职责涵盖店铺数据管理、商品维护和产品上架等任务，过去这些工作常从早上8点半持续到下午。但引入AI后，这些曾占据大半天时间的琐碎事务被压缩至三四个小时内完成，他因此能腾出更多精力投入新品开发和后台流量投放。
佳霖从重复性劳动中解脱出来，但业务员林可却难以轻松“下班”。他的部分客户仍在求学阶段，晚上10点后才方便讨论产品。“最晚一次，一个高中生11点多打电话来，我们就一款定制产品聊了一个多小时。”林可透露，客户常带着一张AI生成的图片就找上门，但到了车间门口，却可能因面料或工艺不符而无法实现。他必须将AI生成的想象逐项转化为车间能理解的生产参数。
佳霖和林可的日常，正是AI浪潮下小厂员工最真实的写照，而类似场景在义乌、永康、柯桥等产业带随处可见。义乌商城集团数据显示，当地已有近3万商户常态化使用各类AI工具。
上海科技大学教育、创新和可持续发展研究中心发布的《AI时代的中国劳动力市场》报告显示，研究团队基于2022年至2026年的7.43亿条招聘记录构建数据库，并对2026年1月至4月的4001万条线上招聘需求进行测算，结果发现26.6%的岗位处于高暴露、低互补的替代压力区，意味着每四个岗位中就有一个正面临结构调整的关口。
中国小厂因此站到了这一轮技术更替的十字路口：哪些经验可以融入系统，哪些判断必须留给人；当老板亲手打造AI员工时，打工人又靠什么留在下一张招聘表上？
再当一次职场新人
AI时代，岗位的任务和角色都已发生变化。佳霖仍坐在原来的工位上，岗位名称也未改变，但工作内容被重新梳理。他表示，尽管有AI辅助，但需要重新理解哪些事不必亲力亲为，哪些事变得更重要。“一些基础工作，比如运营、产品上架和数据处理，完全可以让AI帮忙。”不过，佳霖坦言，当买家也开始用AI生成产品创意时，人的专业性显得更为关键，因为有些AI生成的产品效果在工厂无法实现。“比如客户想要一个图案设计，但实际产品只能做印花不支持刺绣，而AI给的是刺绣效果，我们就需要提供更专业的建议。”对佳霖而言，工作的天平正在倾斜——一端是AI接手的标准化任务，另一端是更难被规则框定的职责。他必须学得更快、判断更准。
这种变化在浙江欧凯斯科技有限公司新媒体家清事业部代总监景江欢身上体现为重新当“新人”的新鲜感。33岁的景江欢毕业已有十年，学旅游管理的他进入电商本身就是一次职业转向。当AI进入公司后，他再次面对陌生的工作语言。景江欢坦言，起初身边的00后同事开始试用新工具时，他有些抗拒。“与工具难易无关，而是不想从头学新东西。”但真正学习后，他发现AI确实“能把人往上托举一把”——原本需要反复整理的信息能被迅速归拢。他最终沉下心，从AI的基础概念和运行模式学起，并尝试让AI教自己学AI，再逐步上手试错。
AI工具对效率的提升，在欧凯斯拼多多项目负责人徐林富身上体现得更深刻。据徐林富介绍，团队只有8名运营人员，却能维护约20至30家店铺。他透露，一条竞品链接可能积累五六万条评论，仅拆解几十条链接就得花10天甚至半个月。接入AI后，一个上午或下午就能完成。徐林富估算，知识库和分析工具为团队节省了大约一半到六成的时间。同时，他认为这种效率已进入公司的用人计算。“业务继续增长，团队不必再按原有比例扩充。”
上架商品、整理表格、处理回复曾是年轻人熟悉电商生意的入口，但这种重复操作的工作也最先受到AI冲击。上海科技大学CEISD的研究显示，在线上新增招聘需求中，月薪5000元至8000元、要求1至3年经验的岗位承压最深。
不过，AI给小厂带来改变的同时，也引发了岗位焦虑。对此，景江欢坦言：“当汽车时代到来，没有人会去问车夫的意见。技术不会等每个人准备妥当，驾驭马车的人只能重新学习如何驾驶汽车。只不过这一次，新的驾驶室落在了电脑屏幕上。”面对教会AI反而被淘汰的担忧，徐林富将问题归结为个人能力能否持续迭代。在他看来，被淘汰这件事谁都左右不了，他只能让自己成为那个总在学新东西的人。“如果每一种新事物的出现都足以构成威胁，那淘汰你的可能不止AI。”
千张图纸落地车间，还需人的经验
AI工具解放了前端的“双手”，让岗位的变化顺着订单继续向后传导，但一张效果图要落地到车间，仍需人“推着走”。林可告诉时代周报记者，他在小红书上找客户时，经常看到有人先发布一张AI效果图，再根据浏览量和意向金测试能否转化为意向订单，有了初步需求再找工厂。一只异形干发帽、一个尚未存在的抱枕，先在屏幕上接受市场检验，然后才被送到业务员面前。
接下订单后，下一步是校验图纸。AI会在只适合印花的材料上画出刺绣效果，画面看似完整，但车间却不一定能做出来。面对这种情况，林可会让AI辅助估算简单标识的报价，但碰到定制尺寸、特殊克重和刺绣针数，仍要找熟悉成本的师傅。他由此发现，出图快、报价快只能争取第一轮沟通，要真正留住订单，还得靠车间里积累的专业判断。
一张图可以在屏幕上快速生成，进入工厂后却要经过询价、核价、打样、改样，再在印花、刺绣和包装之间流转。尤其在“小单快反”模式下，订单以几十件、几百件起步，款式更分散、修改更频繁，外协厂的排期也无法随AI一同提速。
这种线上生成与线下落地之间的节奏错位，最终反映在用人结构上。不少小厂的招聘表因此同时出现减法和加法。
浙江一帆日用品有限公司总经理舒凯记得，以前一名设计师一天最多完成两三张图。现在，AI一天可生成800到1000张候选图，一套商品图片最快一小时左右即可完成。按原有业务量，原本需要两三名设计师配合的工作，如今一人借助AI就能承担。目前，一帆日用品公司减少了设计师岗位的招聘，只做基础事务的运营助理越来越少；小单定制增加后，专职打样师被补了进来，舒凯还计划招聘能力更强的供应链管理人员，逐段盯住生产进度。
老板手搓AI员工
岗位和用人结构变化的推手是中国小厂老板们。浙江哆品日用品有限公司创始人兼CEO吴献民第一次使用AI软件时，就先让它读取电脑上的资料，公司文件和他留下的经营判断便进入了知识库，系统也给出了对他本人和公司的分析。他看重的是AI能否积累记忆，他把AI当作一个能不断喂养经验的员工，相处时间越长，它越应了解老板和生意。
这套想法并未得到所有员工的响应。公司给业务员配备了AI手机，用于记录并归纳客户聊天。但吴献民发现，“手机的使用率不高，员工不会用，也不想用。”为降低使用门槛，吴献民开始搭建一个更简单的控制面板，将选品、市场调研、生成商品图、店铺运营和客户回复拆解为可直接调用的技能。员工上传图片、点击相应功能，系统便按预设流程执行。
吴献民用一组比例描述理想分工——前10%由人思考做什么、卖给谁，中间约85%的标准执行交给AI，最后5%由人把关。沿着这组比例，他设想一套软件搭配一个人，便能撑起一家1688店铺。系统仍在搭建和测试，距离稳定覆盖整家公司还有不少问题要解决，但吴献民已将目标从让员工会用工具推到了让AI承担一组岗位职责。
他还想给自己做一个AI老板。按吴献民的设想，每天的谈话、会议和决定将被记录，系统再分析哪些任务没有执行、哪项安排不符合逻辑，生成一份复盘报告。这个AI无法替他签字，也不承担经营后果，更像一个全天不走神的追问者，把老板自己的判断也纳入检查。
与吴献民将经验写入系统不同，欧凯斯总经理吴祥炬则从岗位内部推进改造。今年以来，吴祥炬组建了AI部门，引入AI工程师和数字化人才，并要求每名员工每月完成一项与本岗位相关的AI应用：人事开发面试、绩效系统，运营改造巡店、回评和投流流程。按照吴祥炬的预计，即便今年业绩实现翻番，欧凯斯员工规模仍将维持在200多人，但对员工能力和学历的要求却在提高。
无论是吴献民手搓“AI员工”，还是吴祥炬要求每个岗位重新拆解自己的工作，都指向同一场组织改造：原先依靠个人熟练度和部门协作完成的流程，开始被写成可读取、可调用、可检查的任务。标准动作向系统聚拢，人则退回到问题定义、异常处理和结果责任这些更本质的位置上。在AI冲击下，中国小厂的老板们意识到，企业要想获得下一次增长，需要提升的是系统能力，而非简单对人力做加减法。
下午6点，佳霖照常合上电脑；有些夜晚，林可11点后仍要接起客户电话；另一间办公室里，吴献民继续给AI员工添加资料和技能。技术的迭代不会停下，AI的能力还会继续变强。但AI无法感知面料的真实手感、客户的弦外之音，以及车间里那套没法被代码替代的经验。人与工具的关系，依旧要在每一间办公室、每一座工厂的日常磨合中，慢慢寻找答案。下一轮订单抵达时，工厂会补进一名打样师、一名AI工程师，还是干脆不再招人，没有人能提前预料。迭代后的招聘表上，每一项需求都对应着一家中国小厂对效率与人性的重新权衡。
（佳霖、林可为化名）
记者丨刘婷 实习生丨张晓蕊 编辑丨杨春霞 运营丨松 本文来自微信公众号“时代周报”（ID：timeweekly），作者：刘婷 张晓蕊，36氪经授权发布。
