（本文作者为 Alter，钛媒体经授权发布）
文 | Alter
谈到 AI 与职场的关系，很多人最先想到的往往是程序员。
Codex、Claude Code、Cursor 等工具，深度改变了代码生产方式。原本需要程序员一行行敲出来的代码，变成了一句需求，剩余工作交给 AI 自动生成、修改、测试乃至提交。
但 OpenAI 最近对 Codex 的更新，向外界释放了一个关键信号。
OpenAI 发布了六款面向特定职业场景的插件，包括数据分析、创意生产、销售、产品设计、股权投资和投资银行业务，每个插件都整合了相关技能、指令和工作流程，让 Codex 能够模拟特定岗位的工作方式。
原因并不难解释。
在 Codex 的周活跃用户中，知识型工作者目前已占用户总数的约 20%，且增速是开发者群体的三倍以上。
不只是 OpenAI，Claude Cowork 以及 Kimi 最近推出的 Kimi Work，也把本地文件、网页、代码执行、工作空间、任务进度和 Skills 放在了同一个桌面应用里，将目标用户从开发人员扩大到了知识工作者。
一场事关职场人的隐形分化已然拉开序幕：有人还在问 AI 助手，有人已经开始指挥 Agent 团队完成复杂任务。
01 职场人用 AI 的三个段位，你在第几层？
过去判断一个人的职场竞争力，主要看三个指标：学历、履历和岗位。
毕业于什么学校，进过什么公司，负责过什么业务，基本就能确定一个人的能力画像。但在 AI 进入工作流后，评价体系中加入了一个新的变量—— 和 AI 的协作方式。
对应的不是使用习惯，而是生产关系。
第一类职场人，把 AI 当作“ 更聪明的搜索引擎”。
“ 这个概念是什么意思？”“ 帮我查一下资料”“ 这段话怎么写得更正式？”“ 帮我总结一下这篇文章”……AI 进一步降低了信息获取门槛，缩短了搜索、筛选、整理的工作流程。
问题在于，生产力仍然停留在“ 获取答案” 的层面。
提出一个问题，AI 返回一段内容；提出下一个问题，AI 再返回下一段内容。整个过程看似高效，本质上还是一问一答。AI 扮演的是外部知识库，而不是工作执行者，解决的是“ 我不知道什么”，而非“ 我要完成什么”。
第二类职场人，把 AI 当成“ 外脑” 和“ 陪练”。
不只是问资料，还会让 AI 帮自己梳理逻辑、搭建框架、生成方案、修改表达、分析利弊，甚至辅助写代码、做推演、找漏洞。到了这个阶段，AI 已经不是纯粹的信息检索工具，开始参与思考过程。
依然有一个瓶颈：AI 并未真正接管工作流。
AI 提供的是素材、框架和建议，最终的推进仍然高度依赖人，要不断追问、修正、复制、粘贴、整合、排版、转格式。AI 提供了多个思考视角，让某些环节变快了，但没有改变整个任务的组织方式。
第三类职场人，开始把 AI 当成“ 可调度的执行团队”。
最鲜明的差别是提问方式，不是“ 帮我写一段竞品分析”，而是“ 基于这些资料，完成一份新能源汽车出海竞品研究，输出一份 Word 深度报告、一张 Excel 竞品对比表、一份 15 页 PPT，以及一页纸管理层摘要。”
得到的不止答案、建议和素材，还有可交付的结果。
区别在于对 AI 能力的认知：过去两年里，大模型的能力集中在“ 回答”，到了 2026 年中，“ 交付” 已经是模型能力的现在进行时。直接的例子就是近期备受讨论的 Kimi Work，直接把 Agent 集群的能力提高到调用 300 个 Agent 同时干活，比如调研 Agent、数据分析 Agent、产品 Agent、美术 Agent 等等，协同完成用户指定的任务。
相当长的一段时间里，使用 AI 的要领都是提示词。
但 Agent 集群出现之后，Prompt 只是入口，真正重要的是任务管理能力。从简单使用工具，到管理一个 Agent 团队，职场人的能力评价体系正在从“ 会不会写提示词”，迅速拉大到“ 会不会拆解任务、分配任务、验收结果”。
02 告别一问一答，让 Agent 团队自主协作
对职场人而言，学会指挥 Agent 团队，已经是一道必选题。
在对话阶段，人和 AI 的关系很简单：你问一句，它答一句；你补一个要求，它改一版；你发现不满意，再继续追问。整个过程看似是 AI 在帮你工作，但底层仍然是串行的，也是很多人没有感受到“ 十倍生产力” 的原因。
因为 AI 提升了单点效率，却没有重构工作流程，很多人仍然被锁在了繁琐且低效的工作链条里。
同样是“ 完成一份 AI 产业链投资机会研究”。
如果是豆包或 DeepSeek，需要先让它“ 总结 AI 产业链主要环节”，再“ 列出核心公司”，接着“ 分析商业模式”，然后“ 整理估值指标”。需要自己判断哪些能用，哪些要删，哪些要改，最后再拼成报告、表格和 PPT。
OpenClaw 代表的单 Agent 产品，可以在一定程度上自主规划步骤。但在多数情况下，只是一个能力很强的个人助理：先做任务 1，再做任务 2，再做任务 3。一旦任务比较复杂，串行模式的瓶颈就会暴露出来。
一是注意力被拉长。任务链条越长，越容易出现前后口径不一致、早期设定被遗忘、细节在后半程丢失的问题。
二是能力会被平均化。一个 Agent 既要做调研、做数据、写报告，还要排版，很容易变成“ 什么都能做一点，但每个环节都不够专注”。
三是容错能力偏弱。前面某一步判断错了，后面的分析、表格和 PPT 都可能被带偏；中间某个环节失败，整个交付质量都会受到影响。
Codex、Kimi Work 等桌面端应用，弥补了单 Agent 的短板。
以 Kimi Work 的 Agent 集群为例，执行逻辑不是把一个 Agent 训练成无所不能的“ 超级员工”，而是把一个复杂任务自动拆成多个子任务，让不同专长的 Agent 并行处理。
某种程度上说，多 Agent 协同更符合人类社会的协作。就像一个公司做项目，不会让一个人同时负责行业研究、数据分析、产品判断、视觉设计、汇报撰写和最终审核。
回到“AI 产业链投资机会研究” 的任务上，Agent 集群的工作模式是多个 Agent 同时开工：
调研 Agent 负责产业链结构和政策背景；
数据分析 Agent 负责公司收入、毛利率、估值、研发投入；
产品 Agent 负责业务布局和竞争格局；
写作 Agent 负责报告结构和观点表达；
美术 Agent 负责 PPT 版式和信息呈现；
校验 Agent 负责交叉检查数据、事实和逻辑漏洞。
可以理解为一种“ 分布式群体智能”，有分工、有协作、有并行、有复核，即使某个 Agent 出了错，也可以在校验阶段提前发现，避免污染整个报告的可信度。特别是大体量、长流程、多产物的任务，输出的是可交付的结果，对效率的提升是指数级的。
03 时代变了，学会适应“ 指挥官” 的角色
可能很多人已经开始焦虑：“ 我的价值会被 Agent 集群替代吗？”
Vibe Coding 流行时，程序员们有过同样的困扰；时间已经证明：正确的做法不是和 AI 比赛写代码，曾经熬夜写代码的人，变成了定义需求、拆解模块、审查架构、把控质量的人。
相似的一幕，正在知识工作者的身上重演。
Codex、Kimi Work 等产品，将多 Agent 协作、自动化工作流、工具调用等原本属于技术团队的“ 特权”，用一个即装即用的客户端还给了每一个普通职场人，让 Vibe Working 成为新的工作范式，即用自然语言让 Agent 去查资料、做表格、写文档、出 PPT、做校验。
表面上看，是效率的跃升；再深一层，是个人生产力的组织化。
过去，一个职场人的产出上限，基本由自己的时间、经验和精力决定。一天只有 24 小时，精力再旺盛，也不可能同时做调研、清数据、写报告、改 PPT、查错漏、做复盘。
有 300 个 Agent 可以被调度时，查资料、改格式、写初稿、整理表格、生成 PPT 等工作可交给 Agent，让自己的精力集中在任务的决策上，“ 多快好省” 的完成更有价值的工作。
一句话概括，Agent 时代的职场人，需要学会的是拆任务、派任务、验收结果，而非无效内卷。
先说拆任务。
比如做一份“ 新能源汽车出海竞品研究”，可以拆成市场背景、主要玩家、产品定位、价格体系、渠道策略、用户反馈、风险因素、机会判断、Excel 对比表、PPT 汇报稿等几个部分。
也就是职场里常说的 MECE 原则，拆得越清楚，Agent 之间越容易分工；任务边界越明确，最终交付越不容易混乱。
再说派任务。
交付物越多，越需要提前定义标准，社交媒体上被提及最多的窍门是“ 上下文高墙” 和“ 格式铁律”，前者让 Agent 知道它在什么业务场景里工作，避免泛泛而谈；后者让 Agent 知道最终要交付什么，避免只输出一堆看似完整、实际无法使用的内容。
最后是验收结果。
数据有没有来源？逻辑有没有跳跃？风险有没有遗漏？PPT 的每一页是不是只表达一个核心信息？报告里的结论，能不能经得起老板或客户追问？都需要人来把关。
比较成熟的做法是，把验收也作为工作流的一部分：比如一个 Agent 负责生成报告，另一个 Agent 负责挑逻辑漏洞；一个 Agent 负责整理数据，另一个 Agent 负责检查字段缺失；一个 Agent 负责写 PPT 大纲，另一个 Agent 模拟老板或客户提出质疑……
做一个总结的话，未来有竞争力的职场人，不是和 300 个 Agent 抢活干，而是学会从执行者，变成指挥官。
04 写在最后
职场人的隐形分化，本质上是工作范式的分化。
无论是向知识工作平台演进的 Codex，还是将 300 个 Agent 带进办公场景的 Kimi Work，一个清晰的趋势已经浮现：AI 正在从回答问题，走向完成任务；从聊天窗口，变成一套可调度的生产力系统。
未来职场最现实的出路—— 学会指挥 Agent 执行，让 AI 成为自己的“ 手和脚”。
更多精彩内容，关注钛媒体微信号 （ID：taimeiti），或者下载钛媒体 App