10億美金跨境公司砍了70%的人：AI不是提效工具，而是重構公司

這兩天看到一篇在跨境圈傳播很廣的文章，標題很直接：

《10億美金的跨境公司砍了70%的人，老板說：GMV一點沒掉》

這個標題足夠刺激。

但真正值得看的，不是“裁了多少人”。

而是它背后的組織變化。

原文提到一個網傳訪談案例：一家年 GMV 10 億美金的中型跨境公司，做 30 多個品牌，覆蓋亞馬遜、沃爾瑪、Temu 等十幾個平臺。去年還是 700 多人的團隊，現在只剩 200 多人，一年內壓縮約 70%。

更關鍵的是，老板說 GMV 增速沒有下降。

原文也提到，這家公司每月人力支出節省約 60 萬美金，每月 agent 支出約 12-15 萬美金，部門從多個獨立崗位收縮為 3 個大部門：市場、經營、項目部。

這個案例具體是哪家公司、數據是否完全準確，原文作者也做了提醒：無法替大家核實。

所以我不把它當成一個已確認的財務案例。

我更愿意把它看成一個方向信號。

因為這個方向，和我最近正在做的 AI 外貿試點、AI 入境游項目，以及和一些企業老板溝通的公司組織重構，完全對得上。

不是用了 AI，而是拆了組織

這篇文章里最重要的一句話，不是 10 億美金，也不是砍掉 70%。

而是這個判斷：

拐點不是“用上 AI”，而是“敢拆部門”。

很多公司現在也在用 AI。

開了 ChatGPT。

開了 Claude。

開了 Kimi。

給員工發了賬號。

讓員工寫文案、寫郵件、做表格、做圖片、做代碼。

但這只是工具層面的提效。

原來的部門還在。

原來的崗位還在。

原來的匯報線還在。

原來的審批還在。

原來的扯皮還在。

這種情況下，AI 只是幫人快一點，組織本身沒有變。

原文提到的那個跨境案例，真正發生變化的地方，是不再讓 AI 去幫某個崗位干活，而是直接把原來的崗位和部門拆掉。

產品經理、翻譯、開發、投手、銷售等原來獨立的崗位，被整合到更少的組織結構里。

一個人可以同時承擔開發、運營、產品經理等多個角色。

過去部門之間開會、等待、傳遞、審批、確認的時間，被大幅壓縮。

原文里有一個效率賬很直觀：

過去 4-5 個人干 3-4 天的活，現在 1 個人 1 天干完。

這才是 AI 真正可怕的地方。

它不是讓原來的崗位都快 20%。

它是讓原來的崗位邊界消失。

被清場的，不是邊緣崗位

原文里還有一組崗位變化，很值得企業老板認真看。

客服原來約 40 人，最后只留 2 名經理審核退款。

廣告投手原來是一整支團隊，后來砍掉 80%，但 agent 投出的 ROI 反而更高。

產品、設計、調改這些過去高度依賴人工的環節，除工廠對接外，幾乎都交給 agent。

IT 原來是一整個技術部，最后只剩 3 人維護數據庫和更新網站。

財務和數據分析環節，通過 skill 加 ERP API 喂數據，結果自動產出，原文里寫到優化 40%。

這些不是邊緣崗位。

客服、投手、產品、設計、IT、財務、數據分析，都是跨境公司的主力崗位。

也就是說，被 AI 重構的不是某個可有可無的輔助環節。

而是公司最核心的運營系統。

這對很多企業老板的啟發很大。

以前看 AI，很多人會問：

這個工具能不能幫員工提效？

能不能讓客服回復快一點？

能不能讓設計出圖快一點？

能不能讓投手多看幾個賬戶？

但真正的問題應該改成：

如果 AI Agent 參與進來，這個崗位還需不需要獨立存在？

這個部門還需不需要這么多人？

這個流程還需不需要這么多節點？

這個業務是不是可以用更少的人、更短的鏈路、更強的系統重新跑一遍？

成熟公司是先有結果再壓縮，我們是從一開始就按 AI 架構啟動

那個跨境案例之所以有沖擊力，是因為它已經有結果。

年 GMV 10 億美金。

團隊從 700 多人壓縮到 200 多人。

人員壓縮約 70%。

GMV 增速沒有下降。

這說明它不是一個 PPT。

也不是一個還沒驗證的想法。

它是在已有業務規模里，用 AI Agent 和組織重構，把人力成本、流程成本、溝通成本壓下去。

但我最近做的 AI 外貿和 AI 入境游試點，邏輯和它不完全一樣。

我們現在不是先有 10 億美金流水，再去壓縮 70% 的人員。

我們是從起步階段，就直接按 AI 自動化架構去搭。

也就是說，一開始就不準備搭一個傳統的大團隊。

不先招一堆運營。

不先招一堆編輯。

不先招一堆客服。

不先招一堆投手。

不先招一堆技術。

而是先把 AI Agent、獨立站矩陣、內容系統、圖片處理、SEO、GEO、社媒內容、廣告素材、AI CRM、客戶跟進、數據復盤這些能力搭起來。

這樣做的最大好處，是啟動成本非常低。

傳統項目早期，錢很容易花在人身上。

一個編輯。

一個運營。

一個設計。

一個投手。

一個客服。

一個技術。

還沒開始投放，團隊成本就已經上來了。

但如果從一開始就按 AI 架構搭，很多基礎工作可以由 AI Agent 完成。

人只負責判斷、校準、審核、決策和關鍵溝通。

這樣省下來的錢，就可以更多用在廣告投放、渠道測試、流量獲取和真實業務驗證上。

這對早期項目非常關鍵。

因為早期最重要的，不是團隊看起來多完整。

而是能不能更快拿到客戶、更快跑出數據、更快驗證模型。

3-5 人外貿小團隊，有機會支撐億級流水

我現在正在正定做 AI 外貿模式試點。

這個試點還沒有跨境公司那種規模化流水。

但它從第一天開始，就不是按傳統外貿公司來設計。

傳統外貿公司往往是業務員驅動。

招業務員。

上平臺。

發產品。

等詢盤。

跟客戶。

報價。

打樣。

成交。

復購。

每一個動作都高度依賴人。

這種模式當然能做，但很難輕。

而 AI 外貿試點，我更想搭的是一套新的組織架構。

前端是端側獲客矩陣。

包括垂直獨立站、多語言內容、SEO、GEO、社媒、短視頻、廣告落地頁。

中臺是 AI CRM。

負責線索識別、客戶分類、需求判斷、回復建議、報價輔助、跟進提醒、數據沉淀。

后端是供應鏈和源頭工廠。

負責產品、報價、打樣、交付、履約。

人在里面做什么？

不再是重復填表、搬運資料、寫低質量內容、機械跟進客戶。

而是做判斷。

判斷哪個市場值得投。

判斷哪個客戶有價值。

判斷哪個產品適合推。

判斷 AI 生成的內容是否準確。

判斷報價是否合理。

判斷供應鏈是否靠譜。

判斷什么時候該人工介入。

如果這個結構跑通，一個 3-5 人的小外貿團隊，理論上就有機會支撐億級流水。

因為它不是靠 3-5 個人手動干所有活。

而是 3-5 個人指揮一套 AI Agent 系統。

這個系統負責內容、獲客、線索、跟進、數據和部分運營動作。

人負責方向、判斷、關系和結果。

入境游也是同樣邏輯

入境游項目也是一樣。

傳統入境游項目很重。

內容要人寫。

線路要人整理。

咨詢要人回復。

報價要人算。

郵件要人跟。

導游、用車、地接社要人對接。

多語言市場要人維護。

如果按傳統模式做，想服務上萬名海外游客，可能需要十幾個人甚至更多。

但現在我們從起步階段就按 AI 架構搭。

先搭多語言內容和垂直網站。

再搭海外社媒和廣告入口。

再把游客咨詢統一進入 AI CRM。

AI 先識別游客來自哪里、想去哪里、幾個人、什么時間、預算多少、需要什么語言服務。

然后自動生成初步行程、報價建議、跟進任務和郵件回復。

人只處理關鍵判斷和最終確認。

這個結構和外貿非常相似。

外貿是海外客戶進入系統，最后轉給國內源頭工廠。

入境游是海外游客進入系統，最后轉給國內地接社、導游、用車和目的地服務商。

本質都是：

海外獲客。

AI CRM 承接。

國內供給側履約。

如果這套模式在正定跑通，就可以迅速復制到更多產業帶、更多目的地、更多區域服務里。

這也是我現在看重正定試點的原因。

不是只做一個項目。

而是先跑出一套 AI 組織架構、流程和方法。

跑通之后，再復制。

企業真正要重構的，是組織架構

最近我身邊已經有多家上市公司的老板，在和我溝通 AI 重構公司架構和流程。

他們關心的不是“買哪個 AI 工具”。

而是更底層的問題：

公司哪些崗位可以被 AI Agent 改寫？

哪些流程可以合并？

哪些審批可以取消？

哪些數據可以自動流轉？

哪些部門可以重新拆分？

哪些人應該留下？

哪些能力必須重新訓練？

我認為，未來很多企業會出現類似跨境案例的結果。

不一定每家公司都壓縮 70%。

也不一定每個行業都這么快。

但一個大方向很明確：

如果流程足夠清晰，數據足夠結構化，任務足夠規則化，AI Agent 就會不斷吃掉原來靠人堆起來的工作。

未來很多公司可能只需要原來 20%-30% 的人員，就能維持原來的業務流水，甚至做得更快。

但前提不是簡單裁員。

前提是重構。

重構組織。

重構流程。

重構數據。

重構崗位。

重構管理方式。

如果只是裁人，不重構系統，業務會崩。

如果只是發 AI 工具，不動流程，人還是那么多，效率也不會真正變化。

真正的機會，是先用 AI Agent 把業務流程拆開，再重新組裝。

AI 不需要你直接干活，它需要你的判斷

這篇跨境文章最后有一個觀點很扎心：

未來留下來的，不一定是最會干活的人，而是會指揮 agent 的人。

這句話我非常認同。

過去一個員工的價值，來自于他會不會做。

會不會寫。

會不會算。

會不會整理。

會不會操作后臺。

會不會盯廣告。

會不會跟客戶。

但 AI 時代，一個人的價值會越來越多來自于判斷。

你能不能判斷方向？

能不能判斷結果對不對？

能不能判斷客戶有沒有價值？

能不能判斷 AI 生成的內容能不能用？

能不能判斷模型輸出哪里有問題？

能不能判斷流程怎么拆？

能不能判斷哪些事情該自動化，哪些事情必須人工兜底？

AI 不需要你再做大量重復動作。

它需要你給目標、給約束、給反饋、給判斷。

未來不會用 AI 的人，會慢慢被淘汰。

但更準確地說，不是被 AI 淘汰。

而是被會用 AI 的人淘汰。

這也是我現在啟動 AI 外貿和入境游的原因

我現在做 AI 外貿和 AI 入境游，不是因為這兩個行業突然簡單了。

恰恰相反。

這兩個行業都很復雜。

外貿有產品、工廠、報價、客戶、平臺、物流、付款、交付、售后。

入境游有線路、導游、用車、酒店、支付、語言、風險、履約、游客體驗。

但也正因為復雜，AI Agent 才有價值。

復雜行業里，有大量重復工作。

大量規則化工作。

大量跨系統數據。

大量客戶問題。

大量內容和溝通。

這些過去必須靠團隊堆人。

現在可以用 AI 架構重做。

我們現在在正定做試點，就是想先跑出一套可復制的模型。

低成本啟動。

小團隊驗證。

AI Agent 承擔基礎工作。

AI CRM 承接客戶。

廣告投放拿真實流量。

數據反饋優化系統。

如果跑通，未來就可以在全國多個產業帶復制。

一個產業帶，一個源頭工廠集群，一個入境游目的地，都有機會用同樣的 AI 架構重新做一遍。

這件事最重要的不是“少招幾個人”。

而是公司從一開始，就不再按傳統組織方式搭建。

它是一種新的公司架構。

一種新的外貿架構。

一種新的入境游架構。

也是未來很多企業不得不面對的新現實。

結語

那篇文章的標題說：

10 億美金的跨境公司砍了 70% 的人，老板說 GMV 一點沒掉。

這句話真正嚇人的地方，不是 70%。

而是 GMV 沒掉。

這意味著 AI 帶來的不是局部提效，而是組織重構。

成熟公司會用 AI 壓縮團隊。

新項目會用 AI 降低啟動成本。

傳統公司會用 AI 重新拆流程。

未來公司會用 AI 重新定義崗位。

我現在越來越確定：

AI 不是幫公司省幾個人。

AI 是讓公司重新設計一遍。

而真正能留下來的，也不是最忙的人。

是能判斷方向、能拆流程、能指揮 agent、能對結果負責的人。