AI时代的"岗位置换"——AI短剧公司几乎不需要基础岗，那些被省掉的岗位去哪了

微博上今天有个热搜：AI短剧公司几乎不需要基础岗，热度158万。点进去看，说的是这类公司用AI生成脚本、AI换脸配音、AI做分镜，一个十几人的团队能产出过去上百人的量。评论区一片"太爽了"。

我看完的第一反应不是爽，是另一个问题：那上百人现在在干什么？

因为一个组织的岗位结构，从来不是"多了就砍"这么简单。岗位是能力、协作、信任和经验的承载体。你把基础岗省掉了，省掉的不只是成本，还有一整套组织运转的接口。

01 被省掉的到底是什么

先从业务本身说清楚。AI短剧的成本结构跟传统短剧完全不同。传统短剧的钱花在三个地方：编剧、拍摄、后期。AI短剧把这三块压到很低，脚本靠模型批量生成，演员换脸，剪辑自动化。

但有个细节值得注意：AI短剧公司不是"没有人"，而是人的画像变了。他们需要能判断"这个故事会不会爆"的人，需要能调模型的prompt工程师，需要能快速迭代的运营。

换句话说，被省掉的是执行密度高、判断含量低的岗位。留下来的，全是判断岗和迭代岗。

这就是我说的"岗位置换"：不是岗位消失，是岗位的判断浓度被强行拉高了。

02 三个被忽略的代价

第一个代价：能力的入口没有了。

一个编剧的成长路径是：写分场→写整集→写整部。一个剪辑师的成长路径是：剪素材→剪单集→剪全片。这些基础岗不只是干活的地方，是能力的练习场。

你把基础岗砍掉，等于砍掉了人才的生产线。三年后你需要的"能判断爆款的人"，从哪来？

第二个代价：协作的接口消失了。

组织里最重要的工作往往发生在岗位之间，而不是岗位之内。基础岗的一个隐性功能，是充当上下游之间的"翻译器"和"缓冲垫"。

执行的人没了，判断岗的人就要自己去对接所有细节。结果是：高管的时间被切碎，专业判断的产出反而下降。

第三个代价：组织的容错空间被压没了。

有基础岗的时候，一个判断错了，可以用人力去补、去返工。全是判断岗的时候，一个人判断错了，整条线就停在那里，因为没有人可以"替他多干一点"。

效率提升的真正含义，是把冗余变成了脆弱。

03 真实的分界线在哪

我在给企业做游戏化TTT的时候，反复看到一个现象：那些AI落地最顺的团队，不是砍人最多的团队，而是把人从执行挪到判断的团队。

具体做法有三种，都能落地：

• 保留"能力练习岗"：哪怕效率上不需要，也留一部分基础岗带新人。这是成本，也是投资。
• 把判断岗的经验显性化：让判断岗的人每周输出一次"我是怎么判断的"，变成新人可学的模板。
• 建立双向流动机制：判断岗要定期回一线做执行，执行岗要有明确的晋升到判断岗的路径。

第三条最难，也最重要。因为判断力和现场感是绑定的，脱离现场三个月，判断就开始漂。

04 一个反常识的结论

AI让组织能够用更少的人做更多的事，这是事实。但"更少的人"不等于"更少的基础岗"，而应该是更少的中层协调岗，更多的基础判断岗。

因为AI替掉的是协调和信息传递，不是判断。而判断力恰恰需要在大量基础判断中练出来。

那些急着把基础岗清零的公司，两年后会发现自己有一群做不了判断的人，和一堆没人接得住的判断。

省下来的钱，会在招人的时候加倍还回去。

05 一个可以马上做的动作

如果你现在正在做"AI替代基础岗"的方案，先加一页测算：

• 这批被替代的岗位，承担了哪些判断？不是任务，是判断。任务可以自动化，判断不行。
• 这些判断移到谁头上了？如果答案是「没人」，那它是消失了还是藏起来了？藏起来的判断最危险，因为它会在半年后集中爆发。
• 三年后需要的人，现在在哪练？如果没有答案，这个方案省下来的钱，其实是向未来借的。

我见过一家做内容电商的公司，2025年把剪辑团队从30人砍到5人，全部换成AI工具+2个提示词工程师。当年人力成本降了六成，老板很高兴。

第二年出问题了：新来的爆款拆解岗，招不到人。因为这个能力是从剪辑岗长出来的，市面上没有现成的。他们最后花了接近原团队一年的工资，从MCN挖了两个。

这不是AI的错，是方案里少了一页测算。

组织不是在省钱，是在给自己未来的能力缺口打欠条。