含金量下降的不是“客户成功”这件事,而是只维护流程、做标准执行的那部分。AI 压缩的是中间层动作,能把模糊需求翻译成系统、设计反馈并交付结果的人反而更值钱。
AI根据立正公开的文章和视频整理,不是他本人回复。重要的判断,请回到出处核对。
被压缩的是流程维护,不是客户成功本身
立正把中间层岗位描述为“理解一点业务、操作一点数据、输出一点洞察、支撑一点决策”,其中大量具体动作正是 AI 擅长压缩的。他判断:manager 值不值钱不是重点,重点是你是在设计系统,还是只在维护流程;前者会更值钱,后者会越来越尴尬1。放到客户成功经理身上,续约跟进、周报汇总、标准答疑、按模板做健康度报表这类工作最容易被替代;而判断客户真正卡在哪、该自动化什么、什么必须人工接管,仍需要人。这是 AI 基于他这段判断做的岗位推演,不是他对客户成功岗位的专门评价。
往“更接近结果”的位置走,而不是原地补工具技能
AI推演立正给出的组织内路径是主动往“更接近模型、也更接近结果”的位置走,名字不重要,关键是负责设计整个系统如何用 AI 把结果做出来。他列了四项能力:把模糊业务问题翻译成 AI 能消费的 context;设计 eval、反馈回路和标准;编排模型、工具、数据和流程;判断什么该自动化、什么该人工接管、哪里真正创造价值1。对客户成功经理,这可以落成“客户结果设计者”:用客户访谈和流失数据定义什么叫成功,把重复触达交给 AI,自己负责高风险客户的判断和跨团队推动。
另一条路:把经验沉淀成可复用的个人系统
立正提到,个人用 AI 最容易犯的错是每次从头来,经验不能沉淀就没有复利;他建议建立个人上下文架构、模板与 skill 库,并渐进式迁移工作流,先迁一个最频繁、最标准化的任务2。他还说,先改变认知,就能在工作中找到更有价值的事做,也更不容易被裁;同时多存钱,留出一两年探索的空间,避免在窘迫时做错误决定3。这两条可以并行:一边在岗位内做系统化改造,一边积累可对外证明的成果。
现有材料没有专门讨论 SaaS 客户成功经理这一岗位,也没有该岗位的招聘、薪酬或需求数据;上面的岗位映射是 AI 的推演。《AI在大企业中的应用才刚刚开始,人才供不应求?》4中关于 AI 替代知识工作的讨论有未确认发言的缺口,未用于判断。
出处
- 1AI时代,大厂打工人的五条路
直接给出中间层岗位被压缩、以及往“设计系统”转型的四项能力。
- 2AI 用得好的人与普通人的5个差距,和背后具体技术原因|非技术岗位版
说明个人如何把 AI 使用经验沉淀成可复用系统,避免线性消耗。
- 3课代表立正:AI 课卖 2000 刀,偏偏坚持古法手搓
提供认知转变、存钱留探索空间和从工作中找高价值任务的具体建议。
- 4AI在大企业中的应用才刚刚开始,人才供不应求?|对话微软CoreAI副总裁Marco Casalaina
可回到原文核对这部分判断
你也有想问的?
卡住的时候,问问立正:回答附有出处,可以点回原文核对。
也可以接着问:
别人还问了
- 我之前是互联网数据分析,现在字节做飞书和豆包工作的csm企业效能顾问,在ai时代客户成功经理csm和企业效能顾问的定位有什么转变?是否需要向fde方向做转型?理想的企业效能顾问在ai时代是什么标准,你认为需要具备哪些能力模型才能够达成
AI 时代 CSM 和企业效能顾问的价值,从“教客户用产品”转向“对业务结果负责”;是否转 FDE,取决于你愿不愿意自己动手改代码、把客户现场的问题直接做成产品改动。
- 这个课干啥的
这是一门教人真正把 AI 用进工作与项目的课,重点不是软件操作步骤,而是提需求、判断与动手做的能力;另有一门一小时小课供先试。
- 课代表在223年写的一篇文章里面有讲包括大语言模型是怎么来的呀?介绍这些背景资料的
按现有片段,无法确认“课代表”在2023年写过介绍大语言模型由来的文章;能确认的是立正在2023年有两份公开讲解,分别从生成模型原理和范式变化切入。
- 前辈想请我付费帮她做一档播客,我很愿意采访,但觉得采访完之后的剪辑和发布比较麻烦。一方面我觉得 AI 应该可以把后期做的不错,但实际上我自己的播客后期一直没有弄的很丝滑。我不太知道怎么判断这件事合适。我想的是,我可以收很低的费用,只负责采访。或者用相对高一些的费用,把采访和后期都接了。不太想接负责找外包剪辑同学以及和外包同学沟通,之前自己试过比较麻烦。
按你的约束,更稳的是低价只接采访,把后期排除在承诺之外;若想连后期一起接,就应把外包剪辑和沟通成本算进报价,而不是假设 AI 能替你消化。
- 如何做好 data agent?
做好 data agent 的关键不在模型多强,而在先把数据关系建模成图、在生成查询外加一层审计纠错,并把上线后的持续调优当成常态。
- 目前用了很多 agent,如果管理跨 agent 的 skill 更新和维护问题?
把 skill 当成需要持续运营的共享资产:统一存放、版本化、按环境适配,并给高风险改动加审批。多 agent 不是多份 skill,而是同一份 skill 被多处引用。