招人之前先想清楚一件事:2026 年 8 月 Grok Bot 上线、9 月底 ChatGPT Dot 发布之后,你招聘单上的每一个岗位,都值得先问一句「这个岗位 AI 能不能顶掉大半」——不是顶掉人,是顶掉这个岗位里最耗时的那部分工序。先把 AI 岗位定下来,再决定招什么人、招几个人。这篇文章把外贸公司的十个 AI 岗位摆开,讲清楚招人决策怎么跟着变。

一、招聘逻辑反过来了
传统招聘的起点是「缺人」:业务忙不过来,招个业务员;账号没人管,招个运营。人招进来,再看他能干什么。
AI 时代这套要倒过来:先把公司的活拆成岗位清单,过一遍「哪些工序 AI 能干」,剩下的才是招聘单。道理很简单——Grok Bot 和 ChatGPT Dot 这类常驻智能体的存在,让「工序」第一次可以单独雇。Grok Bot 的多个 Bot 各领一个职责在云端电脑上 24 小时跑(官方口径),ChatGPT Dot 拥有独立云电脑、能连 4000 多款应用(官方口径)——一个会写筛选规则的业务主管,配三个 AI 岗位,产出顶过去半个人力编制。
这意味着招人标准里最值钱的一项在变:新员工能不能带 AI 干活。同样月薪招两个人,一个只会手工筛客户、一个能把筛选规则写清楚让 AI 跑——后者的实际产能是前者的两到三倍。这不是预测,是我们训练营学员公司里正在发生的事。
二、十个 AI 岗位清单:招人前先过一遍
外贸企业的 AI 岗位表,我们沉淀的完整版是十个:
| AI 岗位 | 外贸企业可以怎样用 |
|---|---|
| AI 市场经理 | 研究哪个国家值得开发、产品适合卖给谁 |
| AI 客户开发员 | 研究目标公司、筛选买家、准备开发材料 |
| AI LinkedIn 运营 | 研究买家关注点、准备内容、辅助互动 |
| AI Facebook 运营 | 研究目标市场、内容主题与推广方向 |
| AI GEO 专员 | 研究买家搜索问题、检查网站内容与优化机会 |
| AI 询盘助手 | 判断客户需求、准备回复、提醒需要确认的信息 |
| AI 谈判顾问 | 分析压价原因、客户顾虑和谈判方案 |
| AI 销售主管 | 检查跟进记录、识别停滞商机、辅助新人训练 |
| AI 技术工程师 | 通过 Codex 协助检查和修改网站、CRM 等系统 |
这张表在招聘场景下的用法:对照你现在的招聘单,每一行问两个问题——这个岗位我现在招的人,有多少时间耗在左列这些工序上?这些工序能不能先给 AI?问完这两句,很多招聘单会改:原计划招的第三个业务员不用招了,省下的预算一半买订阅、一半给现有业务员加薪让他兼任「AI 主管」。
三、哪些岗位 AI 顶得多,哪些顶不了
不是所有工序 AI 的成色都一样,招聘决策前要分清成色:
AI 能顶 80% 的工序:市场数据整理、目标公司初筛、内容选题和草稿、询盘需求初判、跟进记录检查、网站内容的批量改造。这些活共同特点是「有明确标准、可量化、错了能纠正」。
AI 能顶 30-50% 的工序:开发信的个性化打磨、LinkedIn 互动的关键回复、谈判预案的场景适配。这些活 AI 出初稿很快,但成色靠人把最后一道关。
AI 基本顶不了的:客户信任的建立、谈判桌上的临场判断、老客户的关系维护、展会上的面对面。这些活的核心是「人对人的责任承担」,2026 年的产品(包括 Grok Bot 和 ChatGPT Dot)都在设计上把这类判断留给人工审批——产品的边界就是目前的能力边界。
所以招聘单的正确写法变了:招的是「能覆盖后两类工序、并用 AI 卸掉第一类工序」的人。面试的时候别问「你会不会用 ChatGPT」——要问「你上一份工作里哪些活你交给了 AI、规则怎么写的、错误怎么纠的」。
四、业务员的 JD 要重写
把一个典型外贸业务员的老 JD 拿出来看:开发新客户、回复询盘、跟进订单、维护客户——四条全是大词。AI 岗位表一出,这份 JD 应该拆成两层写:
AI 层(岗位表里的工序):新客户初筛(AI 客户开发员)、询盘初判和草稿(AI 询盘助手)、跟进提醒(AI 销售主管)——写清楚这些由公司统一配置的 AI 岗位承担,业务员负责验收和补位。
人的层:人际触达(AI 筛出的名单,用开发信和 LinkedIn 真人连接打动)、关键判断(AI 标注的风险点,人来拍板)、关系沉淀(老客户的长期信任)——这是公司真正花钱买的产能。
JD 这么改之后,招聘的画像立刻清晰:不再是「吃苦耐劳、英语流利」这么模糊,而是「对目标客户有判断力、会指挥 AI、敢对结果负责」。顺便说一句:这样改完 JD,你会发现自己敢招更年轻的人了——经验和判断可以靠公司的 AI 岗位体系补,年轻业务员缺的从来不是勤奋,是体系。
五、老员工怎么办:转岗比替换现实
看到岗位表,很多老板的下一个焦虑是:现有的人会不会被这十个 AI 岗位换掉?
我们看到的实际情况:好业务员不会走,因为他们身上有 AI 顶不住的那 30%——客户关系和临场判断。真正受冲击的是「工龄长但工序含量高」的中间层:日常工作 80% 是筛选、整理、起草这类 AI 强项工序。对这批人,转岗比替换现实得多——
转成 AI 主管:把自己那套手工经验写成 AI 能执行的规则。筛选目标公司干了五年的业务员,他脑子里的筛选标准就是 AI 客户开发员最缺的规则库。这类转岗的性价比极高:他的经验从「只能自己用」变成「全公司复用」。
转成审核岗:AI 产出的守门员。判断开发信草稿的得体度、询盘回复的风险点——这需要业务嗅觉,正好是老员工的存量优势。
转不成再谈替换:两个转岗机会都给到了还接不住的,那时候的人事决策才不是因为 AI,是因为人本身。AI 只是提前把这件事照亮了。
六、Grok Bot 和 ChatGPT Dot 的企业侧现状
如果打算让招聘体系直接对接这两个产品,企业侧的现状要了解:
ChatGPT Dot 向 Pro、Business Premium 和 Enterprise 用户开放(官方口径),第一个 Dot 对 Pro 和 Business Premium 用户免费;OpenAI 已给出 specialist dots 的预览——面向企业的专职 Dot,独立身份、IT 管理的硬件、与企业系统的深度集成。这个方向意味着将来企业能按「岗位」直接开 Dot,HR 的编制表上会出现「AI 编制」这一栏。
Grok Bot 从 9 月底起在 Teams 和 Enterprise 计划提供 Team Bots(官方口径),团队邀请、访问列表这些管理功能已上线。不过第三方评测点过它的短板:所有 Bot 共享一台云电脑和一套登录,权限隔离弱——企业数据敏感的岗位(比如谈判顾问要碰成本线)现阶段要谨慎。
务实建议:招聘和编制体系先按「AI 岗位」设计,产品用哪家后决定。岗位表是稳定的,产品每季度都在变——编制体系的根扎在业务流程上,别扎在某个产品的账号结构上。
七、招聘预算重算:一年省多少
拿一个十人外贸公司举例子算笔账(示意测算,各公司情况不同):
按传统扩张路径:明年计划加 3 个业务员,人均综合成本按每月一万元算,一年 36 万。
按 AI 岗位表路径:3 个业务员不招,配齐销售线 4 个 AI 岗位加运营线 3 个 AI 岗位。订阅成本官方定价合计每月几百美元、一年两三万人民币;带教投入按每岗位每月 10 个人时、由现有骨干兼任,折算人力成本约 5 万;给 1 名骨干加薪兼任 AI 主管,加 3 万。合计约 10-11 万,是传统路径的三分之一。
但账要算完整:省下来的 25 万不是纯利——产能是不是真补上了,取决于岗位规则的质量。AI 岗位是「喂」出来的:规则写得糙,产出就糙,省下的工资会变成丢掉的单子。所以预算里必须留一块「体系打磨」的投入,这块省掉的公司,一年后多半会把 AI 岗位整批停用,回头说「AI 没用」。
八、面试题也该换了
最后给一张可以直接用的面试题替换表——十个 AI 岗位出来后,老面试题考的东西过时了:
| 老面试题 | 现在应该问 |
|---|---|
| 你怎么找新客户? | 你会把「找新客户」拆成几道工序?哪几道你能交给 AI? |
| 收到询盘你第一步做什么? | 你怎么判断一封询盘值不值得优先回?这套判断怎么写成规则让 AI 执行? |
| 客户压价你怎么办? | 举一个你让步换来订单的例子——如果 AI 给你三套预案,你怎么选? |
| 你会用 ChatGPT 吗? | 你用 AI 出过错吗?错误之后你改了什么规则? |
| 给我看你的 LinkedIn | 你最近三条 LinkedIn 内容是谁备的料、你改了什么? |
中间那列考的是体力,右边这列考的是「带 AI 的能力」。面试者答右列的流畅度,比简历上的英语等级更能预测他明年的产能——这是 2026 年招聘和 2020 年招聘最大的区别。
九、常见问题
先配 AI 岗位会不会导致员工抵触
会,如果只发通知不给人位置。做法上两个要点:岗位表推出时同步公布转岗方案(谁转 AI 主管、谁转审核岗),让大家看到「AI 岗位是来接工序的不是来接人的」;第一批 AI 岗位选全公司都喊累的工序(通常是询盘初筛),让第一波体验是「松了口气」而不是「饭碗威胁」。
招新人还是先带老人上 AI
老人优先。老人有业务判断——这是 AI 岗位规则库的原料,新人没有。正确顺序是:老人把自己的判断写成规则喂给 AI 岗位,新人进公司第一天就有现成的 AI 体系可用、从「带 AI 的姿势」开始学。反过来先招新人,新人既没判断也没体系,两头空。
十个 AI 岗位里哪个最先配
按两个标准挑:最耗人时的工序 + 资料最齐的环节。多数外贸公司是询盘助手——邮件量大、时差痛点明确、产品目录和历史邮件现成,上线见效一周内就能看到。客户开发员第二。LinkedIn 运营和 GEO 专员这类「积累型」岗位排后,因为它们三个月才见趋势,不适合用来验证「AI 岗位靠不靠谱」。
AI 岗位算不算公司资产
算,而且是最容易被低估的那类资产。一个跑了一年的 AI 询盘助手,沉淀的是你公司全部的客户判断规则——业务员离职带不走它,新人入职当天继承它。这也是为什么岗位规则要落在公司统一的知识库里(而不是散在各个账号的私人对话里):AI 岗位的资产属性,取决于规则存放在哪。这也是我们反复讲企业知识库的原因——它是 AI 编制的档案室。
这套逻辑小工厂适用吗
适用,而且小工厂决策链短、上手更快。五个人的厂,AI 岗位表缩到三行(询盘助手、客户开发员、GEO 专员),老板娘从管三个业务员变成管三个 AI 岗位加两个业务员——管理结构没变复杂,产能翻了一截。大公司要过流程和 IT 审核,小工厂这周就能开喂资料。AI 岗位体系这件事,规模从来不是门槛,决心才是。
想聊你自己的具体业务场景,联系大宗师网络(外贸社媒训练营):微信 Dazongshi98。
Dazongshi98
本篇常见问题
先配AI岗位会不会导致员工抵触?
会,如果只发通知不给人位置。做法上两个要点:岗位表推出时同步公布转岗方案(谁转AI主管、谁转审核岗),让大家看到「AI岗位是来接工序的不是来接人的」;
招新人还是先带老人上AI?
老人优先。老人有业务判断——这是AI岗位规则库的原料,新人没有。正确顺序是:老人把自己的判断写成规则喂给AI岗位,新人进公司第一天就有现成的AI体系可用、从「带AI的姿势」开始学。
十个AI岗位里哪个最先配?
按两个标准挑:最耗人时的工序+资料最齐的环节。多数外贸公司是询盘助手——邮件量大、时差痛点明确、产品目录和历史邮件现成,上线见效一周内就能看到。客户开发员第二。
AI岗位算不算公司资产?
算,而且是最容易被低估的那类资产。一个跑了一年的AI询盘助手,沉淀的是你公司全部的客户判断规则——业务员离职带不走它,新人入职当天继承它。
这套逻辑小工厂适用吗?
适用,而且小工厂决策链短、上手更快。五个人的厂,AI岗位表缩到三行(询盘助手、客户开发员、GEO专员),老板娘从管三个业务员变成管三个AI岗位加两个业务员——管理结构没变复杂,产能翻了一截。