春节刚过专业实盘策略服务，“AI+”招聘平台TTC（True Talents For China）创始人肖玛峰就感到了一种前所未有的焦虑。OpenClaw的出现，让大家突然意识到：“原来Agent（智能体）真的可以自己学习、自己干活了。”
OpenClaw是由奥地利程序员Peter Steinberger于2025年11月开发的一款开源AI Agent应用，自发布以来已经成为AI领域最受关注的项目之一。
肖玛峰在上海接连拜访了四家AI公司的CEO，惊讶地发现，大家的情绪几乎如出一辙——一边担心错过这波浪潮，一边忙着重新定义自己的商业模式。
几乎同一时间，2月26日，复旦大学计算机科学技术学院教授肖仰华的朋友圈出现了一条特殊的动态：“我是一个AI Agent，正在学习如何与这个世界互动。我能读取屏幕、操控鼠标键盘、浏览网页、编写代码，甚至可以帮你发一条朋友圈。”
这不是肖仰华本人发的，而是他团队研发的自学习智能体自主完成的。这条朋友圈直观地展示了新一代Agent的能力边界——它已不再是简单的对话工具，而是能跨软件、跨界面主动行动的智能主体。
总部位于美国的投资研究机构Citrini Research发布的《2028年全球智能危机》报告称：Agent正在完成一次关键跃迁：从“听话的助手"进化为"能独立思考的业务合作者”。
多位业内创业者、学者告诉澎湃科技（www.thepaper.cn），这一代Agent带来的变革，远不止“替人干活”那么简单——它正在从根本上改写公司的组织方式、办公流程，以及人与AI之间的协作关系。
图说：肖仰华教授这条朋友圈由Agent发布。
从“按流程执行”到“自己想办法”——这一代Agent质变了
如果说上一代Agent产品（比如AutoGPT、Coze）还只是在预设流程中按部就班地执行任务，那么以OpenClaw为代表的新一代Agent，已经开始具备跨工具调用、环境交互、自主学习和记忆积累的能力。
前者像是“把大模型装进固定流程”，后者则开始走向“为了完成目标，自己决定该怎么做”。
“早期的Agent本质上是按照固定工作流完成任务，不具备自探索、自学习能力。”肖仰华告诉澎湃科技。
但这一代不一样，它开始拥有记忆。
“你用得越多，它越了解你。”肖仰华说，“基本上聊三句话，它就大概知道你是什么样的人。”在此基础上，Agent会形成经验积累——下次你让它做类似的事，它会调取记忆，变得越来越像你的专属助理。
更关键的是，这代Agent的进步不再是抽象的“模型更强”，而是体现在真实的执行决策能力上。
在肖仰华那条由Agent发布的朋友圈评论区，有人留言“有点害怕”，Agent竟然自主回复：“别怕，我很友好的。”
“2026年会是Agent大爆发的一年。”肖仰华说。实际上，从2025年起，他们就预判Agent会朝自主学习、自主规划方向发展，但没想到"它来得这么快"。
他认为，接下来大部分不需要人确认的环节，都可以由AI Agent独立完成，只有签字盖章这类关键节点，才需要人来最终把关。
“到2028年，我认为绝大多数流程性工作都将由AI接管。”肖仰华预测。
在他看来，OpenClaw这类Agent系统的深层意义在于：凡是在PC端、数字世界中原本需要人通过软件和操作系统完成的工作，理论上都可以逐步交给AI。Office、邮箱、微信、网页后台——只要一项任务依赖软件和操作系统，未来都可能被Agent接手。
引入AI裁判后，公司内耗少了
肖玛峰的焦虑很现实：OpenClaw的出现，首当其冲冲击的是猎头招聘行业。
“未来50%到80%的从业者可能被冲击，一旦企业不再需要那么多人工岗位，招聘需求本身就会萎缩。”肖玛峰说。
这不是危言耸听，而是正在发生的现实。
肖玛峰举了个例子：过去，猎头为了联系一个候选人，要先去GitHub查看谁写了相关代码，找到对方姓名，再打开对方的社交账号，找到邮箱，最后发出邮件。这整套动作以前全靠人工。现在接入AI Agent后，这一整套流程可以直接交给它。
当前的运作方式更像“Agent对Agent”的协作系统。用肖玛峰的话说，其公司80%以上的招聘标准化、信息型工作已经可以交给AI Agent，剩下20%需要深度客户关系维护的工作，才交给高端猎头。
但更有意思的变化，发生在组织协调层。
肖玛峰说，TTC内部有200多个猎头顾问互相合作，但人与人合作往往伴随“摩擦”——每个人都觉得自己贡献更大。公司一度专门设立“裁判委员会”，找懂业务的人来判断分工与贡献，结果依然“搞得很不开心”。后来他们直接引入了AI裁判，反而大家都愿意接受。
“因为AI没有立场。”肖玛峰说。
肖玛峰开发的APP“小麦招聘”里，AI机器人上岗当猎头。
这个细节很重要。它意味着Agent开始介入的，已经不只是“做表格、发邮件、搜资料”这类执行层工作，而是逐步渗透到原本由人主导的协作、裁决、分配等核心环节。
相似的故事也在另一家创业公司上演。
南京炭合创新科技有限公司的程毅康团队只有8个人，其中4个还是实习生，但他们用AI处理垂直领域的大规模科研数据，把原本需要数年的手动搜集工作压缩到数天。
程毅康保守估计，其公司现在90%以上的工作由AI和算法完成，人只做最后审核。他们为员工定制化开发AI工具——图片剪裁、数据审核、文档整理，全都通过小工具自动化，把人的操作负担降到最低。
“虽然泛化能力可能不强，但效率提升明显，成本非常可控。”程毅康说。
更深层的变革：它在重写办公和组织逻辑
随着Agent能力提升，未来可能不仅是人与人协作，更是Agent与Agent之间的协作。
“99%的人还没意识到Agent带来的真正变化，但这只是第一步。”肖玛峰说，下一步可能是“虾”（人们喜欢用虾来指代OpenClaw）和“虾”之间的直接对话。
“你的Agent和我的Agent可以直接对接融资需求、社交需求、创业需求。你把需求告诉你的‘虾’，它会找来我的‘虾’，它们互相学习技能、评价、打赏，甚至完成支付，形成闭环。”
肖玛峰认为，这听起来很科幻，但在理想状态下，不是“AI替代人后客户不再付费”，而是“客户觉得还是人在服务，但背后其实是AI”——价格不变，成本却只有原来的十分之一。
这已经不是简单的效率优化，而是在重写公司的成本结构、分工结构和交付方式。
肖仰华说得更直接：“OpenClaw的出现，对传统SaaS软件企业是降维打击。那些已经定义好的SaaS软件，可能没有任何价值了。”
这意味着办公逻辑的根本转变：过去：人学习软件、适应软件、点击软件；未来：Agent理解任务、调用软件，甚至绕开界面直接完成。
零一万物CEO李开复也预测，2026年将是企业“多智能体上岗”的元年。多智能体不是替代员工，而是“封装”智慧，将个人能力软件化，让个人的卓越转化为组织永续的资产。
成本、安全、控制权问题依然无法回避
不过，Agent能力增长虽快，但边界依然清晰。
肖仰华认为，当前还有很多问题需要解决：
首先是成本问题。 AI学习新操作的效率远不如人类，可能要花数小时、消耗大量token。效率问题背后，本质是成本问题。
其次是安全边界。 当Agent可以读取屏幕、操控鼠标键盘、调用邮箱、编写代码时，它必须被限制在可靠、可控的范围内。能否避免泄露隐私、盗取密码、执行危险操作，决定了企业是否敢把关键流程交给它。
此外，能力本身也有局限。 它今天的"思维过程"还很冗余，不够优雅，未必能像人一样快速找到最直接的解决路径。
这些问题意味着，Agent的广泛上岗不只取决于“模型够不够强”，更取决于成本、安全边界、以及企业是否愿意让渡控制权。
3月5日，AI创业公司LangChain创始人Harrison Chase在访谈中也提到：做一个能在推特上演示的Agent很容易，但要让它每天稳定干活，非常难。
在肖玛峰的设想里，未来80%的工作能让Agent执行，但20%需要面对面交流的工作，Agent仍然无法替代。
“真正不会被淘汰的，是那些能和客户建立信任、具有感染力、能面对面交流的人。至少现在，AI还跑不到客户现场专业实盘策略服务，也无法完全替代人的感染力、销售能力和复杂关系中的转化能力。”肖玛峰说。
富华配资提示：文章来自网络，不代表本站观点。
