个人知识库

2026-07-26-youtube-nate-herk-inhouse-ai-consultant-roadmap

13分钟阅读

去年还不存在的 $200K AI 岗 · 公司内部 AI 顾问四步路线图

真正的 AI 职业红利不在「最会搭自动化」的外部 agency，而在企业内部：用判断力决定 AI 该打哪、不该打哪，并从自己的工位用四步把「内部 AI 顾问」这个岗位做出来。

基本信息

  • 来源类型：video（YouTube）
  • 原文位置：raw/articles/2026-07-26-in-house-ai-consultant-roadmap.md
  • 原文 URL：https://www.youtube.com/watch?v=eFOTQpbGcy8
  • 作者 / 频道：Nate Herk | AI Automation
  • 消化日期：2026-09-22

核心观点

  1. 裁员叙事被读反了：Chegg 长期靠「作业辅导」年入稳定，2022 年底 ChatGPT 出现后学生几秒内就能拿到几乎免费的同款答案，Nate 本人也随即退订；2023 年 Chegg 股价单日近乎腰斩，并承认是「ChatGPT 在击杀我们」。但企业裁员更多不是「AI 直接取代人」，而是一个人用 AI 能完成过去 3–5 人的活——会用 AI 的人把不会用的人甩在后面。

  2. AI automation 市场从零到约 $130B，但外部 agency 的溢价正在被吞噬：过去公司「知道痛、不知道怎么解」，AI agency 填补「问题→方案」鸿沟并收溢价；现在连最忙的 CEO 也打开过 ChatGPT/Claude 解决问题，开发成本与价值同时下降，公司更想自己做、做在内部，而不是再付钱请外部公司——正因如此，会「修」的溢价下降，会「诊断该修什么」的溢价上升。

  3. 真正稀缺的不是 Builder，而是 In-house AI Consultant（内部 AI 顾问）：OpenAI/Anthropic 对「人的价值在哪」的共识是判断、品味、处理模糊、决定 AI 该不该上。Nate 用「医生 vs 药剂师」类比——Builder 像药剂师（按方抓药/按需求实现），内部 AI 顾问像医生（先诊断该治什么）；医生才是拿真钱的人。Sam Altman 也说过「想法型的人即将迎来高光时刻」。

  4. 日常工作形态：审计团队当前工作方式 → 找出吞掉最多工时的任务 → 搭自动化处理 → 培训同事用起来（采用率与 change management 是另一半战场）。类比「电脑坏了/Wi‑Fi 挂了就找的那个人」（每个公司都有的 IT 熟人）——未来每个团队都会有一个「AI 出问题/有机会就找的人」。岗位名称尚未标准化，正因为还不正式挂牌，才是早期窗口（与当年 AI automation 服务从蓝海变红海同一节奏）。

  5. 四步路线图：在现有公司内部「长出」这个岗位

    • Step 1 审计自己的工作：列出日/周任务；优先同时满足「每周吞真实工时」+「AI 错一点也不致命、可人工兜底」的项（周报、会议纪要、收件箱分类、数据清洗、基础调研）。不要一上来改造全公司。
    • Step 2 自动化并写死数字证明：如「周报 2 小时 → 10 分钟」；像私教先练自己再带客户。一项通了再下一项，连续打穿多条积累证据。
    • Step 3 让证明可见 → 进阶到打约束：例会 demo、帮同事解决最烦任务、沉淀内部 Prompt/工作流文档；话术绑业务结果（「季度报告前省了 8 小时」）而不是「我用了 ChatGPT」。从「消烦恼」进阶到「打约束」：用同一套审计问「若客户翻倍，哪个流程先断？」——消烦恼让你有用，拆瓶颈才让公司真正赚钱。
    • Step 4 正式化岗位：汇总多条自动化折算成「相当于每年省回一个 FTE」的单一数字，带着预算逻辑向经理提案角色与 title，而不是求人情。

  6. 组织信号支持这个窗口：IBM 调查（约 2000 名大公司 CEO）显示，已有某种 CAIO/首席 AI 官的比例从一年前约 26% 升至约 76%；有 AI 技能者薪酬约比同岗同事高 56%。因为你已经通过可量化结果证明价值，不是「申请」岗位而是「已经把它做出来了」。

  7. 强监管/禁 AI 行业也能做：不把敏感数据扔进公有模型、不擅自自动化生产流程；可在侧翼用 dummy 数据复刻本职项目，证明「会怎么想、会怎么交付」。四步逻辑不变。

实操内容保留

操作步骤：内部 AI 顾问四步清单

  1. Audit self

    • 写下日/周真实任务清单
    • 筛选双条件任务：① 每周吃掉可观工时 ② 出错可人工修正、无人身/合规硬伤
    • 起步示例：周报、会议笔记、收件箱整理、数据清洗、基础研究
    • 明确边界：先改自己的工作，不 Day-1 改造全公司

  2. Automate + quantify

    • 对清单 Top 任务逐个自动化
    • 强制记录基线 vs 现状（例：2h/周 → 10min/周）
    • 连续打穿多条，堆「可出示证据」而不是感觉

  3. Make wins visible → graduate to constraints

    • 团队会 demo；主动接同事最烦任务
    • 文档化最佳 Prompt 与工作流，署名可复用
    • 对老板的语言：业务小时/截止前风险，而非工具名
    • 第二轮审计对象换成业务约束：客户翻倍时先断的流程 = 第一优先项目

  4. Formalize the role

    • 汇总小时与等价 FTE/省钱数字
    • 提案：角色职责 + title + 对 AI 项目的预算逻辑
    • 预期：LinkedIn 上短期内可能搜不到同名 JD，多数人是从内向外造岗

话术模板（业务结果导向）

不要说：「我用 ChatGPT 做了这个。」 要说：「这在季度报告发出前给我们省了 8 小时。」

提案级数字示例：「这五条自动化加起来，相当于每年给团队省回一个全职编制。」

选型闸门（双条件）

条件含义反例
吞工时每周稳定占用可观时间一年一次的琐事
低伤害可兜底AI 偏一点可人工改、不伤人/不违规直接改生产库、触碰敏感客户数据、无审批外发

强监管环境的侧翼路径

  1. 不用真实敏感数据上公有模型
  2. 无授权不自动化生产流程
  3. 用 dummy 数据复刻本职工作流做作品集
  4. 仍按四步积累「会诊断 + 会交付」的证明

（本文无代码块；核心实操是岗位路线图与话术，见上。）

关键概念

  • 内部 AI 顾问 — 本片核心角色：企业内部负责诊断约束、选型自动化、推动采用并最终正式化的岗位
  • 咨询师型员工 — 国内语境下「经验萃取→标准→复制」的内部角色，与本片「诊断→自动化→推广」同构但侧重点不同
  • AI咨询阶梯模型 — 同一作者 Nate 的对外咨询商业阶梯（卖小时→审计→项目→retainer）；本片是对内造岗路线
  • FDE 前线部署工程师 — AI 厂商外派到客户现场的交付角色；本片角色是甲方内部生长，身份相反
  • 业务架构师 — 「驻场局外人」抽 SOP / 判断 AI 边界；与内部 AI 顾问的判断力主张同向
  • AI暴露度 / 判断溢价 — 与「价值从实现转向判断」一致
  • CAIO / 首席 AI 官 — 文中 IBM 调查引用的组织席位信号（26%→76%）
  • AI automation agency — 外部代理模式；文中认为其溢价窗口因工具民主化而收窄

与其他素材的关联

原文精彩摘录

Those layoffs didn’t happen because AI could just replace people’s jobs. They happened because companies realize that one person using AI can now do the work that used to take three to five people. So when you actually look at all of that, it’s always coming back to the same thing. the people who know how to use AI get ahead of the people who don’t.

What really matters right now is not about knowing how to build something. It’s more about knowing what to build. … What they’ve all agreed on is where is the value in a human? The value is in judgment, taste, solving ambiguity, deciding what problems to point AI at and what problems to not point AI at.

Think about it like a doctor and a pharmacist. A pharmacist basically just hands you exactly what you asked for, but a doctor is the one who actually figures out what you need in the first place. The builder, that’s kind of more of the pharmacist, and the in-house AI consultant, that’s the doctor. And the doctor is the one who gets paid the real money.

Saving your team a few hours every week makes you helpful, but removing the bottleneck the whole business is stuck behind is how you make the company real money. And that is a completely different conversation with your managers or your bosses.

Across these five automations, I’m giving the team back the equivalent of a full-time hire every single year. … You’re not asking them for a favor. You’re proposing the actual role and the title. … You’re not asking for the job. You’ve already built it.

相关页面

关系图谱

快速导航

反向链接