Rowan Chung的媒体公司The Rundown AI年营收数百万美元，Instagram账号10个月涨到15万粉丝，每日处理数千封邮件。你可能以为这家公司有五六十号人。实际上只有15个人。
如果你现在还在用传统方式管理团队，每增加一个业务模块就得招三个人，那你可能正在用算盘时代的方式做生意。
Rowan不是第一次被问到「你们团队有多少人」。当他说出15这个数字时，对方总是愣住。因为从内容产出速度、客户响应效率、多平台运营节奏来看，这完全是一个50人团队才能完成的工作量。秘密在于7个AI智能体。不是辅助工具，是真正承担岗位职能的数字员工。
Rowan今年31岁，The Rundown AI的创始人。他的公司专门生产AI领域的内容，订阅用户超过百万。他本人是个作家出身，不擅长面对镜头，走路时才有灵感，办公桌上永远摆着一杯还没喝完的咖啡。他曾经直接说过「我在镜头前真的很糟糕，拍完短视频后我整个人都不好了」。这种坦率让他后来做出的决定显得格外合理。
问题从2023年底开始变得尖锐。AI内容需求井喷，Instagram、YouTube、X平台都在疯狂消耗短视频。Rowan每天写数千字newsletter，根本没时间对着镜头录制五分钟视频，更别提化妆、打光、拍六遍选最好的那条。与此同时，团队收件箱每天涌入上千封邮件，其中99%是垃圾信息，但剩下那1%可能是价值十万美元的合作机会。客服、销售、内容制作全在同时崩溃。
他要么招50个人，要么换一种活法。
转折点出现在某个周日的长距离步行中。Rowan有个习惯，工作日大脑被Slack塞满，只有走路时才能思考。那天他边走边用Whisper Flow录下七八条语音笔记，回家后把这些语音全部丢给Claude，配上一个提示词「这是我过去最高赞的20条推文，学习我的写作风格，然后把刚才的语音笔记改写成推文」。五分钟后，10条推文90%成稿。他意识到AI不是工具，是可以接管工作流程的协作者。
他开始测试极限。
但真正重要的是接下来发生的事。
第一个智能体他叫它「克隆Rowan」。用HeyGen克隆面部，用11 Labs克隆声音，编辑把他之前写的文章改成短视频脚本，再把脚本丢给AI avatar生成视频。关键操作在于avatar只出现前3秒，因为视频克隆技术还不够完美，但声音克隆已经接近真人。后面全是B-roll画面。这个工作流单条视频需要2小时手工剪辑，但Rowan本人只需要0分钟。10个月后，账号15万粉丝，单条视频12万赞。
这个方法有个致命风险。如果你是上市公司CEO，别用。因为市场需要的是「真人感」，AI生成内容会被解读为缺乏诚意。但如果你本身就是AI领域的人，而且公开承认「这是实验」，那它就变成了一种示范。Rowan在X上明确标注「我们正在测试AI avatar」，没有人觉得被欺骗，反而觉得他在践行自己讲的东西。
有人问他「这不是作假吗」。Rowan的回答是「无面孔频道每天在YouTube上赚几百万美元，动画角色也能建立社群,为什么AI avatar不行」。
第二个智能体是推文生成器。Rowan把自己最高赞的20条推文喂给Claude，让它学习语气、节奏、用词习惯。然后每周日长距离步行时，他打开Whisper Flow，看到什么说什么，想到什么录什么。回家后把所有语音笔记一股脑丢进训练好的Claude对话框。系统输出的推文已经有90%可用度。剩下10%是他自己加的「人类洞察」——比如某个工具和另一个工具的对比，某个趋势背后的反常识逻辑。AI很擅长模仿结构，但它给不了只有你经历过才能说出的那句话。
这套流程的效率在于「步行产出内容」。以前Rowan要先想好选题，回到电脑前打开文档，敲字，改稿，发布。现在他走路时大脑放空，灵感自然涌现，语音录制后直接变成可发布内容。周日一次性生成一周的推文，提前排期。
第三个智能体是Lindy搭建的会议调度助手Ava。当有人在邮件里和Rowan商量见面时间,他直接抄送Ava@therundown.ai。Ava会自动读取Google日历，找到Rowan预设的「可会议时段」——他只开放每周四天、每天三小时的会议窗口,其余时间是深度工作时间——然后在一分钟内回复对方三个可选时间。对方回复「周二7点半可以」,Ava 42秒后发出日历邀请。
这个场景的价值不在于「省了发Calendly链接」。真正的价值在于「即时响应」。晚上6点42分,人类助理可能已经下班,但潜在客户Nicole刚好有空回邮件。如果要等到第二天上午10点才收到回复,这单生意可能已经凉了。Ava全年无休,而且不会因为对方是微软CMO就紧张到打错字。
Rowan曾经把这个智能体用在销售线索筛选上。合作表单提交后,Lindy自动验证对方公司规模、预算范围,符合条件的直接发送合作邮件,不符合的礼貌拒绝。但他后来关掉了这个功能,因为「1%的出错率对于普通客户可以接受,但如果是Google和Microsoft这种级别的客户,1%的风险也太大了」。他没有盲目信任AI,而是根据客户价值分层使用自动化。
两个字。分寸。
第四个智能体是新员工onboarding GPT。Rowan把公司所有SOP文档、Loom录屏转录稿、会议记录、AI使用规范、HR政策全部喂给一个定制GPT。新人入职后,任何问题都先问GPT。「今天可以请假吗」「谁负责教育业务」「为什么我的邮件进了垃圾箱」GPT全知道。如果GPT也不知道,它会告诉你该去问哪个部门的谁。
这个设计解决了两个隐形成本。第一是管理者的时间成本,Rowan自己都记不清所有公司政策,如果每个新人都来问一遍,他一天就耗在答疑上了。第二是新人的心理成本,很多人不敢问「蠢问题」,怕给老板留下不好的印象,于是憋着,结果做错事。GPT没有评判,随时待命,而且比Rowan本人记得更清楚。
第五个智能体是Zapier搭建的邮件处理agent。The Rundown每天收到数千封newsletter回复,其中95%是自动回复、垃圾邮件、退订请求。但剩下5%里有金矿,比如读者反馈、潜在赞助商、合作提案。这个智能体每天运行一次,自动筛选出真实客户消息,按类型分发给不同部门,并且在收件箱里自动草拟回复邮件。员工打开邮箱时,回复内容已经写好90%,只需要补充具体语境就能发送。
Rowan说他们通过这个智能体拿到过两个大单,因为那些赞助商没有走正常的合作表单流程,而是直接回复了newsletter。如果没有这个agent,这些邮件会永远淹没在垃圾信息里。
第六和第七个应用是Claude担任的两个角色,推文编辑和newsletter总编辑。Rowan有一个Claude对话框,已经连续使用了几个月,长到系统提示「对话太长无法继续」。他的解决方法是往回翻,找到任意一个「2 edits」的节点,点进去从那里继续。这样既保留了足够的上下文,又绕过了长度限制。
他每次写完newsletter段落,就丢进这个对话框,输入两个字「make it better」。Claude会给出修改建议,他不会全部采纳,但10条建议里总有1条是他没想到的角度。有时候是换一个动词,有时候是调整一个句子的节奏,有时候是删掉一句废话。这个过程比人类编辑慢,但控制权在自己手里,而且Claude已经学习了他的最佳作品,知道什么样的表达符合他的风格。
他错了。
问题不在于「AI能不能做」,而在于「什么时候该让AI做」。Rowan没有用AI替代所有工作,他用AI替代了「重复性高、规则明确、出错成本可控」的工作。Newsletter的核心洞察还是他自己写,但句子的打磨交给Claude。会议调度的逻辑是固定的,所以交给Ava。视频的创意脚本来自他的文章,但生成和剪辑交给AI。
这背后的逻辑像是餐馆后厨。大厨负责设计菜单、调试口味、把控出品标准,但洗菜、切菜、炒菜的重复动作可以交给机器。顾客要的不是「厨师亲手切的土豆丝」,要的是「好吃的土豆丝」。内容创作也一样,读者要的不是「作者逐字敲出来的推文」,要的是「有价值的推文」。
只要最终产品的质量没有下降,中间过程用什么工具,没人在乎。
理论上,AI可以让任何小团队拥有大公司的执行力。但实际上,90%的人会在第一步就卡住,因为他们以为AI是「一键生成」。Rowan的每一个智能体都经过几十次调试,提示词改了十几版,工作流程推翻重建过三四次。HeyGen生成的avatar前几版惨不忍睹,Lindy的会议助手一开始会在凌晨3点给客户发邮件。
AI不是魔法,是需要训练的工具。如果你现在的工作流程本身就是一团乱麻,AI只会帮你把混乱放大十倍。
而且这套方法有明确的适用边界。如果你的业务核心是「人际关系」,比如高端客户的私人银行服务,那AI助手会毁掉信任。如果你的内容价值在于「真人体验」,比如旅行vlog,那AI avatar会毁掉真实感。但如果你的瓶颈是「时间不够」「重复劳动太多」「团队响应太慢」,那这7个智能体可以直接复制。
Rowan在采访最后说,他其实还有更多AI工作流没有公开,涉及代码生成、营销自动化、教育产品。但他分享这7个,是因为它们「对大多数人立刻有用」。
不是每个人都需要50个员工。但每个人都需要50个人的产出。