营销已死,用AI一个人干翻了整个市场部
营销已死,用AI一个人干翻了整个市场部
最近看到一篇文章，在科技圈和营销圈同时引起了不小的震动。
一个叫 GRITCULT 的账号，在 X 平台发了一篇长文，三天时间将近 70 万阅读量。标题很直白：《营销已死，Distribution Engineer 万岁》。让这篇文章真正刺痛行业神经的，不是标题，是文章里提到的一个真实案例。
Anthropic，就是做 Claude 的那家公司，当前估值 3800 亿美元，全球最顶级的 AI 研究机构之一。他们整个增长营销运营，在某一段时间里，是一个人完成的。不是一个小团队，不是外包加兼职，就是一个人，cover 了整整 10 个月的付费广告、社交投放、App Store 优化、邮件营销和 SEO。
看到这里，大多数做过市场或增长的人大概都会停一下。因为这不是”AI 即将改变一切”的泛泛预言，这是一个有名有姓的公司里，已经发生的事情。
具体来说：他把所有广告数据导出，直接丢进 Claude Code，让 AI 分析哪些广告表现差、生成新的文案变体。然后把这个工作进一步拆分成两个专门的子 agent，一个只写标题，一个只写描述，每个 agent 任务单一、约束清晰，输出质量远高于”一个提示词搞定所有”的做法。
这个思路，其实是把软件工程里的”单一职责原则”直接用到了 AI 工作流上。
在素材生产这一块，他做了一个 Figma 插件，把 AI 生成的文案自动套入广告模板，批量输出可以直接发布的物料。每批 0.5 秒，单次最多 100 个变体，原来需要两个小时的工作，压缩到了 15 分钟，创意量扩大了 10 倍。
数据层面，他搭了一个连接 Meta Ads API 的自定义服务器，不打开任何 dashboard，不手动拉报告，直接向 Claude 提问”这周哪些广告表现最好”，得到来自实时数据的真实回答。
最关键的一点，是记忆机制。每一次假设、每一次实验结果，全部记录下来。下一批广告生成时，系统自动调取历史里的成功与失败，在积累中不断演化。这套东西不是在”用 AI 做市场”，更准确的描述是：他工程化了整个分发系统，然后让系统替他运转。
文章里有一段让很多人觉得很准的分析：传统意义上的”做市场”，描述的是一套劳动密集型流程。写内容、做创意、投放广告、看数据、调整策略。这套流程天然需要人手来填充，所以公司才有市场团队、内容团队、增长团队。
现在的变化是，AI 把这个流程里”执行”的部分大幅度压缩了。剩下来的，是判断力，是对人性的理解，是对”什么能让一个真实的人在互联网上停下来、认真看进去、然后告诉朋友”这个问题的清晰认知。
这件事本身变难了，不是变容易了。但运转它的机器，彻底变了。
很多人看完 Anthropic 这个案例的第一反应是”这太厉害了”，沉默一秒，然后说”但我不会写代码”。这个反应很有意思。因为文章里描述的那位增长负责人，并非传统意义上的软件工程师。
他用的工具是 Claude Code 和 Cursor，加上大量的试错和迭代。这不是需要计算机科学学位的工作，这是需要工程思维的工作。两者之间，差距没有大多数人想象的那么大。
文章里引用了一个框架，把”如何用 AI 做分发”分成了四个层级，这个框架清晰到让人有些不舒服。
-
第一层，是把已经在做的事情自动化。报告自动生成、文案初稿自动写、数据自动拉。这一层六个月内所有人都会到，它不带来任何竞争优势。就像 2010 年前后每家公司都”会用 Excel 了”，没有人会因为这个说自己在数字化转型。
-
第二层，是真正把 AI 当思维伙伴。用公司内部数据、历史投放记录、竞品调研，构建一个专属知识库，让多个 AI 模型并行跑，对一个粗糙的想法提供基于真实数据的多条执行路径。这一层需要主动建设，需要从”执行者”的身份切换成”构建系统的人”。
-
第三层，是做那些之前因为 ROI 不划算而一直搁置的事情。挖掘广告里的否定关键词、实时追踪竞品动态、把每次活动内容转化成文章持续输出。这些工作一直在优化清单里，但从来没有人有时间做。Distribution Engineer 有时间，因为他搭了不需要睡觉的 agent。
-
第四层，是构建只有自己才会做的工具。每个业务都有专属的数据结构和工作流程，没有任何通用软件能完全覆盖。在这个层级构建的人，才是在真正建立护城河。每一个自定义工具，都是别人无法轻易复制的优势积累。
用那篇文章的说法：Distribution Engineer 活在第三层和第四层。而大多数人，对号入座之后，会发现自己停在第一层。
GRITCULT 给这类新型角色起了个名字：Distribution Engineer，分发工程师。高级版叫 Chief Distribution Officer，首席分发官。
这个 title 在大多数公司里还不存在，招聘网站上搜不到，HR 不知道怎么评估，薪资区间还没有行业共识。但这种人，已经在各个公司里悄悄出现了。
文章里说，当下最值得招募的人，是那些同时具备三件事的人：构建能力、对人群心理的理解、以及自己已经积累起来的受众渠道。
雇这种人，不只是要他们的劳动，而是在租用他们已经建好的影响力网络。
Cluely 是一个被频繁引用的案例。那段时间几乎没有人真正搞清楚他们的产品是干什么的，但所有人都知道他们的名字、知道他们在哪里、知道他们有多响。分发先于产品，已经不是比喻，是真实发生的商业逻辑。
这里有一个很现实的困境：传统工程师的惯性是”我不懂营销，那是别的部门的事”，传统市场人的惯性是”我不会写代码，那需要让工程师来”。两种惯性，在今天，都是在慢慢把自己变成可替代的人。
“现在最有价值的技能，是学习能力。如果你能学，你就能适应。而 AI 可以教你。”
Claude Code 免费可用，Cursor 存在，放在整个人类历史上，建立技术能力的门槛从来没有这么低过。而且这个门槛不会停止下降，恰恰因为如此，早一步开始的人，积累的优势只会越来越难追赶。
身边有几个做市场的朋友，今年开始认真学用 Claude Code，他们事后说的第一反应，不是”好厉害”，而是”我之前那么多年在干什么”。那不是在否定自己过去，那是一种对新可能性由衷的震撼。
通常讨论 AI 对行业的影响，讲的都是抽象层面的东西：岗位减少、效率提升、职能边界模糊。但 Anthropic 这个案例让这件事变得非常具体。它不是在说”将来会怎样”，它是在说”一个人已经这样做了，而且数据在这里”。
那位增长负责人，没有被 AI 替代。他用 AI 让自己变成了一支队伍。这种转变，比我们通常描述的”AI 工具提效”要深得多。
提效是同样的事情做得更快，而他做的是：只有一个人，却让一件以前需要十个人完成的事情发生了。这是量级的变化。
也许用不了多久，当一家公司说”我要招一个增长负责人”的时候，求职者要回答的第一个问题，不再是”你过去做了什么投放”，而是”你现在搭了什么系统，你的 agent 栈是什么样的，你的实验记忆怎么运转”。能回答这些问题的人，会拿到比增长总监更高的价码。
这场变化不像一场革命，它安静、缓慢、甚至看起来不起眼。有一批具备工程思维的人，正在悄悄重写分发系统。
他们不会在社交媒体上大声宣布自己”转型了”，他们只是在某个普通的周末，搭起了第一个 agent，然后慢慢完善，逐步形成完整的系统。某一天，系统开始自己运转，他们有了更多时间思考更高层的决策。
等到旧的方式彻底不够用的那天，那种变化早就已经发生了，只是大多数人没有在第一时间看见。
