4 个人的小团队,为什么比 6 个修图师更赚钱:1 个排期位的账
2025 年 10 月初,上海一家修图工作室的负责人跟我说,她决定裁掉两个修图师,招一个不修图的人。
她的朋友们几乎全劝她反对。修图工作室的收入靠产能,产能靠人头,裁人就是在砍自己的出货量——这个逻辑几乎是整个行业默认的常识。她自己也知道这件事听起来多少有点反常识,所以她给我看了她的账。两个月之后,她的月毛利提高了 19%,实际出货量只下降了 3%。
那个”不修图的人”,是一个负责排期协调的项目管理位。
这件事让我开始重新想一个问题:小型 AI 修图工作室的产能上限,到底被什么卡住? 这篇文章想从这个问题出发,认真拆一拆 4 人团队的配置逻辑——以及为什么一个排期位,可能比多招一个修图师更值钱。
人多却不赚钱,问题常出在哪个岗位
行业里有一种很普遍的误解:修图工作室要做大,核心是修图师的数量。
这个逻辑不是全错,但它有一个大前提——你的工作室有没有能把修图师产能”充分释放”的前置条件。如果前置条件不满足,多一个修图师只是在原有的效率瓶颈里多加了一个空转的齿轮。
我见过一家 8 人工作室,6 个修图师,2 个负责接单和客户对接,月流水 18 万。他们的问题不是产能,是任务分发的混乱。每天早上修图师到了不知道先做哪个,客户急件随时插入正在走的批次,某个批次处理到一半发现素材文件有问题要等客户重传,停下来等的时候什么都干不了。6 个人,但有效出图时间加起来一天可能只有 3 个人的量——另外 3 个人的时间,消耗在等待和碎片化切换里。
这就是”人多却不赚钱”最常见的形态:修图师产能没有被浪费,但被碎片化了。
AI 工具的引入让这个问题更尖锐。传统纯人工修图时代,一个熟练修图师修一张图需要 15-30 分钟,“等素材”这段时间不算特别长,他可以顺手处理其他任务。AI 辅助之后,一张图的处理时间可能缩短到 3-5 分钟,但每次切换任务的上下文切换成本没有跟着缩短。结果是:修图师的单位时间产量提高了,但有效产能时间的浪费也同比放大了。
所以你会看到一个奇怪的现象:引入 AI 工具之后,工作室的出图量没有明显提升,但修图师都说”很忙”。忙的是等待、等确认、等素材、等返工反馈,而不是在修图。
问题出在哪个岗位?出在根本没有的那个岗位——没有人在专门管任务排期和任务流转。
4 人团队和 6 人团队的真实成本差
在拆配置之前,先把账算清楚。
我这里用上海市场 2025 年的大致薪资水平做参考,截至 2026-04 的行业均值估算(案例访谈 + 市场招聘数据):
| 岗位 | 月薪区间(税前) |
|---|---|
| 熟练 AI 修图师 | 6,000 – 9,000 元 |
| 排期 / 项目协调 | 5,000 – 7,000 元 |
| 质检 / 交付专员 | 5,000 – 7,000 元 |
一个 6 人纯修图师团队:假设平均月薪 7,500 元,合计人力成本约 45,000 元/月,不含社保和其他固定开销。
一个 4 人配置团队(2 修图 + 1 排期 + 1 质检):修图师 2 × 8,000 = 16,000,排期 1 × 6,000 = 6,000,质检 1 × 5,500 = 5,500,合计约 27,500 元/月。
成本差将近 17,500 元。
但这里的问题是:4 人团队的出图量是 6 人团队的多少?如果你的 2 个修图师配上 AI 工具、配上专职排期管理,可以稳定输出什么样的产能?
我把那家上海工作室的数据整理了一下(案例复盘,2025 年 10-11 月):
- 原 6 人团队(全修图):月均出图约 4,800 张,有效工作日 22 天,日均 218 张
- 重组后 4 人团队(2 修图 + 1 排期 + 1 质检):月均出图约 4,650 张,日均 211 张
出图量下降了约 3%,但成本下降了 39%。月毛利提高了 19%,原因就是成本降幅远远超过了产能降幅。
关键的问题是:为什么 2 个修图师配上 AI 工具 + 专职支持,能做出 6 个纯修图师的近似产量?
答案在下一节。
排期位为什么比多招一名修图师更值钱
上海那家工作室的负责人告诉我,重组之前她做过一个测试——让一个修图师连续记录一周的实际工作内容,精确到 15 分钟为单位。结果出来之后她沉默了一会儿。
那一周,这个修图师的时间是这样分配的:
- 实际出图时间(AI 操作 + 人工审核):41%
- 等待素材/文件/确认:23%
- 碎片化沟通(微信/群消息确认需求细节):18%
- 处理返工/理解返工要求:13%
- 其他(早会、设备问题等):5%
有效出图时间不到一半。如果你招了第七个修图师,他进来之后同样会陷入这个结构里,同样只有 41% 的时间在真正出图。
但如果你招的是一个排期位,情况就不一样了。
排期位做的事情,本质上是为修图师消除等待和碎片化切换。一个称职的排期岗每天做什么?
早上在修图师上班之前,任务单已经分配好了,优先级已经标注好,今天需要的素材文件已经完成预检并放到指定目录里。修图师坐下来就能开干,不需要自己去判断”先做哪个""这个素材有没有问题”。客户在下午 3 点发来紧急插入,不是修图师接电话、停手头的任务去判断能不能排,是排期先接,判断能不能插入当天流程,给修图师一个明确的结论:下午 5 点前能交。
这件事的价值有多大?
如果排期位把修图师的有效出图时间从 41% 提升到 70%,等于每个修图师的实际产能提高了 70%。2 个修图师 × 1.7 的产能系数 = 3.4 个等效修图师的产量——接近 4 个纯修图师的输出,成本只有 2 个修图师 + 1 个排期。
这就是那家上海工作室 4 人团队能接近 6 人团队产量的底层原因。不是魔法,是把一个隐性的产能损耗岗变成了显性的流程支撑岗。
还有一点值得单独说:排期位的价值在旺季会被成倍放大。2025 年双 11 前后那两个月,电商客户的订单高度集中,交期极紧。这时候产能瓶颈不在修图速度,在任务分发的实时决策——哪个批次先走、哪个客户等一等、哪个任务可以拆开分批交付。没有专职排期,这些决策会落到修图师头上,或者落到负责人头上,全是额外的脑力消耗。有了排期位,修图师的脑子只需要用来修图。
AI 工具、人审、质检怎么分工不断线
这是一个很容易被忽略的执行层问题。
很多工作室引入 AI 工具之后,质检环节的设计是这样的:修图师自己用 AI 出图,自己检查一遍,然后发给客户。这个流程的问题不在于”不认真”,在于自我质检的审美疲劳——一个人处理了 80 张图之后,对自己的第 81 张图的判断力已经不如刚开始的时候准确了。
4 人团队的分工逻辑应该把这三件事拆开:
AI 工具负责出批量初稿。 修图师的职责不是点鼠标执行每一张,而是设定参数模板、监督批次执行、处理 AI 无法自动判断的特殊情况(比如原图有遮挡、素材本身有缺陷)。
人审(修图师自审)负责挑出明显异常。 这个环节不是精细质检,是快速扫描——色偏严重的、抠图边缘断裂的、构图裁错了的。目标是把”明显有问题”的先拦下来,不进入交付流程。这个环节的处理速度应该很快,对熟练修图师来说,一张图 5 秒内就能判断”过还是不过”。关于如何快速看出 AI 修图异常,这篇文章里有详细的判断方法。
质检位负责交付前的最终把关。 质检岗的价值不是重复修图师已经做过的检查,而是用不同的视角做第二遍。修图师看的是”技术层面有没有问题”,质检看的是”客户交期要求有没有满足、批次完整性有没有对上、文件命名和导出规格有没有按约定走”。这是两套不同的检查维度,不能合并。
三个环节流转下来,修图师的出图到客户收货之间,有两道独立的过滤器。返工率在这个结构里会比”修图师自检”低很多——经验来自案例访谈,不同工作室的实际数字差异较大。
有一个容易出错的地方值得单独提:质检岗不是退休修图师的安置位。这个岗位需要的核心能力是”系统性 + 注意力持续”,而不是修图技能本身。一个在质检岗上效率高的人,往往是那种对细节敏感、习惯按清单操作、不容易被视觉疲劳影响的人,未必是修图技能最强的人。
关于如何系统判断 AI 修图质量,图叮AI 的修图质检指南可以作为质检岗的参考标准文档。
什么时候该招销售,什么时候先补项目管理
这是许多工作室负责人到了 15-20 万月流水的时候会遇到的分叉。
一种声音说:你现在缺的是订单,先招一个销售,把流水做上去再说。另一种声音说:你现在的执行能力已经有点紧了,先把内部效率稳住,不然流水做上去是烂账。
我的判断是:这两种声音对应的是两种不同的瓶颈诊断,选哪条路取决于你现在到底被什么卡住。
怎么诊断?
如果你现在的问题是:现有客户都挺满意、交期基本稳定、经常有客户追着问”能不能帮我再接点量”,但你主动开拓的新客户很少——这时候缺的是销售,招销售是对的。你有执行能力,缺的是漏斗顶端。
如果你现在的问题是:新客户不少,但经常有返工投诉、交期时常 delay、修图师经常加班但出货量没有预期那么高——这时候缺的是项目管理,招项目管理是对的。你有需求,但执行在漏水。
把这两种情况搞反了,代价不小。招了销售把流水做到 30 万,然后发现执行跟不上,客户投诉涌进来,反而伤了口碑——这是一种常见的过激增长陷阱。
还有一种情况:你现在是负责人兼项目管理。这种模式在 5 万以下月流水的时候成立,但超过 10 万之后,负责人时间的机会成本开始变得很高——你花在协调任务上的时间,是在用本可以去开拓新客户的时间做执行层的事。这时候”招项目管理”不只是为了效率,也是为了释放负责人的时间。
关于外包和自建团队的选择,这篇关于修图外包与收回内部的复盘有更详细的角度可以参考,特别是”什么时候自建比外包更划算”这一判断框架。
适合 0 到 30 万月流水的配比建议
下面是一个基于案例观察和行业均值估算的分阶段配比建议,截至 2026-04。不同工作室的实际情况差异较大,以下是大方向参考,不是精确公式。
阶段一:0 到 5 万月流水
典型配置:1-2 人。
这个阶段大概率是负责人自己修图或者带一个人,兼顾接单、修图、质检、交付,所有角色由 1-2 个人承担。这阶段不适合招专职排期,因为任务量还不足以让一个专职排期的全天时间被填满。负责人需要自己建立一套轻量级的任务管理方式——哪怕就是一个 Excel 表,每天早上花 15 分钟排好当天的优先级。
AI 工具在这个阶段的价值最直接:单人操作如何用 AI 工具跑出批量产能,是比招人更优先的生产力投入。
阶段二:5 到 15 万月流水
典型配置:2-3 人(1-2 修图 + 负责人兼排期/质检)。
这个阶段的核心问题是:负责人的时间开始被撑满。如果负责人把 80% 的时间花在执行层,就没有时间去维护客户关系和开拓新订单,增长自然卡住。
这个阶段一个常见的方向是:把质检环节标准化。质检不再依赖修图师的主观判断,而是建立一套可以复用的检查清单,让修图师自检的效率和一致性都提高。这样负责人从质检里解放出来,专注客户端工作。
关于如何评估 AI 修图质量的系统方法,图叮AI 的定价模型对比里有一个关联的角度——成本结构清晰之后,对”修什么划算、改什么不划算”会有更准确的判断。
阶段三:15 到 30 万月流水
典型配置:4-5 人(2 修图 + 1 排期 + 1 质检,有时加 1 兼职销售或执行)。
这就是文章开头上海工作室的配置原型。这个阶段的核心变化是:排期位应该从”负责人兼顾”变成专职岗位。
为什么是这个节点?因为 15 万以上的月流水,通常对应的是 3 个以上客户的并发任务,每个客户有各自的交期要求和优先级。并发任务管理的复杂度是非线性的——2 个客户并发,你能凭感觉处理;5 个客户并发,没有专职排期,你每天都在救火。
在这个阶段,工作室开始需要想一个更深的问题:自己手里的 2 个修图师,是应该一直做手工 AI 辅助修图,还是开始向”审图员 + 参数调优师”的方向演化?在 AI 工具能力不断提升的背景下,修图师的核心价值正在从”执行”往”判断”转移。这个话题和AI 修图与传统外包在 10 万张规模下的对比有很深的关联——在那篇文章里,质检和判断环节的人力配比是一个重要的讨论点。
超过 30 万之后,配置逻辑就开始要被单独讨论了。这个阶段通常已经不是”小团队”的范畴,排期管理的工具化(项目管理软件、流程看板)和团队分层(执行组 / 质检组 / 客户组)会成为新的议题。
最后回到上海那家工作室。她在重组完成一个半月后跟我说,她现在最大的感受不是”省了多少钱”,而是”现在知道明天的任务有多少了”。以前每天早上是开盲盒,不知道今天会不会有客户急件插进来打乱节奏。现在排期位会在前一天下午整理好第二天的任务表,大概能看清楚明天的产能上限在哪。
她说:“以前修图师问我今天先做哪个,我都是凭感觉说的。现在排期说先做哪个,有理由,修图师也服气。”
这句话说的是管理问题,但背后藏的其实是一个产能问题——一个团队的产能上限,不是由最多的人数决定的,而是由最差的那个分工决定的。把最差的那块补上,不需要加人,需要的是换一个角色。
如果你正在考虑要不要引入 AI 工具之后重组团队结构,图叮AI 和 Photoshop 在工作室场景下的适用边界对比可以帮你更清楚地判断工具端的起点应该放在哪里——然后再来想人的配置。
以上配比数据来自案例访谈和行业均值估算,截至 2026-04。不同城市人力成本、不同品类的修图复杂度差异较大,实际配置应以自身情况为准。
相关文章
图叮AI vs 豆包AI:店铺上新要日更 50 张商品图,选对话式出图还是 PS 内工作流?
日更 50 张商品图,用豆包对话式出图还是图叮PS工作流?从每张耗时、流程复用、去背换底等维度实际拆解两种路线的差异,给出明确的场景判断依据。
图叮AI vs 稿定AI:做电商活动图时,模板更快还是商品精修闭环更稳?
稿定AI模板快、上手零门槛,图叮AI商品精修深、SKU一致性强。活动图旺季两者怎么分工才不互相拖累?这篇从真实场景出发拆解各自优势与短板。
3 段式多模型接力是否值得:抠图 + 生成 + 超分在商品精修里的账
抠图模型、生成模型、超分模型拼成一条流水线,看起来精度更高,但单张出图从 30 秒变 3 分钟、返工要复跑全链。这篇文章用决策矩阵帮你算清楚:什么商品应该用接力,什么商品用单模型就够了。
包装图上的文字和商标修坏了怎么修:6 种路线的边界差异实测
曲面变形字、金属浮雕 Logo、亚光印刷字——这 6 种修复路线在包装图上的表现差异极大。本文用具体的翻车案例和时间成本数据,帮你在动手前选对方法,避免把已坏的图修得更坏。
推荐阅读
朋克风模特服装上身:虚拟换衣处理铆钉和复杂细节
复杂设计的服装也能虚拟换衣?图叮AI服装上身功能处理铆钉装饰、条纹图案等服装细节,模特从黑色铆钉装换成灰色西装套装。
万物迁移批量出图:一张白底图快速生成多套场景主图
利用图叮AI万物迁移功能批量生成多场景产品图,算法自动识别产品位置和场景环境,实现高效率多场景出图工作流。
Kontext对话式改图:一句话实现你的设计需求
全面介绍图叮AI的Kontext和千问2509对话式改图功能,讲解如何用自然语言指令完成复杂的图片编辑操作,让修图变得像聊天一样简单。
AI生图入门:文生图与图生图详解
全面介绍图叮AI的AI生图功能,包括Nano Banana模型、文生图、图生图的核心概念和操作方法,带你从零开始掌握AI图像生成。