首頁

Partnered With:

AI裁員的本質：為什麼AI越普及，公司越焦慮？

閱讀本文需 22 分鐘

AI 沒有直接取代你，但你的工位正在為 Token 帳單買單。

原文標題：The layoffs will continue till we learn to use AI
原文作者：Arnav Gupta，AI 工程師
原文編譯：寶玉，AI 分析師

在我們公司的高階辦公室裡，某處正躺著一份多達 8000 人的裁員名單。我有 10% 的機率在這份名單上。再過幾天，也就是 5 月 20 日，我就能知道自己的命運了。

看到今天 Coinbase 宣布的「AI 裁員」消息，我決定寫下這篇文章。我特意趕在 5 月 20 日之前動筆，因為我想分享一些最真實的看法，不帶任何「我是走是留」的個人情緒。這些想法不僅與我是否被裁無關，也不僅僅局限於我所在的公司。它們來自我那些在各大中型企業工作的朋友們的真實心聲。

現在有大量的文章在爭論：這新一波的裁員潮（大家普遍認為是從傑克·多西裁掉 Square 40% 員工開始的）到底是因為 AI 導致的，還是僅僅在搞「AI 洗白 (AI-washing)」（指企業借著擁抱 AI 的名義，來掩蓋其他商業失敗或裁員的真實目的）。

我不想在文章裡塞滿各種新聞和論文的連結來折磨你，這些內容你可能早就看過了，或者只需在谷歌搜一下、問問 ChatGPT 就能找到。

備受吹捧的「AI 生產力」與難以捉摸的證據

AI 真的讓我們更高效了嗎？這真是一個充滿爭議的重磅問題！如果我們反向思考一下，斷言「AI 什麼都沒改變」，我想哪怕是那些最懷疑 AI 價值的人，也不會同意這種說法。

尤其是在科技公司裡，AI 使用量的火箭式飆升是擺在眼前的事實。即便是那些最保守、給 AI 預算設限、不給員工配備 AI 工具的公司，也同樣不可否認有一部分工作實質上是 AI 完成的——哪怕員工只是苦哈哈地在谷歌或微軟辦公套件裡，偷偷用 Gemini 或 Copilot 來編輯文檔。

至於那些更有遠見、一頭扎進 AI token（Token）（AI 模型處理文本的基本單位，企業使用大語言模型時通常按消耗的 token 數量計費）海洋的公司，比如優步（Uber）或 Shopify（我這裡不包括像 Meta 或微軟這種自己開發大語言模型的公司，也不包括 Vercel 或 Cloudflare 這種積極搭建 AI 基礎設施的公司；只說純粹的「使用者」），他們的 AI 用量簡直陷入了瘋狂。

我們已經見怪不怪了：從 90% 到 100% 的程式碼由 AI 生成，到每週提交的程式碼審查（PRs/diffs）數量暴增 2 到 5 倍，再到上億美元的全年 AI 預算在短短幾個月內被消耗淨盡。

然而，像 Ed Zitron、Will Manidis、Gary Marcus 和 Michael Bury 這些科技評論家和投資人們，肯定會反問你一個直擊靈魂的問題：既然如此，為什麼這些公司的收入沒有隨之實現 2 到 5 倍的增長呢？為什麼他們的 App 看起來和半年前幾乎一模一樣？如果 AI 真的那麼高產，他們到底用 AI 生產出了什麼？如果他們多寫了 5 倍的程式碼，而終端用戶卻毫無察覺，那這些程式碼到底有什麼意義？這是一個極其尖銳且合理的問題。

投入（Input）、產出（Output）與成果（Outcome）

我們得先插播一點企業管理基礎課。當一家快速成長、融資過剩、四處灑錢的中型公司終於面臨資金乾涸時，你去向某位資深的 CEO 請教。他會建議你請麥肯錫的人來看看情況。諮詢顧問會在簡報的第一頁放上一張純白的投影片，上面用預設的 Arial 字型寫着三個詞：「投入、產出、成果」。

他們會向你解釋一個大家都懂、卻總愛遺忘的商業本質：

程式碼，僅僅是投入。

功能，才是產出。

用戶心甘情願為你的產品掏錢，這才是成果。

AI（或者至少像 Claude 企業版這樣的產品）本質上是一個面向企業的軟體服務（B2B SaaS）產品。你會發現，SaaS 產品的定價和行銷方式各有不同。如果一個產品能直接改變「成果」，他們通常會直接從「成果」中抽成。想象一下這樣的銷售話術：「我們的工具能讓您促成銷售線索的速度提升 36%。馬上體驗吧，只需支付銷售額 5% 的低價服務費即可。」

這絕對能秒殺客戶。在其他條件不變的情況下，如果你過去 100 天能談成 100 筆單子，現在只需要 63 天。省下來的 36 天（如果我算得沒錯的話）能讓你再多談成 57 筆單子！也就是說，你的銷售額潛在增長了 57%。任何人都非常樂意從銷售提成裡拿出 5%，來換取 57% 的額外收入。而且如果你不用這個產品，你一分錢都不用付。

你可能已經猜到我要說什麼了——Claude 消耗 Token 的定價模式可完全不是這樣。如果你的軟體工程師像吸毒一樣對用 Claude 編程上癮（我才發現它倆的英文縮寫居然都是「cc」），每天生成 1 億個 Token，那你每天就要為每個工程師掏 100 美元。

即使他們生成的程式碼有一部分因為跑不通而被扔進垃圾桶；

即使有些程式碼後來引發了嚴重的系統故障（SEV）（SEV 指 Severity，科技公司常用來代指導致服務中斷的嚴重線上事故）而被緊急回滾；

甚至即使還有一部分程式碼，只是為了給內部工具換個皮，好讓副總裁們看數據儀表板時覺得更可愛；

統統都要照單全付。因為程式碼只是「投入」。雖然通常來說，只要方向正確，更多的「投入」往往會帶來更多的「產出」，進而帶來更好的「成果」。但是，當你在一夜之間把投入放大了 5 倍時，這條規律可就不一定適用了。你增加的這些「投入」，可能突然就變成了無頭蒼蠅，完全偏離了預期的「產出」或「成果」。

到底是什麼在阻礙我們！

過去，每次 CEO 或產品經理（PM）想做 10 件事的時候，開發團隊總會說他們只能搞定最重要的兩件，剩下的 8 件沒時間做。理由是什麼？因為寫程式碼可不是過家家，開發一套複雜且能跑通的軟體是需要耗費大量時間的。

嗯……但是現在程式碼幾乎是免費的了。為什麼我們還是沒做那剩下的 8 件事呢？

答案有兩個：一個是 CEO 和產品經理不愛聽的；另一個是中層管理和資深員工不愛聽的。

1. 其實那 8 個想法……根本就不靠譜？

僅僅因為 CEO 或產品經理腦海裡閃過了 10 個念頭，並不代表它們真的能轉化為實際的業務成果。就算你真的做出了 10 個新功能（產出），也不能保證用戶全買賬並因此更多地使用你的 App（成果）。

事實上，正因為以前開發資源有限，這種「摩擦力」逼迫大家不得不進行更激烈的爭論，從而在那些糟糕的想法消耗過多資源之前早早斃掉它們，選出最棒的那兩個。而現在，寫程式碼變得又快又便宜，再去爭論想法的好壞似乎顯得毫無意義。就算你試圖反駁他們，你覺得能阻止 CEO 或 PM 轉身自己去向 Claude 提需求嗎？算了吧，連嘗試都不用嘗試。

2. 讓所有人「對齊」太痛苦了。

我們都知道這有多折磨人。首先要讓所有利益相關者對「為什麼」要做這件事達成共識；接著，還得另外開會討論具體「做些什麼」；最後，大家還得再為「怎麼做」拉扯一番。

團隊數量越多，卡在「對齊地獄」裡的專案就越多。以前由於寫程式慢，這個問題被掩飾了。現在倒好，「做些什麼」一旦拍板，立刻就有人通宵搞出個最小可行性產品（MVP）（用最低成本開發出剛好能展示核心理念的產品，用於快速試錯），並在第二天立馬安排下一場會議。

在會上，你驚訝地發現另一個團隊居然也偷偷搞了個 MVP！更要命的是，因為你們基於不同的假設，兩個產品運作的邏輯南轅北轍。

當然，你們可以坐下來慢慢磨，討論誰的假設才是正確的。

但說實話吧。手握無限 Claude Token 的你和你的團隊，才懶得這麼幹呢。另一個團隊也不會。你會毫不猶豫地轉身投入 Claude 的懷抱，讓它按照你認為最完美的方式，把對面團隊的工作重新實現一遍。而 Claude 只會乖巧地回一句：「您說得太對了！」，然後立刻開始敲程式碼。

裁員到底能解決什麼問題？

好吧，感謝你耐心聽我唠叨了半天這些顯而易見的大道理。我知道你們想看最核心的乾貨。

裁員到底能達到什麼目的？按照我的假設，如果 AI 並沒有真正做到一對一地替換掉 30% 的員工（這點大家應該能達成共識吧？雖然在很多任務上，它比初級白領強，但在另一些任務上又不如人類——它絕對不是可以直接拔插替換的零件，更不可能直接取代一家公司 10%、20% 甚至 30% 的人）。

既然如此，裁員的邏輯在哪？因為它能立竿見影地解決兩個擺在台面上的短期問題。

1. 抵銷「AI 支出」

這其實就是最基礎的現金流算術題。顯而易見，如果你那些對 Claude 上癮的工程師們每天都在 Claude 上揮霍 100 美元（也就是每月 2500 美元，每年 3 萬美元），這筆錢在印度已經抵得上一個軟體開發工程師（SDE）的全部薪水了；在歐洲能抵半個 SDE；在美國也能抵四分之一。

如果做一個最簡單粗暴的計算：假設在一家扁平化的公司裡，所有員工都是 SDE。為了維持現有的薪資支出總額（包括購買 Token 的花費），你必須裁掉 50%（印度）、33%（歐洲）或 20%（美國）的員工。

事實上，既然 AI 的使用量正在無視一切地瘋狂增長，而公司的收入卻沒有出現相應的增長，裁員就成了必然選擇。否則，公司的資產負債表就會徹底崩潰。如果你的投入成本增加了 50%，但最終的商業成果卻毫無起色甚至一成不變，那你整個軟體開發生命周期的單位經濟效益就完全崩潰了。

假如我們真正學會了如何使用 AI——弄清楚了如何讓增加 50% 的投入成本轉化為增加 50% 的收入成果，我們就不用走這一步了。但是，正因為你還沒學會，所以你們當中的一些人就必須捲蓋走人，好騰出錢來給 Anthropic 開工資。

2. 削減「對齊稅」

毫無疑問，任何一家大公司的體量，都遠遠超出了其單純為了「生存」所需的規模。這正是大公司的特點，大型組織註定會堆積「組織脂肪」，這是組織架構設計的必然結果。

在這些公司裡，即使有人離職，系統照樣能運轉，因為總有別人知道他以前是幹嘛的。在很多大廠，你甚至可以安心休半年產假，你負責的專案依舊安然無恙。這些都是好現象！但這同時也是一個鐵證：如果裁掉一部分人，公司絕不會立刻癱瘓。恰恰相反，在經歷了最初幾週的系統性陣痛後，在接下來的幾個月裡，運轉速度甚至會變快！

還記得前面提到的那兩個為了技術方案鎮持不下的團隊嗎？很簡單，只要你裁掉其中一個團隊，然後讓留下的那個團隊熬幾個通宵把活幹完——他們就再也不用和任何人「對齊」了。

我們無法預知長期會發生什麼（或者套用經濟學家凱恩斯的話——「從長期來看，我們都死了」），但在短期內，裁掉大企業中 10-20% 的員工，只會讓工作節奏變得更快。

大企業隨著時間推移，不可避免地會積累冗余、人浮於事，就像積累技術債務一樣積累起大量的「組織債務」。這就是大企業的通病。今天裁掉 10% 的人，也無法阻止兩年後老毛病復發。但是，當你看到所有人都在吹噓自己比以前多提交了 5 倍的程式碼，卻因為被其他團隊卡脖子而遲遲無法上線時，最直接、最粗暴的解藥顯然就是：裁掉一些人，這樣就沒人互相卡脖子了。

這就是 AI 裁員，哪怕 AI 並沒有直接取代你的位子

你的工號被虛擬機上運行的一個新 Claude 實例取代了嗎？我們都知道事情並非如此。

儘管如此，公司裡是不是有許多曾經需要你在 VS Code、Figma、Canva 或 Google Docs 裡敲敲鍵盤、點點滑鼠才能完成的工作流程，如今卻變成了別人（那些本來需要你提供這些工作成果的人）直接沖著大語言模型吼一嗓子寫個提示詞，再也懶得來找你幫忙了？這也是不爭的事實。

這些裁員到底算不算「AI 洗白」？也就是說——公司是不是本來就存在各種與 AI 無關的根本性問題（比如過度招聘、利潤下滑、競爭壓力、糟糕的商業決策），現在只是拿 AI 當個裁員的「借口」？嗯，某種程度上這也說得通。

你可能還會發現，如果把這段時間所有 CEO 發的「裁員郵件」收集起來，你甚至會覺得他們是不是拉了個聊天群，聚在一起通氣寫的這些郵件。「AI 原生小組」、「寫程式的管理者」、「增加管理跨度」、「扁平化架構」、「管理 AI 智能體團隊」……你會發現這些新鮮詞彙如出一轍地出現在每一封郵件裡。簡直就像是他們給 GPT 喂了同一段提示詞一樣。

但真相是，即使這些裁員不是因為 AI 直接取代了你，即使它們夾雜著「AI 洗白」的成分，這些裁員歸根結底依然是因為 AI 引起的。而且，這場裁員潮將一直持續，直到我們真正學會如何使用 AI。

直到我們學會如何將海量的 AI Token 轉化為實打實的商業成果，而不僅僅是程式碼投入；直到我們學會讓組織間的「對齊」速度，跟上全新世代的編碼速度；直到我們弄明白，在原本那 2 個好點子和 8 個酸主意之外，如何利用這多出來的生產力去追逐另外 10 個充滿潛力的新想法。

在我們真正搞清楚 AI 究竟如何推動全球 GDP 增長之前，為了填補那高達 700 億美元（OpenAI 與 Anthropic 的企業級營收總和）的年度 Token 開銷，企業只能通過削減員工薪水來「拆東牆補西牆」。

而在我們學會如何更高效地疏通團隊間互相卡脖子的現象之前，解決問題的辦法永遠只有一個——直接把我們從組織架構圖上抹掉。