裁員將持續至我們學會使用 AI
原文作者：Arnav Gupta，AI 工程師
Jade, AI Analyst

在我們公司的高層辦公室裡，某處正躺著一份多达 8000 人的裁員名單。我有 10% 的概率在這份名單上。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实心聲。

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）到底是因为 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。

尤其是在科技公司中，AI 使用量的火箭式飙升是眼前的事實。即便是那些最保守、對 AI 預算設限、不為員工配備 AI 工具的公司，也無法否認部分工作實際上是由 AI 完成的——即使員工只是苦哈哈地在 Google 或 Microsoft 套件中，偷偷使用 Gemini 或 Copilot 編輯文件。

至於那些更有遠見、一头扎進 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 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% 的代碼由 AI 生成，到每週提交的代碼審查（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殆盡。

然而，像 Ed Zitron、Will Manidis、Gary Marcus 和 Michael Bury 這樣的科技評論家和投資者，肯定會問你一個直擊靈魂的問題：既然如此，為何這些公司的收入沒有隨之實現 2 到 5 倍的增長呢？為何它們的 App 看起來和半年前幾乎一模一樣？如果 AI 真的那麼高產，它們到底用 AI 生產出了什麼？如果它們多寫了 5 倍的代碼，而終端用戶卻毫無察覺，那這些代碼到底有什麼意義？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、四處撒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。諮詢顧問會在演示文稿的第一頁放上一張純白的幻燈片，上面用預設的 Arial 字體寫著三個詞：「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：

代碼，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（或至少像 Claude 企業版這樣的產品）本質上是一種面向企業的軟體服務（B2B SaaS）產品。你會發現，SaaS 產品的定價和營銷方式各不相同。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。想像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% 的低廉服務費即可。」

這絕對能讓客戶驚豔。在其他條件不變的情況下，如果你過去 100 天能談成 100 單，現在只需 63 天。省下的 36 天（如果我沒算錯的話）能讓你多談成 57 單！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佣金中拿出 5%，來換取 57% 的額外收入。而且如果你不使用這個產品，你一分錢都不用付。

你可能已經猜到我要說什麼了——Claude 的 Token 消耗定價模式完全不是這樣。如果你的軟體工程師像吸毒一樣對用 Claude 編程上癮（我剛發現它們的英文縮寫居然都是「cc」），每天生成 1 億個 Token，那你每天就要為每位工程師支付 100 美元。

即使他們生成的代碼有一部分因為跑不通而被扔進垃圾桶；

即使有些代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代碼，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；

全部都要照單全付。因為代碼只是「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？因為寫代碼可不是過家家，開發一套複雜且能跑通的軟體是需要耗費大量時間的。

嗯……但現在代碼幾乎是免費的了。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。

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，正因為過去開發資源有限，這種「摩擦力」迫使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淘汰它們，選出最棒的兩個。而現在，寫代碼變得又快又便宜，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，連試都不用試。

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。

團隊人數越多，卡在「對齊地獄」裡的項目就越多。以前由於寫代碼慢，這個問題被掩蓋了。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），並在第二天馬上安排下一场會議。

在會議上，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。

Of course, you can sit down and take your time to discuss whose assumptions are correct.

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：「您說得對極了！」，然後立刻開始敲代碼。

裁員到底能解決什麼問題？

好吧，感謝你耐心聽我唸叨了這麼久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檯面上的短期問題。

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個。

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。為了維持現有的工資支出總額（包括購買 Token 的花銷），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週期的單位經濟效益就完全崩盤了。

如果我們真正學會了如何使用 AI——弄清楚了如何將 50% 的投入成本轉化為 50% 的收入成果，我們就不必走這一步了。但是，正因為你還未學會，所以你們當中的一些人就必須卷鋪蓋走人，好騰出錢來給 Anthropic 開工資。

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什麼的。在很多大廠，你甚至可以安心休半年產假，你負責的項目依舊安然無恙。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！

还记得前面提到的那兩個為了技術方案僵持不下的團隊嗎？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。

隨著時間推移，大型企業不可避免地會累積冗餘和人浮於事，就像累積技術債務一樣累積大量「組織債務」。這正是大型企業的通病。今天裁掉 10% 的人，也無法阻止兩年後老毛病復發。但當你看到所有人都在誇耀自己提交的代碼比以前多了 5 倍，卻因被其他團隊卡脖子而無法上線時，最直接、最粗暴的解藥顯然就是：裁掉一些人，這樣就沒有人互相卡脖子了。

這就是 AI 裁員，即使 AI 並沒有直接取代你的位置

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）直接衝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（例如過度招聘、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「藉口」？嗯，某種程度上這也說得通。

你還可能會發現，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，聚在一起通氣寫了這些郵件。「AI 原生小組」、「寫代碼的管理者」、「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，即使這些裁員並非因 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，而不仅仅是代碼投入；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 個馊主意之外，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」。

在我們學會如何更有效地解決團隊間互相掣肘的問題之前，解決問題的方法永遠只有一個——直接把我們從組織架構圖上刪除。

還有 15 天，我就能知晓自己的命運了。但不管結果如何，我想我已經知道了原因。哪怕當時坐在角落那間寬敞的 CEO 辦公室裡做決定的人是我，我也不知道自己能不能做得更好，说不定我也只會和其他拉群的 CEO 們一樣，做出如出一轍的選擇。

原文連結

點擊了解律動 BlockBeats 在招崗位

歡迎加入律動 BlockBeats 官方社群：

Telegram 訂閱群：https://t.me/theblockbeats

Telegram 交流群：https://t.me/BlockBeats_App

Twitter 官方帳號：https://twitter.com/BlockBeatsAsia