AI帶來的裁員潮將持續，直到人類學會如何真正使用AI

作者：Arnav Gupta

在我們公司的高層辦公室里，某處正躺著一份多達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。

現在有大量的文章在爭論：這新一波的裁員潮到底是因為AI導致的，還是僅僅在搞"AI洗白"？我不想在文章里塞滿各種新聞和論文的鏈接來折磨你，這些內容你可能早就看過了。

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什么都沒改變"，我想哪怕是那些最懷疑AI價值的人，也不會同意這種說法。

至于那些更有遠見、一頭扎進AI token海洋的公司，比如優步或Shopify，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，到每周提交的代碼審查數量暴增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，為什么這些公司的收入沒有隨之實現2到5倍的增長呢？為什么他們的App看起來和半年前幾乎一模一樣？如果AI真的那么高產，他們到底用AI生產出了什么？

投入、產出與成果

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于面臨資金干涸時，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。咨詢顧問會在演示文稿的第一頁放上一張純白的幻燈片，上面用默認的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。

用戶心甘情愿為你的產品掏錢，這才是成果。

AI本質上是一個面向企業的軟件服務產品。你會發現，SaaS產品的定價和營銷方式各有不同。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。

你可能已經猜到我要說什么了——Claude消耗Token的定價模式可完全不是這樣。如果你的軟件工程師像吸毒一樣對用Claude編程上癮，每天生成1億個Token，那你每天就要為每個工程師掏100美元。

即使他們生成的代碼有一部分因為跑不通而被扔進垃圾桶；即使有些代碼后來引發了嚴重的系統故障而被緊急回滾；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盤時覺得更可愛——統統都要照單全付。因為代碼只是"投入"。

到底是什么在阻礙我們！

過去，每次CEO或產品經理想做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。理由是什么？因為寫代碼可不是過家家，開發一套復雜且能跑通的軟件是需要耗費大量時間的。

嗯……但是現在代碼幾乎是免費的了。為什么我們還是沒做那剩下的8件事呢？

答案有兩個：

其實那8個想法……根本就不靠譜？

僅僅因為CEO或產品經理腦海里閃過了10個念頭，并不代表它們真的能轉化為實際的業務成果。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。

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"為什么"要做這件事達成共識；接著，還得另外開會討論具體"做些什么"；最后，大家還得再為"怎么做"拉扯一番。團隊數量越多，卡在"對齊地獄"里的項目就越多。

以前由于寫代碼慢，這個問題被掩蓋了。現在倒好，"做些什么"一旦拍板，立刻就有人通宵搞出個最小可行性產品，并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，因為你們基于不同的假設，兩個產品運作的邏輯南轅北轍。

裁員到底能解決什么問題？

好吧，感謝你耐心聽我念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干貨。裁員到底能達到什么目的？

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臺面上的短期問題。

抵消"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件開發工程師的全部薪水了；在歐洲能抵半個；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里，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。

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，大型組織注定會堆積"組織脂肪"，這是組織架構設計的必然結果。

在這些公司里，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干嘛的。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，在經歷了最初幾周的系統性陣痛后，在接下來的幾個月里，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僵持不下的團隊嗎？很簡單，只要你裁掉其中一個團隊，然后讓留下的那個團隊熬幾個通宵把活干完——他們就再也不用和任何人"對齊"了。

這就是AI裁員，哪怕AI并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？我們都知道事情并非如此。

盡管如此，公司里是不是有許多曾經需要你在VS Code、Figma、Canva或Google Docs里敲敲鍵盤、點點鼠標才能完成的工作流程，如今卻變成了別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"……你會發現這些新鮮詞匯如出一轍地出現在每一封郵件里。

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個餿主意之外，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700億美元的年度Token開銷，企業只能通過削減員工薪水來"拆東墻補西墻"。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。

還有15天，我就能知曉自己的命運了。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辦公室里做決定的人是我，我也不知道自己能不能做得更好，說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。