AI裁員，裁到了“消費”這根大動脈？

在4月6日到4月9日舉辦的HumanX大會上，入口處貼放著一條非常直白的廣告：

“停止雇傭人類”。

它不是主旨演講，也不是哪位CEO的發言，但它比臺上的所有表達都更直接。

因為在會場里，人們正在討論另一套說法：要提升批判性思維、加強溝通能力，要發揮人類獨有的價值。

可實際情況是，越來越多的公司在裁員時直接提到AI。

Salesforce裁掉4000名客服員工，稱AI已經接管了50%的工作；

Block CEO杰克·多西宣布，公司計劃裁掉近一半員工，理由是“智能工具”徹底改變了企業運作方式。

就在3月2日，來自賓夕法尼亞大學和波士頓大學的兩名研究人員發表了一篇論文，用數學推演了一個非常可怕的趨勢：

AI裁員將摧毀經濟。

每家用AI取代工人的公司，也在解雇自己的客戶；每位被裁的員工，都是曾經會花錢的人。

當足夠多的人失業時，購買力會被持續侵蝕，而那些裁員的公司，在一個沒有購買力的經濟中銷售產品，也會最終走向破產。

01

那篇論文的題目非常簡單，就叫《AI裁員陷阱》。

論文沒有去討論技術本身，也沒有預測具體會失去多少崗位。它討論了一個非常極端的情況：如果所有公司都用AI替代人，會發生什么？

它假設每家公司都面臨著一個簡單的選擇，用人，還是用AI。

用AI的好處是成本更低，每替代一個崗位，公司都能節省一部分開支。

可是問題在于，被替代的員工，從公司的角度來講可能是“成本”，但在市場上，他們同樣也是消費者。

從宏觀上看，當他們的收入減少時，對商品和服務的消費也會隨之減少，而這些消費，原本也是企業收入的一部分。

論文把這件事寫成了一個很清晰的結構：每裁掉一個人，會帶來一部分需求損失。

注意了，這部分損失并不會完全由裁員的公司承擔，而是被整個市場分攤，每家公司（不管是否裁員）都承擔其中的一小部分。

好處是私有的，代價變成了公攤，從單個公司的角度來講，繼續自動化似乎是最佳選擇。

而且光自動化還不夠，還要比競爭對手更快地自動化——不然不就落后于人了嗎？

按照這個邏輯去推演，當競爭進一步加劇，公司之間會爭相加速自動化，以獲得暫時的優勢。

但由于每家公司都在自動化，這些優勢會相互抵消，可是需求的流失不會抵消。

論文用了一個很形象的概念來描述這種狀態：“紅皇后效應”。

所有人都被逼著奔跑，但沒有人真正前進。

用中國的古話講，就是“逆水行舟，不進則退”；或者更通俗點，被迫內卷。

更極端一點，當自動化幾乎沒有成本時，這個系統甚至會演化為一個典型的囚徒困境：

每家公司都會選擇完全自動化，因為這是對自己最優的策略；但當所有公司都這么做時，最終的結果反而比不自動化更差。

問題是，即使每家公司都知道裁員會削弱市場，它們依然會繼續。

繼續跑好歹是一損俱損，停下來，只會被更快淘汰

02

那么就有人要問了：這個情況該怎么辦呢？

論文給出的解法是發揮一下“有形之手”的作用，為了大環境，向公司征收自動化稅（Pigouvian Tax）。

既然問題出在企業沒有為“需求被削弱”承擔全部成本，那就通過稅收，讓裁員變得沒那么“劃算”。

從模型內部來看，這個結論是自洽的：理想的稅率應該盡量對齊公司沒有承擔的那部分損失，這部分的稅收還能用于再培訓和提高再就業率，簡直是一個非常理想的解法。

但正因為它過于理想，它的問題也開始顯現。

這篇論文把現實世界壓縮成了一個簡單的模型，只剩下成本、需求和競爭這幾個簡單變量。

在這個框架下，“過度自動化”幾乎是一個必然結果。

但現實世界并不是這樣運作的：

需求并不會簡單地隨著收入減少而消失，它會遷移、重組，會被新的產品和服務重新激發；

崗位也不會只被替代，它們同樣會被創造，只是分布方式發生變化；

企業的決策，也不僅僅取決于成本，還受到戰略、品牌、政策等多重因素的影響。

現實世界是動態的、發展的、多元的，而這個模型是靜態的。

這并不意味著模型毫無價值，只是它刻意忽略了現實中的其他變量。

換句話說，這個模型并不是在還原現實，只是在放大其中的一條路徑。它更像是一個極端情景的放大鏡，警示我們：如果某些條件同時成立，市場機制本身，可能會把自動化推到一個未必理想的方向。

03

HumanX大會上的討論，其實提供了一種“現實版本”。

這是一個為期四天的大會，吸引了大約6500名投資人、創業者和科技高管。幾乎所有發言者都在重復同一套建議：要學會與AI協作，要提升判斷力，要更有人類特質。

DeepLearning.AI創始人吳恩達表示：編程并不會消失，AI只是讓更多人能夠參與其中；真正拉開差距的是如何理解問題、如何使用工具。

Greg Hart（培訓平臺Coursera CEO）則把重點放在了“人類能力”上，例如批判性思維、溝通能力、團隊協作。他提到，Coursera上的批判性思維課程，注冊人數在過去一年增長了三倍。

Florian Douetteau（法國人工智能公司Dataiku CEO）給出的描述更為具體：在未來的工作中，AI負責執行，人類負責判斷；機器整夜運行，人類在白天進行審核和決策。

這些說法聽起來像是升級版的職業建議，把人從執行者變成決策者，從生產者變成協調者。

但與此同時，入門級崗位正在消失。

根據投資機構SignalFire的數據，2019年到2024年，美國大型科技公司中，經驗不足一年的崗位招聘減少了50%。

那些原本用于培養經驗的工作，被自動化直接跳過；新人還沒來得及進入體系，體系本身就已經被改寫。

這些變化，還遠沒有達到論文所描述的那種極端狀態。需求沒有消失，新的崗位也在出現。

但它們至少說明了一點：現實，正朝著那個方向緩慢移動。

要知道，2025年HumanX大會的關鍵詞可是“human connections”（人類交流），會議大談社交和合作，到了今年臺上的話題就變成了自動化、效率、AI改變一切。

在HumanX大會上很少有人否認AI會改變工作，他們默認了“AI負責執行，人類負責決策”的美好未來，更多討論人的價值，討論人應該如何適應。

他們說，要學會使用AI工具而不是抗拒它，要把時間從執行轉移到判斷，要強化溝通、理解和協作這些“難以自動化”的能力……

甚至有一些聲音開始提出，人文學科可能成為未來技術職業的重要準備。因為當AI可以完成技術細節時，真正區分人的，是對人的理解。

這些建議值得聽取，但對個人而言，這一切都有一個前提：你本人，仍然在這個系統里。

你留下了，才有機會從執行者轉向決策者，從“被AI替代的一方”轉向“使用AI工具的一方”。

他們在教你如何適應未來，但很少有人討論，有多少人已經被排除在未來之外。

而從論文的角度來看，當所有公司都在做同樣的選擇時，系統的變化，可能并不會等人。

HumanX大會入口的那句“停止雇傭人類”并不是一個共識，但它之所以被記住，或許正是因為它足夠直接。

不過，當技術提升效率時，企業其實還有另一種選擇。如果他們能夠把這部分效率轉化為更低的價格、更快的服務，或者更豐富的產品供給，那么需求反而可能被放大。

這在經濟學中并不是新現象。早在蒸汽機時代就有人發現，效率的提升并不會減少資源使用，反而可能因為成本下降，帶來更大的需求。這個理論被稱為“杰文斯悖論”，由威廉·斯坦利·杰文斯于1865年提出。

而在AI領域，也存在類似的可能路徑：一些企業并沒有用AI去代替人，而是用它去擴大業務邊界。

像Aaron Levie（企業軟件公司Box CEO）就提出過一個不同的判斷：當AI降低知識工作的成本后，很多原本“做不起”的項目，會變得可行。

但這并不是一個自動發生的過程，它與企業如何使用AI有關，效率的提升可能轉化為利潤，也可能有一部分被釋放到需求當中。

論文中的推導或許過于簡單，現實中的調整也遠沒有結束。但至少有一件事已經越來越清楚：AI不會均勻地改變所有工作，它會先改變結構，再決定誰被留下。

而結構最終走向哪一邊，要看企業如何使用這項技術。