AI帶來(lái)的裁員潮將持續(xù)，直到人類學(xué)會(huì)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(dá)8000人的裁員名單。我有10%的概率在這份名單上。再過(guò)幾天，也就是5月20日，我就能知道自己的命運(yùn)了。

看到今天Coinbase宣布的"AI裁員"消息，我決定寫(xiě)下這篇文章。我特意趕在5月20日之前動(dòng)筆，因?yàn)槲蚁敕窒硪恍┳钫鎸?shí)的看法，不帶任何"我是走是留"的個(gè)人情緒。

現(xiàn)在有大量的文章在爭(zhēng)論：這新一波的裁員潮到底是因?yàn)锳I導(dǎo)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(lái)折磨你，這些內(nèi)容你可能早就看過(guò)了。

備受吹捧的"AI生產(chǎn)力"與難以捉摸的證據(jù)

AI真的讓我們更高效了嗎？這真是一個(gè)充滿爭(zhēng)議的重磅問(wèn)題！如果我們反向思考一下，斷言"AI什么都沒(méi)改變"，我想哪怕是那些最懷疑AI價(jià)值的人，也不會(huì)同意這種說(shuō)法。

至于那些更有遠(yuǎn)見(jiàn)、一頭扎進(jìn)AI token海洋的公司，比如優(yōu)步或Shopify，他們的AI用量簡(jiǎn)直陷入了瘋狂。我們已經(jīng)見(jiàn)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(shù)量暴增2到5倍，再到上億美元的全年AI預(yù)算在短短幾個(gè)月內(nèi)被消耗殆盡。

然而，像Ed Zitron、Will Manidis、Gary Marcus和Michael Bury這些科技評(píng)論家和投資人們，肯定會(huì)反問(wèn)你一個(gè)直擊靈魂的問(wèn)題：既然如此，為什么這些公司的收入沒(méi)有隨之實(shí)現(xiàn)2到5倍的增長(zhǎng)呢？為什么他們的App看起來(lái)和半年前幾乎一模一樣？如果AI真的那么高產(chǎn)，他們到底用AI生產(chǎn)出了什么？

投入、產(chǎn)出與成果

我們得先插播一點(diǎn)企業(yè)管理基礎(chǔ)課。當(dāng)一家快速成長(zhǎng)、融資過(guò)剩、四處撒錢的中型公司終于面臨資金干涸時(shí)，你去向某位資深的CEO請(qǐng)教。他會(huì)建議你請(qǐng)麥肯錫的人來(lái)看看情況。咨詢顧問(wèn)會(huì)在演示文稿的第一頁(yè)放上一張純白的幻燈片，上面用默認(rèn)的Arial字體寫(xiě)著三個(gè)詞："投入、產(chǎn)出、成果"。

他們會(huì)向你解釋一個(gè)大家都懂、卻總愛(ài)遺忘的商業(yè)本質(zhì)：

代碼，僅僅是投入。

功能，才是產(chǎn)出。

用戶心甘情愿為你的產(chǎn)品掏錢，這才是成果。

AI本質(zhì)上是一個(gè)面向企業(yè)的軟件服務(wù)產(chǎn)品。你會(huì)發(fā)現(xiàn)，SaaS產(chǎn)品的定價(jià)和營(yíng)銷方式各有不同。如果一個(gè)產(chǎn)品能直接改變"成果"，他們通常會(huì)直接從"成果"中抽成。

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

即使他們生成的代碼有一部分因?yàn)榕懿煌ǘ蝗舆M(jìn)垃圾桶；即使有些代碼后來(lái)引發(fā)了嚴(yán)重的系統(tǒng)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(nèi)部工具換個(gè)皮，好讓副總裁們看數(shù)據(jù)儀表盤時(shí)覺(jué)得更可愛(ài)——統(tǒng)統(tǒng)都要照單全付。因?yàn)榇a只是"投入"。

到底是什么在阻礙我們！

過(guò)去，每次CEO或產(chǎn)品經(jīng)理想做10件事的時(shí)候，開(kāi)發(fā)團(tuán)隊(duì)總會(huì)說(shuō)他們只能搞定最重要的兩件，剩下的8件沒(méi)時(shí)間做。理由是什么？因?yàn)閷?xiě)代碼可不是過(guò)家家，開(kāi)發(fā)一套復(fù)雜且能跑通的軟件是需要耗費(fèi)大量時(shí)間的。

嗯……但是現(xiàn)在代碼幾乎是免費(fèi)的了。為什么我們還是沒(méi)做那剩下的8件事呢？

答案有兩個(gè)：

其實(shí)那8個(gè)想法……根本就不靠譜？

僅僅因?yàn)镃EO或產(chǎn)品經(jīng)理腦海里閃過(guò)了10個(gè)念頭，并不代表它們真的能轉(zhuǎn)化為實(shí)際的業(yè)務(wù)成果。正因?yàn)橐郧伴_(kāi)發(fā)資源有限，這種"摩擦力"逼迫大家不得不進(jìn)行更激烈的爭(zhēng)論，從而在那些糟糕的想法消耗過(guò)多資源之前早早斃掉它們，選出最棒的那兩個(gè)。而現(xiàn)在，寫(xiě)代碼變得又快又便宜，再去爭(zhēng)論想法的好壞似乎顯得毫無(wú)意義。

讓所有人"對(duì)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(guān)者對(duì)"為什么"要做這件事達(dá)成共識(shí)；接著，還得另外開(kāi)會(huì)討論具體"做些什么"；最后，大家還得再為"怎么做"拉扯一番。團(tuán)隊(duì)數(shù)量越多，卡在"對(duì)齊地獄"里的項(xiàng)目就越多。

以前由于寫(xiě)代碼慢，這個(gè)問(wèn)題被掩蓋了。現(xiàn)在倒好，"做些什么"一旦拍板，立刻就有人通宵搞出個(gè)最小可行性產(chǎn)品，并在第二天立馬安排下一場(chǎng)會(huì)議。在會(huì)上，你驚訝地發(fā)現(xiàn)另一個(gè)團(tuán)隊(duì)居然也偷偷搞了個(gè)MVP！更要命的是，因?yàn)槟銈兓诓煌募僭O(shè)，兩個(gè)產(chǎn)品運(yùn)作的邏輯南轅北轍。

裁員到底能解決什么問(wèn)題？

好吧，感謝你耐心聽(tīng)我念叨了半天這些顯而易見(jiàn)的大道理。我知道你們想看最核心的干貨。裁員到底能達(dá)到什么目的？

既然如此，裁員的邏輯在哪？因?yàn)樗芰⒏鸵?jiàn)影地解決兩個(gè)擺在臺(tái)面上的短期問(wèn)題。

抵消"AI支出"

這其實(shí)就是最基礎(chǔ)的現(xiàn)金流算術(shù)題。顯而易見(jiàn)，如果你那些對(duì)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(wàn)美元），這筆錢在印度已經(jīng)抵得上一個(gè)軟件開(kāi)發(fā)工程師的全部薪水了；在歐洲能抵半個(gè)；在美國(guó)也能抵四分之一個(gè)。

如果做一個(gè)最簡(jiǎn)單粗暴的計(jì)算：假設(shè)在一家扁平化的公司里，所有員工都是SDE。為了維持現(xiàn)有的工資支出總額（包括購(gòu)買Token的花銷），你必須裁掉50%（印度）、33%（歐洲）或20%（美國(guó)）的員工。

事實(shí)上，既然AI的使用量正在無(wú)視一切地瘋狂增長(zhǎng)，而公司的收入?yún)s沒(méi)有出現(xiàn)相應(yīng)的增長(zhǎng)，裁員就成了必然選擇。否則，公司的資產(chǎn)負(fù)債表就會(huì)徹底崩潰。

削減"對(duì)齊稅"

毫無(wú)疑問(wèn)，任何一家大公司的體量，都遠(yuǎn)遠(yuǎn)超出了其單純?yōu)榱?生存"所需的規(guī)模。這正是大公司的特點(diǎn)，大型組織注定會(huì)堆積"組織脂肪"，這是組織架構(gòu)設(shè)計(jì)的必然結(jié)果。

在這些公司里，即使有人離職，系統(tǒng)照樣能運(yùn)轉(zhuǎn)，因?yàn)榭傆袆e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(chǎn)假，你負(fù)責(zé)的項(xiàng)目依舊安然無(wú)恙。這些都是好現(xiàn)象！但這同時(shí)也是一個(gè)鐵證：如果裁掉一部分人，公司絕不會(huì)立刻癱瘓。

恰恰相反，在經(jīng)歷了最初幾周的系統(tǒng)性陣痛后，在接下來(lái)的幾個(gè)月里，運(yùn)轉(zhuǎn)速度甚至?xí)兛欤?/p>

還記得前面提到的那兩個(gè)為了技術(shù)方案僵持不下的團(tuán)隊(duì)嗎？很簡(jiǎn)單，只要你裁掉其中一個(gè)團(tuán)隊(duì)，然后讓留下的那個(gè)團(tuán)隊(duì)熬幾個(gè)通宵把活干完——他們就再也不用和任何人"對(duì)齊"了。

這就是AI裁員，哪怕AI并沒(méi)有直接取代你的位子

你的工號(hào)被虛擬機(jī)上運(yùn)行的一個(gè)新Claude實(shí)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(jīng)需要你在VS Code、Figma、Canva或Google Docs里敲敲鍵盤、點(diǎn)點(diǎn)鼠標(biāo)才能完成的工作流程，如今卻變成了別人直接沖著大語(yǔ)言模型吼一嗓子寫(xiě)個(gè)提示詞，再也懶得來(lái)找你幫忙了？這也是不爭(zhēng)的事實(shí)。

這些裁員到底算不算"AI洗白"？也就是說(shuō)——公司是不是本來(lái)就存在各種與AI無(wú)關(guān)的根本性問(wèn)題（比如過(guò)度招聘、利潤(rùn)下滑、競(jìng)爭(zhēng)壓力、糟糕的商業(yè)決策），現(xiàn)在只是拿AI當(dāng)個(gè)裁員的"借口"？嗯，某種程度上這也說(shuō)得通。

你可能還會(huì)發(fā)現(xiàn)，如果把這段時(shí)間所有CEO發(fā)的"裁員郵件"收集起來(lái)，你甚至?xí)X(jué)得他們是不是拉了個(gè)聊天群，聚在一起通氣寫(xiě)的這些郵件。"AI原生小組"、"寫(xiě)代碼的管理者"、"增加管理跨度"、"扁平化架構(gòu)"、"管理AI智能體團(tuán)隊(duì)"……你會(huì)發(fā)現(xiàn)這些新鮮詞匯如出一轍地出現(xiàn)在每一封郵件里。

但真相是，即使這些裁員不是因?yàn)锳I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(jié)底依然是因?yàn)锳I引起的。而且，這場(chǎng)裁員潮將一直持續(xù)，直到我們真正學(xué)會(huì)如何使用AI。

直到我們學(xué)會(huì)如何將海量的AI Token轉(zhuǎn)化為實(shí)打?qū)嵉纳虡I(yè)成果，而不僅僅是代碼投入；直到我們學(xué)會(huì)讓組織間的"對(duì)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(gè)好點(diǎn)子和8個(gè)餿主意之外，如何利用這多出來(lái)的生產(chǎn)力去追逐另外10個(gè)充滿潛力的新想法。

在我們真正搞清楚AI究竟如何推動(dòng)全球GDP增長(zhǎng)之前，為了填補(bǔ)那高達(dá)700億美元的年度Token開(kāi)銷，企業(yè)只能通過(guò)削減員工薪水來(lái)"拆東墻補(bǔ)西墻"。而在我們學(xué)會(huì)如何更高效地疏通團(tuán)隊(duì)間互相卡脖子的現(xiàn)象之前，解決問(wèn)題的辦法永遠(yuǎn)只有一個(gè)——直接把我們從組織架構(gòu)圖上抹掉。

還有15天，我就能知曉自己的命運(yùn)了。但不管結(jié)果如何，我想我已經(jīng)知道了原因。哪怕當(dāng)時(shí)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(shuō)不定我也只會(huì)和其他拉群的CEO們一樣，做出如出一轍的選擇。