作者：Arnav Gupta
在我们公司的高层办公室里，某处正躺着一份多达8000人的裁员名单。我有10%的概率在这份名单上。再过几天，也就是5月20日，我就能知道自己的命运了。
看到今天Coinbase宣布的"AI裁员"消息，我决定写下这篇文章。我特意赶在5月20日之前动笔，因为我想分享一些最真实的看法，不带任何"我是走是留"的个人情绪。
现在有大量的文章在争论：这新一波的裁员潮到底是因为AI导致的，还是仅仅在搞"AI洗白"？我不想在文章里塞满各种新闻和论文的链接来折磨你，这些内容你可能早就看过了。
备受吹捧的"AI生产力"与难以捉摸的证据
AI真的让我们更高效了吗？这真是一个充满争议的重磅问题！如果我们反向思考一下，断言"AI什么都没改变"，我想哪怕是那些最怀疑AI价值的人，也不会同意这种说法。
至于那些更有远见、一头扎进AI token海洋的公司，比如优步或Shopify，他们的AI用量简直陷入了疯狂。我们已经见怪不怪了：从90%到100%的代码由AI生成，到每周提交的代码审查数量暴增2到5倍，再到上亿美元的全年AI预算在短短几个月内被消耗殆尽。
然而，像Ed Zitron、Will Manidis、Gary Marcus和Michael Bury这些科技评论家和投资人们，肯定会反问你一个直击灵魂的问题：既然如此，为什么这些公司的收入没有随之实现2到5倍的增长呢？为什么他们的App看起来和半年前几乎一模一样？如果AI真的那么高产，他们到底用AI生产出了什么？
投入、产出与成果
我们得先插播一点企业管理基础课。当一家快速成长、融资过剩、四处撒钱的中型公司终于面临资金干涸时，你去向某位资深的CEO请教。他会建议你请麦肯锡的人来看看情况。咨询顾问会在演示文稿的第一页放上一张纯白的幻灯片，上面用默认的Arial字体写着三个词："投入、产出、成果"。
他们会向你解释一个大家都懂、却总爱遗忘的商业本质：
代码，仅仅是投入。
功能，才是产出。
用户心甘情愿为你的产品掏钱，这才是成果。
AI本质上是一个面向企业的软件服务产品。你会发现，SaaS产品的定价和营销方式各有不同。如果一个产品能直接改变"成果"，他们通常会直接从"成果"中抽成。
你可能已经猜到我要说什么了——Claude消耗Token的定价模式可完全不是这样。如果你的软件工程师像吸毒一样对用Claude编程上瘾，每天生成1亿个Token，那你每天就要为每个工程师掏100美元。
即使他们生成的代码有一部分因为跑不通而被扔进垃圾桶；即使有些代码后来引发了严重的系统故障而被紧急回滚；甚至即使还有一部分代码，只是为了给内部工具换个皮，好让副总裁们看数据仪表盘时觉得更可爱——统统都要照单全付。因为代码只是"投入"。
到底是什么在阻碍我们！
过去，每次CEO或产品经理想做10件事的时候，开发团队总会说他们只能搞定最重要的两件，剩下的8件没时间做。理由是什么？因为写代码可不是过家家，开发一套复杂且能跑通的软件是需要耗费大量时间的。
嗯……但是现在代码几乎是免费的了。为什么我们还是没做那剩下的8件事呢？
答案有两个：
其实那8个想法……根本就不靠谱？
仅仅因为CEO或产品经理脑海里闪过了10个念头，并不代表它们真的能转化为实际的业务成果。正因为以前开发资源有限，这种"摩擦力"逼迫大家不得不进行更激烈的争论，从而在那些糟糕的想法消耗过多资源之前早早毙掉它们，选出最棒的那两个。而现在，写代码变得又快又便宜，再去争论想法的好坏似乎显得毫无意义。
让所有人"对齐"太痛苦了。
我们都知道这有多折磨人。首先要让所有利益相关者对"为什么"要做这件事达成共识；接着，还得另外开会讨论具体"做些什么"；最后，大家还得再为"怎么做"拉扯一番。团队数量越多，卡在"对齐地狱"里的项目就越多。
以前由于写代码慢，这个问题被掩盖了。现在倒好，"做些什么"一旦拍板，立刻就有人通宵搞出个最小可行性产品，并在第二天立马安排下一场会议。在会上，你惊讶地发现另一个团队居然也偷偷搞了个MVP！更要命的是，因为你们基于不同的假设，两个产品运作的逻辑南辕北辙。
裁员到底能解决什么问题？
好吧，感谢你耐心听我念叨了半天这些显而易见的大道理。我知道你们想看最核心的干货。裁员到底能达到什么目的？
既然如此，裁员的逻辑在哪？因为它能立竿见影地解决两个摆在台面上的短期问题。
抵消"AI支出"
这其实就是最基础的现金流算术题。显而易见，如果你那些对Claude上瘾的工程师们每天都在Claude上挥霍100美元（也就是每月2500美元，每年3万美元），这笔钱在印度已经抵得上一个软件开发工程师的全部薪水了；在欧洲能抵半个；在美国也能抵四分之一个。
如果做一个最简单粗暴的计算：假设在一家扁平化的公司里，所有员工都是SDE。为了维持现有的工资支出总额（包括购买Token的花销），你必须裁掉50%（印度）、33%（欧洲）或20%（美国）的员工。
事实上，既然AI的使用量正在无视一切地疯狂增长，而公司的收入却没有出现相应的增长，裁员就成了必然选择。否则，公司的资产负债表就会彻底崩溃。
削减"对齐税"
毫无疑问，任何一家大公司的体量，都远远超出了其单纯为了"生存"所需的规模。这正是大公司的特点，大型组织注定会堆积"组织脂肪"，这是组织架构设计的必然结果。
在这些公司里，即使有人离职，系统照样能运转，因为总有别人知道他以前是干嘛的。在很多大厂，你甚至可以安心休半年产假，你负责的项目依旧安然无恙。这些都是好现象！但这同时也是一个铁证：如果裁掉一部分人，公司绝不会立刻瘫痪。
恰恰相反，在经历了最初几周的系统性阵痛后，在接下来的几个月里，运转速度甚至会变快！
还记得前面提到的那两个为了技术方案僵持不下的团队吗？很简单，只要你裁掉其中一个团队，然后让留下的那个团队熬几个通宵把活干完——他们就再也不用和任何人"对齐"了。
这就是AI裁员，哪怕AI并没有直接取代你的位子
你的工号被虚拟机上运行的一个新Claude实例取代了吗？我们都知道事情并非如此。
尽管如此，公司里是不是有许多曾经需要你在VS Code、Figma、Canva或Google Docs里敲敲键盘、点点鼠标才能完成的工作流程，如今却变成了别人直接冲着大语言模型吼一嗓子写个提示词，再也懒得来找你帮忙了？这也是不争的事实。
这些裁员到底算不算"AI洗白"？也就是说——公司是不是本来就存在各种与AI无关的根本性问题（比如过度招聘、利润下滑、竞争压力、糟糕的商业决策），现在只是拿AI当个裁员的"借口"？嗯，某种程度上这也说得通。
你可能还会发现，如果把这段时间所有CEO发的"裁员邮件"收集起来，你甚至会觉得他们是不是拉了个聊天群，聚在一起通气写的这些邮件。"AI原生小组"、"写代码的管理者"、"增加管理跨度"、"扁平化架构"、"管理AI智能体团队"……你会发现这些新鲜词汇如出一辙地出现在每一封邮件里。
但真相是，即使这些裁员不是因为AI直接取代了你，即使它们夹杂着"AI洗白"的成分，这些裁员归根结底依然是因为AI引起的。而且，这场裁员潮将一直持续，直到我们真正学会如何使用AI。
直到我们学会如何将海量的AI Token转化为实打实的商业成果，而不仅仅是代码投入；直到我们学会让组织间的"对齐"速度，跟上全新世代的编码速度；直到我们弄明白，在原本那2个好点子和8个馊主意之外，如何利用这多出来的生产力去追逐另外10个充满潜力的新想法。
在我们真正搞清楚AI究竟如何推动全球GDP增长之前，为了填补那高达700亿美元的年度Token开销，企业只能通过削减员工薪水来"拆东墙补西墙"。而在我们学会如何更高效地疏通团队间互相卡脖子的现象之前，解决问题的办法永远只有一个——直接把我们从组织架构图上抹掉。
还有15天，我就能知晓自己的命运了。但不管结果如何，我想我已经知道了原因。哪怕当时坐在角落那间宽敞的CEO办公室里做决定的人是我，我也不知道自己能不能做得更好，说不定我也只会和其他拉群的CEO们一样，做出如出一辙的选择。
热门跟贴