上周到现在，微软向约 6 万名员工发出了自愿离职邀约，巴克莱计划裁掉 5000 人，美国运通裁掉 3500 人。
数字很响，但真正值得琢磨的不是裁了多少，而是先动的是哪一层——三份名单摆在一起，会发现它们裁的人，和大多数人想的不太一样。
01
一周之内，三份名单
先把事情摆清楚。
微软本周宣布，向约 6 万名员工提供自愿离职补偿，覆盖美国、英国、加拿大、印度等地部分团队中副总裁及以下层级，规模超过其全球员工总数的四分之一。这不是它今年第一次动手——7 月刚裁掉 4800 人，春季还有一轮自愿退休计划。
同一周，巴克莱确认计划削减约 5000 个岗位，约占员工总数 5%，其中约 60% 落在支持职能，包括开发人员；美国运通宣布裁减约 3500 人，计提 3.36 亿美元重组费用——而它同期财报是超预期的，利润还在涨。
再往后看，亚马逊今年第二轮裁员 1.6 万人；甲骨文员工从 16.2 万降到 14.1 万；Klarna 从 7000 人降到约 3000 人。据 Layoffs.fyi 统计，截至 10 月 28 日，2026 年科技行业已裁掉 135446 人，平均每天约 450 个岗位消失。
这些数字放在一起，很容易得出一个结论：
AI 开始替代人了。但如果只看到这一层，就会错过后半段更要紧的信息
——它们先动的，其实不是最基层。
02
名单上的人，和想象的不一样
按直觉，AI 该先替代的是流水线、是初级执行、是那些"重复劳动"。可这轮名单里的重心，明显偏在另一个位置。
巴克莱那 5000 个岗位，六成落在支持职能——不是柜员，不是客户经理，是支撑业务运转的那一层，连开发岗也在其中。这提醒了一个常被忽略的事实：技术岗位并不天然安全，被替代与否，不看你会不会写代码，看你的工作在链条上"创造了什么"。
美国运通的 CFO 在接受采访时把顺序讲得很直白：公司不希望"在流程结构并不理想的情况下直接推进自动化"，所以当前重点是减少管理层级、扩大管理幅度，为未来几个季度更好地用上 AI 做准备。
这句话值得抄下来。它说的不是"用 AI 省钱"，而是"先改组织，再上技术"。同一逻辑在其他公司也能看到：IBM 累计削减的约 8000 个岗位主要来自人力资源部门，其中数百个 HR 岗已被 AI 接管；Klarna 的 AI 助手承担了相当于 700 名全职员工的客服工作量；亚马逊则把这次裁员解释为"减少繁文缛节、加快决策"。
减层级、扩幅度、去繁文缛节——四家公司，四种说法，指向同一件事。
03
被拆掉的不是岗位，是层级
一个说法正在被越来越多人引用：企业结构，正从"金字塔"走向"工字型"。
金字塔是三段：顶层决策、中层传导、底层执行。工字型是两段：上面是具备 AI 原生思维和专业判断的决策层，下面是高效执行的交付层，中间那截负责"上传下达、汇总汇报、协调推进"的部分被大幅压缩。
为什么先压中间层？因为中间层的大量工作，本质上是信息处理——把一线零散情况汇总成汇报，把上面的决策拆解成任务，把跨部门进度对齐成一张表。这恰恰是今天的大模型最擅长、成本最低也最不知疲倦的部分。当信息传递被工具接管，专门负责传递的那一层，就失去了存在理由。
但这里必须说清一件事：被压缩的是"位置"，不是"人"的价值。有两条判断正在被反复验证——经验没有贬值，贬值的是封闭在一个流程里的经验；"做 AI"的岗位在变少，"用 AI"的岗位在变多。算法岗的占比在下降，而 AI 应用、运营、产品、合规这些"把 AI 用到业务里"的位置在上升。
换句话说，市场不是在惩罚资历，是在重新给能力定价：能拿出判断、能对结果负责的人更贵了；只做转达和汇总的人，位置变少了。
04
上 AI 之前，先问组织接不接得住
很多企业上 AI 的顺序是反的：先买工具、先做试点、先要求各部门"用起来"，然后发现没人用、用不深、用出来的东西还不如原来。
原因往往不在技术，在结构。层级越多，信息衰减越厉害——客户的一句原话，经过三层转达就会变成一句汇报口径；一线的真实卡点，经过两次汇总就会变成一个"暂无异常"。在这样的结构上接 AI，等于让机器去学习一份已经失真的数据，输出自然也准不了。
所以真正该先做的，是三个很朴素的自查：
一 一个客户需求传到你这里，要过几层？超过两层，先拆层级，再谈 AI。
二 中间层是在"创造判断"，还是在"转达信息"？后者越多，越该合并。
三 关键决策，有没有落到离客户最近的人手里？如果没有，AI 只会把错误的决策传得更快。
美国运通那句"先减少管理层级、扩大管理幅度，再上 AI"，说的其实就是这个顺序：不是 AI 逼着企业裁人，而是企业为了让 AI 真正跑起来，必须先把自己改造成一个信息不被层层截断的组织。层级是成本，更是阻力。
05
这件事真正的启示
对企业来说，AI 不是一台省人的机器，而是一个触发器。它逼着每一家公司重新回答：我们到底有几层？每一层到底在创造什么？如果答案说不清，那么被 AI 挤掉的不会只是某个岗位，而是整段说不清价值的结构。
对个人来说，分水岭也很清楚：过去的安全感来自"我在某个流程里很熟练"，今后的安全感来自"我的判断能不能迁移到别的场景"。同样做了十年，一个人攒下的是可复用的判断力，另一个人攒下的是对某套系统的肌肉记忆——后者正在快速贬值。
对招聘的影响则更直接：岗位画像在改写。越来越多的非技术岗，JD 里开始出现"有 AI 落地经验优先"；而只会写提示词、讲不清业务价值的人，正在被筛掉。企业要的不是"会用工具的人"，是"能用工具解决业务问题的人"——这两者之间，隔着一次真正的能力升级。
这也是我们在替企业做高端岗位画像时，最近反复确认的一件事：一个岗位的层级、它的决策权限、它离客户的距离，比它的职位名称更能决定这个位置值不值得留、值不值得招。
AI 真正替代的，从来不是人，是一层层转达的组织。
觉得这篇有用，可以私信小博（微信 bosshr001）聊聊……正在为 AI 落地配班子、理岗位画像，也欢迎直接说需求。
微信ID：bosshr001
— 关于我们 —
博思是中国高端人力资源服务品牌，始创于1995年，专注高端猎头、外包派遣、咨询培训、人才测评、背景调查、商业保险等服务。猎头团队聚焦AI人工智能、医疗器械、新能源、快速消费品、工程机械、金融、智能制造、机器人等热门领域；咨询培训围绕增长型人才梯队建设和教练型领导梯队建设开展。以"博揽天下英才，思考企业未来"的经营理念，为客户持续发展提供高效服务。
热门跟贴