内容
在我公司高层的某个地方，有一份包含8000个名字的名单。我有10%的概率就在上面。几天后的5月20日，我就会知道结果。
今天看到Coinbase宣布“AI驱动的裁员”，让我萌生了写下这篇文章的念头。尤其是在5月20日之前——因为我很想在不清楚自己是否也在名单上的情况下，分享我对这件事的看法。这些想法并不取决于我是否在名单上，也不仅仅关于我的公司——它们来自我在各种中大型企业的朋友们所传递的信息。
关于这一轮新裁员潮（普遍认为始于Jack裁掉Square 40%的员工）是否真的由AI驱动，还是仅仅是“AI洗白”（AI-washing），已经有很多文章、评论和新闻报道进行过激烈辩论。我就不一一列举那些文章链接了，反正你肯定读过其中一些，或者只需在Google或ChatGPT里搜一下就能找到。
常被吹捧的“AI生产力”及其难以捉摸的证据
AI真的让我们更高效了吗？啊，这个充满争议的问题！如果我们换个角度，假设“AI其实什么都没改变”，我想即使是AI影响最大的怀疑者也不会同意这一点。尤其是在科技公司——AI的使用率飙升，这是你无法忽视的事实。即使是那些最保守、对AI支出设限、不给员工提供AI工具的公司，也无可否认地在使用AI完成某些工作，哪怕只是用Google或Microsoft Office套件里的Gemini或Copilot来编辑文档，这种程度的使用也依然存在。
而在那些更前瞻、一头扎进AI代币海洋的公司（比如Uber、Shopify这类企业——我在这里不把Meta或微软这种自研模型的公司，也不把Vercel或Cloudflare这种积极构建AI基础设施的公司算进来，只讨论纯粹的“AI使用者”），AI的使用已经疯狂到极致：90%-100%的代码由AI生成，每周的PR/代码差异量增长2-5倍，数亿美元的年度AI预算在几个月内就被耗尽——这些我们都已经见怪不怪了。
然而，像Ed Zitron、Will Manidis、Gary Marcus、Michael Burry这些人当然也会反问：那为什么这些公司的收入没有随之增长2-5倍？为什么它们的产品和6个月前几乎一模一样？如果AI真的如此高效，那它们到底用AI生产出了什么？如果它们生成了5倍的代码，但用户根本察觉不到，那这些代码的意义又何在？这确实是一个合理的问题。
输入、输出、成果
我们需要稍微绕个弯，回顾一下工商管理入门课的内容。当一家快速成长、资金充裕的中型公司终于开始资金枯竭，你去找一位资深CEO请教，他建议你请麦肯锡的人来审视公司现状时，他们的演示文稿通常以一张朴素的白色幻灯片开始，上面用默认的Arial字体写着三个词：“输入、输出、成果”。
他们会向你解释一个众所周知却常被遗忘的道理：
代码是输入。
功能是输出。
用户为你的产品付费才是成果。
AI（至少Claude Enterprise）是一个B2B SaaS产品。你会发现，SaaS产品的定价和营销方式各不相同。如果某个产品能直接改变成果，它们通常会从成果中抽取一定比例作为费用。想象一下这样的销售话术：“我们的工具能让销售线索转化速度提升36%。只需支付您销售额的5%作为费用，即可试用。”
这几乎是一笔即时成交的买卖。在其他变量不变的情况下，如果你原本100天能转化100个线索，现在只需63天，就能腾出36天再转化（如果我的计算没错的话）57个新线索！也就是说，你的销售额可能增长57%。你当然愿意每天支付5%的销售佣金，换来57%的收入增长。而如果你不使用这个产品，你根本不用付钱。
你大概已经猜到我要说什么了——Claude Code代币的定价方式显然不是这样。如果你的软件工程师们像嗑了可卡因一样沉迷于Claude Code（我刚刚意识到它们都缩写为“cc”），每天生成1亿个代币，那么你每天就要为每位工程师支付100美元。
哪怕他们生成的部分代码因为无法运行而被丢弃
哪怕更多代码后来因为引发严重故障（SEV）而被回滚
哪怕还有一部分代码只是用于内部工具，让仪表盘看起来更讨VP们欢心
因为，代码只是输入。虽然如果方向正确，更多的输入通常会导致更多的输出，进而带来更多的成果——但当你一夜之间将输入量增加5倍时，这一切未必成立。你的“输入方向”可能突然指向了错误的地方，而不是通往输出或成果。
到底是什么在阻碍我们？
每次CEO或产品经理想推进10件事，团队却说只能做其中最重要的2件。剩下的8件没时间做。解释是：写代码不是儿戏，开发复杂且能运行的软件需要时间。
嗯……但现在代码几乎是免费的了。为什么我们还不去做那剩下的8件事？
有两个答案：一个CEO和产品经理不爱听，另一个中层管理和资深员工不爱听。
-
那8个点子其实根本……不怎么样？ 仅仅因为CEO或产品经理脑子里冒出了10个想法，并不意味着它们都能带来成果。即使推出10个新功能（输出），也不能保证用户会喜欢所有功能并因此更频繁地使用你的应用（成果）。事实上，正是由于编码带宽不足带来的摩擦，迫使人们更早地深入讨论并淘汰糟糕的想法，从而更有效地筛选出最重要的2个。现在，写代码变得又快又便宜又简单，连讨论这些想法的意义都没有了。即使你试图反对，你认为这能阻止CEO或产品经理自己打开Claude来实现吗？算了吧，别白费力气了。
-
让所有人“对齐”实在太痛苦了 我们都知道这一点。先让利益相关者对齐“为什么”要做这件事，再单独对齐“具体做什么”，然后再对齐“怎么做”——这个过程极其痛苦。团队越多，项目就越容易陷入“对齐地狱”。过去，写代码速度慢，反而掩盖了这个问题。现在，一旦“做什么”达成一致，有人一夜之间就能做出一个MVP，并在第二天就安排会议。会议上你发现，另一个团队也做了一个MVP，而且你们的实现方式基于不同的假设。 当然，你们可以坐下来协商，讨论谁的假设更正确。 但让我们现实一点：你和你的团队手握无限Claude Code代币，根本不会这么做。另一个团队也不会。你们会立刻回到Claude的怀抱，让它按照你认为最好的方式重新实现对方的工作，而Claude会说：“你说得完全对！”然后立刻开始执行！
裁员能解决什么问题？
到目前为止，我一直在讲一些显而易见的事，你可能已经有点不耐烦了。但我知道你想听重点：裁员到底能达成什么目的？如果，正如我所说，AI并没有真正直接替代30%的员工（我认为我们可以达成共识：虽然AI在许多任务上优于初级白领，但在其他任务上又不如——它远非即插即用的替代品，更别说替代你公司10%、20%甚至30%的员工了）
那么，裁员在短期内能显著解决两个显而易见的问题：
-
抵消“AI支出” 这其实就是现金流的基本知识。显然，如果你的工程师们每天在Claude上花费100美元（相当于每月2500美元，或每年3万美元），这几乎等于在印度雇佣一名软件工程师的成本，在欧洲等于0.5名，在美国等于0.25名。 如果你用最简单的数学计算，假设每个员工都是扁平组织中的一名软件工程师，那么为了维持相同的工资支出（包括代币开销），你需要裁掉50%（印度）、33%（欧洲）或20%（美国）的员工。 AI的使用持续增长，而收入尚未出现相应增长，这种情况必须改变，否则公司的资产负债表将陷入混乱。整个软件开发生命周期（SDLC）的单位经济模型将被颠覆——如果你在输入上多花50%，而成果却几乎没有变化。 如果我们真的学会了如何使用AI——并且找到了如何将50%的额外输入成本转化为50%的额外收入成果的方法，那就不需要裁员了。但既然你还没学会使用AI，那就得有人离开，为Anthropic的“工资”腾出空间。
-
削减“对齐税” 任何大公司都不可避免地比“生存所需”的规模更大。这正是大公司的特点。大型组织天然带有组织冗余。这是设计使然。一个人离开后，系统仍能继续运转，因为其他人知道他在做什么。在大公司，你可以休6个月产假，而你负责的项目依然能正常运行。这些都是好事！但这同时也证明：即使裁掉一定比例的员工，公司也不会立刻停摆。事实上，在经历几周的系统性冲击后，接下来的几个月里，事情反而可能变得更快！ 还记得上面那两个团队彼此不认同对方的方案吗？如果你直接裁掉其中一个团队，让另一个团队熬几个通宵来完成工作——他们根本不需要再和任何人对齐。我们不知道长期会怎样（正如凯恩斯所说：“长期来看，我们都死了”），但在短期内，裁掉大公司10%-20%的员工，确实能让事情更快推进。 大型组织随着时间的推移，不可避免地会积累冗余、重复和“组织债务”，就像技术债务一样。这是大组织的本性。今天裁掉10%的员工，并不能阻止两年后再出现同样的问题。但当你看到每个人都说自己生成了5倍的代码差异，却因为被其他团队卡住而无法发布时，最直接的解决方案看起来就是裁掉一些人，减少彼此之间的阻碍。
这些是AI驱动的裁员，即使AI并没有取代你
你的员工ID是否被运行在虚拟机上的新Claude实例取代了？我们知道事实并非如此。
但话说回来，公司里是否有很多工作流程，原本需要有人用VS Code、Figma、Canva、Google Docs等工具敲键盘、点鼠标来完成，而现在却变成别人（需要你完成这项工作的人）直接向大模型喊一句提示词，而不是麻烦地来问你？这确实是事实。
这些裁员是“AI洗白”吗？也就是说，公司本身是否存在根本性问题（过度招聘、利润下降、竞争压力、糟糕的商业决策），而AI只是被当作裁员的“借口”？这在某种程度上也是真的。
你还会注意到，如果你收集一段时间内所有CEO发布的“裁员邮件”，你会感觉他们好像都在同一个WhatsApp群里一起写这些邮件。AI原生团队、经理写代码、管理者拥有更多下属、扁平化架构、管理一群智能体——这些词几乎出现在每一封邮件中。就好像他们都给GPT输入了相同的提示词。
但事实是，这些裁员，即使不是因为AI直接取代了你，即使它们某种程度上是“AI洗白”。它们仍然是因为AI而发生的。而且，这些裁员将持续下去，直到我们学会使用AI。直到我们学会将AI代币转化为成果，而不仅仅是输入。直到我们学会让“对齐”的速度跟上编码的新速度。直到我们除了那2个好主意和8个蠢主意之外，还能想出10个值得用提升后的生产力去追逐的新点子。
在我们搞清楚AI究竟如何让全球GDP真正增长之前，我们必须通过削减一些工资来抵消每年700亿美元（OpenAI和Anthropic企业收入合计）的代币支出。在我们找到如何让彼此更快解除阻塞的方法之前，我们随时都可能从组织架构图上被移除。
15天后，我就会知道自己的命运。但无论如何，我想我知道原因。即使我坐在角落办公室里做决策，我也不确定我是否能做得更好，或者只是像CEO WhatsApp群里其他人一样，做同样的事。