现在有大量的文章在争论：这新一波的裁员潮（大家普遍认为是从杰克·多西裁掉 Square 40% 员工开始的）到底是因为 AI 导致的，还是仅仅在搞"AI 洗白 （AI-washing）"（指企业借着拥抱 AI 的名义，来掩盖其他商业失败或裁员的真实目的）。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，或者只需在谷歌搜一下、问问 ChatGPT 就能找到。
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。尤其是在科技公司里，AI 使用量的火箭式飙升是摆在眼前的事实。即便是那些最保守、给 AI 预算设限、不给员工配备 AI 工具的公司，也同样不可否认有一部分工作实质上是 AI 完成的--哪怕员工只是苦哈哈地在谷歌或微软办公套件里，偷偷用 Gemini 或 Copilot 来编辑文档。
至于那些更有远见、一头扎进 AI token（Token）（AI 模型处理文本的基本单位，企业使用大语言模型时通常按消耗的 token 数量计费）海洋的公司，比如优步（Uber）或 Shopify（我这里不包括像 Meta 或微软这种自己开发大语言模型的公司，也不包括 Vercel 或 Cloudflare 这种积极搭建 AI 基础设施的公司；只说纯粹的"使用者"），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（PRs/diffs）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？如果他们多写了 5 倍的代码，而终端用户却毫无察觉，那这些代码到底有什么意义？这是一个极其尖锐且合理的问题。
投入（Input）、产出（Output）与成果（Outcome）
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（或者至少像 Claude 企业版这样的产品）本质上是一个面向企业的软件服务（B2B SaaS）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。想象一下这样的销售话术："我们的工具能让您促成销售线索的速度提升 36%。马上体验吧，只需支付销售额 5% 的低廉服务费即可。"
现在有大量的文章在争论：这新一波的裁员潮（大家普遍认为是从杰克·多西裁掉 Square 40% 员工开始的）到底是因为 AI 导致的，还是仅仅在搞"AI 洗白 （AI-washing）"（指企业借着拥抱 AI 的名义，来掩盖其他商业失败或裁员的真实目的）。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，或者只需在谷歌搜一下、问问 ChatGPT 就能找到。
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。尤其是在科技公司里，AI 使用量的火箭式飙升是摆在眼前的事实。即便是那些最保守、给 AI 预算设限、不给员工配备 AI 工具的公司，也同样不可否认有一部分工作实质上是 AI 完成的--哪怕员工只是苦哈哈地在谷歌或微软办公套件里，偷偷用 Gemini 或 Copilot 来编辑文档。
过去，每次 CEO 或产品经理（PM）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：一个是 CEO 和产品经理不爱听的；另一个是中层管理和资深员工不爱听的。
1. 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。就算你真的做出了 10 个新功能（产出），也不能保证用户全买账并因此更多地使用你的 App（成果）。事实上，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。就算你试图反驳他们，你觉得能阻止 CEO 或 PM 转身自己去向 Claude 提需求吗？算了吧，连试都不用试。
1. 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（MVP）（用最低成本开发出刚好能展示核心理念的产品，用于快速试错），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。 当然，你们可以坐下来慢慢磨，讨论谁的假设才是正确的。 但说实话吧。手握无限 Claude Token 的你和你的团队，才懒得这么干呢。另一个团队也不会。你会毫不犹豫地转身投入 Claude 的怀抱，让它按照你认为最完美的方式，把对面团队的工作重新实现一遍。而 Claude 只会乖巧地回一句："您说得太对了！"，然后立刻开始敲代码。
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？按照我的假设，如果 AI 并没有真正做到一对一地替换掉 30% 的员工（这点大家应该能达成共识吧？虽然在很多任务上，它比初级白领强，但在另一些任务上又不如人类--它绝对不是可以直接拔插替换的零件，更不可能直接取代一家公司 10%、20% 甚至 30% 的人）。
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（那些本来需要你提供这些工作成果的人）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。简直就像是他们给 GPT 喂了同一段提示词一样。
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（OpenAI 与 Anthropic 的企业级营收总和）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。
至于那些更有远见、一头扎进 AI token（Token）（AI 模型处理文本的基本单位，企业使用大语言模型时通常按消耗的 token 数量计费）海洋的公司，比如优步（Uber）或 Shopify（我这里不包括像 Meta 或微软这种自己开发大语言模型的公司，也不包括 Vercel 或 Cloudflare 这种积极搭建 AI 基础设施的公司；只说纯粹的"使用者"），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（PRs/diffs）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？如果他们多写了 5 倍的代码，而终端用户却毫无察觉，那这些代码到底有什么意义？这是一个极其尖锐且合理的问题。
投入（Input）、产出（Output）与成果（Outcome）
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（或者至少像 Claude 企业版这样的产品）本质上是一个面向企业的软件服务（B2B SaaS）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。想象一下这样的销售话术："我们的工具能让您促成销售线索的速度提升 36%。马上体验吧，只需支付销售额 5% 的低廉服务费即可。"
过去，每次 CEO 或产品经理（PM）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：一个是 CEO 和产品经理不爱听的；另一个是中层管理和资深员工不爱听的。
1. 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。就算你真的做出了 10 个新功能（产出），也不能保证用户全买账并因此更多地使用你的 App（成果）。事实上，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。就算你试图反驳他们，你觉得能阻止 CEO 或 PM 转身自己去向 Claude 提需求吗？算了吧，连试都不用试。
1. 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（MVP）（用最低成本开发出刚好能展示核心理念的产品，用于快速试错），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。 当然，你们可以坐下来慢慢磨，讨论谁的假设才是正确的。 但说实话吧。手握无限 Claude Token 的你和你的团队，才懒得这么干呢。另一个团队也不会。你会毫不犹豫地转身投入 Claude 的怀抱，让它按照你认为最完美的方式，把对面团队的工作重新实现一遍。而 Claude 只会乖巧地回一句："您说得太对了！"，然后立刻开始敲代码。
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？按照我的假设，如果 AI 并没有真正做到一对一地替换掉 30% 的员工（这点大家应该能达成共识吧？虽然在很多任务上，它比初级白领强，但在另一些任务上又不如人类--它绝对不是可以直接拔插替换的零件，更不可能直接取代一家公司 10%、20% 甚至 30% 的人）。
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（那些本来需要你提供这些工作成果的人）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。简直就像是他们给 GPT 喂了同一段提示词一样。
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（OpenAI 与 Anthropic 的企业级营收总和）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。
宝玉@dotey · X