后悔裁员裁早了，为啥越来越多的公司发现AI不能替代人工？

当"AI替代人工"的口号喊得震天响时，为什么会有越来越多的公司开始反悔，承认自己当初裁员裁早了？那些被一纸通知送出大门的员工，和那些以为靠几个大模型就能跑完整条业务线的管理者，究竟谁才是这场技术狂欢里最被高估的角色？

五月中旬的一天，凌月收到了HR的约谈。虽然早有准备，但真的站在门口时，他还是迎来了情绪崩溃的瞬间。"之前我一直在门前，我就想怎么开头可能会怎么样，但真到那一刻还是挺痛苦的。"

一年前刚毕业的凌月从几千份简历里杀出来，拿到月薪25000元的offer，进的还是公司核心业务线。一年后，他就成了最容易被裁掉的人。

工作时间短，赔偿成本低。但这一轮斩杀是无差别的，在这波裁员潮中，绩优、高P的保护屏障全部失效，靴子落地时，甚至没有给人留下太多交接的时间。

"当时心里真的想，我终于能学一些东西了，后面可能会觉得有一点失落吧，被团队抛弃了的那种感觉。朋友还说，我们都会有这么一圈的，只是你来得比较早一点。"

一场以AI为由的裁员潮，正从大洋彼岸刮来，席卷各大互联网公司。在这场优化中，无论是大厂新人还是绩优高P都不能幸免。

公司要求每一个员工都必须大量、高频地使用AI，一些比较激进的leader觉得不会用AI的人就该被淘汰，大家都很恐慌。"因为公司要求你一上来就会。

如果你说你不会，老板会说我有AI，你还不会吗？程序员已经是一个消亡的进行时了，就像珍妮机发明之后的纺织工人一样。"

这股风潮并非只刮在国内。海外机构Orgvue近期发布的一份报告显示，有39%的企业领导者因为部署人工智能而启动过裁员；但令人玩味的是，这些亲手签下裁员名单的高管中，有55%事后承认，自己在裁员决策上做错了。

这组数据像一盆冷水泼在"AI万能论"的热锅上——当初那种"赶紧把人裁掉、全面交给AI降本增效"的笃定，到头来成了相当一部分管理者悔不当初的教训。

在被重构的业务线背后，一个反复被提及的理由是：AI提效，不需要那么多人了。此前，一场自上而下的AI改造运动在各互联网大厂内部已经跑了大半年。

"这个战略不仅是整个公司的战略，不仅要去做这个产品，还要进行AI的内化。"

过去，一款产品上线前要经过一条很长的流水线：产品经理写PRD，设计师出设计稿，前端负责页面，后端负责接口，测试负责验收。但在Cursor等AI编程工具出现之后，这条流水线正在被暴力折叠。

写代码和改代码的工作被AI大面积接管，程序员的几种职能也模糊了界限。就连不懂代码的产品经理，也能用几句提示词让AI跑出一个看起来高度还原的demo页面。

在理想的纯技术视角下，大模型确实展现出了令人惊叹的生产力。但极速提效的另一面是：面对真实复杂的业务，AI难免有些水土不服。

"比如说你要AI去巡检几千万的商品量，这就是一个很大的消耗，而且是每天巡检，然后你要把各种场景的日常指标输进去，这就是不现实的。只要这个行业内真正跟它离得很近的，应该都清楚，AI的能力也是很有上限的。

所以它不可能真的说完全取代复杂度，它只能说在某些特定领域下，把复杂的问题相对简化一点，或者加速你的时间，但复杂度本身是客观存在的。"

C端庞大且复杂的机型兼容、历史代码的牵绊、大语言模型无中生有的捏造数据，这些深水区的问题，AI目前都无法妥善解决。但在大厂的战略里，这或许只是时间问题。

腾讯内部研发了一条用AI修复bug的流水线，目前准确率在50%左右；阿里的一个开发部门甚至计划，未来所有任务都由产品直接对接AI阵列，程序员不再直接写代码，只负责调试和"擦屁股"。

新的工具出现，改变了生产方式，也让管理层产生了新的预期。他们会觉得一个人加上AI之后，工作效率一定会几十倍甚至上百倍地增长。

以前也许交给你这个月的任务，现在希望你一周就能够完成。"你又不能反驳老板，因为你一旦反驳了，就变成不是说AI不行，是你不行。

而且你在整个安置过程中是没有机会争辩的，就是一种不自觉地跟着头驴蒙眼，有鞭在后面催促着，拉么拉么拉么。"

于是，宏大的战略指标逐级摊派到具体岗位上时，就演变成了一场略带荒诞的全员作秀。有的大厂部门拉出token消耗排行榜，公开表扬上榜第一名，并按照排名影响转正、晋升和KPI。

为了应付考核，员工们讨论的话题变成了如何"刷"token。有人用公司资源给小学生写作业，有人故意给AI注入bug，让它多走弯路，消耗算力。

可能是老板也发现了这种排行方式不靠谱，于是很快就被内部推翻，新的规则接踵而至：增设插件记录员工的代码和对话，每小时自动生成时报，且内容全员可查。

在工作群里，只要有人发一个新的skill，哪怕毫无用处，老板也会马上发一个大拇指，即便大家都心知肚明——根本没有人用。

这种"表演式AI化"的尴尬，也正是海外那55%悔不当初的管理者所撞上的同一堵墙。

他们原本以为裁掉几十甚至几百名员工，剩下的岗位用AI填补就能平滑过渡；真上手才发现，被省下来的那部分工作，并没有被模型稳稳接住，反而因为经验流失、流程断裂、质量不可控，让留下来的人额外背上了返工和兜底的负担。

有些公司不得不悄悄回头把人招回来，或者以更高的价格外包同样的岗位。

当一场关于效率的技术变革，沦为基层员工刷数据的糊弄学时，令人不解的是：既然AI的提效并没有那么神奇，为什么大厂裁员的步伐还迈得这么整齐划一？

除了AI提效，大而重的老业务增长乏力或深陷竞争泥潭，投资AI新业务带来的现金压力，在这个时段交织并行。许多被通知离开的人也很难说得清，这些因素孰轻孰重。

AI在相当多裁员故事里扮演的不是真正的"替代者"，而是一个顺手的叙事工具——它为老业务萎缩找到了说得过去的理由，也为缩减成本提供了面向股东和市场的体面说法。真正下滑的是营收和增长曲线，被摆上台面的却是"AI提效，无需这么多人"。

等到真要靠模型顶上空缺的那一刻，裁早了的苦涩才姗姗来迟。

"一代人有一代人的路，真的觉得已经是在进行时了。"不可否认，每一代的路径都是特定时代的产物，它承接了一个阶段最旺盛的需求，也制造了关于稳定、上升和成功的想象。互联网如此，移动互联网如此，今天的AI可能也是这样。

技术的革新确实提高了生产效率。但当一个人可以完成过去几个人的工作时，这份效率最先被兑现成的，往往是更低的人力成本、减少的岗位和一张更好看的报表。

至于被省下来的人去哪里，新的工作什么时候出现，这些人为转型付出的时间和代价又该如何承担——答案远没有提效来得这样快。回看这几年AI在职场里的狂飙，一边是企业急着把人换成模型，另一边是模型真上场后漏洞百出。

从数据看，近四成企业因部署AI动过刀，而其中过半在事后承认这一步走得太急，并非没有缘由。AI擅长的是在局部把复杂度压扁，并不擅长扛起一条完整业务线背后的责任、经验与判断。

把降本增效简单等同于裁人，省下的是账面上的工资，赔进去的是服务质量、组织记忆与人才储备。当潮水退去，那些真正留在流程里兜底、修复、拍板的，依然是人，而不是任何一个在后台跑着的模型。