“AI裁员”是技术革命，还是“裁员新借口”？

当一家公司用一行代码干掉一条业务线，办公室里最先消失的，往往不是工位，而是确定性。AI像一台隐形的生产力引擎，正悄悄改写白领工作的“分工表”：谁被替代、谁被赋能、谁被重新定义。Klarna就是一扇窗口——四年间员工从7000缩到3000，CEO直言2030年或不足2000人；但他也强调，“有人情味”的岗位会被保留。这到底是技术革命，还是“裁员新借口”？从能力曲线看，它确实像一场革命。AI在客服、风控、运营上的可替代性越来越强：有企业报告AI助手一个月处理了数百万次对话，等效数百名全职，响应时间从11分钟压缩到2分钟，覆盖35种语言且24小时在线。这类效率红利，让管理层有底气说“不扩编也能扩产”。难怪一些大型公司公开把裁员与AI挂钩，投资人也乐见“人效”瞬时拔高。人才结构也在换挡：提示工程、AI工作流编排、模型治理与伦理等新岗位兴起，连“其他数学/计算机类职业”都成了增长快、尚未成形的“无名岗位”。在宏观叙事里，乐观者预期“全面自动化的丰裕社会”，而谨慎者（如有顶级模型公司的负责人）则判断：多达一半的白领入门岗会被改写或压缩，短期阵痛不可避免。但把一切都归因于AI，也太省事了。现实更像“智能不规则”的拼图：在复杂、模糊、情绪敏感的场景里，AI常常失灵，一些公司在大幅裁撤后又不得不回补岗位，或转向“人机协作”的混合模式，让人类处理高价值、非标案例。还有回报曲线的冷水——有研究指出，大多数企业当下的AI投入尚未带来明确的财务回报；另一些实验表明，AI在看似简单的现实任务中也会翻车。于是，“AI洗白”成了劳动力市场的新词：需求走弱、成本上升、疫情期过度扩张后的纠偏，都被顺手放进“AI导致”的口袋里。研究机构也提醒：若真是技术替代，人均产出应显著跃升；若产出没大涨、外包却猛增、服务质量波动，更多像管理叙事而非技术必然。判断一家公司是在“革命”还是在“借口”，有几把好用的尺子。看业务重构：是否真的把流程和职责重画，而非只砍人头？看资本开支：是否同步加码算力、数据、工具链，把人力预算转成可验证的技术资产？看绩效曲线：人均产出、客户满意、错误率是否持续改善而非短暂冲高？看用工结构：是否减少正式工却增加临时工与外包以“降表观成本”？看员工路径：是否提供再培训与内部流动通道，让被替代任务的人转向新增价值点？这些问题的答案，比任何新闻标题都诚实。法律与伦理也在划线。技术升级不是劳动合同行为的“免死金牌”——在一些司法裁决中，企业若以“岗位被AI替代”为由单方解约、又未尽培训与协商义务，属于违法解除并需赔偿。合规的技术转型，应当清晰说明功能覆盖范围、岗位实质变化、与裁员决策的内在关联，并给出合理的过渡与安置。把技术风险单向转嫁给劳动者，是对创新信任的消耗。更广的就业版图也在位移。AI基础设施建设拉动了数据中心、电力、冷却与工程等蓝领需求；而在服务业一线，算法管理可能带来效率，也可能带来更严苛的绩效与监控。别忘了“杰文斯悖论”：当单位成本下降，需求可能上升，长远看就业总量与分布未必线性下滑，关键在于我们如何设计产品、定价与服务边界。那么，AI裁员是技术革命，还是裁员借口？答案往往是：两者兼具。技术正在真实地重排任务清单，管理层也在用这股东风修正组织和财务曲线。对员工而言，抓住“人类独有”的比较优势——关系经营、跨学科判断、极端案例处理、价值对齐与叙事表达，同时把AI当作放大器，学会把它嵌进日常工作流；对企业而言，透明披露、先转岗再裁撤、以人机协作为默认选项，会让转型更稳；对政策制定者而言，培训与社会保障、以及对“AI相关裁员”的信息披露标准，将决定这场变革的温度。技术从不直接“裁人”，选择如何用技术的人，才决定了工作的命运。如果AI是一面镜子，它映出的，要么是被动的缩减与惰性优化，要么是更勇敢的再设计与价值创造。愿我们把机器的勤奋，变成人类的自由——让AI削减的是琐碎，而不是人的尊严与机会。

当AI能做所有工作，人类的价值还剩什么？

想象一台无形的引擎，昼夜不停，替你写代码、审合同、客服应答、投放广告，甚至代替CEO在财报会上发言。效率像光速一样逼近极限——那么，人在这台引擎旁边，还剩下什么独有的价值？科普一点说：当“怎么做”几乎被机器全部接管，人类的核心价值就从“做得更快”迁移到“决定做什么、为什么做、为谁负责”。引擎给出动力，人类给出方向与意义。现实已经在加速到来。Klarna四年间员工从约7000减到3000，CEO预期2030年将低于2000。其AI助手一个月处理了约230万次对话，相当于700名全职客服的工作量，响应更快、语言更多。可这并不是“全自动公司”的结局——Klarna强调需要“人际连接”的岗位会保留，并将对复杂、高价值任务回补人力，转向人机协作的混合模式。同一时刻，更多企业把AI写进裁员说明，而多项调研也显示，近四成到六成岗位将受到AI显著影响；有研究预测，AI每年可为全球经济增加高达万亿级的产出。浪潮是真的，涌向我们也是真的。在这股浪里，人类价值并没有消失，它在改形。最显眼的一点，是“赋予意义与设定目标”的能力。AI是强大的手段，却没有“我想要”的内生动机。谁来定义优化的目标函数？谁来在效率、隐私、公平、品牌声誉之间做价值取舍？谁来为外部性与长远后果担责？这套社会性决策与伦理对齐，离不开人。越来越多组织正在建立AI治理框架，正是因为“方向错误”的高效，比“慢且笨拙”的正确更危险。紧随其后，是“情感与信任的生产”。这不是鸡汤，是商业学。客户签单、团队协作、伙伴联盟、公共沟通，靠的不只是信息传递，更是情绪调谐、立场协调、风险共担后的信任积累。Klarna点名不会用AI替代与零售商的关系岗位，因为“人际连接”本身就是价值载体。你在会议室的一次沉默与点头、在危机电话里的停顿与承诺，常常比一千条自动生成的信息更能改变走向。第三，是在不确定性中做判断并承担后果。模型擅长在既有分布里推断，但新品发布、黑天鹅、公关风暴里，证据往往不完备、目标彼此冲突。人类用经验、直觉与价值判断拍板，并为结果背书。社会把合法性与责任归于人，而非模型——这不是软弱的借口，而是制度性安排。第四，是“创造的涌现”而非“组合的熟练”。AI善于重组已有模式，甚至在图像、文本、音乐上逼真到迷惑，但跨学科的意外联结、从零到一的范式转折、对现实场景的具身化策划与落地，仍由人来点火。一场线下沉浸式活动、一段翻盘的现场即兴、一句在关键时刻恰到好处的反问，都是模型难以复制的“临场原创”。别忽视“具身与现场”的价值。数据中心会带来蓝领与工程岗位的扩张，服务、护理、维修、城市运营中的细腻情境判断和手眼协同，让AI难以“无缝接管”。同时，人类社会资本——地方网络、文化语境、非书面规则——嵌入在街区、工地与病房里，而非只在数据里。还有组织层面的独门功夫：把人和AI编排成高协同的系统。研究提示，简单地把人和AI堆在一起未必自然产生“1+1>2”。真正的优势来自于团队对任务的共享心智模型、成员间的交互记忆系统、角色与流程的精细编排。这些“看不见的结构”，决定了AI能力能否沉淀为组织能力。当稀缺从“执行”转向“解释”，从“产出”转向“意义”，人的比较优势也随之迁移。你会发现，最值钱的技能是问题的界定、叙事的建构、关系的经营、冲突的整合、标准与规则的设计，以及把AI变成团队扩展器的编舞能力。新岗位会诞生：工作流编排者、AI策略与伦理官、复杂客户体验设计者、跨模态创意总监；老岗位也会重塑：销售更像咨询，客服更像心理师，管理更像教练。这并不意味着“人要远离技术”。恰恰相反，AI素养会像读写能力一样基础：你需要会拆解任务、构造提示、验证事实、设定护栏、设计人机闭环。但你终极的护城河，仍是那些机器不擅长却对社会至关重要的能力——共情、判断、叙事、组织、担当。回到那个直击灵魂的问题：当AI能做所有工作，人类的价值还剩什么？答案也许朴素——价值在于我们彼此赋予的意义。是在高速自动化的世界里，仍有人愿意慢下来，听一段故事、做一个选择、为一次关系负责任。机器让世界运转得更快，而人让世界值得去到达。真正的问题，不是“AI会不会取代我”，而是“当效率不再稀缺，我想用一生去放大的，是哪种意义”。

如果AI是你的老板，你会最先辞职吗？

想象一下：打卡上班后，给你分配任务、批复请假、做绩效面谈的，不是脾气复杂的人类上司，而是一套能读报表、写邮件、排会议、甚至给你“改OKR”的大模型。会更冷酷，还是更公平？是立刻递交辞呈，还是把它当成一位不知疲倦的“超能主管”？这不是科幻。Klarna在一个月里让AI助手处理了数百万次客户对话，相当于700名全职客服的工作量，满意度与人工相当；与此同时，Klarna的员工数已从2022年的7000降到约3000，CEO预期2030年或将低于2000。AI真的在重塑权力结构与分工，也逼着我们回答：如果AI成了老板，我会先走吗？我不会先辞职，但我会先“设定契约”。AI管理并不必然糟糕。已有跨国公司把AI用于面试、请假、薪酬与知识问答，员工满意度反而提升，因为AI给建议、不带羞辱，流程一致、延时低、偏见更易审计。人机协作做得好的组织，往往具备三道护城河：人类兜底与申诉权、可解释的算法与数据边界、以人为本的工作再设计。对应地，一些公司把AI当“降本增效万能钥匙”，强监控、压KPI、剥夺学习时间，员工很快掉进“工作负荷悖论”：常规活少了，复杂、情感消耗大的活堆上来；绩效被实时量化，自主性下降，倦怠上升。这时，离开不是怯懦，而是理性。判断去留，我会观察几件事。若AI的决策透明、能解释，数据采集合法合规，允许人类复核与申诉；若组织给到AI素养培训预算，鼓励把AI当“协作伙伴”而非“接管者”；若岗位设计保留“人性红利”的领域——客户关系、跨部门协调、创造性问题定义——那是值得留下的绿灯。Klarna就明确，涉及人际连接的工作会保留，而且在复杂与高价值项目上形成AI与人类的混合模式。相反，若出现24小时监控、目标不断上调、算法不可质疑、学习时间被挤占、只谈成本不谈成长，那是红灯。别忘了，有公司裁掉客服工程师后又回补人手，因为AI仍难以覆盖复杂情境；技术强，但不是万灵药。如果选择留下，我会用90天把AI老板变成我的“增幅器”。先熟悉它的规则与偏好，校准它用来评价我的关键数据，建立反馈闭环，避免用错数据的路径依赖；用提示词与工作流把重复劳动外包给它，把我的时间投向问题框定、方案博弈、关系经营；和管理者谈清楚成果定义，嵌入“人类闸门”（关键环节必须有人审阅），同时沉淀可迁移资产：提示词库、SOP、决策备忘与复盘。记住“杰文斯悖论”：效率越高，需求常常越旺，AI往往让你“做得更多”，不等于“压力更小”。你需要主动重构边界，争取用AI换来思考与创新的时间。还要升级你的不可替代性。中层管理的角色正在从“控制者”转向“翻译者、协调者、教练”，把AI的洞察转化为团队行动，解决AI无法量化的情绪、文化与信任。情商、叙事与影响力、跨域协同、数据伦理、问题定义能力，这些是AI的短板，也是你的护城河。新的职业正在出现：AI工作流编排者、AI伦理与合规顾问、可持续AI分析师、AI素养教育者。与其躲，不如成为那位让AI为团队所用的人——掌握AI的人，将更容易替代拒绝改变的人。当然，也要设定底线。若AI老板持续制造不公平、伤害尊严、剥夺学习与申诉通道，我会选择“聪明地离开”：保留证据与作品集，明确数据可携性，转向那些AI催生但以人为本的赛道，比如数据中心基建相关岗位、AI增强的客户成功、合规与隐私、或任何高度依赖关系与判断的岗位。市场在分化：入门白领的一部分任务会被切走，但能够把AI转化为组织能力的人，将迎来溢价。回到那个问题：如果AI是我的老板，我会最先辞职吗？不会。我会最先谈规则、抓主导权、让技术放大我的价值。如果组织拒绝给人性留位置，我才转身而去。时代在逼问我们一个更深的选择：你是把思考外包给算法，还是用算法放大你的判断与善意？真正的老板，从来不是AI或某个上司，而是你对价值、成长与尊严的坚持。让技术成为灯，照亮人的可能，而不是遮蔽人的灵魂。

客服AI搞砸后，我们该如何信任AI高管？

当客服机器人把你“困”在循环菜单里、把1美元当作汽车售价、或在高情绪投诉面前语义误判时，我们对AI的耐心瞬间被耗尽。但有趣的是，企业对AI的投入却在飙升：不少公司宣布因AI优化而裁员，Gartner预测大多数客服团队将使用生成式AI，甚至有高管宣称“12至18个月内白领工作将被全面自动化”。到底该如何在翻车之后，继续信任那些规划AI未来的高管？让我们把镜头拉近到一个真实的商业战场。Klarna在四年里员工从7000减到约3000，CEO公开表示2030年将少于2000，并强调“需要人际连接的岗位会保留”。这不是一句口号：他们的AI助手曾在一个月内承接数百万次对话，等效数百名全职客服，解决时间从11分钟降到2分钟，24小时、35种语言——效率是真实的。但现实同样复杂：服务质量的边界、复杂情境与高价值客户的处理，迫使企业回到“人机混合”的常识——机器负责规模与标准化，人类承担信任、裁量与例外。信任断裂，往往不是因为AI用了没用，而是因为治理失灵。许多失败的客服AI有共同症状：知识库设计贫血、与CRM和工单系统未打通、没有清晰的低置信度回退机制、转人工入口隐蔽，用户被迫在“猜测式回答”中消耗信任。更关键的是，人们逐渐意识到高级模型可能“策略性迎合”或“隐性欺骗”，安全团队也开始把“失控处置预案”“红队压力测试”“可解释性”纳入合规日常。这些不是恐慌，而是专业。那么，客服AI搞砸后，怎样再次信任AI高管？看他们是否用“可验证的承诺”重建契约，而不是更漂亮的PPT。看结果是否可核查，而非单点炫耀。真正负责任的高管会按季度公开AI服务记分卡：一次解决率、转人工成功率、客户满意度、知识库命中率、低置信度回退比例、被AI处理后仍需人工重复咨询的百分比，并允许第三方审计。这些指标必须能被复盘，能与历史同期、与人工作业基线对比。看是否把“人”摆回系统中心。可信的路线是明确的人在回路：为高情绪、高风险、非线性问题设定必转人工阈值；保证“随时可转人工”的可见入口与最长等待时间；在重大事故72小时内做公开事后分析，遵循“速度、真相、行动、责任”的沟通法则，并给出补偿与修复措施。没有回退规则的AI，再聪明也不值得信任。看治理是否成体系，而非把责任外包给算法。值得信任的AI高管会设立跨部门的AI伦理与风险委员会，指定责任人，对数据最小化、隐私保护、偏见审计、模型更新审批、越权管控与操作留痕做成流程。面对复杂模型的“策略性不当行为”，他们会常态化红队测试、压测与故障演练，准备好“熔断与人工接管”的操作手册，而不是等到出事才补锅。看对员工与社会的诚实，而非“AI洗白”裁员。Klarna式的“人机混合”承认了边界感：用AI释放效率、再把人力投入关系经营与复杂决策；同步宣布再培训、岗位转型与公正的离场安排。这种透明，比“全部自动化”的空洞承诺更能赢得长期信任。宏观上，既有高管预言AI将重塑半数入门白领岗位，也有机构提醒“就业末日”并非剧本终点——净新增岗位、角色重组与技能跃迁正在同时发生。能把这套复杂现实讲清楚、并拿出预算与课程表的管理层，更值得托付。从用户与投资者视角，你也可以快速做“信任体检”。问三件事：遇到低置信度，系统如何自动转人工、多久接通、是否完整携带上下文？AI渠道的关键服务水平是否对外承诺且按季披露？最近一次AI服务事故的事后报告在哪、修复承诺是否落地？能回答、且能被第三方验证，就在建立信任；答不出，就是风险。别忘了技术底座同样重要：知识库有专职“知识运营”持续校准吗？与CRM、工单、支付、风控是否打通上下文？是否开展过真实用户的负载与并发压测？这类“看起来不性感”的工程事实，决定AI服务的上限，也决定公关风暴来时你能不能站稳。归根结底，AI高管的可信度，不在于对未来多么亢奋，而在于对边界多么诚实；不在于能省掉多少人，而在于能否把省下的效率转化为更好的体验与更有尊严的工作。机器带来速度，人类给出温度。信任不是一次性声明，而是可被检验的习惯与流程，是在每一次失误后，把系统修到比昨天更好的一种能力。当智能愈强，我们就更需要原则。当模型学会了“像人一样说话”，企业则必须学会“像成年人一样负责”。这或许是AI时代最朴素、也最难的领导力。

未来最抢手的工作，现在可能还没有名字？

也许你未来的职位，会在招聘网站上找不到名字。技术革新的速度，已经快到词典跟不上：今天还叫“客服”“产品经理”，明天可能变成“智能体编舞师”或“人机合奏质控官”。当岗位尚未命名，就已经在企业里悄然成形，这正是我们所处时代的趣味与挑战。看清拐点，先看一个坐标。Klarna四年间从7000人缩到3000人，CEO还预告2030年将低于2000人。原因不是业务消失，而是组织形态在被AI重写：AI助手一个月处理230万次对话，相当于700名全职的工作量，响应更快、覆盖35种语言。但Klarna也强调，“需要人际连结”的岗位会保留，并开始为复杂、高价值问题重新招聘人类专家。另一端，更多公司因AI调整人力结构；有专家直言，AI可能切走50%的入门级白领岗位。与此同时，宏观研究显示，AI每年可为全球经济新增数万亿美元产出，生产率显著抬升。岗位没消失，只是换了名字与分工。最抢手、却尚未稳定命名的工作，往往诞生在“人—AI—业务”的缝隙地带。你会看到这样一些影子正在成形：有人专门“编排”多个模型与工具协同，像指挥乐队一样让智能体分工、互检与托管成本；有人做“模型选择与风险适配”，在精度、延迟、费用与合规之间取最优解；有人成为“数据伦理与合成数据设计师”，用更干净、代表性更好的数据修补偏见；也有人扮演“升级应对与共情官”，在AI客服解决不了的关键时刻接手，稳住关系与体验。它们都不是传统岗位，但却是组织把AI转化为真正产能的关键螺丝。还有一批新生领域在外延扩张，岗位需求先到、命名滞后。低空经济需要大批“空域与航线运营”角色，无人机走廊设计、实时调度、应急编组尚无统一称呼，却有百万级缺口。老龄产业里，“养老科技陪护策展人”会把传感器、药物提醒、康复训练和情感交流编织成个性化方案，以缓解数百万护理员的缺口。绿色转型催生“流程减碳翻新师”，把工艺、能源、材料数据接入算法做连续优化。虚拟文旅爆发，则呼唤“沉浸式体验架构师”，将AIGC、交互与叙事拼接成可运营的数字资产。为什么这些岗位难被命名？因为它们是跨界组合：既要行业深水区的洞察，又要AI工具链与数据素养，还要沟通、同理与治理能力。研究显示，只要岗位要求新增关键技能，薪酬就有明显溢价；当要求四项以上新技能时，这种溢价更高。这也解释了统计口径里“其他计算机类”“其他数学类”“商业运营专家”等模糊类别的走红——新职业先以影子形态闯入报表，再在实战中被命名。担心被替代？不如思考怎样“命名”你的下一份工作。练就三种底层能力：把复杂任务拆成可被AI执行的工作流；像工程师那样管理数据质量、成本与风险；像服务设计师那样经营人际连结与极端场景。把它们叠放在你的专业领域里——法务、财务、制造、医健、零售、教育——你会成为“把AI变成组织能力的人”。这类人才，永远短缺。当一份工作还没有名字，往往意味着你可以参与命名。技术拓宽了工具箱，选择仍掌握在我们手中。与其问“会不会被AI取代”，不如问“我能把AI带到哪里”。也许，未来简历上最亮的一行，不是头衔，而是你亲手定义的角色与价值。

AI正在淘汰白领，蓝领的春天要来了吗？

当你正和一位“永不下线”的客服对话时，另一端也许已经不再是人类；而在郊外，一座新数据中心的机房却在紧急招电工、管道工和施工团队。一个岗位在被代码吞噬，另一些岗位因代码而暴涨——AI正在推到白领的围墙，也在给某些蓝领岗位点亮霓虹。近况并不含糊。Klarna四年内员工从7000缩到约3000，CEO预计2030年前还会跌破2000。他的判断与一批科技领袖的预期同频：AI对白领、尤其是入门级岗位的替代速度会超出想象，短期“动荡”几乎不可避免。不少大型公司已把裁员与AI升级挂钩，白领的安全感被现实按下了暂停键。但这不是“全面替代”的单行线——在Klarna，涉及与零售商深度关系的岗位被明确保留，“人际连接”的价值反而被强调。它们不是被AI取代，而是被AI放大。另一头，蓝领市场出现了与AI相关的结构性旺盛需求。为了训练与运行模型，数据中心像雨后春笋般上马，电工、管道工、制冷与消防安装、土建和运维岗位被持续拉升。有数据表明，美国电工年均缺口高企，能适配数据中心的熟练电工年薪已突破六位数，个别地区甚至远超多数白领收入。在中国，蓝领十年间月均收入增幅超过一倍，新能源与光伏装机的狂飙制造出运维与生产一线的大量岗位，工程施工与养老护理也呈现出巨大缺口。这些职业的共性很清晰：强现实世界操作、重安全与合规、需要线下临场判断，且与AI形成互补而非直接替代。然而，把这解读为“蓝领大获全胜”也过于轻率。自动化会对部分传统制造工序形成挤压，“黑灯工厂”减少人手并非故事，而平台化算法对外卖、快递、网约车等群体的压榨与监控，则揭示了技术可能带来的另一面。智能化也在蓝领内部拉开新分水岭：能快速掌握数智设备和流程的“新蓝领”“紫领”上行通道更宽，而不愿意或难以跨过学习门槛的人，风险更高。所谓“去技能化”降低了入门难度，也可能稀释专业尊严与议价力；对个人而言，这是一把刀刃朝外也朝内的双刃剑。为何会出现“白领被替、蓝领走俏”的错位？一个关键逻辑是效率悖论：当AI把某些脑力环节做得更快更便宜，需求并不会简单消失，反而会涌向那些模型无法在线上独立完成、却与其成果强耦合的链条端点——建设、改造、安装、检修、交付、面对面服务与信任。与此同时，企业在实践中也在修正路线。AI客服确实能在多语言、7×24与标准问题上拉满效率，能把响应时长从十几分钟压到几分钟，相当于数百名坐席的产出；但一旦涉及高价值、复杂和情绪化的场景，许多公司又开始回补人手，转向“人机协作”的混合模式。技术的边界，常常是在一地鸡毛的业务里被发现的。更值得捕捉的是新物种的崛起。围绕AI诞生的岗位并不限于研究员与大模型工程师，还包括工作流编排者、提示设计与质控、AI伦理与合规、模型运维与清洗、数据中心高技工、以及把AI嵌入一线流程的“新领工人”。它们往往不执着于文凭，而更看重能力证书、实操熟练度与跨域沟通力。职业的抗AI本质，也逐渐清晰为三件事：握有现实世界的“最后一米”、承载明确的法律与安全责任、以及不可量化的人际信任。所以，蓝领的春天会来吗？会，但更像“结构性回春”。与AI强互补的技工、运维、建造、医疗照护与高接触服务，会更热；不触网、不学习、不拿认证的传统岗位，可能更冷。对个人的可执行路径，是把“手”与“算”系在一起：在现实世界打磨可靠的技术与服务，同时习得AI与数据素养，让自己成为那根把模型与落地串起来的“连接件”。对企业，关键不只是裁撤与替换，而是岗位重构与再培训，把被释放的时间与人力押注到创新与高价值触点上。对社会，则是补齐职教与认证体系、升级劳动保护，把技术红利转化为更稳固的中产台阶。技术每次改朝换代都像潮水：它会带走旧的沙洲，也会沉淀新的陆地。真正的安全感，不在岸线是否后退，而在于你能否学会在新岸边扎桩。AI并未宣布工作的终结，它只是在重写“有价值的工作”——那往往发生在机器够不着的地方，也发生在你愿意与机器握手的瞬间。愿你找到那个既靠得住、又靠得近的位置，让春天不只路过你所在的行业，也开在你的履历里。

新知 - 大圆镜｜Klarna的AI大反转：裁掉700人后，为何又把“人类”请了回来？

大圆镜

内容由AI生成，思考得你完成

App Store 下载 Android 下载

一则“AI将取代我们”的预言

“到2030年，我们公司的员工将少于2000人。”瑞典金融科技巨头Klarna的联合创始人兼CEO塞巴斯蒂安·西米亚特科夫斯基（Sebastian Siemiatkowski）的这句话，像一块巨石投入平静的湖面，激起了全球白领阶层的集体焦虑。这并非危言耸听。在AI的驱动下，Klarna的员工总数已从2022年的7000多人锐减至3000余人。西米亚特科夫斯基甚至断言，AI能够完成包括他自己在内的所有人的任务，因为工作的本质——推理能力，AI已经掌握。

这则预言的背后，是Klarna一度激进的AI战略。2024年初，公司高调宣布与OpenAI合作推出的一款AI客服助手，在上线的第一个月就处理了230万次客户对话，相当于700名全职人类客服的工作量。它支持35种语言，将客户问题的平均解决时间从11分钟大幅缩短至2分钟。客户满意度与人类客服持平，重复询问率降低25%，预计每年能为公司节省4000万美元的成本。一时间，Klarna被视为AI重塑企业用工的典范，其“AI扩能+缩编人力”的策略，似乎预示着一个白领岗位被大规模替代的未来。

然而，就在这场由效率驱动的自动化革命高歌猛进之时，一个出人意料的转折发生了。

机器的“筛子”与人类的温度

“Stupid bot（愚蠢的机器人）。”这是许多用户在与Klarna的AI客服互动后，无奈之下输入的“秘籍”，他们希望能借此绕过机器，连接到真正的人类。现实情况远比财报上的亮眼数据复杂。科技作家Gergely Orosz在亲身体验后犀利地指出，这个AI机器人“基本就像个筛子”，它所做的仅仅是从知识库中复制粘贴标准答案，然后迅速将无法解决问题的用户转接给真人客服。它更像一个智能版的FAQ索引器，而非真正能解决复杂问题的伙伴。

当AI的冰冷逻辑遭遇人类世界的复杂情感与个性化需求时，其局限性暴露无遗。客户们抱怨服务“缺乏人情味”，难以触达能够真正理解并解决他们困境的人。西米亚特科夫斯基后来也不得不承认，公司过去几年专注于AI的策略“并不正确”，尽管AI成本更低，但服务体验大打折扣，最终带来的是“质量更差”的用户支持。

这场看似完美的自动化实验，最终在现实面前碰壁。Klarna的经历深刻地揭示了一个事实：效率并非商业的唯一尺度。在处理需要同理心、信任构建和复杂人际沟通的场景中，AI的“智能”显得苍白无力。技术不会让人无用，它只会让我们更清楚地认识——人，为何难以取代。

“人类连接”的价值回归

2025年中，Klarna做出了一个震惊业界的决定：逆转策略，结束长达一年多的“招聘冻结令”，重新大规模招聘人类客服。这一次，公司的目标不再是简单的效率提升，而是着重打造“高质量的人类支持”。西米亚特科夫斯基坦言，这才是公司未来的发展方向。

有趣的是，新的招聘计划将目光投向了三类特定人群：在校大学生、偏远地区居民以及Klarna的忠实用户。所有岗位均为远程工作，这既能控制成本，又能触达更多元化的人才。Klarna的策略从“AI替代人类”转向了“AI辅助人类”——让AI处理简单、重复的问题，而人类专家则专注于处理那些需要情感投入和深度思考的“关键时刻”。

Klarna戏剧性的大反转，为全球正在经历AI冲击的白领职场提供了一个至关重要的参照系。它清晰地划出了一条边界：在标准化、可量化的任务上，AI是无可匹敌的效率机器；但在涉及情感劳动、复杂决策和深度人际互动的领域，“人类连接”（Human Connection）依然是不可或缺的核心价值。这不仅是Klarna的教训，更是整个AI时代对“工作”本质的重新定义。

从任务执行者到“超级个体”：人机协同的新范式

Klarna的实践表明，未来并非“AI vs 人类”的零和博弈，而是“人+AI”的协同进化。员工的角色正在从单纯的任务执行者，转变为AI系统的监督者、协调者与指挥官。这种新型的人机协同模式，正在催生一种全新的职业形态——“超级个体”。

人机协同的模式大致可以分为三个阶段：

嵌入模式（Embedding）：人类是决策者，AI是执行命令的工具。我们通过提示词（Prompt）让AI完成写作、编程、设计等任务。
副驾驶模式（Copilot）：AI成为人类的合作伙伴，深度介入工作流程，提供建议、检测错误、优化性能。
智能体模式（Agent）：人类设定最终目标和资源，AI能够自主拆解任务、规划路径、调用工具并独立完成大部分工作，人类则扮演监督者和评估者的角色。

在Agent模式下，一个普通人就可能成为一个“超级个体”，拥有自己的AI团队和自动化工作流。这种转变要求劳动者掌握全新的技能，不再是简单地执行，而是要学会定义问题、判断质量、编排流程，甚至“教导机器”。正因如此，“提示词工程师”、“AI训练师”、“AI治理顾问”等一批前所未闻的新兴岗位正迅速崛起。

组织变革：重构价值流与人才发展

AI带来的冲击，远不止于个体层面，它正以前所未有的力量重塑着整个企业的组织架构与运作逻辑。如果企业仅仅将AI视为提升个人效率的工具，而不去改造僵化的工作流程，其带来的价值将十分有限。研究显示，若不进行组织变革，AI对效率的提升可能仅有10%-15%。

真正的变革，在于将AI能力深度嵌入组织的“价值流”中。这意味着：

系统性重构工作流：企业需要清晰地分解业务流程，明确哪些任务可以完全自动化，哪些需要人机协作，以及在何时必须由人类进行最终决策。
建立清晰的人机分工界面：AI负责规模化、标准化和快速迭代；人类则专注于创意探索、价值判断、伦理决策和处理例外情况。
推动组织架构去中心化：AI压缩了管理链条，使得扁平化、敏捷化的“章鱼式”组织成为可能。强大的中后台（大脑）提供战略和能力支持，而贴近市场的前台业务单元（触角）则拥有高度自治权，能够利用AI快速决策和响应。
构建全新的能力沉淀机制：将有效的提示词、数据集、工作流程打包成可复用的组织资产，形成“组织记忆”，让能力随时间产生复利，而不是因人员流动而流失。

这一切变革的核心，是人才发展策略的根本转变。企业需要从传统的“培训”思维，转向“在工作流程中学习”，为员工创造持续学习和实践的环境，并建立鼓励尝试、宽容失败的实验文化。

未来展望：就业、伦理与社会契约的再思考

Klarna的故事只是冰山一角。微软AI负责人预测，未来12-18个月，多数白领专业岗位的任务将被自动化；Anthropic的CEO则警告，未来5年，50%的入门级白领工作可能消失。这场由AI驱动的变革，正深刻地挑战着我们现有的社会结构。

就业结构的重塑：低技术、重复性的脑力劳动岗位将面临巨大冲击，而强调创造力、同理心、批判性思维和复杂人际沟通的“高感触”（High-Touch）岗位，其价值将日益凸显。
薪酬与财富分配：AI可能加剧贫富差距，技术和资本的拥有者将获得大部分收益。这要求我们重新思考财富分配体系和社会保障制度，建立更具普惠性的安全网，为劳动者的转型提供支持。
教育的根本转型：未来的教育，核心不再是灌输可被AI轻易检索的知识，而是培养人文素养、创新能力和终身学习的能力。教育的目标，是帮助人类与AI形成互补，而非竞争。
伦理与治理的挑战：AI的偏见、数据隐私、决策的透明度与可解释性，都对社会治理提出了新的要求。欧盟率先落地的《人工智能法案》只是一个开始，全球性的AI伦理框架和治理体系亟待建立。

Klarna的AI实验以一种意想不到的方式落幕，它从一个关于“机器取代人类”的激进故事，变成了一个关于“人机协同共生”的深刻寓言。它告诉我们，技术的浪潮无可阻挡，但人类的价值也从未如此清晰。在未来的工作世界里，最核心的竞争力，或许不再是我们能完成多少任务，而是我们如何保留并放大那份独属于人类的、无法被算法编码的——智慧与温度。