← 返回动态
AI 洞察

AI最先真正重塑的, 到底是基层岗位,还是管理岗位?

先看今年发生的几件事。1月 亚马逊宣布进一步裁减约1.6万个企业岗位,此前一轮裁员已涉及约1.4万个岗位。

字竞未来15 分钟阅读
AI最先真正重塑的, 到底是基层岗位,还是管理岗位?

先看今年发生的几件事。

1月 亚马逊

宣布进一步裁减约1.6万个企业岗位,此前一轮裁员已涉及约1.4万个岗位。公司持续强调减少官僚层级、提高效率,并明确表示生成式AI将改变工作的组织方式。

 

2月 Block

动作更加激进。Jack Dorsey宣布将员工规模从超过1万人缩减至不足6000人,超过4000个岗位受到影响。与很多公司含糊地把裁员归因于"组织优化"不同,Block明确把AI带来的效率提升作为重要原因之一,认为更小、更扁平的团队借助AI可以完成过去更大团队完成的事情。

 

5月 Freshworks

宣布裁减约11%的全球员工,大约500人。CEO Dennis Woodside在公开信里直接把这次组织调整放在"AI时代"背景下解释。

 

7月 微软

宣布削减约4800个岗位,占全球员工约2.1%。但与此同时,微软披露过去一年已经将超过4000名员工重新调配到新的岗位。

如果故事到这里结束,似乎非常简单:AI效率提高,公司需要的人越来越少。

但2026年的故事没有停在这里。接下来发生的事情,反而更加值得企业管理者关注。

企业一边裁员,一边突然发现——

 

AI自己也很贵。

Uber AI预算被快速烧完

Uber曾鼓励工程师大量使用AI编码工具,结果2026年的AI编码预算在前几个月就被快速消耗。6月,公司开始为部分AI工具设置使用上限:每名员工、每个AI编码工具每月最高约1500美元。

Rippling Token支出一度逼近薪酬预算的40%

到了8月,Rippling公开披露,如果按照年初的AI使用趋势继续增长,其AI Token支出一度可能达到研发人员总薪酬预算的40%左右;公司发现大约10%—15%的员工贡献了约60%的AI支出,甚至有单个工程师一个月消耗约5万美元。于是公司开始专门建立AI Spend Console,去判断——

谁在花Token?花了多少?
这些Token到底有没有换来生产力?

更有意思的是,到了8月底,另外一种声音开始出现。

Meta 激进方案踩了刹车

Meta曾讨论过一个代号为Project OT的组织转型方案,希望建立更加"AI Native"的组织,部分设想甚至涉及将某些团队规模缩减最高约60%,让更小的人类团队管理AI工具和Agent。但这一方案最终没有按照最初构想继续推进。路透社8月26日报道称,Meta在5月已经进行一轮约10%的人员调整之后,取消了后续更激进的裁员计划。AI可靠性、安全性、员工抵触以及实际生产效率,都成为重新评估的重要原因。

于是,一个比"AI会不会裁员"更有意思的问题出现了:

AI最先真正重塑的,
到底是基层岗位,还是管理岗位?

01 从一个真实业务现场开始

 

假设一家拥有100名员工的企业,同时运行二三十个客户项目。过去,每天晚上员工提交日报。第二天早上,项目经理开始整理:谁的任务延期了;客户提出了什么问题;哪些需求发生变化;哪个项目存在风险。

项目经理整理完之后,再发给部门负责人。部门负责人把十几个项目重新归纳一次,再把其中最重要的问题提交给老板。

信息传递的时间损耗

一个周一下午已经出现的问题,
很可能直到周三的管理会上,
老板才第一次知道。

于是老板提出一个想法:能不能让AI每天自动分析员工主动提交的日报、项目任务和客户记录,把延期、风险、客户投诉和资源冲突直接整理出来?从老板角度看,这件事情非常合理。

但真正值得思考的地方来了。如果AI已经可以完成:员工日报汇总、项目进度统计、延期识别、客户问题归类、风险提醒、会议纪要、周报生成、经营数据摘要——那么被改变的真的只是那个每天写日报的基层员工吗?还是那个每天花两三个小时——

 

收日报、做表格、催进度、开会、
汇总、再向上汇报的人?

就在昨天 Uber:2026年9月2日的新一轮组织调整

Uber公布全球团队规模削减约10%。CEO Dara Khosrowshahi在内部信中专门提到,公司要减少管理层级、简化团队结构,并且重点减少主要承担协调工作的岗位。Uber还披露,公司距离CEO七层及以上的员工数量减少约20%,只有1—2名下属的"微型团队"数量接近减半。

需要强调:Uber并没有把这轮裁员简单归因于AI。但这件事恰恰提供了一个非常好的观察窗口——未来组织真正准备压缩的,可能不仅仅是"执行工作",还包括大量:协调工作、信息传递工作,以及纯粹依赖组织层级存在的管理工作。

02 双方其实都没有错

 

基层员工担心AI,完全合理

因为从技术能力来看,基层岗位中确实存在大量最容易被AI接管的任务:客服回复常见问题;财务识别发票和流水;运营整理资料;行政生成通知;程序员编写基础代码;设计师生成初稿;销售整理客户沟通记录;员工撰写日报和会议纪要。

这些工作的共同特点都是:重复、高频、规则相对清晰,而且结果比较容易验证。

Block就是非常激进的案例。它没有等待几年观察AI究竟会产生多大效率,而是直接按照"更少的人+更强的AI工具"重新设计组织。从超过1万人缩减至不足6000人,本质上就是在进行一场巨大的组织实验:如果AI真的让每个人能力增强,公司是不是根本不再需要原来那么多人?

但管理者同样应该紧张

因为企业内部另外一类工作,其实也高度重复:收集信息。整理信息。审核信息。传递信息。催促别人。组织会议。统计进度。制作管理报表。然后向更高层汇报。

过去企业为什么需要一层又一层管理?并不一定因为每一层管理者都拥有不可替代的战略判断能力。一个非常现实的原因是:企业的信息处理能力有限。

一个老板没有办法每天直接管理100个人。所以100个人下面分成10个组;10个组上面有几个经理;几个经理上面还有总监。组织层级本质上承担了一部分:

组织层级 = 信息压缩器

基层 100条信息,到组长这里变成 20条。

20条到经理这里变成 5条。

5条最后变成老板桌上的 3条。

但AI恰恰特别擅长做这种事情。如果企业的项目、任务、客户、日报、合同、会议和财务数据全部已经数字化,那么老板未来甚至不需要等待周会。他可以直接问:"现在最值得我关注的三个经营风险是什么?"AI可以从几百条业务记录里寻找异常。

所以未来真正尴尬的管理岗位,很可能不是那些真正能够做判断的人。而是:80%的工作价值建立在"我负责汇总和传递信息"上的管理者。

03 2026年的第二个变化:AI不是免费的员工

 

今年非常值得企业老板注意的,还有所谓的Token经济学。

前两年企业讨论AI,通常问:"员工有没有在用?"2026年开始,越来越多企业开始问另外一个问题:"用了这么多AI,到底创造了多少钱?"这是一个非常重要的变化。

Uber一开始甚至通过内部排行榜鼓励工程师积极使用AI工具,结果Token消耗增长之后,公司又开始设置预算上限。Rippling也经历了类似过程:年初鼓励员工尽可能使用AI;几个月以后,财务部门突然发现,如果继续按照这个速度增长,AI本身会成为一个巨大的研发成本项目。于是企业开始分析:

这个工程师一个月花1000美元Token,帮公司节省了多少开发时间?

那个工程师花了5000美元,代码是不是反而需要其他人返工?

一项任务究竟应该调用最强模型,还是廉价模型?

AI Agent跑几十轮之后产生的结果,究竟值不值这笔钱?

这背后意味着一件事情。过去很多人把AI想象成无限便宜、无限复制的数字员工。但真正进入企业之后,它依然存在资源成本。只不过过去企业衡量的是人天,现在还要增加另外一种资源:Token、算力和模型调用成本。

所以未来企业不会简单变成"人越少越好,AI越多越好"。真正成熟的企业会开始寻找一个新的平衡点:

 

什么事情交给AI最便宜,
什么事情交给人反而更划算?

04 一些企业已经开始"往回走"

 

如果AI真的可以简单替代大量岗位,那么理论上应该出现一个趋势:裁掉以后,就再也不用招回来。现实却没有这么简单。

2026年3月,组织设计公司Orgvue发布研究称,在因为期待AI节省成本而裁员的企业中,有32%的组织后来不得不重新招聘人员。更值得注意的是,23%的企业承认,当初做出裁员判断时,依据主要是对AI能力的一般性假设,而不是针对具体岗位进行详细分析。

 

Gartner在2026年2月则给出了一个更加激进的预测:到2027年,在那些曾经把客服岗位减少归因于AI的企业中,大约一半可能会重新招聘承担类似职能的人,只是岗位名称可能发生变化。


其实这类反转在2025年已经出现过非常典型的现实案例。

反转一 澳大利亚联邦银行:撤回裁员决定

澳大利亚联邦银行(Commonwealth Bank)曾经因为部署AI语音机器人,宣布削减45个客服岗位。但随后实际业务并没有按照预期发展。员工和工会反映呼叫量反而上升,公司甚至需要安排加班,并让团队负责人重新接电话。最终银行承认此前判断存在问题,撤回裁员决定,并允许受到影响的员工继续留任、转岗或者选择离开。

反转二 Klarna:重新招聘人工客服

这家公司早期曾大力宣传AI客服能够承担相当于数百名客服人员的工作量。但到2025年,CEO Sebastian Siemiatkowski公开承认,公司此前过于强调效率和成本,正在重新招聘人工客服,希望确保客户始终可以选择与真人交流。

所以到了2026年再看这些案例,我们会发现:AI没有失败。失败的往往是企业对AI边界过于简单的理解。

05 真正的业务边界:不是"AI能不能做",而是"谁为结果负责"

 

这也是我认为企业未来几年必须建立的一条边界。

AI当然可以:总结日报;发现延期;分析异常;整理客户投诉;检查代码;生成方案;预测项目风险。但企业不能因此直接推导出:"AI发现某员工经常延期,所以这个员工绩效差。"

因为一个项目延期背后可能存在完全不同的原因:客户临时修改需求;其他部门没有配合;人员配置不足;任务本身估时错误;负责人能力不足;甚至可能是管理者自己不断改变方向。

如果AI只能看到"延期了3次",却看不到业务背景

一个看起来非常精确的数据结论,
反而可能制造一种更加危险的管理幻觉。

因此AI进入管理以后,至少应该存在几条边界:

AI进入管理的七条边界

一、AI只处理已经进入企业业务系统、员工主动提交或明确授权的数据;不读取私人聊天、私人文件和与工作无关的信息。

二、AI可以发现异常,但不能直接形成最终绩效决定。

三、涉及员工奖惩、晋升、降职和解雇等重大决定,必须由负责人确认。

四、AI产生的重要分析必须能够追溯数据来源。

五、AI判断错误时,应当允许相关人员补充事实和提出异议。

六、企业不只考核员工使用了多少AI,更应该考核AI最终创造了什么业务结果。

因为管理真正不可外包的一件事情是:责任。

AI可以说:"这个项目风险很高。"但到底继续投入还是暂停项目,是管理者的决定。

 

AI可以说:"这个员工连续三个任务延期。"但究竟应该培训、换岗、增加资源还是进行绩效处理,最终仍然需要有人了解真实业务背景并承担责任。

06 所以,到底谁会先被AI重塑?

 

短期来看,基层岗位最先感受到AI。因为重复任务首先被自动化。

但从组织结构来看:管理岗位很可能被重构得更加彻底。尤其是中间管理层。

原因并不复杂。过去企业管理需要很多人,是因为三个东西非常贵:获取信息很贵。分析信息很贵。跨部门协调很贵。而AI正在同时降低这三种成本。

因此未来的企业,很可能不是简单变成"100个人裁掉30个人",而可能发生更加复杂的结构变化。

执行端:一个人放大

一个销售借助AI,可以管理更多客户。一个程序员借助AI,可以完成过去几个人才能完成的开发任务。一个财务人员借助AI,可以管理更多账套。

 

管理端:层级被穿透

与此同时,一个老板也可能借助AI直接看到过去需要两三层管理者才能整理出来的信息。

这意味着未来企业真正需要重新回答的是:到底需要多少"执行者",又需要多少"协调者"?

07 2026年的这些新闻,其实指向了同一个结论

 

把今年发生的事情连起来看,会非常有意思。

第一阶段:企业疯狂拥抱AI。大家鼓励员工多用AI、多用Token、多使用Agent。

第二阶段:企业发现效率提升,于是开始裁员和压缩组织。Block、Amazon、Freshworks、微软等公司的人员调整陆续出现。

第三阶段:企业发现AI同样存在成本。Uber开始限制AI工具预算;Rippling开始计算每个员工的AI ROI;越来越多公司开始讨论Token预算,而不是单纯追求Token使用量。

第四阶段:企业开始发现AI能力存在边界。Meta缩减了更加激进的AI组织改造方案;Gartner开始预测部分客服岗位会重新出现;Orgvue已经观察到一些企业进入"裁员—重新招聘"的循环。

所以这轮AI浪潮真正值得企业学习的,也许根本不是"AI能够裁掉多少人",而是:"AI出现以后,公司应该怎样重新设计人和组织?"

AI可以让一个人的能力放大,但能力放大,并不等于这个人就应该消失。AI可以减少管理层的信息差,但信息更加透明,也不意味着企业不需要管理。真正会失去价值的,是那些长期依靠以下事情证明自己存在价值的岗位:

正在失去价值的

重复执行 · 机械整理 · 信息搬运 · 层层传话

 

越来越重要的

定义问题 · 判断结果 · 处理例外 · 协调利益 · 理解客户 · 承担责任

所以我越来越倾向于认为:AI最终淘汰的可能不是所谓"基层岗位",也不是所谓"管理岗位"。它首先淘汰的是一种工作方式:

 

一个人的主要价值,
只是把信息从A搬到B,
再从B整理以后交给C。

当信息获取、整理、分析和传递都变得极其便宜以后,基层员工需要证明自己的专业判断。而管理者,则需要证明自己的决策价值。

最后只留下一个问题

如果AI已经可以自动汇总进度、
发现风险、追踪任务并直接向老板汇报,
你认为一家100人的公司,
未来还需要现在这么多层管理者吗?

参考来源

[1] Reuters:Amazon axes 16,000 jobs as it pushes AI and efficiency(2026.1)

[2] Reuters / AP:Block cuts more than 4,000 jobs in AI overhaul(2026.2)

[3] Freshworks:Message From CEO Dennis Woodside(2026.5)

[4] Microsoft Blog:The latest in our company transformation(2026.7)

[5] Los Angeles Times:Uber caps staff use of AI coding tools(2026.6)

[6] TechCrunch:After Rippling blew millions on AI in months(2026.8)

[7] Reuters:How Meta's AI workforce transformation plans went kaput(2026.8)

[8] Uber:Building a simpler, faster Uber(2026.9)

[9] Fortune:Uber CTO says tokenmaxxing era is over(2026.8)

[10] Orgvue:AI部署与"Fire and Rehire"现象研究(2026.3)

[11] Gartner:客服岗位AI裁员与重新招聘预测(2026.2)

[12] ABC News:Commonwealth Bank reverses AI-related job cuts(2025.8)

[13] Bloomberg:Klarna Turns From AI to Real Person Customer Service(2025.5)

KEEP READING

继续阅读

查看全部文章 ↗