一邊裁員、一邊搶 AI 人才：這個矛盾正在把職場人逼到臨界點

兩則新聞，同一週發生

上個月，我在同一週讀到兩則放在一起會讓人頭皮發麻的報導。

第一則：IBM、Salesforce、SAP 相繼宣布新一輪裁員，合計波及超過兩萬名員工，官方說法都含著同一個字——「AI 自動化」。第二則：LinkedIn 發布的數據顯示，過去 12 個月內，標題含「AI Engineer」「Machine Learning」「Prompt Engineer」的職缺數量年增幅超過 60%，部分技術職的開出薪資甚至比兩年前高出 40%。

這兩件事同時為真。這就是問題所在。

「AI 裁員」不是終點，是篩選機制

我觀察 AI 產業這幾年，越來越確信一件事：這一波裁員潮，本質上不是成本削減，而是一次大規模的人才結構重組。

企業砍掉的，是那些「用時間換產出」的崗位——內容審核、初級數據標注、基礎客服、中層報告彙整。這些工作的共同特徵是：輸入清晰、輸出可預測、流程可重複。恰好是目前的 LLM 最擅長的領域。

但同一批企業，正在拼命招募能「駕馭 AI」的人：AI 產品經理、Prompt 工程師、AI 系統架構師、負責評估模型輸出品質的 RLHF 標注專家（這個職位的年薪在矽谷已突破 10 萬美元）。

這不是矛盾，這是篩選。問題在於——被篩掉的那批人，沒有人告訴他們考場在哪裡、考的是什麼。

被背刺的「中間層」

最受衝擊的，是職涯走到第五到第十年的中階工作者。

他們不是新鮮人，沒有「反正從零開始」的彈性；他們也不是高階主管，無法靠決策權與人脈緩衝。他們剛好坐在那個最容易被 AI 取代的甜蜜點——有足夠的專業讓公司過去依賴他們，卻又不夠稀缺到讓公司不敢動他們。

根據 World Economic Forum 2024 年的報告，預計到 2027 年，全球將有 8300 萬個工作崗位消失，同時新增 6900 萬個。淨損失 1400 萬個——但這個數字掩蓋了更殘酷的現實：消失的和新增的，根本不是同一批人。

你不能叫一個做了八年 SEO 內容的編輯，直接去填 AI 訓練工程師的缺。技能的轉換成本，比任何財報裡的「轉型預算」都要高得多。

企業的敘事，與現實的落差

這裡有一個我持續在追蹤的說法，我把它稱為「AI 再培訓神話」。

每當一家大公司宣布裁員，公關稿裡必然有一句：「我們將投資 X 億美元於員工技能再培訓。」Amazon 說過，IBM 說過，AT&T 早在 2018 年就承諾了 10 億美元的「再培訓計畫」。

但追蹤這些計畫的後續數據，你會發現幾個共同問題：完課率低（線上課程平均完課率不超過 15%）、課程內容落後市場 12 到 18 個月、真正轉換到技術崗的比例鮮少被公開揭露。

再培訓，更多時候是一個讓裁員看起來「負責任」的公關動作，而不是一個真正有效的系統性解方。

這個矛盾的爆炸半徑

我在上一篇文章裡寫過，這是一顆社會炸彈——但那篇聚焦的是系統性焦慮的蔓延。這篇我想講更具體的：爆炸半徑比多數人預期的寬。

不只是被裁的個人。還有那些「還沒被裁、但每天活在不確定裡」的人。根據 Gallup 2024 年的職場調查，目前全球有超過 51% 的受僱者表示他們正處於「安靜觀望」狀態——不辭職，但也沒有真正投入工作，因為他們不確定這份工作明年還在不在。

這種集體性的職場疏離，對企業生產力的侵蝕，可能比裁員本身更難量化、也更難解決。

那麼，這個矛盾有解嗎？

我的觀察是：短期內，沒有結構性解方。

但有幾件事正在悄悄改變格局：

• AI 工具的平民化：越來越多非技術背景的人，開始能夠用 AI 工具完成過去需要工程師才能做到的事。這條技能門檻的曲線，正在快速下降。
• 「AI 協作能力」的重新定義：部分前瞻性企業已經不再問「你會不會寫 Python」，而是問「你能不能跟 AI 有效協作、並對它的輸出進行批判性判斷」。這是一個相對更可轉換的技能。
• 監管壓力的升溫：歐盟的 AI Act 已正式生效，部分條款要求企業在「以 AI 取代人力決策」前需履行告知義務。這不會阻止裁員，但可能讓企業的法律成本足以讓他們三思。

最後，一個不太舒服的結論

我見過太多人把「AI 裁員潮」和「AI 職缺爆炸」當成兩個分開的故事在讀。它們不是。

它們是同一個故事的正反兩面：一個系統正在主動淘汰舊的生產者，同時為新的生產者留好位置。問題從來不是 AI 在搶飯碗，而是這場搶奪是在沒有任何社會緩衝的情況下同時發生的。

這個矛盾真正的危險，不在於它會爆炸。在於它已經在悶燒，而大多數人還在等一個官方說法告訴他們「這只是過渡期」。