大厂全面押注AI:你的文档和聊天记录,正在训练你的替代者
某大厂内部下发通知，暂停所有非紧急需求，全面转向AI。每个团队必须开发自己的Agent，以后产品经理提需求，对象不再是程序员，而是Agent。程序员的职责也变了：不能直接修改代码，只能调整和维护Agent。
另一家公司，更激进。他们把内部Wiki、会议记录、工作沟通的飞书聊天，打包进行知识库蒸馏，投喂到内部大模型里。目标是：让AI学会这些员工的工作方式，以便精简岗位。
这两件事放在一起，有一个共同的结局指向：让人把自己交出去，然后被自己替代。
先说”全面转向Agent”这件事对不对
Agent确实是AI在企业里落地最有价值的形态。从”回答问题”到”完成任务”，是AI能力的一次真实跃升。一个设计良好的Agent可以稳定地处理某类流程化任务，减少重复的人力投入，这是有意义的。
但”每个团队必须开发Agent”、”任何需求只能和Agent沟通”、”程序员只能改Agent不能改代码”——这不是技术判断，这是一道行政指令。
技术判断和行政指令的区别在于：技术判断会先问”这个场景适不适合用Agent”，行政指令直接跳过这一步，直接问”你的Agent在哪里”。
不是所有的工作都适合Agent化。复杂判断、模糊需求、跨场景的上下文依赖、需要微妙人际沟通的决策——这些场景今天的Agent做得相当差，强行套进Agent流程只会产生一个高维护成本的故障点，而不是效率提升。
更根本的问题是：让产品经理的需求”只能和Agent沟通”，产品经理对技术实现的感知就会断掉。产品和工程之间的沟通，不只是需求传递，还有摩擦过程中诞生的创意、对实现难度的直觉、对技术可能性的感知。把这个通道切断，换成一个中间层，短期内也许减少了沟通成本，长期来看，这家公司的产品会逐渐失去”人味”，因为人与人之间那点儿具体的理解和妥协，不见了。
程序员”在帮AI优化取代自己的工具”
国内大厂基本上都在做内部AI编程工具，封禁了Cursor等外部工具（理由是数据安全），只允许用自研工具。程序员每天要给这些工具提反馈，帮助改进它们。
这多少有些讽刺。程序员花时间打磨一款工具，而这款工具未来的目标是让一个人顶替原来需要三个人干的工作。打磨得越好，自己的处境就越微妙。
不过说公平话，这本身不是坏事。工具进步从来都是这样推进的，锄头的改良也是农民做的。问题不在于”参与工具改进”，而在于公司在这个过程中是否承认员工的贡献，以及工具成熟之后，公司打算怎么对待这些人。
员工文档进知识库，这件事有多值得警惕
蒸馏员工的Wiki文档、会议记录、飞书聊天记录——技术上，这是RAG（检索增强生成）的标准操作。把文档打进向量数据库，构建知识库，让内部AI助手可以检索这些内容，回答”这类问题我们以前是怎么处理的”。
这件事本身有一定合理性：知识沉淀和传承是企业管理的长期难题，很多关键知识以非正式的方式活在老员工脑子里，一旦这些人离职知识就消失了。把这些内容结构化，让新人能够检索学习，是有价值的。
但当这件事的用途从”知识传承”变成”人员替换依据”，性质就彻底变了。
它意味着：你在公司积累的所有工作方式、判断逻辑、处理问题的框架，都会被系统性地提取出来，装进一个不需要睡觉、不要社保、不用发年终奖的模型里。你走了之后，这个模型会按照你以前的方式回答问题，处理和你曾经处理过的类似任务。
你在公司工作的每一年，都在为自己的数字替代品贡献训练数据。
更令人不安的是法律灰色地带。几乎所有劳动合同里都有一条：员工在职期间产生的工作成果，知识产权归公司。这条条款在纸媒时代是可以接受的，因为那时候文档就是文档，放在服务器里不会自己动。但现在这条条款意味着：你写的一切，你说的一切，你在内部系统里留下的一切，都可以被用来训练你的替代品，而你没有任何异议的权利。
劳动合同里写的是你的劳动成果归公司，没有人告诉你，你的劳动成果将被蒸馏进一个模型，用来让公司在裁掉你之后还能保留你的生产力。
裁了再招，然后说AI已经好了
有意思的是，已经有足够的数据告诉我们，这波”以AI为名的降本增效”到底有多真实。
《哈佛商业评论》的调查：89%的受访企业已因AI的”预期影响”而裁员或放缓招聘，但只有2%的企业明确表示裁员是因为AI确实承担了人的工作。
人力资源机构Careerminds的调查：在已实施AI相关裁员的企业中，超过30%后来重新招聘了原岗位的25%到50%，另有35.6%的企业甚至招回了超过一半的岗位。
Salesforce裁了4000人，4个月后发现AI无法处理客户的细微问题，开始重新招聘那些被裁掉的岗位。特斯拉裁撤充电站核心团队，直接打乱了充电网络的扩张节奏，后来不得不回补关键岗位。
这是一幅相当清晰的画面：很多公司不是”彻底不需要这些人了”，而是先把人裁掉，后来才发现这些活还得有人干。
牛津经济研究院的研究给出了一个非常直白的解释：以AI为由的裁员，比承认传统业务失败”更能向投资者传递积极的信号”。Meta和Block宣布裁员后，股价分别上涨了近3%和23%。把”我们在降本”包装成”我们在拥抱AI”，财报故事更好讲，资本市场更买单。
换句话说，部分裁员的真实驱动力，是股价，不是AI的实际替代能力。
AI生产了更多内容，但审核的人还是你
还有一个现象，没有太多人说，但亲历者描述得很生动。
一位在美国AI基础设施公司工作的工程师写了一篇文章《AI疲劳真实存在，却无人谈及》，在全球引发了广泛共鸣。他的描述是：AI让代码、文案、文档的生成效率提升数倍，但审核和验证的效率没有同步跟进。人依然是整个工作流程的核心瓶颈，要处理十倍于以往的工作量。
他用了一个比喻：这像是工厂换了一台冲压速度快十倍的机器，但流水线末端的质检员还是一个。产能提升了，质检员的工作量翻了，次品率没有变化，崩溃的是那个承担全部审核压力的人。
大多数管理者看到的是报表上漂亮的数字：代码交付量多了，文档产出多了，邮件发送量多了。他们看不到的是：员工在审核这些产出时消耗的精力，不比从前少，甚至更多，因为AI的产出里混杂着大量需要被识别和纠正的错误。
有了AI之后，人的工作量变成了以往的十倍，然后公司说可以裁人了。
这件事急不急
先把人裁掉，等AI的能力追上来——这个赌注在某些场景下会赢，在另一些场景下会输得很惨，而且输了之后付出的代价不只是业务受损，还有团队文化的瓦解、核心人才的出走、组织能力的断层。
更重要的是，”把员工文档和聊天记录蒸馏进模型”这件事，需要一个前提：员工知道，并且同意。不是劳动合同里那一句”工作成果归公司所有”，而是明确告知——你的工作记录将被用于训练一个可能替代你的系统，你是否同意？
这不是一个纯粹的技术问题，也不是一个纯粹的商业问题，而是一个人在组织里的尊严问题。
你在公司工作的那些年，是你的时间，是你的判断，是你在无数模糊的情境里用来自于你自身经历的直觉做出的决策。这些东西可以被学习，可以被参考，但它们是你的，不是公司可以单方面取走、打包、蒸馏、然后在你走之后继续使用的材料。
或者说，它们目前在法律上可以这样被对待。但这件事在道德上，是令人不安的。
说在最后
那个程序员说：程序员的护城河可能只剩两个——一是把自己演成无可替代的样子，二是寄希望于老板的迟钝，赌老板还没意识到AI能做这么多事。
有一件事是确定的：这场浪潮不会因为你不动它就停下来。跟它打正面对抗，大概率输。但跑在它前面，主动定义自己在这个流程里的位置，仍然是可能的。
最难被替代的，是在模糊情境中做判断的能力，是理解问题背后的问题，是在人和人之间那些无法被编码的信任与共识。
数据来源：《哈佛商业评论》、Careerminds调查、牛津经济研究院、虎嗅、每日经济新闻、爱范儿，截至2026年3月。
夜雨聆风
