夜雨聆风2026年前五个月，全球科技行业裁了超过10万人。平均每天850人。约250起裁员事件，几乎追平2025年全年总量。
LinkedIn裁了5%，Cloudflare裁了20%，Coinbase裁了14%，Block裁了40%——4000人一夜之间没了工牌。Oracle在考虑裁2到3万人，Meta裁了8000人，Amazon裁了1.6万个企业岗位。Challenger, Gray & Christmas的报告说，2026年前四个月，49135个岗位直接跟"AI"挂钩——几乎等于2025年全年AI相关裁数的总和。
所有的裁员声明里，"AI"出现的频率比"遗憾"还高。Cloudflare说内部AI使用量三个月暴增600%，Coinbase说要变成"更小规模、AI增强团队"，PayPal宣布未来两三年裁20%。
翻译一下：AI替你干了活，所以你不用来了。
这个故事听起来逻辑完美。但有一个数据，所有裁员声明里都没提。
Gartner调查了350位全球商业高管，发现了一个尴尬的事实：80%试点AI或自主技术的公司确实裁了员，但这些裁员与财务回报改善之间——没有任何关联。
Gartner副总裁Helen Poitevin的原话："仅仅通过减员来追求价值，很可能让大多数公司走向回报有限的死胡同。"
她还说了一句更值得琢磨的：AI投资回报最高的公司，恰恰不是裁员最狠的那些。它们在投资提升人类能力的技能和运营模式，让自动化与人相辅相成。
这段话的意思，我帮大家翻译成人话：裁了人投AI，钱花了，人没了，效率没涨。
但企业不会告诉你这个。企业告诉你的是"AI替代了你的岗位"，这个说法把两件事混在了一起——一件是"AI确实能做一些以前人做的工作"，另一件是"公司正好想省掉你的薪资"。
这两件事不是一回事。
我做了20年HR，经手过好几轮裁员——从2008年金融危机到2015年互联网寒冬到2020年疫情裁员潮。每一轮裁员的理由都不一样，但账本逻辑从来没变过：收入减去成本等于利润，利润不够了，要么加收入，要么减成本。减成本最快的办法就是减人。
2008年裁员，理由是"经济形势不好"。2015年裁员，理由是"业务结构调整"。2020年裁员，理由是"疫情冲击"。2026年裁员，理由是"AI替代"。
理由在变，账本没变。
区别在于，2026年这轮裁员多了一个东西：AI给了企业一个"不用心虚"的理由。 以前裁员，老板多少有点不好意思——毕竟是人，不是数字。现在有了AI这个叙事，裁员变成了"技术进步的必然结果"，老板不用心虚了，HR不用愧疚了，连被裁的人自己也觉得"可能是AI确实比我强"。
但Gartner的数据把这块遮羞布扯掉了：裁了人投AI，回报并没有改善。
那企业到底在干什么？
企业在用AI当审计员，精确地算清了每个岗位的账。
以前企业算不清。一个中级运营月薪1.5万，他每天做10件事，其中3件有价值，7件是重复劳动。企业没法只为他做的那3件有价值的事付1.5万——要么付全额留人，要么裁掉。AI出现后，那7件重复劳动AI能做了，成本接近于零。这时候企业第一次能看清楚了：这个人的1.5万薪资里，有1万买的是"AI能做的事"，只有5000买的是"AI做不了的事"。
于是企业做了一个简单的算术题：花0成本让AI做那7件，花5000招一个初级岗做剩下的3件里能标准化的部分，省下1万。
被裁的那个人，不是被AI"替代"了。他的岗位还在，工作内容还在，只是企业找到了更便宜的组合来完成同样的事。
AI没有替掉你的岗位，AI替掉的是你的溢价。
那为什么有人涨薪50%，有人被裁？
K型分化。
智联招聘的数据显示，2026年春节后三周，AI替代指数高的岗位招聘量明显下降——编辑、翻译、教育培训、基础客服、数据录入。与此同时，AI岗位需求年增78%，合格供给只增24%，AI工程师年薪同比涨20-30%。每个合格的AI候选人对应3.4个空缺岗位。
一边是岗位消失，一边是岗位抢人。中间的分水岭在哪？
我在HR岗位上干了二十年，做过无数次岗位价值评估。不管是用海氏系统还是用美世IPE，所有岗位价值评估工具拆到最后都是三个维度：你用什么技能做事、你做什么级别的决策、你承担什么程度的责任。
技能执行——你会不会做某件事。以前这是薪资的主要定价依据。你会数据建模，你值1.5万；你只会数据录入，你值6000。但AI正在让"技能执行"的定价体系崩塌——AI能做数据建模了，也能做数据录入了，而且不要工资。Oxford Economics说全球20%的全职岗位将被AI深度接管，麦肯锡说60-70%的日常工作内容可被自动化。这些数字指向同一件事：纯靠"技能执行"吃饭的人，正在被市场重新定价——归零。
决策权重——你做的事里，有多少需要你判断？AI能执行决策，但不能定义问题。一个运营总监的价值不是"写文案"，是"判断这个文案该不该发、发给谁、什么时机发"。AI能写出100条文案，但"选哪一条"需要人来做。决策权重越高，AI越替代不了。
责任承担——你做的决策，如果错了，谁扛？这是AI最致命的短板。AI不承担责任。一个财务总监签字的报表出了问题，法律追的是这个总监，不是Excel。一个HR总监批的裁员出了劳动纠纷，仲裁庭上站的是这个总监，不是AI。责任承担是人类最后的护城河——不是因为你比AI聪明，是因为只有你能被追责。
K型分化的分水岭就在这张表里。
被裁的那些人，不是"不会用AI"——很多人会用，但他们的薪资买的主要是"技能执行"，而技能执行的价值正在被AI归零。涨薪的那些人，不是"会用AI"——他们值钱是因为他们的工作里有大量的"判断"和"责任"，AI让这些价值变得更显性了。以前市场分不清"你值1.5万是因为你技能好还是因为你判断准"，现在AI把技能那部分做了，剩下的就是纯粹的判断价值——涨薪的人，是市场终于看清了他们的判断值多少钱。
Cloudflare说AI使用量暴增600%。但你有没有想过，这600%的使用量背后，有多少是"AI新做到的事"，有多少是"AI替人做到的事"？如果是前者，那是增量；如果是后者，那不过是企业找到了更便宜的替代方案。
Gartner的数据已经给出了答案：80%裁了员的公司，回报并没有改善。因为AI做的那些事，本来就是人在做的——不是新价值，是旧价值换了更便宜的供应商。
网上有很多建议说"学会用AI工具，你就安全了"。
我必须说，这是一种不负责任的简化。
学会用AI工具当然比不会好。但"会用AI"不是护城河——当所有人都会用的时候，"会用"就变成了底线，不是优势。就像十年前"会用Excel"是技能，现在"会用Excel"是基本要求。AI工具的门槛只会越来越低，今天你需要学提示词工程，明天AI自己就能理解你的意图。"会用AI"这件事本身正在被AI替代。
真正的转型难度远比"学个工具"大得多。LinkedIn的数据显示，职业转型平均需要200-400小时的技能重塑时间。哈佛商业评论的研究表明，企业内部技能转型项目的失败率高达70%。转型难在哪？
难在你要从"做事的人"变成"判断事的人"。这不是学一个新工具，是换一种工作方式。一个做了五年数据录入的人，你告诉他"去学AI工具"，他学了——然后呢？他的岗位还是数据录入，AI做得比他快十倍。他需要做的不是"学会用AI做数据录入"，而是"从做数据录入的人变成判断数据含义的人"。这是认知模式的转变，不是技能培训能解决的。
更难的是，不是所有岗位都能完成这个转型。有些岗位的本质就是"技能执行"——数据录入员、初级客服、基础文案。你不能让一个数据录入员"转型"成数据分析师，因为这两个岗位对认知能力、业务理解、统计基础的要求完全不同。培训100个小时的提示词工程，不会让一个基础客服变成AI产品经理。
这就是为什么K型分化会加剧——涨薪的人不是"转型成功"的人，是本来就在判断和责任维度上工作的人。被裁的人不是"转型失败"的人，是本来就在技能执行维度上工作、而AI让这个维度的价值归零了的人。
那普通人能做什么？
不是鸡汤，是可以今天就开始判断的事。
第一步：审计自己的薪资构成。 列出你工作中最主要的10项任务，然后问自己一个问题：如果这10项任务被AI做了，你的公司还需要花你现在的薪资再招一个人来做什么？如果答案是"不需要"——你的薪资买的主要是技能执行，你在K型分化的下行通道里。如果答案是"需要，因为有人要判断这些任务的结果对不对、出了问题谁负责"——你在上行通道里。
第二步：找到你的"AI审计盲区"。 AI能做事，但不能扛事。看看你目前的工作里，有哪些是"AI能做但不能负责"的——审核AI输出、判断AI结果、对AI决策承担后果。这些就是你的价值锚点。如果目前的工作里没有这些，你需要主动去争取。
第三步：把至少30%的工作时间从"执行"挪到"判断"。 不是学AI工具，是改变工作结构。以前你花80%的时间写报告、20%的时间决定报告写什么——试着反过来。让AI写初稿，你花时间在"这个报告该不该写、写给谁、结论对不对"上。执行的部分交给AI，判断的部分留给自己。
第四步：建立"被AI审计"的意识。 每个季度做一次自我审计——你的岗位里有多少工作内容已经被AI能做了？这个比例在上升还是下降？如果上升，你的薪资有没有同步调整？如果AI能做60%了但你还在拿全额薪资，别庆幸——你正在变成那个"溢价被算清楚"的人。
2026年裁掉的10万人，每个人收到的离职通知上大概都写着"业务调整"或"AI技术升级"。没有一张会写"你的薪资里有1万块买的是AI能做的事"。
但那就是真相。
AI没有替代谁的岗位。岗位还在，工作还在，只是企业找到了更便宜的方式来完成同样的产出。被替代的不是岗位——是"用高薪做AI也能做的事"的商业模式。
Gartner说80%裁了员的公司回报没改善。这帮企业花了很大的代价才明白一件事：裁掉人之后，那些"判断"和"责任"的活儿并没有消失，AI做不了。于是要么重新招人，要么扛着出错的风险硬撑。
涨薪50%的那些人，不是因为他们学会了AI。是因为他们的工作里，判断和责任本来就是主要成分——AI让这部分价值变得清晰可见了。市场不是在给他们溢价，是在给他们补差价。
如果你现在正在担心自己的岗位会不会被AI替掉，别问"我该学什么AI工具"。问自己一个问题：你的公司付你现在的薪资，有多少是买你"做事"，有多少是买你"判断"和"扛事"？
做事的部分，AI正在接管。判断和扛事的部分，是你在K型分化里站在哪一头的分界线。
不是所有人都能顺利站到上面那一头。但至少，别在被裁的那天还以为是AI的错——AI只是帮企业算清了一笔早就想算的账。
参考来源：
Gartner (2026). Survey of 350 Global Business Executives on AI and Autonomous Technology Investment. Challenger, Gray & Christmas (2026). 2026 Job Cut Report: AI-Related Layoffs. Oxford Economics (2026). Global Workforce AI Impact Forecast. 麦肯锡全球研究院 (2025). The Economic Potential of Generative AI. 智联招聘 (2026). 2026春季招聘市场AI替代指数分析. 中智咨询 (2026). 2026人力资源市场关键指标调研报告. TechCrunch (2026). 2026 Tech Layoffs Tracker.
