北京
2023年，麥肯錫裁掉了超過千名后臺研究支持崗位。
同一年，這家公司的客戶側顧問招聘規模沒有縮減，反而在擴張。
同一家公司，一邊在砍人，一邊在招人。
這不是矛盾，這是答案。
裁的是哪種人，留的是哪種人
麥肯錫裁掉的那批人，工作內容是收集資料、整理數據、生成報告草稿。
這些事情，現在AI一個小時能做完。
留下來的那批人，工作內容是見客戶、判斷問題、決定方向、承擔結論。
這些事情，AI做不了——不是技術上做不了，是客戶不接受。沒有人愿意把公司戰略決策交給一個沒有名字的模型來拍板。
藍色光標的操作更直白。2024年，他們宣布停掉所有文案、設計、方案外包，全面AI化，還掛出一條內部口號：「No AI, No Bonus, No Promotion」。員工從2020年高峰時的5000多人壓縮至2023年底的2599人（據藍色光標年報）。收入同期創了歷史新高。
裁掉的是用AI寫文案的人。留下來的是用AI做策略判斷的人。
說實話，這兩類人干的根本就不是同一種工作，只是以前都叫「廣告人」。
一個更清楚的例子
Klarna的AI客服上線時，CEO Sebastian Siemiatkowski公開宣布，它的工作量相當于700名全職員工（據Klarna官方博客，2024年2月）。客服團隊大幅縮減。
后來，客戶體驗指標開始下滑。公司于2024年重新擴充了一批人工客服（據彭博社報道）。
為什么？
AI處理「查訂單/標準退款」這類事沒有問題。但當客戶情緒激動、情況不符合任何規則、需要有人當場判斷「這次到底給不給破例」的時候，AI每次都答錯了。
查數據是執行端。判斷要不要破例是判斷端。
Klarna退回來的根本原因，不是AI不夠好，是他們當初沒分清這兩類問題。執行端交給AI，判斷端留給人——這才是那道分水嶺，不是「AI能不能做」。
印刷機出現的時候
印刷機出現時，手工抄寫員沒有立刻消失。
會操作印刷機的抄寫員，比不會的多撐了幾年。
但最后贏的，是那個決定印什么書的人。
今天到處流傳的「趕快學AI工具」，本質是在建議抄寫員學操作印刷機。
不是沒用。是方向反了。
會用Cursor寫代碼，會用Midjourney出圖，會用Dify搭流程——這些技能延長了你在執行端的保質期。延長，不是永久。
而決定這個產品要不要做、這張圖要不要用、這個流程解決的是不是真問題——這些判斷，AI工具沒有任何辦法幫你做。因為做判斷需要對結果負責，AI不負責任何事。
你需要的不是更熟練地操作工具，是搞清楚自己在整條流水線的哪個位置——然后往判斷端移。
哪怕移一步。
移過去之后呢
移過去不是一夜之間的事，也沒有標準路徑。
有人靠主動做內部決策提案，讓自己從執行者變成提建議的人。有人靠跨職能協調，從單一生產變成連接判斷和執行的節點。有人靠積累某個細分領域的判斷經驗，變成別人找來驗證方向的那個人。
這些路都不是捷徑，也不能靠多學幾個AI工具提速。
說穿了，判斷力是靠燒時間和試錯積累出來的，不是靠訂閱會員買來的。
你現在在流水線的哪個位置？留言告訴我：A，還是B？
A：我是判斷端——我決定做什么，AI幫我做。
B：我是執行端——我在用AI做得更快，但做什么不是我決定的。
本文數據來源：彭博社（麥肯錫裁員報道）、藍色光標2023年年度報告、Klarna公司官方博客及公開聲明。
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
