5万个消失的岗位：2026年AI裁员数字背后，一个比数字更残酷的结构性转变

Andrew Tran，40岁，Meta产品设计师，2026年5月20日收到了裁员通知。

他告诉CBS News：「我不认为我的岗位是被AI直接替代的。但有一件事是清楚的：企业已经在把赌注押向这项技术了。」他计划找一份在「有意为之地使用AI」的公司工作，而不是那些把AI当做「减少人工成本工具」的地方。

他对此颇为冷静，但补充了一句：「企业应该有义务重新培训员工，而不是把他们抛到马路上。」

Andrew是2026年5月一个星期里被解雇的Meta 8000名员工之一。同一周，Intuit宣布裁减3000人（约占员工总数的17%），Cisco也宣布了数千人的裁员计划。这还不算同期其他企业宣布的裁员消息。

裁员潮汹涌，数字触目惊心——但如果你只盯着这些数字，你可能会错过这场变化真正残酷的地方。真正的破坏，正在以一种更安静、更难以被统计到的方式发生。

5万个岗位：数字是真实的，但不完整

Challenger, Gray & Christmas是美国资历最深的就业市场追踪机构之一，自1993年起持续监测企业裁员数据。

根据该机构的最新报告，2026年前5个月，美国企业已宣布约5万个与AI相关的裁员岗位。这5万个岗位占同期全部约30万裁员总量的17%——换句话说，每6个被裁员工中，就有1个的岗位消失与AI推进有直接关联。

从行业分布来看，被AI驱动裁员波及最深的行业依次是：企业软件、金融服务、零售、媒体和出版、以及传统咨询业。这些行业的共同特征是：有大量「结构清晰的信息处理任务」——写报告、处理数据、回答标准化问题、整理文件、初步代码审查。这些任务，恰好是当前AI工具最擅长的。

主要裁员案例一览：

  • Meta：史上最大规模AI驱动组织重构。裁减约8000人（员工总数的10%），同时将7000名员工转入AI相关岗位，关闭6000个开放职位。Zuckerberg在内部备忘录中写道：「在AI时代，成功并非理所当然。」这句话的潜台词是：即使是市值最高的科技公司之一，也感受到了来自AI能力快速提升的竞争压力——他们必须在内部用AI提高效率，否则输给的不是别人的产品，而是自己的成本结构。
  • Intuit：裁减3000人（员工总数的17%），明确表示将战略重心转向AI，被裁员工的许多职责将由AI系统承担。Intuit的核心产品是TurboTax和QuickBooks——都是高度规则化的信息处理业务，正是AI工具替代能力最强的领域。
  • Cisco：数千人裁员。CEO Chuck Robbins在博客中说，裁员部分原因是「投资于员工对AI的使用」——这是一种值得玩味的说法：裁掉工人，是为了把资源投入让剩下的工人用AI。这里有一个微妙的转移：责任从「公司选择裁员」变成了「公司赋能AI转型」，但结果对被裁员工来说是相同的。
  • Starbucks、3M、以及多家制药和法律服务公司：各宣布数百至数千不等的裁员，不同程度上援引AI效率提升作为理由，或将AI投资纳入重组成本的抵消项。

Boston Consulting Group (BCG) 在2026年的研究报告提供了更长远的视角：未来5年，多达15%的美国工作岗位可能被完全消除。但BCG的报告标题耐人寻味：「AI Will Reshape More Jobs Than It Replaces」——重塑的比消除的更多。这句话既是安慰，也是警告：消除了旧工作，创造了新工作，但新工作的门槛、分布和数量，与旧工作不一定匹配。

然而，5万这个数字、BCG的预测、Andrew Tran的经历，组合在一起，仍然讲的是同一个故事的不同章节。真正被忽视的章节，发生在招聘端——那是一个没有新闻稿、没有股价影响、但可能影响最深远的变化。

「弱招聘效应」：比裁员更安静，比裁员更深远

EY-Parthenon首席经济学家Greg Daco在接受CBS News采访时，说了一句值得反复思考的话：

「我们正在看到很多所谓与AI相关的裁员公告。这些裁员是为了削减劳动成本，而AI投资正在快速增长。但我不完全确定这是一个用技术替代人才的情况。」

他的意思是：表面上看是「AI替代人力」，实际上可能更多是「企业把AI投资作为减员的叙事包装」，真正的原因是多元的。

但他接下来说了让他真正担忧的事情：弱招聘效应（Hiring Freeze Effect）——AI对就业市场的冲击，可能更多是通过「减少新招聘」而不是「增加裁员」来体现的。

道理很简单：裁掉一个现有员工有成本——补偿金、声誉损失、内部士气、潜在法律风险。而不招聘新员工几乎没有摩擦。企业可以悄悄放缓招聘节奏，延迟开职位，等待AI系统成熟到可以承担原本需要新员工做的工作。没有裁员公告，没有新闻头条，没有来自员工的反弹。

Goldman Sachs的研究为这个判断提供了数据支撑：在过去一年，初级岗位的新增职位数量已经明显减少，尤其在技术和专业服务行业。这不会触发失业率上升，因为没有人被「失业」——只是没有人被「雇用」。而这种变化，在传统的就业数据统计中，几乎是不可见的。

「弱招聘效应」的另一个维度是企业的人员配置观念正在发生根本性变化。

2019年，一家典型的中型科技公司会这样计算：我有3个高级工程师，他们指导10个初级工程师，这10个人承担大量基础工作，同时在成长中，两年后其中最好的5个会晋升为中级工程师，继续充实团队。这是一个有机的人才「储备漏斗」。

2026年，同一家公司会开始这样计算：我有3个高级工程师，用AI工具，他们的生产效率相当于以前的10个。我还需要10个初级工程师吗？如果用AI工具加上1-2个中级工程师就够了，为什么要花训练和管理10个初级员工的成本？

这个计算逻辑，在短期内是合理的。但它正在悄悄锯断那根支撑整个劳动力市场可持续发展的柱子。

初级员工：被最先挤压的一代

「弱招聘效应」的受害者，不是在职员工，而是那些「还没进门」的人——应届毕业生、职业转型者、寻找入门级工作机会的年轻人。

Yale商学院的研究题目直白得让人不安：「AI的真正就业破坏，发生在职业开始之前」（The Real Job Destruction from AI Is Hitting Before Careers Can Start）。

这一代年轻人面临的困境是多重因素叠加的：

困境1：AI工具的能力恰好覆盖了初级岗位的核心职责

初级工作者的主要价值在于：完成结构清晰、规则明确的重复性任务，同时通过这些任务积累经验，逐渐成长为能处理复杂问题的中高级人才。整个职业成长的逻辑是「先做基础，再做复杂」。

但2025-2026年AI工具能力的飞跃，恰恰集中在「结构清晰、规则明确的重复性任务」上：代码检查和初步修复、内容摘要和改写、数据格式转换和清洗、基础报告撰写、简单客服和问答。这些正是初级员工的基本盘，也是他们积累经验、建立信任、证明价值的入口。

这造成了一个悲剧性的悖论：你需要积累经验才能处理复杂问题，但处理初级任务的机会正在被AI工具竞争。台阶消失了，但爬上去之后的工作还在那里，只是没有人给你机会站到起跑线。

困境2：进入职场的信号系统开始失效

传统劳动力市场有一套相对清晰的信号体系：学历证明了你系统学习了某个领域，实习经历证明了你能在真实工作环境中完成任务，作品集证明了你有实际产出能力。这些信号系统的存在，让雇主可以在信息不对称的情况下做出相对可靠的招聘决策。

但当这些作品集和实习项目本身都可以由AI辅助完成时，信号系统开始失效了。雇主越来越难以辨别：这是这个候选人独立完成的工作，还是他用AI工具在48小时内生成的产出？这份实习报告有多少是他自己写的？这段代码是他独立调试过的，还是Copilot帮他填写的？

信号的模糊性上升，雇主的招聘决策风险感知上升，于是更倾向于「宁可不招、等待更清晰的信号」，或者只招有明确可验证的长期工作记录（因此也是更高级别）的候选人。这对初级求职者是额外的准入门槛：不只是要证明你有能力，还要证明你的能力不依赖AI工具——而在AI工具无处不在的2026年，后一点越来越难以证明。

这进一步强化了「强者更强、弱者更难进门」的分化趋势，把本来就面临不平等的群体（应届生、转行者、非名校背景的候选人）推向更边缘的位置。

困境3：经济压力下企业优先保护有经验的员工

当企业面临成本压力时，最容易被裁减的往往是价值产出最低、替代成本最低的岗位。在AI时代，这恰好指向初级岗位——不是因为初级员工不努力，而是因为他们承担的任务类型恰好是AI最容易替代的那类。

与此同时，企业会用更高薪资留住那些难以替代的中高级专家。这造成了劳动力市场的马太效应加剧：经验越少的人，面临的不确定性越大；经验越丰富的人，越受到企业保护甚至因稀缺性而获得薪资溢价。

Goldman Sachs的研究（见参考资料，具体数字待独立核实）显示，过去一年，在技术行业，入门级岗位（0-2年经验要求）的新增招聘需求同比下降约30%，而高级岗位（5年以上经验要求）的需求相对稳定甚至有所上升。入门与高级之间的剪刀差正在打开，且没有明显的放缓趋势。

这三重困境叠加，让2026年步入职场的年轻人面临的挑战，在历史上相当罕见。他们不是在面对「就业市场收缩」，而是在面对「就业市场的入口被系统性地收窄」——门还在，只是越来越难进。

「顾问模型」经济学：成本计算已经变了

理解企业的行为逻辑，需要理解「顾问模型」（Advisor Model）的经济学。

BCG的研究引入了这个概念：在AI工具普及后，最优化的人员结构不再是「金字塔型」（大量初级员工 + 少量高级员工），而是「倒置的哑铃型」——两端（少量顶级专家 + 少量AI工具管理者）+ 中间几乎空心（传统中间层被AI承担）。

这种结构在财务模型上有巨大吸引力：

  • 一个能用AI工具将效率提高8倍的高级工程师，成本可能是2个初级工程师的薪资
  • 但他们能完成的工作相当于原来需要6-8个初级工程师的工作量
  • 净效果：成本降低60-70%，产出基本维持或提升
  • 短期股东价值：利润率上升，EPS改善，股价支撑更强

这个计算在个体企业层面是理性的，甚至是不得不做的选择——因为竞争对手也在做同样的计算，如果你不做，成本结构就会落后。但博弈论的悲剧在于：大家都「理性」地做同样的事，结果是整个体系的均衡被破坏。

但在社会层面，这个计算正在创造一个系统性问题：

企业A采用顾问模型，裁减初级岗位。然后初级求职者难以找到工作。然后中级和高级人才的「补充管线」开始断裂。然后5-10年后，高级专家数量减少，企业又开始面临高技能人才短缺。这是一个「公地悲剧」式的集体理性陷阱：每个企业单独做最优决策，但集体行为产生了没有人愿意看到的结果。

更具体地说，这场转变正在改变企业的用人生命周期逻辑。传统模式是：招聘应届生→2-3年基础工作→晋升初级→继续积累经验→晋升中级→指导新人的良性循环。在这个循环中，每个层级都是下一个层级的培育土壤，组织知识在这个链条上传递、积累。当入口层被AI工具填满，这条传承链断了。组织的集体经验不再像以前那样通过「以老带新」的方式积累，而是高度集中在少数几个顶级专家身上，形成脆弱的单点知识依赖。

在OpenRouter（一个AI模型调用中间层平台）的数据中，来自中国的低成本AI模型（DeepSeek等）的调用量从2024年的1%飙升到2026年5月的60%以上。这意味着AI工具的使用成本正在快速下降，使用门槛在快速降低。单月AI工具费用从原来的每人每月数百美元，正在下降到数十甚至个位数美元。工具越便宜，「雇用一个AI工具」与「雇用一个初级员工」之间的成本比较，就越向AI倾斜。

「弱招聘效应」的规模扩散，正在被AI工具的价格战加速。

另一面的声音：破坏，也可能是重新分配

把这幅图景描绘得太黑暗，也可能是不公平的。

持乐观立场的经济学家们指出几个重要的反叙事：

反叙事1：新工作类型正在浮现

AI时代已经出现了一批此前不存在或规模极小的工作类型：AI提示工程师、AI训练数据标注专家、AI输出质量审查员、人机协作流程设计师、AI安全研究员、AI伦理合规顾问、自动化运营工程师、模型行为分析员。这些工作的数量目前远不足以弥补被替代的传统初级岗位，但在技术扩散的早期，新工作类型的出现往往滞后于旧工作的消失。

关键问题是：这些新工作的「入门门槛」比旧工作更高，还是更低？如果更高，则弱势群体从旧工作向新工作的迁移会更困难。初步数据显示，大多数「AI时代的新工作」需要相当程度的技术背景，入门门槛不低于原来被替代的中级岗位。这对从初级岗位开始的职业路径来说，是一个更陡峭的攀爬。

反叙事2：生产率提升创造的财富理论上可以再分配

AI工具的普及正在推动整个经济的生产率提升。BCG和多个宏观经济研究机构预测，AI带来的全球生产率提升，在2025-2030年间可能累计增加数万亿美元的经济产出。这些新增财富，如果通过税收和社会保障机制合理分配，可以用于支持受影响的劳动者——职业培训、失业救济、普遍基本收入（UBI）的探索实验。

问题是：「理论上可以再分配」和「实际发生再分配」之间有巨大的政治和制度鸿沟。目前全球主要经济体的政策框架，都还没有为这个规模的就业结构转型做好充分准备。美国联邦政府在2026年缺乏任何系统性的AI就业影响应对计划。

反叙事3：人类在模糊场景中仍然不可替代

当前AI工具最擅长的是有明确规则的重复性任务。但大量真实世界的工作是「模糊的、非结构化的、需要人际判断的」——客户关系的细微维护、团队冲突的情境处理、创意项目中的方向感知、跨部门协调的政治敏感度、突发危机中的快速应变。这些工作短期内仍然需要人类。

但有一个隐藏的矛盾：这些「高价值的模糊场景能力」，往往正是通过「处理大量基础结构性任务」的积累中习得的。一个从来没有处理过数百份常规合同的律师，如何培养出处理高度复杂非常规合同的直觉？如果基础任务的入口消失了，复杂场景的能力从哪里来？

这是「顾问模型」思维的最大盲点：假设高级能力可以不依赖基础积累而直接存在，或者通过更短期的「精英培训」替代长期实践。目前没有足够证据支持这个假设。

政策真空与企业责任的边界

Andrew Tran说「企业应该有义务重新培训员工」，这句话触及了一个目前无人负责的系统性问题：谁来承担AI转型的社会成本？

当前的政策框架基本上是缺位的：裁员是合法的，只要按劳动法支付补偿金；AI工具的使用是企业的自主决策，无需获得任何政府批准；因AI推进而被排除在招聘之外的年轻人，没有任何制度性保护机制；弱招聘效应造成的影响，目前没有任何政策工具可以追踪或干预。

相比之下，部分欧洲国家已经开始讨论更积极的政策介入。法国、德国、荷兰等国的劳工代表正在向立法机构施压，要求建立「AI就业影响评估」机制——企业在大规模部署AI工具前，必须报告预计的就业影响，并提出相应的缓解措施。是否对因AI获得的生产率提升征收「机器人税」、用于资助被替代工人的再就业培训，已经进入多个欧洲国家的政策议程。这些提案在2026年仍处于早期讨论阶段，但方向是明确的：政府开始认为AI就业冲击是需要政策介入的市场失灵，而不只是正常的创造性破坏。

美国目前没有类似框架。在政策空白中，企业承担了自我约束和社会责任的讨论，但效果参差不齐。部分科技公司宣布了内部再培训计划，但这些计划的规模和实际效果远不足以应对结构性的就业转型。

从企业的纯商业理性角度来说，这个问题也并非可以忽视：如果初级人才市场因为弱招聘效应而持续萎缩，5-10年后，当这一批在「顾问模型」下运作的高级专家逐渐退休或转型，谁来填充他们的位置？如果培育下一代中高级人才的「漫长基础积累期」在系统上被缩短甚至消除，整个行业会在某个时间点遭遇严重的「人才断层」。

这个断层目前没有出现在任何财报或风险披露中，因为它的时间尺度太长（5-10年），无法纳入季度决策周期。但它在安静地积累。

对Meta、Intuit、Cisco这些正在进行AI驱动重组的公司来说，真正的长期风险或许不是AI能力不足，而是人才培育管道的自我损毁。那6000个被关闭的「空缺职位」，不只是成本节省，也是未来的人才储备在被提前消耗。

这是「5万个消失的岗位」这个数字之外，那个更大、更缓慢、也更难挽回的故事。

那5万个数字的另一面

回到开头那个数字：5万个与AI相关的裁员岗位。

这个数字是真实的，但不完整。

完整的故事还包括：那些从来没有被创造出来的初级岗位，那些在招聘决策被「安静延迟」中消失的入门机会，那些正在被Yale SOM称为「职业开始之前的就业破坏」的隐性损失。

Andrew Tran不认为AI直接替代了他，他是对的。在他这个层级，设计判断力、用户同理心、跨功能协作能力，以及在真实用户研究中积累的直觉——这些仍然是无法被当前AI工具替代的能力组合。他失去的岗位，背后的驱动力更多是Meta在AI投资背景下的整体成本重组，而不是AI直接承担了他的设计工作。

但他可能没有意识到的是：他所具备的这些不可替代的能力，是通过多年处理基础设计任务而逐渐积累的。那些「看起来简单」的初级任务——处理用户反馈、改进交互细节、完成组件库文档——正是他成长为能够应对复杂设计挑战的设计师的训练场。

在他之下，原本应该通过3-5年基础工作成长为下一个Andrew Tran的那些人，正在面临一扇越来越窄的门。AI工具承担了入门级任务，初级岗位减少了，成长台阶消失了。那扇门的收窄，不会出现在5万这个数字里。但它的影响，将在未来5-10年的劳动力市场里，以另一种方式被算清楚——届时，当行业开始寻找下一代Andrew Tran时，发现培育管道已经在若干年前被悄悄切断了。

「不是裁员，是不再招聘」——这句话，可能是2026年AI就业冲击最准确的注脚。

要理解这句话的完整含义，需要把视线从失业率数字上移开，转向那些从未被记录的「未发生的就业」。每一个被安静放弃的招聘需求，每一个被「等待AI工具更成熟后再招」而搁置的职位，每一个因为「用AI工具加上一个中级员工就够了」而没有被创造出来的初级岗位——这些不可见的缺席，正在以一种全新的方式重塑整个劳动力市场的底层结构。

这是这个时代最难被政策制定者、媒体和大众感知的经济变化之一：不是快速发生的危机，而是缓慢积累的结构性侵蚀。等它以危机的形式显现出来，可能需要5年甚至更长时间。而到那个时候，被侵蚀的基础已经难以快速重建。

5万，是今天可以数出来的数字，是冰山上方的那部分。但那个更大的、还没被计算出来的数字——那些从未被记录的「未发生的就业」，那些被安静延迟的招聘需求，那些在职业开始之前就被系统性收窄的入口——正在日积月累地被写入这个时代的账本里。

最终，这笔账会用另一种方式呈现出来。我们将在5年后、10年后，开始问：「为什么高级人才这么少？为什么行业经验断层了？」

届时，我们可能才会意识到：那个答案，早在2026年5月就已经被埋下了。

参考资料

  1. AI job cuts are rising, but experts say layoffs are only part of the story, CBS News, 2026-05-22 https://www.cbsnews.com/news/ai-layoffs-hiring-entry-level-workers/

  2. Challenger Report: April 2026 Job Cuts, Challenger, Gray & Christmas https://www.challengergray.com/blog/challenger-report-april-job-cuts-rise-38-from-march-ytd-cuts-down-50/

  3. AI will reshape more jobs than it replaces, BCG, 2026 https://www.bcg.com/publications/2026/ai-will-reshape-more-jobs-than-it-replaces

  4. The real job destruction from AI is hitting before careers can start, Yale School of Management https://insights.som.yale.edu/insights/the-real-job-destruction-from-ai-is-hitting-before-careers-can-start

  5. The jobs AI is likely to boost and those it may disrupt, Goldman Sachs https://www.goldmansachs.com/insights/articles/the-jobs-ai-is-likely-to-boost-and-those-it-may-disrupt

  6. Meta layoffs: Zuckerberg says ‘success isn’t a given’ in memo, CNBC, 2026-05-20 https://www.cnbc.com/2026/05/20/meta-layoffs-zuckerberg-says-success-isnt-a-given-in-memo.html