AI如何被包装成裁员的"正当理由"

截至2026年仅过5个月，已有152家科技企业累计裁撤115,430名员工。数据来源为裁员追踪平台Layoffs.fyi。

作为参照，2025年全年共275家企业裁减124,636人。照此趋势，2026年仅用半年时间，裁员规模就将逼近去年全年。而企业数量减少近半，说明单家企业的裁员力度更大。

在这些裁员声明中，几乎无一例外地指向同一个因素：AI。AI提高了效率、AI取代了岗位、AI让组织更加精简。

然而，另一种声音正在壮大：相当一部分裁员与AI关系并不大。AI不过是一个听起来比较体面的托词。这个现象如今有了专门术语：AI washing，AI清洗。

AI washing一词源自greenwashing（漂绿）。漂绿指的是企业将普通产品包装成环保产品以博取好感。AI washing则是同一逻辑的新变种：把出于其他原因的决策，包装成"因为AI"的结果。

在裁员情境中，AI washing的典型套路如下：某企业因增长乏力、过度扩张、宏观环境恶化或某业务线亏损，本应实施裁员。但直说"我们经营遇到问题了"会吓跑投资人、拉低股价、暴露管理层能力不足。

于是换一套说辞："我们正在用AI重塑组织架构，因此优化掉20%的冗余岗位。"

同一件事，第一种表述意味着企业走下坡路，第二种表述意味着企业在引领潮流。股价反应天壤之别。这就是AI washing的本质：AI成为裁员的挡箭牌。裁员本质未变，但责任从"管理层决策失误"转嫁到了"时代变革"。

AI washing之所以奏效，是因为它几乎无法被反驳。

如果企业说"因某产品线失败而裁员"，分析师可以核查该产品线的运营数据。如果说"因市场份额下滑而裁员"，可以查阅行业整体走势。这些理由都能被外部验证。

但"因AI提效而裁员"无从验证。没有人能外部证实这家企业的AI是否真的让留任者效率翻番。

更巧妙的是，这个理由自带正向叙事。说"市场份额下滑"显得认怂，说"AI提效"显得进取。CEO在财报会议上说后者，华尔街会报以掌声。

这形成了一个对管理层单向有利的选项：无论真实原因是经营困境还是AI，对外统一说AI，反正无从查证。当一个借口既体面、又无法验证、还能推高股价时，它被滥用是必然的。

具体案例中，ClickUp这款项目管理软件的裁员操作最具代表性。

CEO Zeb Evans在社交平台上得意地宣布：公司裁掉了近四分之一的人力，比例达22%，同时部署了约3000个AI agent执行内部工作。

Evans特意声明这不是为了削减成本。他说他想要的是一支"运行AI agent、每天快速审核agent工作成果"的团队。他为这个目标取了个名字，叫"100x org"，百倍组织。

这番话听起来很诱人。但仔细分析存在两个问题。

其一，3000个agent替代22%的人力，这个等式从未被验证过。Evans没有提供任何"这3000个agent实际产出了与那22%员工等量工作"的数据。他给出的是愿景，不是成果。

其二，"100x org"这个概念本身就是AI psychosis的症状。

AI psychosis，AI精神病，这个概念由Box创始人CEO Aaron Levie提出。

先要说明Levie的身份。他绝非AI怀疑论者，恰恰相反，他是坚定的AI乐观派。社交平台270万粉丝，常年发布AI正面内容，写过"为AI agent设计的软件才是未来"这类文章，还以天使投资人身份真金白银投资了多家AI创业企业。

就是这样一位AI信徒，在5月24日于社交平台给同行下了一个诊断：

Levie的意思是：CEO们体验AI时，做个原型、生成一份合同，看到的都是"happy path"，即最理想状态的结果。然后就直接得出结论：agent能完成所有工作。

但CEO们不需要逐行审查代码、查找漏洞、识别AI调用了不存在的函数库。他们不需要花几天时间逐条排查合同中隐藏的风险条款，不需要拿公司特有的业务规则去训练模型。

换句话说，CEO们根本缺乏对一线流程的深入了解，不知道什么真能自动化、什么不能。但这种不了解，并不妨碍他们依照自己的幻觉去拍板裁员。

这正是AI psychosis与AI washing的交汇点：部分CEO故意拿AI当挡箭牌（washing），部分CEO真心相信自己的幻觉（psychosis）。两种情况都会导致同一个结果：先裁了再说。

如果AI真的带来了等比例的生产力提升，那AI washing这个指控就不成立。所以核心问题是：AI到底有没有让企业效率大幅提升？过去半年三份研究给出了同一方向的结论。

加州大学伯克利分校的California Management Review在10月发布了一篇meta分析，综合了大量已有研究，结论是："AI采用与总体生产力提升之间，没有可靠的关系。"

美国国家经济研究局NBER在3月的研究确实发现AI提升了生产力，但加了一个重要说明：存在一个"生产力悖论"，即感知到的提升远大于实际测得的提升。换言之，大家都觉得AI让自己快了很多，但用数据衡量，并没有那么多。

MIT的研究团队用上千个agent执行任务，结论是agent在许多场景下仍达不到人类质量的工作成果。他们预测，按当前大模型的进步速度，要到2029年，模型才能以平均80%到95%的成功率、在勉强可用的质量水平上完成大多数文本类任务。

三份研究汇总的意思是：AI有用，但它今天还没强到能支撑"裁20%还更高效"这种说法。那些宣称靠AI提效裁掉20%员工的企业，拿不出数据支撑这个因果。它们要么在washing，要么在psychosis。

哈佛商业评论的一项研究指出了一个更有意思的反转。当一家企业让全员用AI提升产出时，瓶颈不会消失，它只是换了位置。

具体来说：基层用AI把产出翻了几倍，但这些产出最终都要有人审批、有人决策、有人担责。这个审批环节就是高管本身。于是所有人的产出堆在高管面前等签字，高管成了新的堵点。

这正好印证了Levie的诊断。CEO们以为AI解决了"产出不够"的问题，于是裁掉了产出端的人。但他们没意识到，真正的瓶颈正在向他们自己转移。裁掉的是干活的人，留下的是一个所有决策都卡在顶端的组织。

如果裁员后没有相应重构决策流程，最可能的结果不是"100x org"，而是组织陷入混乱。

综合来看，2026年这波科技裁员潮的真相比"AI替代人"复杂得多。

有真的因AI提效而做的优化，但比例不高。更多的是两种情况：一种是，企业本来就要裁员，AI是拿来对外的体面说辞；另一种是，CEO真信了AI能包揽一切的幻觉，在没有数据支撑的情况下提前裁人。前者是washing，后者是psychosis。受伤的都是那115,430个被裁的人。

最具讽刺意味的是，给这套现象下最狠诊断的，不是哪个反AI的人，而是Aaron Levie这样一个AI的坚定信徒。一个真正懂AI、也真心看好AI的人，反而最清楚AI今天的边界在哪里。而那些把AI挂在嘴上、用它当裁员理由的CEO，很多人对AI的真实能力一无所知。

Levie给同行开的药方其实很朴素：别光在发布会上玩AI，自己沉下去大量地用，用到你能分清楚哪些是demo的幻觉、哪些是真本事。