文 | 科技茶館

5月19日，扎克伯格發了封內部信，宣布Meta裁撤近8000人。

措辭很客氣，但邏輯很殘酷——不是公司虧錢了，是AI太好用了，一些崗位"已經被完全覆蓋"。保留它們，在財務上已經無法解釋。

這條新聞在我的朋友圈刷了一整天。不是因為Meta離我們多遠，而是因為每個轉發的人都在想同一件事：下一個會不會是我？

這個問題值得認真回答。因為答案不是"會"或"不會"這么簡單——關鍵在于，你在AI時代的協作鏈條里，站在哪個位置。

一、全球同此涼熱

Meta不是孤例。Layoffs.fyi的數據擺在那里：2026年Q1，全球科技行業累計裁員突破8萬人，同比翻了一倍不止。達拉斯聯儲年初的報告說得更直白：這輪裁員不是經濟周期導致的，是AI快速落地的直接結果。

IBM去年底砍掉大量高級工程師和整個研究團隊，轉頭宣布2026年初級崗位招聘翻三倍。什么意思？貴的人換掉，便宜的人配合AI補上來。谷歌、亞馬遜的邏輯大同小異——廣告優化、代碼審查、客服響應，凡是能寫成規則的活兒，都在被系統性替代。

國內呢？同樣的劇本正在上演。

字節跳動的TikTok信任與安全部門被大規模縮減，僅馬來西亞一地就裁了700多人，理由是AI審核已覆蓋絕大多數場景。內容質量中心負責人李彤隨后離職——當人工審核體系整體被AI接管，管理者本身也變得多余。

網易3月清退千人級外包，涉及客服、測試、基礎運營。百度部分業務線優化10%-30%，搜索和信息流崗位首當其沖。得物解散獨立前端部門，全員并入服務端——官方說是"架構調整"，但創始人楊冰的原話是"把AI應用到所有環節"。原來三個人干的活，現在一個人加AI就夠了。

某上市美妝集團接入DeepSeek后，客服從100人砍到5人。

但對被優化的個體來說——管你是業務重組還是AI替代，反正工位沒了。

二、容易被替代的人，長什么樣？

綜合全球案例，被削減的崗位有一個共同畫像：工作內容可以被寫成一份SOP。

內容審核——有明確標準，判斷對錯；客服——有知識庫，匹配答案；數據標注——按規則打標簽；基礎測試——跑用例比結果；初級翻譯——對照術語表輸出。這些工作的本質是"輸入→規則→輸出"，而這恰恰是大語言模型最擅長的事。

更狠的一點是：這跟你做得好不好無關。一個五年經驗、日處理200條工單的資深客服，和剛入職三個月的新人，在AI眼里沒有區別。因為AI替代的不是"人"，而是"任務結構"。你優秀，只是意味著你在一個即將消失的賽道上跑得快。

具體來說，如果你的工作滿足以下三個條件中的兩個，就該警惕了：

① 高度結構化——每一步都有明確的輸入條件和輸出標準，別人按你的文檔就能干。

② 信息密集但判斷簡單——需要處理大量數據或文本，但決策規則可窮舉。

③ 反饋周期短——做完就能判斷對錯，不需要等三個月看效果。

客服、審核、錄入、基礎編程、標準化設計、初級財務……全部中招。行業數據顯示，AI聊天機器人已能處理70%-80%的常規客服咨詢，AI代碼助手讓一個開發者的產出抵得上過去兩三人。

三、不容易被替代的人，又長什么樣？

反過來想：什么人是AI短期內干不掉的？

我觀察下來，有兩類。

第一類：做的事無法被拆解成明確指令。

一個產品經理面對用戶的模糊抱怨，需要判斷這到底是功能缺陷、交互問題還是用戶預期管理失敗——這個判斷過程沒有標準答案，需要經驗、直覺和對人性的理解。AI可以幫你做用戶調研的數據整理，但它沒法替你"聞到"需求背后的真實動機。

一個好的銷售，靠的不是背話術（那AI早就能干了），而是在飯桌上讀懂對方一個眼神的含義，在關鍵時刻知道該讓步還是該堅持。這種能力沒法訓練成模型參數。

戰略、品牌、復雜談判、組織管理、創意方向判斷……這些工作的共性是"高度非結構化"。AI可以幫你出10個方案，但"選哪個"和"為什么選這個"，至少目前還在人類手里。

第二類：在某個領域有足夠深的經驗積累，且還在不斷進化。

這一點容易被忽視。很多人以為"經驗豐富"就安全了——不是。光有經驗不夠，得在持續進化。一個十年經驗的運營，如果這十年干的是同一套SOP，那他本質上還是"可被指令化"的人，只是執行得更熟練而已。

但如果這個人的十年經驗意味著：他對行業有別人沒有的體感判斷，他能在AI給出的十個方案里三秒鐘挑出最靠譜的那個，他知道哪些數據AI會算錯、哪些場景AI會翻車——那他就不是AI的競爭者，而是AI的駕馭者。

關鍵詞是"進化"。經驗是存量，進化是增量。AI也在進化，如果你停在原地，總有一天你的經驗會被模型學完。但如果你持續在新問題上積累新判斷力，你就始終跑在AI前面一個身位。

第一類人安全，是因為AI"不會做"他們的工作。第二類人安全，是因為他們會"指揮AI做"——而且比別人指揮得更好。這兩類人的交集，就是OPT時代最有價值的人。

四、終局不是替代，是"一人團隊"

說到這里，很多人的第一反應是焦慮：那我是不是該去學個AI干不了的手藝？轉行做心理咨詢？去當手工匠人？

坦白說，來不及了。除非你剛畢業，還有切換賽道的本錢。但如果你已經在一個行業干了五年、十年，積累了經驗、人脈和領域知識——舍近求遠沒有意義。

換個思路想這件事。AI就像一頭正在追你的熊。你跑不過熊，沒人跑得過。但你不需要跑過熊——你只需要跑過身邊的人。

那怎么跑過別人？答案不是"逃離AI"，而是比別人更早、更深地和AI協作。因為AI的終局大概率不是"替代人"，而是"重構協作方式"。最終的形態，可能是一個我們已經在行業里看到雛形的模式——OPT（One Person Team，一人團隊）。

什么意思？一個人，帶著一組AI Agent，完成過去一整個團隊的工作。你是導演，AI是演員、攝影、燈光、后期。你定方向、做判斷、把控質量，AI負責執行、檢索、生成、迭代。

這不是科幻。阿里今年3月發布了企業級Agent平臺"悟空"，同步推出了OPT十大行業解決方案——一人跨境電商、一人新媒體運營、一人客服中心。一個人開店，AI幫你選品、上架、寫詳情頁、處理售后。一個人做公眾號，AI幫你選題、搜資料、起草、排版。

鈦媒體那篇報道里有個細節值得咀嚼：23萬大廠員工被AI替代后，有一半公司又招了人回來。但招的不是原來那批人，也不是原來那些崗位。招的是——能指揮AI干活的人。

未來的職場不分"有AI的人"和"沒AI的人"，而是分"指揮AI的人"和"被AI指揮的人"。

想想看：同樣做數據分析，一個人用Excel手搓一天出一份報告，另一個人用AI Agent十分鐘出五份、選最好的一份微調交付——后者的產出是前者的幾十倍。公司不傻，要裁誰一目了然。

得物解散前端部門時，創始人楊冰說的那句話其實已經點明了方向："把AI應用到所有環節"。他要的不是沒有前端工程師，而是每個工程師都變成"一個人頂一個小組"的全棧選手。能做到這一點的人留下了；做不到的，編制沒有一比一保留。

五、核心只有一件事

所以，回到標題的問題：被替代的人和沒被替代的人，到底差在哪？

不是學歷，不是工齡，甚至不是你當前的崗位。差的是一個東西——你有沒有建立起自己的OPT能力。

所謂OPT能力，不是"會用ChatGPT"這么簡單。它是一整套組合：你能定義清楚問題（知道讓AI干什么），你能拆解任務（知道怎么拆成AI能執行的步驟），你能評估產出（知道AI給的東西好不好），你能在AI出錯時兜底（知道什么時候該人工介入）。

簡單說：你要成為AI的"管理者"，而不是和AI做一樣的事。

這不是一朝一夕能建立的能力，但方向很明確。那些率先把AI深度融入日常工作流的人，每天都在積累這種"人機協作"的肌肉記憶。而那些還在觀望、還在猶豫"要不要學一下AI"的人，差距每天都在拉大。

時代不等人。三年前大家還在討論"AI會不會取代人"，現在討論的已經是"AI取代了哪些人"。再過三年，討論的很可能是"還有誰沒建立自己的AI團隊"。

不要等到被優化那天才想起學AI。你不需要成為AI專家，但你必須成為一個能指揮AI的人。OPT不是未來，它已經是現在。跑在前面的人，正在把距離拉開。

注：本文由微信公眾號科技茶館（ID：kejichaguan）原創，轉載請注明出處，無需溝通授權。