2025硅谷裁员潮下AI的“双面性”

2025年，硅谷裁员潮仍在持续。硅谷CEO们大力宣扬AI会带来新一轮效率革命，是重塑生产力的未来之光。然而，这所谓的“技术红利”落到普通打工人头上，往往就变成了一个看似体面的裁员理由。企业用AI省下来的钱，在财报里成了亮点，但为了让AI真正稳定运行，后续在维护、内容校对、安全合规等环节的投入不断增加，一种专门替AI收拾烂摊子的新职业应运而生，那些原本被AI替代的打工人，也因此有了新的就业机会。

AI“上岗”背后的返工潮

文案创作领域

AI工具在企业内部流程中的应用是近两年明显的商业趋势。OpenAI、Google Gemini、Anthropic Claude等模型不断涌现，产品功能围绕职场场景不断优化，写文案、改代码、生成客服话术等，AI仿佛成了万能的打工神器，企业认为用上它就能降本增效。Anthropic CEO Dario Amodei甚至预测未来1至5年，一半的入门级岗位将被AI替代，美国失业率可能升至10% - 20%。

但实际情况并非如此美好。外媒BBC报道揭开了AI“上岗”的另一面，许多靠AI省下预算的企业，正花更多钱用于返工和善后。美国自由文案人Sarah Skidd今年5月接到一家内容代理企业的急活，修改某酒店网站全部页面的AI文案。她20小时的工作，每小时收费100美元，总价2000美元，这笔原本想省的钱又以加价的方式花了回去。客户本想用ChatGPT写文案节省预算，但生成的文案平淡、空洞、缺乏销售吸引力，句式单一、节奏僵硬、缺乏情绪，几乎无法修补，只能推倒重来。Skidd发现身边许多同行主要收入来源已从内容创作变为修复AI写出来的东西，客户给的文稿90%是AI写的，但几乎都要重新改。

技术开发环节

类似给AI返工的现象也蔓延到了开发、运营等技术环节。英国数字营销企业Create Designs的创始人Sophie Warner接到很多被ChatGPT“误导”的客户请求。有客户照着AI教程改代码，结果网站崩溃，遭遇黑客攻击，瘫痪三天损失360英镑。不仅中小企业如此，大客户也会踩坑。Warner专门收取“排查费”来定位AI导致的bug，这些问题原本是可以提前避免的。

客服环节

清华大学与广西电网企业联合开展的实地研究显示，客服中心引入AI助手后，虽在语音转录、信息回顾、表单填写等方面有改进，但也暴露出语音识别错误、口音难以识别、对话记录不完整，甚至将“语气大”误判为“情绪激动”等问题。客服人员不仅要学会与AI共处，还得替它收拾烂摊子，纠正内容错误、修改不规范用语、安抚被激怒的客户，AI的“帮倒忙”行为进一步增加了客服人员的焦虑。

AI省下的钱，花在“返工”里

AI能自动化操作，但在有情绪、有语境、有责任归属的工作场景中，它不能取代人类的判断，更像一个没长大的新员工，不盯紧就可能惹麻烦。企业本指望AI替代打工人，但AI打下的地基仍需人类打磨，而且越依赖AI，修复成本可能越高。打工人先学会替AI善后，而企业用AI省下的钱，最终又以返工等形式花了回去，甚至更多。

企业用AI，就得为它负责

效果不佳与成本问题

多数企业引入AI的初衷是降本增效。全球管理咨询企业麦肯锡的报告显示，截至去年，78%的企业在至少一个业务环节中使用了AI，远高于2023年的55%，但成本平均降低不足10%，收入提升也不到5%。企业为了看起来在使用AI，即便部署仓促、流程别扭，也要制造出解决问题的假象。

品牌事故与责任归属

AI不会直接摧毁创意行业，但会钝化人们对语言、节奏与情绪表达的感知。广告圈感受明显，可口可乐试图用AI致敬经典圣诞广告，结果广告被骂成诡异又冷、没有灵魂的反乌托邦噩梦，情感被AI吸走，少了真人的温度。一旦AI出错，谁来负责？2024年加拿大Moffatt v.Air Canada案给出答案，企业得兜底，即使是AI机器人说的，企业也要承担责任。

企业的应对措施

这促使更多企业未雨绸缪，亚马逊的生成式AI部门正在招聘“AGI风险管理经理”，负责识别技术及社会风险、建立政策管理流程、协调法律与安全部门等，职责包括识别AI带来的技术与社会风险、建立风险治理流程、统筹法律、安全、政策三方，还要主动应对因AI引发的误导与责任问题。同时，品牌方也感受到消费者对AI的反感情绪，多邻国宣布“AI - first”战略后遭遇用户强烈反弹，Shopify和Audible也因尝试用AI替代人类而被舆论围攻。

AI未实现真正“自动化”

企业用AI干活，但不能不考虑后果，出了错还得人来兜底。瑞典金融科技企业Klarna曾大力推行AI客服和翻译系统，声称AI能完成所有人力工作，但使用后用户体验急剧下降，最终重新大规模招聘客服员工。Anthropic与Andon Labs联合开展的实验也表明，由Claude 3.7全权负责运营的自动商店以破产收场，AI不具备门店经理的能力。

斯坦福大学经济学家Erik Brynjolfsson提出的“J型曲线”映射了这类场景，新技术刚上线时效果往往下滑，但经过调整、配套完善和实践积累，最终会迎来反弹，甚至超越此前投入的阶段。每一代通用技术的落地都要经历一段混乱，AI也不例外。企业可以用AI干活，但不能不考虑后果，AI取代的永远不是有判断力、负责任的人，而只是可替代的流程。那些被AI裁掉的打工人，正通过收拾AI的“烂摊子”实现再就业，在AI发展的浪潮中找到新的生存之道。