15万个科技岗位消失的真相

AI模型价格对比 | AI工具导航 | ONNX模型库 | Vibe Coding教程 | Tripo 3D | Meshy AI | ElevenLabs | KlingAI | ArtSpace | Phot.AI | InVideo

周四早上7点43分，我的手机震动了一下，是一位同行的消息——另一位我认识了五年的数据团队负责人。他管理的团队规模是我的两倍，所在的公司你一定听说过。

消息只有四个字："你的人安全吗？"

我立刻明白他的意思。Meta刚刚宣布裁减10%的员工——大约8,000人——裁员将从5月20日开始。Oracle更早，预计裁减20,000到30,000人。亚马逊在一月份已经裁了16,000人。Block裁掉了40%的员工。Atlassian、Snap、Dell——名单还在不断增长。

自1月以来，超过15万个科技岗位消失了。这是自2023年疫情后调整以来科技行业裁员速度最快的时期。而且正在加速。

我放下咖啡，思考如何回答。

诚实的答案很复杂。我认为这恰恰就是问题所在。关于正在发生的事情，公众叙事——"AI正在取代工作"对阵"这只是正常的组织重组"——太干净了。太方便了。我从组织内部看到的现实更加混乱、更加令人不安，如果你试图保护你的团队或自己的职业生涯，理解这一点就更加重要。

所以，以下是那个没有在公开场合发生的对话版本。

1、官方说法与实际情况

马克·扎克伯格在Meta一月份的财报电话会议上说得直截了当："我们开始看到以前需要大型团队才能完成的项目，现在由一个非常有才华的人就能完成。"

该公司2026年的资本支出达到1,150亿美元——比2025年的720亿美元增长了。这笔钱流向了GPU集群和AI基础设施。而不是流向5月份即将被请走的8,000名员工。

这个算式非常明确，并且在每家主要科技公司都在重复：AI基础设施获得资本，而人力成本为此买单。

但叙事在这里变得模糊不清：AI是在取代这些工人，还是AI只是一个借口，用于裁减本就该削减的人员编制？

Challenger, Gray & Christmas——这家追踪企业裁员公告的再就业公司——发现，2026年至今AI被列为约27,600个工作岗位裁减的因素，约占所有裁员的13%。这意味着87%的裁员并未直接归因于AI。

Marc Andreessen提出了一个值得思考的观点："公司在疫情期间的疯狂招聘简直太离谱了。现在他们都有了万能借口：'啊，是AI。'"

诚实的答案是：两件事同时为真。一些岗位确实被18个月前还不存在的AI能力所取代。而一些公司则把AI作为社会可接受的遮羞布，来掩盖他们本来就需要进行的缩减开支。还有一些岗位的消失是两种原因的结合，没有人能清晰地将其分开。

作为数据领域的领导者，我参与过足够多的重组对话，深知真正的原因很少与新闻稿上的说法一一对应。

2、真正有风险的岗位：我不会温和地表达

我想直截了当地说出我的观察，因为我认为"只要学会使用AI每个人就都安全"的叙事正在造成真正的伤害。它在告诉人们为错误的事情做准备。

目前被取代风险最高的岗位，特别是在数据领域：

做标准化报告的中级数据分析师。 如果你的主要交付物是仪表板更新、每周指标邮件，或者遵循模板的报告——那个工作流正在被自动化。不是"将会被"——是"正在被"。我亲眼看着团队裁掉了三个分析师岗位，用智能体来替代其功能——查询我们的数据仓库、生成叙述并发送邮件。质量不一定更好。但成本节省不在乎。

只负责ETL的数据工程师。 构建数据摄取管道、为已知数据结构编写转换逻辑、维护简单的Airflow DAG——这些模板化的工作正是AI编码工具和智能体工作流正在最快吞噬的工作类别。如果你的价值主张是"我会写dbt模型"，你正在与能更快编写并以更低成本迭代的工具竞争。

在已知问题类型上做特征工程的初级数据科学家。 流失预测、线索评分、结构化数据上的倾向模型——有了合适的工具和监督，这些现在确实可以从头到尾自动化。不完美，但足以让初级员工的ROI计算发生变化。

工作是"做Tableau仪表板"的BI开发者。 可视化层正在商品化。决定衡量什么以及为什么重要的分析判断并没有在商品化。如果你的角色更接近前者而非后者，那就是你需要清楚认识到的风险。

不面临风险、而且实际上在增长的岗位：

能将业务问题转化为AI系统需求的数据领导者。 业务利益相关者想要的与智能体能够交付的之间存在巨大差距，必须有人来弥合。这个人需要深厚的数据领域知识和强大的沟通能力。这个角色比以往任何时候都更有价值。

能设计、评估和治理智能体系统的工程师。 构建护栏、评估框架、审计追踪——这需要高级工程判断力，而这不是智能体自带的。

能识别AI模型在哪些地方会自信地犯错误的数据科学家。 这是没有人充分讨论的技能。AI系统以特定的、有规律的方式失败。了解这些模式并构建检测系统来捕获它们是一门学科，而不是一个功能。

拥有深厚业务背景的领域专家。 没有智能体知道为什么你的收入确认方法与行业标准不同，或者为什么那个特定的客户群体的行为与模型的训练分布不同，或者CFO说数字"感觉不对"是什么意思。这种机构知识加上数据素养是持久的。

3、我在与团队进行的对话

三周前，我把直属下属召集在一起，说了一些我作为管理者很少说的话："我不知道事情会如何发展，我不会假装知道。"

我曾在领导层在动荡期间传达虚假确定性的组织中工作过，那会摧毁信任。我不会这样做。

我告诉他们的是：

安全的假设是，我们拥有的每一个重复性的、有文档记录的工作流，在18个月内都有可能被自动化。这不是威胁——这是我们应该围绕其进行规划的视野。对团队中每个人的问题是：你的工作中有哪些判断力、上下文和决策是智能体真正无法复制的？

如果你能清楚地回答这个问题，你就在建立一个可持续的职位。如果你不能回答——如果你的价值主要是在明确定义的任务上的执行速度——那就是我们现在需要进行的对话，而不是等到一年后决策在我们两人头上做出的时候。

我还告诉了他们一件我认为在抽象讨论中容易被忽视的事情：最能驾驭这种变化的团队，是那些人类和智能体有清晰分工的团队，人类拥有需要判断力的那条跑道。而不是需要最多键盘敲击量的那条跑道。

4、裁员实际上告诉了我们关于AI进展的什么

在哪些岗位被裁减的模式中，有一个我认为被低估的信号。

消失最快的岗位不是最初级的。它们是那些需要中等专业能力来执行明确定义的工作流的中级岗位。分析师。专员。那些"擅长X"的人，其中X是一个特定的、可学习的、可重复的功能。

这告诉我一些关于AI能力目前真正处于什么位置的信息。它不在技能分布的底部——真正入门级的工作通常需要物理在场、人类判断力或社交技能，而这些是智能体不具备的。它也不在顶部——最复杂、最模糊、最新颖的问题仍然需要高级人类推理。

它在中间。那些8万到13万美元的岗位，需要真正的技能来完成，公司以前需要人类来做是因为没有替代方案。这就是正在承受压力的层级。

对于数据团队来说，这意味着过去看起来像这样的职业路径：初级分析师→高级分析师→分析经理→数据领导者，正在被压缩。中间层在变窄。初级岗位更难获得（因为公司需要更少的人来培养成中级），而高级岗位需要在职业生涯中比以前更早地展现判断力。

我认识的那些能很好地驾驭这种情况的数据领导者，正在积极地重构他们的人才发展方法——而不是等待他们的初级员工自然成长为中级岗位，而这些岗位在他们成长到的时候可能已经不存在了。

5、Meta的具体情况，以及为什么时间节点很重要

我想花点时间谈谈Meta的裁员，因为时间节点很有启发性。

Meta在4月17日宣布裁减8,000人。裁员从5月20日开始。与此同时，Meta在2026年在AI基础设施上投入1,150亿美元——比2025年增长59%。公司一直在公开收购AI初创公司，并积极为其超级智能实验室招募人才。

这不是一家陷入财务困境的公司。这是一家正在做出明确资本配置决策的公司：选择AI基础设施而非人力编制。扎克伯格说"2026年是AI开始戏剧性改变我们工作方式的一年"。他不是在抽象地谈论。他是在描述一个已经做出的预算决策。

Oracle、亚马逊、Meta、Block之间的模式并不统一。经济压力不同。AI成熟度不同。但共同点是：在每个组织中，都有人进行了分析，表明AI工具可以替代或大幅减少某类人类工作，然后做出了决策。

这些分析目前正在每家大型组织中发生。如果你是数据领导者，你还没有为自己的团队工作流做过这个分析——你上面的某个人可能正在没有你参与的情况下做这个分析。

我宁愿自己做这个分析，并在对话发生时在场。

6、我实际上在做什么来保护我的团队

有些事情在我的控制范围内，有些不在。我正努力对自己清楚地认识到这种区别。

在我控制范围内的：

将团队的价值叙事向上重新定位。我现在做的每一次团队评审都强调判断层——由数据驱动的业务决策、需要领域专业知识的架构选择、需要理解"正确"是什么样的质量评估。我正在让人类价值变得明确和可见，因为看不见的价值是最先被削减的。

为团队中的每个人投资AI素养，不是作为一种礼遇，而是作为生存要求。我团队中任何不能有效地编排智能体、批判性地评估其输出、并设计结合人类和机器工作的工作流的人，都处于结构性劣势。我不会等他们自己想明白。

构建治理能力，使我团队的监督功能可见且可衡量。如果智能体在做某些工作的80%，我团队的价值在于那20%的复杂部分，以及使那80%可靠的治理。这种价值需要让业务领导层能够理解，而不是被默认假设。

不在我控制范围内的：

削减人力编制的经济压力是否会到达我的组织，达到压倒价值论证的程度。这个决策是在我不总是在场的房间里做出的。

AI能力是否会以足够快的速度提升，在我们重新定位之前就进入判断层。我认为在大多数数据领域，在发生这种情况之前还有有意义的跑道。但我不确定。

如果当前趋势持续下去，数据岗位的更广泛市场会发生什么。数据显示中级正在被压缩。这是真实的，不是任何一个数据领导者能够逆转的。

7、我的同行真正在问的问题

"你的人安全吗？"

他真正在问的是：你有没有想清楚如何在一个他们所做的大量工作正在被自动化的世界中，为你的团队价值做出论证？

我认为这是正确的问题。我认为很多数据领导者要么在回避它，要么在以虚假的信心回答它。

我的诚实回答：我认为我的团队定位良好，因为我们在过去18个月里有意识地重新定位到判断和治理，而不是执行。但我不知道未来18个月会是什么样子。AI能力提升的步伐确实很难预测，我以前对变化速度的判断也错过。

我确实知道的是：最危险的团队是那些领导者还没有进行过这场对话的团队。那些仍在假设2023年行之有效的东西仍然定义着他们团队在2026年的价值的团队。

15万人裁员的浪潮不是顶峰。分析人士预计全年总数将在全球范围内接近265,000人。压力不会释放——随着更多组织完成其AI成熟度评估，以及工具变得更便宜、更强大，压力将会加剧。

为你的团队可持续价值建立论证的最佳时间是六个月前。第二好的时间是现在。

你在你的组织中看到了什么？对话是否在公开进行，还是领导者们在回避它们？我特别想听听那些正在驾驭中期职业挤压的人——那些试图弄清楚自己在这个新结构中处于什么位置的分析师和工程师。

原文链接: 150,000 Tech Jobs Gone in 4 Months — What Data Leaders Aren't Telling Their Teams

汇智网翻译整理，转载请标明出处