AI
AI 把执行成本压下去之后，账面上会多出一块“空间“。
同样获得这块”空间“的企业们，真正的区别不在于其业务内容本身，而在怎么用这笔效率红利：
把它折成更低的人力运行成本，还是用来服务过去养不起、覆盖不到的客户与业务时段。前者可以把旧生意做得更省；后者甚至可以改写公司能盈利服务的边界。
个人面对 Agent，其实也在做面对类似的选择。
下面为了论述方面（少敲几个字儿）、把这两条路径分别记为 A（转成人力收缩，即裁员） 与 B（扩大可盈利业务范围）。
同一份红利，两个配置思路
路线 A 最容易读懂：效率直接进利润表，编制、空缺回填与招聘闸门跟着收紧。近年来的公开报道中，这类新闻并不鲜见。
IBM 在 2023 年通过招聘冻结与自然减员，规划用 AI 逐步替换部分后台岗位（CEO 口径下数年量级约七千八百人，属计划/估计而非单日粉红单）；英国电信，同年把多年缩编计划中约一万人与 AI/自动化挂钩（整盘缩编仍有多因，不宜写成“AI 单独裁万人”）；亚马逊 CEO Andy Jassy 在 2025 年 6 月的公开备忘录里写明：随着生成式 AI 提升效率，公司层编制“预期会收缩”——方向清楚，备忘录本身并未给出具体裁员数字。流媒体应用 Shopify、语言学习应用 Duolingo 等公司，则以更软的方式出现：部门必须先证明“AI 做不了”，才允许它们谈加人。
路线 B 问的则是另一件事：单位执行成本下降后，能不能把服务边界往外拓展——更长时段、更低价值贡献的客层、过去不够经济的工单与客群。
例如，全球知名健身与健康课程订阅平台 ClassPass 与 为企业提供 AI agent 及客服管理服务的 Decagon，都把客服聊天从约每周五天、每天十六小时，延长到接近 7×24 的全天候。保险科技公司 Mosaic 发布了它的全新数字化核保系统 HALO，意图把承保能力从特色业务向中小企业数字化承保延伸，大大拓展了它的业务服务边界。菲律宾银行与金融科技圆桌讨论过：数据、AI 与数字货币如何让过去“不太受待见”的小微企业、大众阶层财富管理变成一种“可盈利服务”。蚂蚁“数字蚂力”一类产品，是把面向中小商户的 7×24 数字员工/客服包装成了一种高增长工具。
它们都说明：路径 B 已经成为一种有吸引力的选择存在。
为什么许多公司先伸手抓 A
A 之所以容易被选择，首当其冲的是因为它好度量、好讲给资本市场听。
劳动力是可控的 P&L 科目；服务边界扩张要更久才归因，也更难写成一季业绩说明里的硬数字。于是投资者眼中的“AI readiness”叙事、把工资成本转成 AI 资本开支、用效率 KPI 倒逼编制——往往比“我们服务了以前服务不起的人”更快进入到公开会议的报告中。
近年来的“以 AI 为借口进行裁员”的公开报道也很多：冻结编织、自然减员、不允许回填补充、招聘闸门收紧……欧洲最大的支付公司 Klarna，2024 年被报道：AI 助手在首月承担约三分之二客服聊天、工作量约等于七百名全职坐席；BBC 等媒体，随后就报道了其从约五千人向更低编制、靠自然减员推进的路径。
人力资源 SaaS 公司 Paycom，把五百余人的后台裁员与 AI/自动化替换直接挂上钩。Salesforce 支持职能的收缩，以及 Shopify / Duolingo 的进人门槛大大提高，都体现出企业的一种选择：把“不必大裁员也能兑现 A”制度化了。
猎头机构 Spencer Stuart 的高管调查显示：被调查者中的约 16% 、在过去一年中因 AI 削减过其所在公司的编制，约 40% 预期未来一到两年会削减。美国职业服务公司 Challenger 追踪雇主在美国宣布裁员时自我标注的原因，其中 “AI”在 2025–2026 年常居“祸首”的前列。
《McKinsey State of AI 2026》的报告中，给出过一组纵向对比：约 14% 的公司报告过与 AI 相关的人员编制下降，而此前还有约 32% 的公司曾预期会发生类似的岗位缩减，约 39% 的公司现在预期还要再降。
从理性的角度来看，许多组织会先抓住 A，因为它快、可视、可用软工具完成。
对于个人而言，如何从 Level 1 到 Level 2
个人和企业一样，其实也在一个分岔路口、各自作出不同的决策，只是企业在分配红利；个人则是在分配自己的注意力。
过去一段时间，我主要把 LLM / Agent 当旧任务的加速器：同样的写作、检索、剪辑、编码，只是更快做完。
但而今反思，这不过是做到 Level 1——效率红利被用来把原来的工作清单跑得更省力。它与企业的路线 A 其实是同一种思路：旧的成果边界并没有变化，只不过是压缩了单位消耗时间。
但对于我、对于更多的个人而言，接下来更应该去践行的、是 Level 2：在让 Agent 接手代码、设计、写作、研究等工作的基础上，如何用人的审美、想象，探索更多的可能性，更大的范围和更远的边界。
个人的 AI 转型目标，不是“一个人假装成十个人在干活”，而是应该用 AI 去试原先要一个团队或更多资本才能堆起来的复合交付——把效率杠杆花在扩大自己能触及的问题半径上。
