2026 年 2 月 27 日，Jack Dorsey 宣布 Block 裁員 40%。四千多人。他寫給股東的信只有一句話值得記：「intelligence tools have changed what it means to build and run a company.」
隔天股價漲了 14%。
同一個月，微軟 AI 執行長 Mustafa Suleyman 告訴《金融時報》：18 個月內，大部分白領工作會被 AI 自動化。會計、法律、行銷、專案管理，只要是「坐在電腦前做的事」，全部。
如果你在這些行業工作，你大概已經焦慮了一陣子。
那一週，有人說：「光是取代 30% 就代表有 30% 的職位要消失。」有人說：「2026 前後畢業的大學生，是史上最辛苦世代。」
但也有人回：「會怕被取代的人就是自己也覺得工作很簡單。」最經典的一句：「只要不能坐牢，會計就不會被取代。」
你讀了這些對話，覺得兩邊都有道理。你不知道該信哪個。
我想搞清楚一件事：到底是恐慌，還是現實？
兩邊都有很強的證據，但他們測量的東西根本不一樣。
90% 說 AI 有價值，2% 真的裁了人
Harvard Business Review 在 2025 年底調查了 1,006 名全球高管。結果讓我重新想了很多事：
- 90% 的受訪企業說 AI 帶來了中度到大量的價值
- 60% 已經因為 AI 減少人數（39% 小幅 + 21% 大幅）
- 但只有 2% 是因為 AI 真的能做那些工作才裁的
剩下的 58%？是「預期」AI 會有用。還沒證明，先裁了再說。
HBR 用了一個詞：posturing。作秀。裁員的邏輯不在 AI 做得到，在於「AI 裁員」比「我們要砍成本」聽起來性感。
Gartner 的調查更直接：50% 因 AI 裁員的公司，2027 年前會重新雇人做類似的事（只是換個職稱）。而且實際上只有 20% 的客服主管真的因為 AI 減了人。
Klarna 是最好的案例。這家瑞典金融科技公司 兩年內砍了 40% 的人力，全押 AI。結果 2025 年，CEO 跟 Bloomberg 說他們在重新雇人，因為追求低成本的結果是品質也跟著低了。
所以第一個判斷：現在大部分 AI 裁員不是因為 AI 太強，是因為恐慌。 高管們在預期中裁人，而不是在證據下裁人。
這代表你最大的威脅不是 AI 的能力，而是你老闆對 AI 能力的想像。
1000 個高管裡，90% 說 AI 有價值。其中只有 2% 是因為 AI 真的能做才裁人。剩下的 58% 是作秀。
Suleyman 說 18 個月，Anthropic 說零失業。到底信誰？
他們在吵不同的東西。這是我讀完最重要的判斷。
Suleyman 看的是能力的天花板。他的 18 個月預測基於算力指數增長：模型越來越強，他在《The Coming Wave》裡把白領的重複性認知操作叫做「cognitive manual labor」，認為這些操作很快會被完全自動化。
Anthropic 看的是地板上實際發生的事。他們的勞動市場影響報告不只看 AI「理論上能做什麼」，還看 Claude「實際被用來做什麼」。結果：電腦程式設計師的理論曝險度 75%，但 Claude 實際只覆蓋了 33% 的電腦與數學類別任務。
更關鍵的數據：自 ChatGPT 發布以來，高曝險職業的失業率沒有系統性上升。 統計上跟零無法區分。
唯一的例外是 22-25 歲的年輕工作者。Brynjolfsson 等人的研究發現，AI 高曝險職業中這個年齡段的就業下降了 6% 到 16%。Anthropic 的 CPS 數據分析更精確：ChatGPT 發布後，年輕工作者在高曝險職業找到新工作的比率下降了約 14%。他們沒被裁。公司只是停止招他們。25 歲以上的工作者完全不受影響。
這裡有一個沒人在討論的結構性問題：AI 最擅長的，恰好是入門級工作——摘要、基礎程式碼、擬稿、格式轉換。主管可以直接用 AI，不再需要花時間指導新人。學徒管道正在崩塌。諷刺的是，資深開發者比初級開發者更常使用 AI 生成的程式碼，因為他們有驗證能力。AI 不是在取代所有人。它取代的是還沒成為專家的那些人學習的機會。
如果你是剛畢業或即將畢業的人：你的危機不是「AI 會不會取代我」，而是「AI 正在取代我本來會從中學到東西的那些工作」。
一個問「AI 能不能做？」另一個問「AI 做了嗎？」答案分別是「理論上快了」和「實際上還沒」。大部分關於 AI 取代工作的爭論，根本不是對同一件事在爭。 看多的在看能力曲線，看空的在看就業數據。兩邊都對，但描述的是不同的時間軸。
BCG 顧問用 GPT-4 快了 25%，但品質掉了 23%
你可能聽過一個說法：AI 讓工作效率提升了 X%。但數據比這複雜得多。
非營利組織 METR 做了一個實驗，讓開發者在真實工作環境中使用 AI。結果：任務完成時間比不用 AI 多了 20%。 用了反而更慢。
Goldman Sachs 首席經濟學家 Torsten Slok 在 2026 年三月指出：「我們仍然在經濟體層級找不到 AI 採用和生產力之間的有意義關係。」除了科技業利潤率上升 20%，其他產業幾乎沒有變化。
但另一個實驗說了完全相反的事。
波士頓顧問公司（BCG）跟 GPT-4 做了一個對照實驗。結果分兩半：在 AI 能力範圍內的任務，顧問的表現大幅提升。但在 AI 能力邊界外的任務，準確率從 84% 暴跌到 60-70%。 用了 AI 反而比不用更差。
有個在華頓教 AI 的教授（Ethan Mollick）在《Co-Intelligence》裡給這個現象取了一個名字：Jagged Frontier。AI 的能力邊界呈鋸齒狀。平滑的線不能描述它。它能寫一個完整的井字棋網頁，但不會下井字棋。它能幫你分析一份財報，但可能在你沒注意的地方編造數字。
所以 Suleyman 說的 $20 兆增長跟 Goldman 說的「零生產力提升」怎麼同時存在？
1987 年有個拿諾貝爾獎的 MIT 經濟學家（Robert Solow）說過一句話：「你到處看到電腦時代，除了在生產力數據裡。」Duke CFO Survey 的研究者直接引用了這句話。他們發現高管感受到的 AI 生產力提升，遠大於實際營收數據能支持的幅度。
第二個判斷：AI 在特定任務上已經很強，但在整體工作流程中還很弱。 知道 AI 的邊界在哪，比「學 AI」重要一百倍。因為在邊界內，它讓你飛。在邊界外，它讓你掉進一個你看不見的坑。
這篇分析還有5個章節：
- 你的老闆說「人+AI」是未來，西洋棋已經證明那只是過渡期 — 2005 年有個下棋的人說人加機器永遠比純機器強。十二年後，他沒再這樣說過
- 你的老闆讀的是賣 AI 的報告，做 AI 的人每天看的是 bug — 一個在賣 AI，一個在建 AI。看法差了一個太平洋
- Acemoglu 說科技不會自動利好勞工——但沒有人在推那個改變結局的制度 — 長期會好。問題是長期有多長——Frey 說可能是你孫子那代
- Suleyman 看的是潛力，Anthropic 量的是覆蓋率。你的老闆讀的是前者 — 三個時間軸並排看：最有壓力的尺度跟最不能忽略的尺度，不是同一個
- 明天可以做的三件事：打開上週行事曆，對著 Anthropic 的 33% 看 — 然後回到 2026 年 2 月 27 日那天。Block 裁員 40%，股價漲 14%
→ 完整分析在讀角獸
讀角獸——帶著一個問題讀完所有英文來源，找出不同作者互相矛盾的地方，寫成有立場的判斷。更多主題 → ducorn.com
