Finikz 2026年5月28日 10:03
这两天我刷到 ClickUp 裁员的新闻，一开始其实没太当回事。
现在科技公司裁员嘛，大家已经有点麻了。
今天这个公司说自己要提升效率，明天那个公司说自己要聚焦核心业务，翻译成人话很多时候就是，没钱了，要收缩了。
但 ClickUp 这次有个地方让我停了一下。
它裁掉了 22% 的员工。
然后 CEO Zeb Evans 跑出来说，这不是为了省钱。
他给出的说法是，公司要更激进地拥抱 AI，要把 ClickUp 推成一个 100x org。
更离谱的是，他还说公司会引入百万美元薪酬带，谁能用 AI 创造超额价值，谁就不再被传统薪酬框架卡住。
我看到这儿的时候，第一反应是，哥们你这话听着也太硅谷了。
一边裁员，一边说不是省钱，一边又说留下来的人以后可能拿百万美元。
这套话术如果放在几年前，我大概率会觉得，就是典型的资本市场叙事，听听就完了。
但这一次，我犹豫了一下。
因为 TechCrunch 文章里还有一个细节。
ClickUp 最近大概引入了 3000 个内部 AI agents，让员工不再只是自己干活，而是去指挥这些 agents，再检查它们的产出。
这个细节，才是我真正觉得有意思的地方。
坦率的讲，裁员本身没什么新鲜的。
真正新鲜的是，公司第一次开始比较认真地问一个问题。
一个人的价值，到底还应不应该按「他自己完成了多少工作」来算。
你想想看，以前我们聊人效，默认单位是人。
一个销售一天打多少电话。
一个运营一天写多少文案。
一个客服一天处理多少工单。
一个程序员一个 Sprint 交付多少需求。
公司当然会买软件，买 CRM，买 Notion，买 ClickUp 自己这种协作系统，但这些东西大多数时候都是人的外挂。
人还是那个主角。
软件只是让人跑得更快一点，记得更清楚一点，协作少扯皮一点。
但 agent 这玩意出来以后，单位有点变了。
你不再只是一个人。
你更像是一个小型指挥站。
你把任务拆开，丢给不同的 agent，让它们查资料，写草稿，跑流程，整理会议，生成表格，排查问题，然后你再回来验收，判断哪里不对，哪里能用，哪里需要推倒重来。
这件事听着很抽象对吧。
我用我自己的工作举个例子。
我现在写文章，很多时候已经不是坐在空白文档前面硬憋了。
我会让 Deepresearch 先帮我把某个公司最近的动作捞出来，让 ChatGPT 帮我找相似案例，让 Claude Code 或 Codex 帮我整理本地资料，甚至让不同模型互相质疑一下对方的判断。
但真正决定文章能不能成立的，还是我。
我得知道这个选题有没有意思。
我得知道哪个事实是噱头，哪个细节才有含金量。
我得知道一段话读起来像不像人说的。
更麻烦的是，我还得知道什么时候应该停。
这块真的挺反直觉的。
很多人以为会用 AI，就是会提 Prompt。
其实吧，Prompt 当然重要，但它只是入口。
更难的是，你能不能把一件事拆成机器能接住的任务。
你能不能判断机器给你的答案到底是不是答案。
你能不能把一次跑通的流程沉淀下来，下次不用从头再来。
你能不能在机器很自信地胡说八道的时候，及时把它按住。
这才是新的人效。
以前，一个强员工，是自己很能干。
以后，一个强员工，可能是自己能干，还能让一堆不会累的执行单元跟着他一起干。
尼玛。
这差别就大了。
所以我看到 ClickUp 那个 3000 个内部 agents 的数字时，脑子里冒出来的不是「又一家公司拿 AI 当裁员借口」。
当然，这个可能性永远存在。
我非常理解大家对这种叙事的反感。
一个普通员工看到这种新闻，大概率不会兴奋。
他可能只会觉得，完了，公司又找到新理由了。
以前说降本增效，现在说 agent-native。
以前说组织升级，现在说 100x org。
反正到头来挨刀的还是我。
这种感觉太真实了。
你不是创始人。
你不是投资人。
你也不是每天在 X 上喊未来已来的那帮人。
你可能就是一个在公司里认真干活的人，白天开会，晚上补文档，周末回消息。你已经够累了，现在还要你去学怎么指挥 AI，怎么自动化自己的岗位，怎么证明自己不是可以被替代的那一个。
我真的非常理解这种疲惫。
但也正因为这样，我觉得这件事不能只用「公司又要裁员」来理解。
它更像是一个很刺耳的提醒。
组织开始重新计算什么叫「有用」。
以前你把事情做完，就算有用。
以后你只把事情做完，可能不够了。
公司会继续追问，你有没有让事情下次更容易被做完。
你有没有让一个流程从手工变成半自动。
你有没有把自己的判断变成一套别人也能复用的工作流。
你有没有让 agent 替你跑掉那些重复、琐碎、没有创造性的部分。
说真的，这个变化有点残酷。
但它也有点公平。
因为过去很多组织里，真正有价值的人，未必总是最会被看见的人。
有些人每天忙得要死，产出看起来很多，但其实只是在重复搬砖。
有些人没那么吵，但他能把一个混乱流程理顺，能让团队少返工，能让新同事更快上手，能把一个月重复十次的事情变成一次配置。
在过去，这种能力经常很难被量化。
老板知道你厉害，但说不清楚厉害在哪。
团队离不开你，但绩效表上写不出来。
现在 agent 进来以后，这种能力反而可能会被放大。
因为你一旦能把工作拆清楚，把判断标准写清楚，把输入输出定义清楚，机器就真的能接一部分。
你不是只做一件事。
你是在制造一个可以反复做事的系统。
这也是为什么 ClickUp 那句「不按 token 成本，而是按创造的价值和节省的时间来游戏化」让我挺在意。
现在很多公司衡量 AI 采用率，喜欢看谁用得多。
谁 token 消耗高，谁调用次数多，谁就看起来很积极。
但这玩意特别容易跑偏。
就像你不能因为一个人每天发 200 条微信，就说他沟通能力强。
也不能因为一个人把 ChatGPT 打开了一天，就说他很 AI native。
真正该看的，是他让什么事情变快了。
什么错误减少了。
什么流程不再依赖某个人凌晨两点上线救火了。
什么原本需要三个人互相扯皮的活，现在一个人带着几个 agent 就能先跑出 70 分的版本。
70 分这件事很重要。
很多朋友可能会觉得，agent 现在不稳定啊，会幻觉啊，做复杂任务还是容易翻车啊。
对。
完全对。
我自己也还在摸索，而且经常被它们整无语。
有时候我让它查资料，它很自信地给我一个看起来巨靠谱的结论，我点进去一看，页面根本不是那回事。
有时候我让它改文章，它把我最想保留的那点活人味儿全磨平了，给我改成一篇很端庄的年终总结。
一时间无语凝噎。
但问题是，很多组织里的大量工作，本来也不需要一上来就 100 分。
它需要的是先有一个 70 分的草稿。
先把资料堆起来。
先把表格填出来。
先把候选方案列出来。
先把会议纪要整理出来。
然后人再上去做判断，做取舍，做审美，做责任归属。
这就是我觉得 ClickUp 这件事真正值得聊的地方。
不是 AI 代替人。
这句话太粗糙了。
更准确一点，是人开始从执行链条里往上移。
你不再只是那个亲手拧螺丝的人。
你要变成那个知道哪里该拧，哪里不该拧，拧到什么程度算合格，出了问题该怪设计还是怪执行的人。
这听起来像管理。
但又不是传统意义上的管理。
传统管理管人。
未来很多普通岗位，也要开始管理机器。
我有时候觉得，这可能会制造一种很奇怪的新阶层。
不是管理层和执行层。
而是会编排的人，和只能被编排的人。
这话听着有点刺耳，但我越想越觉得绕不过去。
会编排的人，哪怕职位不高，也能把自己的判断外溢出去。他可以用 Codex 写脚本，用 Claude Code 改项目，用 ChatGPT 做调研，用 Excel 或飞书多维表把流程固化下来。他不一定是程序员，但他知道怎么让一堆数字劳动力围着一个目标转。
只能被编排的人，就会比较危险。
不是因为他不努力。
可能恰恰相反，他很努力。
但他的努力如果只能停留在「我亲手做完」，就会被越来越多半自动流程挤压。
你想想那个画面。
一个公司里，A 员工一天处理 20 个客户问题。
B 员工一开始也只能处理 20 个，但他花了两周，把常见问题拆成模板，把资料库清干净，把 agent 的回答边界设好，把异常转人工的规则写出来。
两周后，他还是一个人。
但他背后站着一套小系统。
他可能一天能覆盖 80 个问题，而且还能告诉老板，哪些问题出现频率最高，哪些答案最容易被客户追问，哪些产品缺陷应该回流给研发。
你说公司会怎么选。
很冷，但很现实。
这不是让大家都去卷成技术狂人。
真的不是。
我反而觉得，这件事给普通人打开了一个挺微妙的窗口。
以前你想拥有杠杆，门槛很高。
你要会写代码，要能招人，要有预算，要有跨部门权限。
现在没那么绝对了。
一个会思考工作流的人，哪怕不会写复杂代码，也可以用 ChatGPT、Claude、Codex、Zapier、飞书多维表、Notion 自动化，把自己手上的一小块工作重新组织一遍。
一开始肯定笨。
而且大概率比手动还慢。
我说真的。
你第一次让 agent 帮你跑流程，可能会花半天时间调输入，修错误，补上下文，结果发现还不如自己五分钟做完。
这时候很多人就放弃了。
但这里有个很关键的区别。
手动做完，是做完一次。
流程跑通，是以后少做很多次。
这就是工业革命里特别朴素的一件事。
蒸汽机刚出现的时候，也不是每个工厂立刻就变得优雅高效。电力刚进工厂的时候，很多工厂只是把原来的大传动轴换成电机，布局还是老布局，效率提升很有限。
真正的变化，是后来人们意识到，既然机器的动力来源变了，工厂的组织方式也可以重来。
AI agents 这波，我觉得也有点像。
刚开始大家只是把它当聊天窗口。
写邮件快一点，润色报告快一点，生成 PPT 快一点。
这当然有用。
但这只是把旧工厂接上新电机。
下一步更重要的是，工作流能不能重排。
哪些任务应该由人发起。
哪些任务应该由 agent 先跑。
哪些判断必须人来承担。
哪些质量标准可以被写进流程。
哪些经验不应该只留在某个老员工脑子里，而应该变成团队共享的系统。
回到 ClickUp 这块，它的做法当然有很多可以质疑的地方。
裁员 22% 这件事，对被裁的人就是实打实的冲击。
你不能用一个漂亮的未来叙事，把这些人的损失轻飘飘地盖过去。
而且 Gartner 那个调查也提醒了一件事，很多用自主技术的公司确实裁了人，但裁员未必真的带来了有意义的财务回报。
这就很尴尬。
有些公司可能只是把 AI 当成一层闪亮包装，包装下面还是老一套降本。
所以我不想把 ClickUp 写成一个「未来公司模板」。
没必要。
我更愿意把它看成一个信号。
信号不一定美好。
但信号很清楚。
公司已经不满足于让员工使用 ChatGPT 了。
公司会开始要求员工证明，自己能不能把 AI agents 变成稳定的生产力。
不是演示。
不是炫技。
不是在群里发一句「我用 AI 五分钟做完了」。
而是可复用，可验证，可管理。
这三个词特别枯燥，但我觉得特别重要。
可复用，代表这不是一次性魔法。
可验证，代表它不是看起来很酷但没人知道对不对。
可管理，代表它能进入组织，而不是停留在个人小聪明。
这也是我对未来几年的一个判断。
很多岗位不会马上消失。
但岗位内部的价值排序会变。
同样是运营，一个人只会执行活动流程，另一个人能把活动从选题、素材、排期、复盘到用户反馈做成半自动系统。
同样是销售，一个人只会手动跟进客户，另一个人能用 agent 整理客户信息、生成个性化跟进话术、提醒风险、沉淀成交模式。
同样是内容创作者，一个人只会每天苦哈哈写稿，另一个人能搭出自己的素材雷达、选题池、事实核查流程、标题测试流程。
差距会越来越大。
而且这个差距不是「谁更会偷懒」。
恰恰相反，它更考验人的判断力。
因为 agent 越强，人越不能只是把脑子外包出去。
你要更清楚什么是好。
你要更清楚什么不能交出去。
你要更清楚哪一步错了会造成灾难。
你要更清楚自己的品味、标准和责任边界。
这也是我为什么看到这个新闻，反而有点兴奋。
不是因为裁员兴奋。
那太没人味儿了。
我兴奋的是，组织生产力这件事终于开始被重新想象了。
过去很多年，我们讲效率，讲到后来经常变成压榨。
更长时间在线。
更多会议。
更密的 OKR。
更快的响应。
每个人都像在一个永远不会停的传送带上。
但如果 agent 真能接住一部分执行任务，那人是不是可以把更多时间拿回来，放在判断、创造、关系、审美和责任上。
说实话我也不确定。
也许很多公司会把它用成更高明的压榨。
也许很多人会被迫在很短时间里学习一套自己完全陌生的工作方式。
也许所谓百万美元薪酬带，到头来只属于极少数明星员工，大多数人面对的仍然是更高的要求和更少的安全感。
这些担心都是真的。
但屏幕前的你如果问我，普通人现在该怎么办。
我觉得不是恐慌。
也不是鸡血。
更现实的做法，是从自己手上最烦、最重复、最容易出错的一件小事开始。
别一上来就改造整个部门。
你就挑一件事。
比如每周都要写的周报。
比如每次客户会后都要整理的纪要。
比如每次写文章前都要翻的资料。
比如每次活动后都要做的复盘表。
把它拆开。
输入是什么。
中间要做哪些判断。
输出长什么样。
哪些地方必须你看。
哪些地方可以让 ChatGPT 或 Claude 先跑。
然后你让它跑一次。
跑烂了也没关系。
你修。
你把修的过程写下来。
下次再跑。
这件事非常笨，非常慢，非常不像未来。
但很多真正改变人的东西，一开始都长这样。
不是一束光打下来。
是你在一个很普通的下午，突然发现，原来我可以不用再亲手复制粘贴那 20 行东西了。
那一刻，未来才真的进了你的工作流。
所以 ClickUp 裁员 22% 这件事，我不想简单把它写成一个坏消息或者好消息。
它更像一面镜子。
照出公司有多急。
也照出个人有多脆弱。
但它还照出另一个东西。
未来那个更稀缺的人，可能不是最听话的人，也不是最忙的人。
而是能把自己的判断、经验和好奇心，组织成一套机器也能参与的流程的人。
大时代啊，朋友们。
以前我们说人效，是一个人跑得多快。
以后我们说人效，可能是一个人能带着多少非人类执行力，一起跑向一个值得抵达的目标。
这听起来有点赛博。
但我是真的觉得，这事儿会越来越近。
以上，既然都看到这里了，不随手点个赞、在看、转发三连吗？
如果想第一时间收到推送，也可以给我个星标⭐～
谢谢你看我的文章，下次再见！
微信扫一扫赞赏作者
AI 启示录 · 目录
继续滑动看下一个
非你可思
向上滑动看下一个
<iframe src="chrome-extension://cnjifjpddelmedmihgijeibhnjfabmlf/side-panel.html?context=iframe"></iframe>