过去两年，聊起 AI，话题总会绕到裁员上。

新模型刚发布，就有人盘点哪些工作要被替代；公司宣布全面使用 AI，员工先担心自己的岗位还能留多久；还有那些 " 一个会用 AI 的人顶一个团队 " 的说法，很难不对号入座。

那股对裁员、对失业的焦虑，已经缠在很多人的心头，太久。

最近，我读到了麦肯锡的《2026 年 AI 现状报告》。这份报告调研了 97 个国家，1719 名受访者，其中 36% 来自年收入超 10 亿美元的企业。它讨论了 AI 怎样进入工作、企业得到多少回报，以及就业会受到什么影响。

报告里，就回应了那股焦虑。

一年前，有 32% 的企业预计，公司会因为 AI 而裁员。一年后，真正因为 AI 导致员工总数下降的企业，只占 14%。

AI 对失业带来的影响，可能没我们想的那么可怕。

那么，报告里到底说了什么？我们又能从中，获得一些什么样的启发？

今天，与你分享。

裁员影响，低于预期

企业对 AI 裁员的想象，还是远远跑在了现实前面。

去年，麦肯锡问企业：未来一年，AI 会不会让员工数下降？32% 给了肯定回答。一年后再问，真正出现减员的比例，变成了 14%。约三分之二表示，员工总数几乎没有或没有变化。

面对 AI，我们预判了一场裁员。然后，它爽约了。

也许，是我们太容易把 "AI 能干某件事 "，理解成 " 能帮组织替掉人 "。

2024 年 2 月，瑞典金融科技公司 Klarna，公布了一组数据：AI 客服助手上线一个月，处理了 230 万次对话，占客服聊天总量的三分之二。按公司的估算，相当于 700 名全职客服的工作量。解决问题的平均用时，也从 11 分钟缩短到不到 2 分钟。

AI 抵 700 个人的工作量，显然不等于这 700 个人就失业了。

省下多少工作，和能减少多少岗位，得分开看。

拿客服来说，回答 " 快递到哪儿了 "，查一下物流就行。碰到 " 显示签收，但我没收到 "，可能得联系快递员、核对地址、查签收记录，再决定退款还是补发。后面的事情，需要的信息、权限和协调，都多得多。

AI 接走重复咨询后，客服手里剩下的，可能都是这些难办的问题。一个人少回了很多消息，却还得花时间把事情处理妥当。

他的工作可能变了，他的岗位却未必能撤掉。

反过来，如果咨询量增长，团队也可以用省下的时间服务更多客户。

员工总数没变，公司的服务能力却可能提升了。

任务被接走，岗位未必就能撤掉。这或许能解释，为什么实际减员没有跟上预期。

当然，这也未必意味着员工更轻松。简单问题少了，复杂问题集中到手里，需要作出的判断可能更多。

那么，既然人能做更多事，公司应该更赚钱了吧？

报告里的回答，是极少数。

省了时间，未必省钱

如果说 AI 对员工的帮助，效果是很明显的。

根据麦肯锡的调研，80% 的受访者表示，AI 提高了自己的生产力；超过一半的人，觉得学到了新技能。可如果问企业，AI 有没有让你赚到更多钱，只有 37% 给出肯定答案。

员工已经觉得好用，公司的利润却未必跟着增长。

为什么会这样？

因为，新工具可能带来更多产出，但最终能否带来收入，还要看客户愿不愿意买单。

一个客服回复更快，不代表投诉率一定下降；一个销售更快写好方案，不代表那边客户就会签单；一个开发更快写完代码，不代表有人愿意用。

所以，工具只是把局部环节推快，而公司又是一连串彼此咬合的环节。前面快了，后面没变，整体速度未必会变，整体收益也就未必会有明显变化。

而且，还有 AI 本身成本的考量。

报告提到，约五分之一的受访者表示，公司因为运行成本而限制员工使用 AI。

对个人，开会员、买 token，拿来查资料、改文案、写代码，只要好用，就值得。但对公司，就要考虑连接内部数据、多部门协作、查验 AI 反馈结果等等问题。这时候的账，就不能只算一个账号多少钱了。

所以，员工说 " 我工作效率比以前快 "，老板说 " 感觉利润没变化 "。很可能，大家都没说错。他们看到的，是不同范围里的结果。

麦肯锡也发现，一些企业没有在整体利润上受益，却在具体职能里看到一些变化。一个部门省了钱，另一个部门还在投入；客户体验变好，当期收入也不见得增加。

还有些收益暂时不好算成钱。

客户体验改善了，未必当期就多下一笔订单；员工学会了新技能，也需要机会才能用上。

这时候，急着用裁员兑现效率，未必算得清账。

更应该先弄明白，省下的时间去了哪里，哪些成本增加了，哪些工作还卡着。把这些接起来，才知道 AI 到底帮公司改善了什么。

这也是那些已经获得显著回报的企业，更愿意花力气解决的事。

换了工具，还得换做法

麦肯锡单独观察了一小群企业。它们认为 AI 带来了显著价值，并把至少 5% 的息税前利润归因于 AI。报告里把符合这两个条件的企业，叫 " 高绩效者 "。它们约占受访者的 6%。

这些企业有个共同点：近四分之三，已经围绕 AI 重新设计了工作流程。其他受访者里，这么做的比例只有大约四分之一。

似乎，回报更明显的企业，往往也更愿意围绕 AI 重新设计工作流程。

那么，他们是怎么重新设计的。举个例子，一场客户会议。

理财顾问和客户聊完，需要整理讨论内容、记下答应跟进的事情，再存进客户档案。如果只多了一个 AI 聊天窗口，顾问仍然得自己复制记录、输入要求，再把结果搬到其他系统里。

整理快了，来回操作的麻烦还在。

摩根士丹利做了一种新的尝试。2024 年 6 月，它推出一款面向理财顾问的 Debrief 工具。取得客户同意后，它会生成会议记录、提取后续事项，会后整理要点、起草邮件，并把笔记存入客户管理系统。顾问负责审阅、修改，决定是否发送邮件。

有人估计，每次会议能至少省下半小时。也有人提到，会谈结束后，自己能趁着双方记忆还清楚，快速审阅并发出总结邮件。

这套做法把几个原本分散的动作接在了一起。AI 整理、起草，人核对、判断和跟进。

一封邮件从写出来，到能放心发出去，中间还有不少事情。

客户有没有同意使用工具，内容有没有遗漏，承诺是否准确，都得讲清楚。否则，前面写得再快，后面反复检查、返工，时间还是留不下来。

流程改好以后，省下的时间，可以让人去做其他事。

比如，让顾问多见一位客户，把原来的问题谈得更细。客户愿不愿意继续合作，有时恰恰取决于那些过去来不及问、没耐心听的细节。

比如，试着研究新产品、新服务。原来的老路径、老方法，现在可能变得过时，不如拿 AI 省下来的时间，去学习新的知识、新的技能，试着寻找新的解题思路。

同样是省下一小时，有的公司想少花一小时的钱，有的公司想多做一小时的生意。

省下来的时间怎么用，可能也会影响公司接下来需要多少人。

未来，反而更悲观

看到这，可能你会想：既然实际影响没有预想的大，是不是可以放宽心呢？

麦肯锡的回答，并不乐观。

报告里，39% 的受访者预计，未来一年里 AI 会让公司总人数下降。这个数字高于一年前的 32%。最常被预期会缩减人手的领域，是服务运营、供应链和库存管理。

嗯。经历了一次低于预期，对未来反而更悲观了。

但是，这依然是企业的预期。上一年也有过类似预测，最后实际发生的情况相差很远。所以只是告诉我们，管理者的担忧在上升，却不代表未来一定会有大裁员。

预测，告诉我们大家害怕什么。现实，才能告诉我们发生什么。

那么，到底是什么让企业对未来更悲观了？

有个办法，也许可以先看看那些大企业正在做什么。

2025 年 4 月，跨国电子商务公司 Shopify 公开了一份内部备忘录。其中一条写着：" 团队申请增加人手和资源之前，要先说明，为什么无法利用 AI 完成目标。"

也就是说，光拿 " 任务太多 " 当加人的理由，已经不够了，团队还得解释现有的人和工具为什么做不完。

故事的前半部分，像是在说，这公司大概不愿意招新人了。但在 2026 年 6 月，Shopify 的工程负责人公开表示，公司今年将继续招聘 1000 名实习生。

一边要求加人前先考虑 AI，一边继续招实习生。两件事，同时发生在一家公司。

为什么？

因为公司内部有一个编程智能体 River，员工可以在公开的协作频道里使用它。新人能看到前辈怎样提问、拆解问题，怎样检查结果、纠正错误。过去得等资深员工抽空示范的做法，现在有更多机会从真实工作记录里学到。

这当然不能省掉所有带教。新人还得自己试、自己问。但在公司看来，AI 能接手部分基础任务，也能帮助新人学习，让资深员工有限的时间发挥更大作用。

同时，公司还在探索三种能力考察方式：1）不用 AI 时，能不能自己写代码；2）可以用 AI 时，知不知道何时该用；3）必须用 AI 时，能不能验证结果、交出可用的东西。眼下还不成熟，但很可能是未来大趋势。

工具改变了人能做多少事，也在改变企业的招人标准。

对身处其中的人来说，可以留意得更具体些。

离开的人要不要补？新岗位要求什么能力？以前新人做的事，现在谁去做？搞清楚这些问题，比一句笼统的 "AI 会替代人 "，更能帮助我们判断自己的处境。

看清正在发生的变化，比提前相信下一场预言，更值得认真对待。

好了。关于这份《2026 年 AI 现状报告》，我们就聊到这。总结一下。

AI 能完成一项工作，公司未必会撤掉一个岗位。员工省下了时间，公司未必立刻多出利润。围绕 AI 重新设计流程后，把释放出来的能力用来接更多生意。企业对未来的预测更悲观，但眼下的变化更值得关心。

现在，再回到最初的担心。AI 这么厉害，我的工作会很快消失吗？

答案，是否定的。

可能我们低估了 AI 的成长速度，也可能高估了岗位消失的速度。但岗位还在，不等于工作完全照旧。

所以，对管理者来说，也许可以先看看，团队省下的时间去了哪儿？是耗在等待，还是返工？找到这些问题，就有了调整流程的起点。

对打工人来说，也许可以看看自己的工作，哪些环节可以交给 AI？哪些问题还需要自己的经验？据此安排学习和练习，比笼统担心 " 被替代 " 更有方向。

对创业者来说，机会也可能藏在这些麻烦里。帮一家企业设计流程，帮一个团队少做无用功。解决别人的麻烦，本身就是生意。

当然。这些不是保证任何人永远安全的万能钥匙。至少，我们可以试着直面心里那份焦虑。

不必把每一次工具升级，都当作失业的倒计时。也别因为一次预测落空，就忽略已经发生的变化。

既然未来遥不可及，不如把担心落到具体的东西上。我们才更容易知道，下一步该往哪里用力。

共勉。