Box创始人兼CEO Aaron Levie最近说破了一个尴尬点：不少科技公司CEO可能正在遭遇“AI生产力幻觉”。

他们亲手试用AI，做出一个原型，生成一份合同，跑通一个流程。然后很容易跳到更大的判断：AI agent已经可以接管大量岗位。

这件事有意思的地方，不是AI有没有用。AI当然有用。Levie本人也不是反AI者。他长期看好AI，也以天使投资人身份支持AI创业公司。

问题在另一层：CEO看到的是演示效果，一线团队面对的是代码审查、权限边界、异常条款、幻觉修正和上线责任。

一步之差，判断就会变形。

CEO为什么更容易高估AI自动化

Levie质疑的不是AI本身，而是管理层和一线工作的距离。

一个模型能写合同草稿，不等于它理解一家公司的特殊条款。一个agent能生成代码，不等于它能发现隐藏bug、识别不存在的库，并承担生产事故后果。

CEO接触AI时，常看到的是“任务完成”。一线员工接触AI时，更常看到的是“完成之后还要检查什么”。

这两种体验很不一样。

前者容易得出效率结论。后者更关心稳定性、责任链和例外处理。

这也是当前AI裁员叙事里最容易被抹平的部分：原型可以很惊艳，组织落地会很琐碎。

场景CEO容易看到的结果一线真正要处理的限制更稳妥的判断
合同生成几分钟出草稿特殊条款、合规边界、责任归属能提速，不等于能独立交付
代码生成快速产出功能片段bug、依赖、测试、上线事故能补产能，不等于能替代工程责任
AI agent跑流程多步骤自动执行权限、异常、审核、返工能自动化部分环节，不等于流程无人化

对管理者来说，最现实的动作不是马上按AI比例砍人，而是把关键岗位拆成任务清单：哪些任务可自动化，哪些必须人工复核，哪些出了错必须有人负责。

对一线员工来说，也不必把“AI能做我的一部分工作”直接翻译成“我的岗位已经消失”。更该做的是把自己的工作往审核、判断、上下文整合和责任承担上迁移。

这不是安慰，是现实分工。

裁员数字很大，但AI替代的证据还缺一段

Layoffs.fyi数据显示，2026年前五个月，科技行业已有152家公司裁员115430人。这个数字已经接近2025年全年275家公司裁员124636人的规模。

很多公司在裁员说明里提到AI。这个信号不能忽略。

但它也不能直接证明：AI已经稳定替代了这些岗位。

裁员可能来自AI提效，也可能来自成本压力、战略收缩、投资人要求、疫情后扩张回调，或者几种因素叠在一起。把所有裁员都归因于AI，反而会看错公司真正的问题。

ClickUp是一个更具体的样本。CEO Zeb Evans称，公司内部部署约3000个AI agent后裁员22%，目标是打造“100x org”。他的说法很典型：少数员工管理大量agent，快速审核结果，公司效率大幅提升。

这个叙事很有吸引力。

但研究证据还没完全站到它背后。UC Berkeley《California Management Review》2025年10月发表的一项元分析称，AI采用与总体生产率提升之间尚无稳健关系。NBER在2026年3月发布的研究更温和：AI采用确实改善了生产率，但感知收益往往大于实测收益。

MIT研究人员基于大量劳动市场任务评估后认为，按当前大语言模型进步速度，到2029年，模型可能在多数文本相关任务上达到80%至95%的成功率，质量处于最低合格水平；要普遍超过人类，还需要更久。

这个时间表，和一些公司当下的裁员节奏并不完全匹配。

所以目前更稳的说法是：AI正在改变组织设计，也正在被用来解释裁员；但AI是否已经大规模、稳定、低风险地替代专业岗位，还没有足够证据。

这中间可能有AI washing。

也就是把原本就要做的降本、收缩、换血，包装成AI驱动的组织升级。

真正风险是瓶颈转移，而不是人立刻消失

很多公司讨论AI时，喜欢问一个问题：能不能少招人？

我更在意的是另一个问题：新的瓶颈会落在哪里？

如果AI让代码、文档、方案和运营动作都变多，审批、授权和质量控制就会往少数人身上集中。《Harvard Business Review》近期研究也提到，AI提高内容和方案产出后，管理层可能承担更重的审核压力。

这对组织不是小事。

工程师可能少写一部分代码，但要审更多机器生成代码。法务和运营人员可能少做初稿，却要处理更多异常判断。中层管理者会面对一堆“看似完成、实际还没验证”的工作。

工作没有直接消失。很多时候，它只是从生产端挪到了校验端。

这会带来三个后果。

变化表面收益潜在代价最该观察的指标
用agent替代部分执行产出速度更快审核负担上升返工率、事故率、审批积压
裁掉部分岗位人力成本下降经验断层、上下文丢失项目交付周期、客户问题处理速度
员工转向管理AI人均产出提高责任边界变模糊谁签字、谁负责、谁兜底

对科技公司管理者来说，接下来要少看一点口号，多看三组硬指标：AI带来的可量化效率；被裁岗位的工作是否真的被agent长期接管；留下的员工是否出现审核负担上升、返工增加或决策堵塞。

如果这些指标缺席，只公布裁员比例和AI愿景，就要打个问号。

对一线员工来说，更具体的应对也不是盲目焦虑。

工程师要调整工具链，把AI生成、测试、代码审查和文档追踪连起来。运营、法务、产品人员要保留关键决策记录，明确哪些内容由AI生成，哪些结论由人确认。中层管理者则要重新设计审核流，不要让所有机器产出都堆到一个人那里。

AI越强，责任链越不能含糊。

Levie给CEO的建议其实很朴素：大量使用AI，真正看清它能做什么、不能做什么，再决定组织怎么改。

这句话的重点不在“用AI”，而在“看清”。

把演示当能力，把能力当岗位替代，把岗位替代当组织升级，步步都可能失真。AI裁员潮真正该警惕的，不是机器突然变得无所不能，而是人太快相信了自己想相信的东西。