SaaS AI 大规模裁员的预测忽略了一个简单而“肮脏”的秘密：你公司的架构还没准备好。真正的威胁不是机器人起义，而是架构腐朽。
上周，我在比弗利山庄的Sushi Nozawa，坐在抛光的木质柜台前，体验了一次完整的“相信我”体验。Nozawa的Omakase（厨师发办）是一场放权之旅。你不用点菜。你只管接受。一片完美炙烤的星鳗（anago）出现了，接着是一片闪闪发光的金枪鱼腩（toro），每一片都放在一团闻名遐迩、温度精准的米饭上。整个系统之所以有效，只因为一件事：对每一个食材和流程的绝对质量和控制。鱼是新鲜的，芥末磨得恰到好处，时机无可挑剔。如果一片鱼出了问题，整个超凡的体验就会崩塌成一次代价高昂的失败。
这正是当前关于AI驱动的失业对话所做出的承诺，也是其根本性的谎言。硅谷精英们提出的方案，对于你的企业而言，就像一份完美的Omakase菜单。“相信我，”AI说，“我将为你运营客户服务、市场营销和供应链。”这些头条新闻令人陶醉，充满了惊人的预测。风险投资家Vinod Khosla预测，未来十年内，80%的工作可能会被AI自动化取代[2, 9]。Anthropic的CEO Dario Amodei警告称，将出现“隐形裁员”，未来五年内，50%的初级白领工作将不复存在[1, 8]。
他们描绘了一个未来：将AI智能体（agent）添加到你的团队中就像点菜一样简单。而他们方便地忽略了你“厨房”的状况。他们假设你的数据是原始纯净的，你的API是一致的，你的内部流程是文档化的，你的技术栈不是由数字胶带拼凑起来的SaaS应用程序大杂烩。作为一名在大小品牌内部这些系统工作多年的商业架构师，我可以告诉你：这个“厨房”一团糟。鱼不新鲜。AI Omakase（厨师发办）是个幻想，而根据这些自上而下的预测去追逐它，不仅是天真的，更是对你业务的直接威胁。真正的挑战不是抵御抢走工作的机器人；而是在竞争对手之前，进行艰苦、枯燥的架构转型工作。
到底在说谁的80%？
让我们花点时间来真正剖析一下这些宣言。当Vinod Khosla说“我们今天所知的80%的工作将由AI完成”时，这到底意味着什么？[9] 这句话将一份工作视为简单的任务捆绑，就像一个计算机脚本。如果一台机器能完成任务A、B和C，而这正是一个“营销协调员”所做的事情，那么这份工作就完蛋了。这是一种深刻的、以工程师视角看待工作的有缺陷的观点。
一份工作，尤其是在一个不断发展的商业品牌中混乱的中间环节，不仅仅是一系列可预测的任务。它是80%的例外情况。它是安抚一位因包裹被盗而愤怒的客户。它是弄清楚为什么ERP系统和Shopify库存数字之间本周第三次不匹配。它是驾驭内部政治，以获得新登陆页面的批准。这些不是确定性的、API驱动的工作流程。它们是深层次的人类活动，需要上下文、协商和直觉——而当前的AI，尽管其生成能力强大，但从根本上缺乏这些能力。
即使是Anthropic自己的基础研究也呈现出比其CEO耸人听闻的言论更为细致的图景。他们关于劳动力市场影响的论文并未指向简单的替代故事[5, 12]。相反，他们绘制了“AI职业暴露”指数，显示哪些任务最容易受到自动化影响。这些发现并没有大喊“大规模失业”；它们低语着“大规模角色转型”。根据他们的分析，数学家、税务准备员和网页设计师等角色暴露度很高，而需要大量体力劳动或深度人际交往技能的工作则暴露度较低[6]。
关键的区别在于自动化一个任务和取消一个工作。是的，AI现在可以写出产品描述的合格初稿。它可以分析电子表格并发现异常。它甚至可以回答基本的“我的订单在哪里？”的查询。但这并不意味着你的商品销售员或支持团队就过时了。这意味着他们的工作即将改变。商品销售员不再从零开始写十个描述，而是策划、编辑和提升十五个AI生成的选项，将更多时间花在品牌声音和策略上。支持代理员从重复性查询中解放出来，现在专注于复杂、高风险的客户问题，从而建立客户忠诚度。结果是真正重复的初级职位悄然消失，同时对能够管理、编辑和指导AI的高技能人才的需求增加[7]。工作没有消失；它已经演变为更有价值的东西。
你的损益表，AI“洗白”机，和“隐形裁员”
那么，如果AI不是来解雇所有人的，为什么我们看到这么多与AI相关的裁员新闻呢？答案更加愤世嫉俗，也更具揭示性。Amodei的“隐形裁员”概念——公司只是停止填补那些自然流失的初级职位——是非常真实的[1]。但许多可见的裁员都是我称之为“AI洗白机”的企业表演的一部分。
最近的调查数据很有说服力。一份报告发现，2024年约三分之一裁员的高管承认进行“AI洗白”——公开将裁员归咎于AI，以向投资者显示创新和前瞻性，而真正的原因往往是未能达到财务目标或简单的管理不善[3, 10]。这是极致的企业障眼法：“我们不是执行策略失败；我们正在战略性地转向AI优先的未来。”这种叙述在新闻稿中看起来很棒，但在运营审查下很快就会站不住脚。
这一举动已经面临巨大的反弹，不仅仅来自员工。CIO.com最近的一项调查强调，令人惊讶的是，许多管理者正在抵制用AI取代人的任务[11]。为什么？因为他们是留下来收拾残局的人。他们知道一个95%准确度的AI是一个巨大的运营负担。5%的失败率并不会消失；它会落到剩余的人类员工身上，他们现在除了自己的实际工作外，还得扮演“智能体清洁工”的角色。承诺的效率提升烟消云散，取而代之的是新的、复杂的监控和异常处理工作流程。正如一项分析直言不讳地指出，这关乎EBITDA（税息折旧及摊销前利润），而非AI炒作[4]。一个为昂贵的人才制造更多工作，却未能兑现其核心承诺的AI工具，对损益表而言是净负面的。
这揭示了硅谷叙事与董事会现实之间的核心冲突。
| 叙事（CEO们被告知的） | 现实（你的运营团队知道的） |
|---|---|
| “AI智能体将以极低的成本取代80%的工作。” [2, 9] | AI可以增强特定任务，但异常处理和质量控制的“最后一公里”仍然需要熟练（且昂贵）的人类。 [11] |
| “我们正在裁员，作为我们新的AI驱动战略的一部分。” | “我们将裁员归咎于AI，以安抚华尔街，但我们的后端系统无法支持我们声称的自动化。” (AI洗白) [10] |
| “我们的新AI聊天机器人将处理所有一线客户支持。” | “我们的支持团队的升级工单量增加了两倍，因为机器人让用户感到沮丧，无法解决非标准问题。” [5] |
| “我们可以通过自主智能体团队实现‘零运营’商业。” | “我们的团队现在把一半时间花在调试为什么定价智能体将新手袋的价格设为1美元，而库存智能体却没有发现。” |
为什么你的商业架构是智能体的最大噩梦
对于一个AI智能体（agent）要在商业环境中执行任何有意义的多步骤任务，它需要两件事情：感知业务状态的能力和行动的能力。大规模自动化的预测假设这些能力是现成的。然而事实并非如此。大多数商业架构，即使在成熟的品牌中，从根本上来说也对智能体是排斥的。
考虑一个简单而理想的智能体工作流程：“当一个VIP客户的订单延迟超过三天时，主动向他们发送真诚的道歉邮件，将他们下次订单升级为免费隔夜送货，并向其账户添加25美元积分。”
对于人类来说，这很简单。对于AI智能体来说，这将是一场架构噩梦。它需要查询订单管理系统（OMS）以获取发货状态，将客户ID与客户关系管理（CRM）或客户数据平台（CDP）交叉比对以检查其VIP状态，触发促销引擎中的操作以生成积分，并使用正确的上下文调用电子邮件服务提供商（ESP）。在大多数公司中，这些是四个不同的系统，具有四个不同的API，四个不同的数据模型和四个不同的认证方法。一个试图驾驭这一切的智能体，就像一辆试图在一个所有交通灯和路标都使用不同语言的城市中行驶的自动驾驶汽车。
当今典型的商业技术栈是脆弱的孤岛集合。这是一个负债。
智能体无法与此合作。它无法获得客户、产品或订单的统一视图。每一个行动都是一个定制的、脆弱的集成，随时可能崩溃。解决方案需要对后端进行彻底的重新思考，从应用程序的集合转向统一的、可由智能体寻址的平台。
这正是一个真正的商业AI架构（commerce AI architecture）所展示的。它涉及到构建一个抽象层——有些人称之为通用商业协议（UCP - Universal Commerce Protocol）——它位于智能体和底层服务之间。
该UCP充当通用适配器。智能体无需知道你特定的ERP如何处理订单状态，或你的忠诚度应用程序如何配置。它只需发出一个标准化调用，例如 GetOrderStatus(order_id) 或 ApplyCredit(customer_id, amount)，而协议层会将该意图转化为所需的特定API调用。构建它不是一个周末项目。这是一项深刻而审慎的架构投资。这是必须完成的工作，它比提示工程（prompt engineering）你的ChatGPT封装器重要一千倍。
生成式引擎优化：新的入门级工作？
如果旧的入门级工作面临风险，那么什么会取代它们呢？其中最直接和最切实的转变正在营销领域发生，特别是传统SEO的消亡以及我们应该称之为**生成式引擎优化（GEO - Generative Engine Optimization）**的兴起。
在过去的二十年里，初级营销人员的目标是取悦谷歌算法。这意味着进行关键词研究，撰写诸如“使用我们产品的十大方法”之类的博客文章，以及建立反向链接。大型语言模型和AI驱动的答案引擎正在使这一整套策略过时。用户不再筛选十个蓝色链接；他们正在获得直接的、综合的答案。
在这个新世界中，你的目标不再是排名第一。你的目标是让AI引擎将你的数据引用为事实来源，并在其答案中准确地代表你的品牌和产品。这需要一套全新的技能。蓬松的博客文章现在一文不值。AI需要的是干净、丰富、用于AI搜索的结构化数据（structured data for AI search）。它需要知道你产品的尺寸、材料、原产国、保修信息以及与其他产品的兼容性。它需要准确的库存水平、预计发货时间（ETA）以及带有描述性alt-text的高分辨率图片。
从内容到数据的转变
在不久的将来，入门级的营销工作不再是写作。它是数据整理。它是细致入微地管理产品信息管理（PIM）系统。它是创建和验证结构化数据馈送（如JSON-LD），明确地告诉AI某个事物是什么以及它与其他事物的关系。它确保每个产品变体、每个客户评论和每份技术文档都以机器可读的格式进行标记。
从关键词到知识图谱
新的分析师不会再寻找长尾关键词，而是会构建公司领域的知识图谱。对于一个美妆品牌来说，这意味着定义成分、皮肤类型、临床研究结果和产品益处之间的关系。这些结构化信息是驱动下一代AI的“食物”。这项工作虽然繁琐、注重细节，但它却是任何成功**智能体商业（agentic commerce）**战略的基础。那些投资于使其数据对机器可读的品牌将会胜出。而那些继续炮制关键词堆砌的博客文章的品牌将会变得默默无闻。
这代表着核心业务职能的根本性转型。它不会淘汰营销团队，但会极大地改变其构成和所需的技能。这是工作进化的一个清晰例子，而不是工作的淘汰。
这对你的品牌意味着什么：建立一个AI体验实验室
高管层正在阅读关于80%自动化[9]的头条新闻，并提出一个简单的问题：“我们为什么要为这些人支付薪水？” 你不能以“这项技术被过度炒作了”来回应。那听起来既防御又天真。正确的回答是：“我们可以实现显著的自动化和效率提升，但这需要对我们的架构进行基础性投资，并对我们的团队进行战略性技能再培训。这是我们的计划。”
停止争论生存威胁，开始构建一个内部AI体验实验室（AI Experience Lab）。这不是一个理论研究小组。它是一个实用的、跨职能的团队，致力于系统地重新设计你公司的工作流程，以适应人机协作的未来。
实验室的首要任务是进行一次彻底的审计。选择一个部门——比如商品部——并详细地绘制出团队中每个人所执行的每一项任务。然后，使用像Anthropic的暴露分析[5, 12]这样的框架，对这些任务进行分类：哪些任务适合自动化，哪些任务适合增强，哪些任务是人类无法替代的。
对于“自动化”或“增强”类别中的每项任务，实验室的工作是原型设计和测试新的工作流程。不要购买神奇的“AI平台”。从你已有的API开始。由大型语言模型驱动的脚本能否生成有效的产品文案初稿？它能否分析销售数据并根据一组预定义规则建议降价？目标是找到突破点。实验室的产出不是一个完美的AI；它是一系列阻碍自动化可靠运行的架构缺陷和数据空白。
这个过程是构建**智能门店就绪度（agentic storefront readiness）**的核心。它将对话从恐惧转向行动。它为你提供了数据驱动的架构投资路线图，以及团队技能演进的实用计划。这就是你回答CEO问题的方式，用一份CDP或新的API网关的预算请求，而不是一份裁员名单。
CTO.LA 专注于创建这些架构路线图。我们与商业品牌合作，弥合AI炒作和其技术栈现实之间的鸿沟，构建基础架构，使人机协作的劳动力不仅可能，而且有利可图。
你的下一位雇员不是智能体，而是架构师
让我们回到Sushi Nozawa的柜台。Omakase（厨师发办）的体验似乎毫不费力，但这源于对底层系统——供应链、温度控制、刀工——狂热到几乎看不见的痴迷。“相信我”的承诺是通过数十年的架构严谨性赢得的。
Khola 80% 自动化和 Amodei 50% 失业的诱人言论，是在向你推销这顿大餐，却只字不提你需要构建的“厨房”。他们对目的地是绝对正确的：一个智能体处理大量认知劳动的未来。但对于这段旅程，他们却危险地、不负责任地保持沉默。
对你品牌最直接的威胁不是一群抢走工作的机器人。它是架构腐朽。它是由于你的业务运行在对机器根本无法理解的技术堆栈上，而造成的缓慢、蔓延的无关紧要。当你的竞争对手正在重构他们的数据，构建统一的行动层，并重新培训他们的团队来监督智能体时，你却被困在“AI洗白”的新闻周期中，并处理着脆弱、半生不熟的自动化所带来的后果。
停止执着于AI模型，开始痴迷于你的数据模型。停止担心AI会取代哪些工作，而开始招聘能够重新设计你的公司，使其在自动化世界中生存和繁荣的智能体商业架构师（agentic commerce architects）。商业的未来不会由单一、全能的AI来运行。它将由那些首先完成艰巨而枯燥的架构工作的品牌来运行。我们聊聊吧。
参考文献
- Invisible ‘layoff’: AI quietly locking Americans out of the job market, CEO warns
- Worried AI might replace you? Check out these 10 jobs that are ‘future-proof’
- The AI Job Threat: Two Reports, Two Very Different Conclusions
- The AI Debate Is Missing One Thing: EBITDA
- Exclusive: Anthropic is building an AI job disruption tracker
- How Anthropic Built an AI Job Disruption Tracker
- AI Is Boosting Demand for High-Skill Tech Jobs While Quietly Killing Entry-Level Roles
- AI white collar job loss to hit in 2-3 years, not 5, says Anthropic CEO
- Vinod Khosla predicts 80% of jobs will be done by AI—and $15 trillion of GDP is ‘going away’
- Don’t Be Fooled by ‘AI Washing’ Layoffs
- Push to replace workers with AI faces backlash, even from management
- Measuring the Labor Market Impacts of AI