55000人被裁，留下的人却快疯了！AI成了人的精力时间吸血鬼！哈佛揭穿AI时代的“残酷真相” - Alan Chen

2026年第一季度 美國5萬5千個科技崗位失業了 上週五的消息 Meta剛裁員2萬人 Block之前裁了40% Allention一夜之間裁掉了1600人 連CTO都走了 扎克伯格說了一句話 這句話你一定要聽清楚 他說 以前需要一個團隊的項目 現在一個非常優秀的人就夠了 你聽到這句話是什麼感覺 一定很慌對吧 但是今天我肯定不是來販賣焦慮的 因爲我去LinkedIn上 翻了一份最新的報告 上面寫着另外一個數字 130萬 這是AI在同一時期 創造的新崗位數量 AI工程師 數據標註師 前線部署工程師 全是三年前不存在的工種 5萬5和130萬 這兩個數字同時存在 但是今天這期視頻 我要告訴你的 不是被裁的人有多慘 或者是新崗位很多 這種你已經聽了100遍的東西了 我要給你看第三組數據 這組數據是來自哈佛商業評論 上個月剛發的一項新研究 幾乎沒有中文媒體報道過 他講的是留下來的那些人 那些沒有被裁 正在用AI工作的人 他們怎麼樣了 答案可能讓你不舒服 因爲我自己也是其中之一 我每天都在用AI做內容 做研究 做分析 按道理來說 我的效率應該越來越高 我應該越來越輕鬆纔對 但事實恰恰相反 我每天都覺得時間不夠用 我比不用AI的時候更焦慮 更忙 更累 我一直以爲是我自己的問題 直到我看到這個研究 才發現 這不是我一個人的感受 上期視頻 我們聊過GDP被下降到0.7% 非農負9.2萬人 經濟在收縮 公司在裁人 但是今天我要告訴你 這個故事還有更深的一層 不只是失去工作的人在痛苦 留住工作的人 正在經歷一種全新的 看不見的折磨 大家做完服好 先看後看 好運不斷 我們先看殘酷的第一面 2026年第一季度 全球166家科技公司 裁員超過了5萬5千人 其中大約20%裁員 在報告裏面 寫的非常的明確四個字 因爲AI 最大的那一刀是來自Meta 也就是上週末剛出的消息 3月13號 路透社暴露 扎克伯格計劃裁掉 至少20%的員工 差不多15800人 注意Meta可不是虧損 今天股價還打仗之前 還是漲的 他在賺錢 但他還是要裁人 原因就是他要把錢 砸到AI數據中心裏去 總預算6000億美元 裁人不是因爲養不起 是因爲他要把養人的錢 拿去養AI 小扎那句話我再念一遍 以前需要一個大團隊的項目 現在一個非常優秀的人 就能完成 你仔細評評這句話 他不是在暢想未來 他是在描述此時此刻 正在發生的事情 而且在他的眼裏 這件事情已經發生了 Block的Jack Dorsey更直白 他把公司從1萬人 砍到不剩6000 接近40%沒了 這句話是迄今爲止 所有科技公司 CEO裏面說的 他說智能工具 改變了建設和運營 一家公司的含義 他連AI兩個字都懶得用 直接用的是智能工具 意思是 這不是什麼前沿科技的討論 這是工具已經到手了 我用了人少了 就這麼簡單 Adventure一個做 Jira和Confluence的那家公司 可能有些做程序員開發的朋友 每天都在用 他一次性裁了1600人 10%的員工 CEO說的是 AI從根本上 改變了我們需要的技能組合 然後CTO也走了 重組費用2.36億美元 想象一下這個畫面 一家做項目管理工具的公司 用AI管理自己公司的人頭預算 結論是砍掉1% 這還只是裁員比較大的公司 亞馬遜1月份裁了16000人 Pinterest裁了700人 佔15% 總數加起來 166家公司 55000人 這幾萬幾萬的 不只是數字 是週一早上去到辦公室 發現門禁卡刷不了的那種感覺 是打開公司郵箱 第一封郵件 就是HR發的重組通知的那種感覺 你前一天還在和同事開會 討論項目進度 第二天那個同事就不在了 那種感覺 之前我做過一期視頻 專門聊這個事 叫AI洗濾 對吧 AI washing 什麼意思呢 就是公司本來就要裁員 可能是因爲業務不好 可能是管理層決策失誤 但是裁員公告一出來 同一口徑 就是因爲AI AI成了一塊遮羞布 因爲只要說AI 股價就漲 華爾街就股漲 但是這55000人裏面 有多少是被AI替代的 有多少是被AI洗濾的 誰也說不清 但是結論是一樣的 人走了 更諷刺的是 Meta在裁了15800人的時候 同時收購了一家 叫Mobook的 AI社交網絡初創公司 之前我們視頻也講過 一手裁員 一手買AI 錢並不是沒有 只是不再花在人身上了 2月份美國非農就業 是負的9.2萬 聯邦政府自去年1月以來 已經減少了32.7萬個崗位 上個季度GDP下調到0.7% 高盛已經把衰退的概率 上調到了25% 宏觀在收縮 公司在裁人 就業市場在冷卻 就這三件事同時發生 但是如果你只看到這個數字 就關掉視頻 你會錯過一個很重要的另一面 因爲在同一時期 另一件事情也在同時發生 只不過它沒有裁員那麼刺激 所以沒有多少人在講 領英今年1月 和世界經濟論壇 聯合發了一篇報告 顯示 AI已經直接創造了 超過130萬個全新的崗位 什麼AI工程師 前線部署工程師 數據標註師 這些崗位三年前 是根本不存在的 另外還有超過60萬個 和AI相關的數據中心崗位 被創造出來 加在一起差不多200萬個 這裏面有一個認知 數據需要被打破 很多人一聽AI崗位 就覺得那是程序員的事 跟自己沒啥關係 但實際上 2026年 AI招聘裏面有很大一塊 是不需要你會寫代碼的 AI倫理觀 負責確保AI系統的 公平性和合規性 年薪9.5萬到22.5萬美元 AI產品經理 負責把AI能力 翻譯成產品功能 不需要自己寫算法 AI培訓師 教AI理解人類意圖 本質上是在做溝通和質量控制 這些崗位需要的是思考能力 溝通能力 和對AI基本的理解 不是寫Python AI工程師這個頭銜 在領嬰上的三年增長率 是143% Prompt engineer 增長了136% AI內容創作者 增長了135% 這三個都是全平臺 增長最快的崗位類型之一 全球AI相關廣爲的缺口有多大 有行業估算說 大約是600到800萬個 需求是供給的將近10倍 這是一個巨大的空窗 但更關鍵的數字 不是崗位數 是薪資 PwC去年做了一個大規模的分析 樣本是來自六大洲 將近11條招聘廣告 他們發現了一個驚人的數據 同一個崗位 有AI技能的人 比沒有AI技能的人 薪資平均高56% 注意這56% 不是說AI崗位比非AI崗位高 而是你和另外一個 做完全一樣工作 職位一樣 行業一樣 公司也一樣 唯一區別就是 他有AI技能 你沒有 他的薪資就比你高56% 而且這個數字在加速 前年只是25% 一年翻了一倍多 Google今年2月份 做了一個聯合調研 他們發現在AI工具 達到熟練水平的人 獲得加薪的概率 是不熟練的人的4.5倍 獲得升職的概率是4倍 世界經濟論壇的研究 甚至發現了一個 更令人吃驚的事情 就是AI技能帶來的薪資溢價 已經超過了碩士學位 AI技能溢價是23% 碩士學費是13% 換句話說 你花兩年讀一個碩士 帶來的加薪幅度 不如你花兩個月學會用AI 而且這裏面還有一個細節 很多人沒注意到 AI技能甚至可以抵消 年齡和學歷的劣勢 有AI技能年齡偏大的求職者 簡歷回調率顯著提升 沒有大學學位 但有AI證書的人 面試機會也明顯增加 市場現在看的 不是你的簡歷有多漂亮 而是你能不能用AI把活幹了 這裏還有一個數字很關鍵 達到AI熟練水平的人 在全球勞動裏佔比是多少 5% 在過去12個月裏 接受過僱主提供的 AI培訓的人 14% 而且這個比例還在下降 去年是35%的公司 提出正式的AI培訓項目 今年掉到了26% 公司在AI工具上花的錢 漲了23% 花在培訓人用AI上的錢 降了18% 56%的薪資差距 但只有5%的人拿到了 剩下95%的人 不是因爲學不會 是因爲沒有人教他們該學什麼 你有沒有覺得 這裏面有個很荒謬的矛盾 就是公司一邊裁人 說AI可以替代你 一邊不花錢 教你怎麼用AI 一邊要求你用AI提高產出 一邊削減AI培訓的預算 你自己想學 LinkedIn上的課程 多到你選擇困難 但是你不知道哪些是有用的 哪些是在販賣焦慮 世界經濟論壇估計 全球有1.2億人 在未來幾年內 面臨被淘汰的風險 原因不是他們不想學新技能 而是他們不太可能 獲得他們需要的再培訓 需求在這裏 意願在這裏 但是通道沒有建好 這就是爲什麼5%的人 拿走了不成比例的回報 不是因爲他們更聰明 是因爲他們在一個 95%還沒有上車的市場裏 任何找到的人 都會被高價整牆 說到這5% 我想起一件事 就是今年年初 我在好幾期視頻裏都在說 趕緊去學AI 不用等 其實也沒有年初 就是一兩個月前 當時有些觀衆 覺得我在販賣焦慮 也有人真的聽了進去 開始每天花一兩個小時 練習用AI做自己的工作 現在一個月半個月過去了 當時聽了的人 現在應該多多少少 都感受到一些變化了 哪怕只是 原來這個事 AI也能幫我做的 這種小小的體感 我之前還做過一視頻 讓大家給未來的自己寫一封信 如果你當時真的寫了 現在就可以拿出來看一看 纔過去一個多月 你在讀那封信的時候 心境可能已經不一樣了 那時候寫的是焦慮和決心 現在再看 可能發現有些事 你確實做到了 有些事情你還沒做到 這個就對了 因爲這不是一次性的事 這是一個持續的過程 50%的溢價 不是一天就能學出來的 但是如果你每天都不學 你和5%的距離 就更遠一點 如果你覺得故事到這裏就講完 壞消息是裁員 好消息是機會 然後結論是趕緊學AI 你只是膚淺了 只看到了故事的前兩面 還有第三面 這一面比裁員更安靜 比掌心更隱蔽 但是它正在發生 每一個留下來的人身上 包括我自己 上個月 UC Berkeley的兩位研究員 在哈佛商業評論裏 發了一份研究 他們花了8個月的時間 駐紮在一家 200人的美國科技公司裏 每週去兩天 讀他們的內部slack頻道 做了超過40場深度訪談 覆蓋了工程產品 設計研究運營各個部門 這家公司給員工提供了AI工具 但沒有強制使用 沒有KPI考覈 沒有管理層的指定 沒有你必須寫AI生成代碼 這種要求 純自願 研究者想看到是 當人自願擁抱AI之後 到底會發生什麼 前幾個月的結果 都是所有人的預期 員工覺得特別爽 他們開始用AI 做以前做不了的事 產品經理開始自己寫代碼 設計師開始自己做數據分析 有人用AI 把本來要外包的工作 自己給幹了 每個人的工作範圍都在膨脹 產出在增加 公司也表揚他們 一切看起來都非常的美好 但是從第6個月開始 畫風就變了 疲憊焦慮決策 癱瘓的報告開始堆積 有人說自己明明產出更多了 但狀態越來越差 有人說工作和生活的邊界 越來越模糊 因爲打開AI就可以繼續幹活 所以吃飯前會習慣性的 發一條prompt 讓AI先跑着 然後吃完飯回來再繼續 AI降低了開始工作的門檻 但也消滅了停下來的邊界 一位工程師說了一句話 我覺得講出了很多人的心聲 他說你原本以爲 用AI提高效率 就可以少乾點活 但實際上你沒有少幹 你幹了一樣多 甚至更多 一位每天用AI構建 自動化系統的策略師 諮詢師說的非常直白 他說通常在全天使用AI之後 到了某個時候 我會感到一種精疲力竭 這種精疲力竭 是我在AI出現之前的 普通工作日裏 從來沒有體驗過的 有人總結過這件事背後的機制 它不是體力上的累 它是認知上的碎片化 你在和AI協作的時候 大腦在做三件事 一個是構思 你想讓AI做什麼 第二個是評估 AI做出來的東西對不對 第三個是不斷的在自己做 和讓AI做之間做切換抉擇 每一次切換都消耗一點認知資源 一天下來你可能切換了上百次 每一次都很小 但累積起來 就是一種前所未有的精神消耗 一位科技博主 把這個狀態總結成一句話 就是你擁有的能力越多 你就越覺得必須使用它 然後你越使用它 你的注意力就越碎片化 注意力越碎片化 你真正完成的東西就越少 評論區留言 多少人有這種感覺 這是一個自我強化的循環 而且最麻煩的是 它感覺不像在惡化 它感覺你是在進步 Hacker News上 一位成績學員的評論 和這個簡直一模一樣 他說自從團隊 全面轉向了AI工作方式之後 期望值翻了三倍 壓力翻了三倍 實際生產力 可能只漲了10% 感覺領導層在拼命證明 他們投AI的錢花對了 而我們所有人 都在努力配合這個表演 結果就是每天的工作時間更長 波士頓諮詢團隊 給這個現象起了個名字 叫AI Brain Fry 就是AI腦炸 他們調查了將近1500名 美國全職員工 定義很精確 AI工具的過度使用或監督 超出了你大腦的認知承受能力 而導致的精神疲勞 簡單就是說 AI給你超能力 但你的大腦 還是昨天那顆大腦 工具升級了 CPU沒升級 你以爲裝了渦輪增壓就能飛 但發動機還是那臺發動機 轉速拉太高 還是會爆缸 你以爲用了AI之後 就可以準時下班 不 當你可以在幾秒鐘內 生成一份初稿的時候 你的老闆期待的 不再是一份初稿 而是5份 當你可以更快地分析數據的時候 你的老闆給你的 不是更少的數據 而是更多的數據 當你可以用AI 同時推進三個項目的時候 你的老闆給你的 不是更多的休息時間 而是第四個項目 一家媒體做了一個 很精闢的總結 一個以前管三個項目的營銷人員 現在管七個 一個以前專注一個功能的程序員 現在被要求同時推進多個功能 一個以前一週發 一到兩篇內容的創作者 現在變日更了 比如說我 活確實做完了 但是做活的人快被燒乾了 DHRglobal 今年的勞動力趨勢報告 給了一個宏觀數據 52%的員工說 Burnout正在削弱 他們的工作投入度 去年這個數字是34% 一年漲了接近20個百分點 83%的人說 自己至少經歷某種程度的 Burnout 就是透支燒乾 排名第一的原因 就是工作量太大 排名第二的原因 就是工作時間太長 AI本來不是用來解決 這兩個問題的嗎 怎麼會讓這兩個問題 變得更嚴重了呢 而且這件事最詭異的地方 在於 它不像傳統的過勞 傳統的過勞 你知道自己在加班 你可能感知到我很累 但是這個AIBrainfry 僞裝成了一個成就感 你在用AI的時候 感覺自己很強大 感覺自己在應步 你不覺得自己在燃燒 你覺得自己在發光 直到有一天 這個燈亮不起來了 UC Berkeley 想研究的原話是這麼說的 這種循環 把自己僞裝成進步 你突然能做 以前做不到的事情了 你剷除更多了 你被表揚了 它感覺不像過載 它感覺像負能 直到它翻車 有個程序員 在medium上寫了一篇文章 管AI叫吸血鬼 它引用了一部美劇裏的角色 這是一種能量吸血鬼 它不吸你的血 它吸你的精力 AI就是這種吸血鬼 它不會讓你流血 它會讓你筋疲力竭 而你在整個過程中 都以爲自己在做有意義的事 另一個極端的例子 是艾森哲 這家將近80萬人的資訊巨頭 今年2月份開始追蹤 高層員工 每週登錄AI工具的次數 並且把它作爲升值的 考覈指標之一 員工在內部 是怎麼評價這些AI工具的呢 有人說那是broken slop generator 垃圾生成器 但你不用不行 不用就升不了值 所以你看到兩個極端 Berkeley那家公司 是完全自願 結果人自己把自己用到burnout 艾森哲是強制推行 結果人被迫使用垃圾工具 還要假裝很有用 兩種路徑 同一個中間 都是精神疲勞 領英今年的一項研究 也說了同樣的事 超過一半的職場人 覺得學習AI 就要向第二份工作 不是因爲AI難學 是因爲你在正常工作之外 還要花時間研究AI 適應AI 向你的老闆證明你在用AI 這本身就是一種隱形的工作量 如果你覺得這期視頻信息量很大 幫我點贊收藏 後面還有一組更渣的數據 你以爲AI讓你更快了 但數據不是這麼說的 burnout還不是最諷刺的部分 最諷刺的部分 就是連效率提高這個前提 都可能是假的 去年7月有一個研究叫METR 這不是問卷調查 不是你覺得AI有沒有幫到你 這是一個嚴格的隨機對照實驗 他們找了16個有經驗的開源程序員 讓他們在自己熟悉的 自己維護了好幾年的代碼庫上 做真實的任務 每個人的任務 被隨機分成兩組 一半時間可以用AI工具 一半時間不能用 他們的預期跟我們一樣 就是結果是AI會用更快 畢竟你在自己最熟悉的項目上 加上AI輔助 應該如虎添翼 實際結果是用了AI工具那組 完成速度慢了19% 不是快了19% 是慢了 但你猜怎麼着 這些成員在實驗開始之前 預測AI會比他們快24% 實驗結束之後回頭評估 他們依然覺得自己快了20% 感覺是快了兩成 現實是慢了兩成 這個現實和認知之間 差了接近40個百分點 有人分析爲什麼會這樣 AI在幫你寫代碼的時候 確實減少了那些枯燥的重複勞動 你打字少了 等待少了 主觀體驗變好了 感覺很流暢 但你同時花了大量的時間 在做另外一件事情 檢查AI寫的代碼對不對 調整prom 處理那些差一點就對了 但又不完全對的輸出 這些時間你自己也感覺不到 因爲你的大腦 把和AI互動歸類爲有趣的工作 而不是額外的負擔 所以你越用越開心 實際上越用越慢 有人總結的好 是AI給你的不是生產力的提升 是生產力的幻覺 它給你一種是 我在高校工作的多巴胺獎勵 但實際輸出並沒有變快 就像刷社交媒體一樣 你覺得自己在獲取信息 實際上你在消耗時間 AI給了你同樣的快感陷阱 只不過穿了一身生產力工具的衣服 Slack Overflow 去年底調查了將近5萬名程序員 45%都說調試AI生成的代碼非常耗時間 只有3%的人說自己高度信任AI的輸出 你看到矛盾了嗎 69%的人說AI提高了生產力 45%的人說調試AI代碼很耗時 這兩個數字不可能同時是真的 除非是提高生產力是一種感覺 而調試耗時是一個事實 而且有人指出一個更細微的問題 就是AI寫出來的代碼 最可怕的不是完全錯誤 完全錯誤的代碼 你跑一下就知道是錯的 馬上就能修 最可怕的就是差一點就對了 看起來對 跑測試也過了 但是部署到真實環境裏突然崩了 66%的程序員說他們最大的frustration 就是這種almost right but not quite的輸出 就是那種感覺差不多就對了 但是就差那麼一點點 這比自己從頭寫還浪費時間 因爲你要先讀懂AI寫的邏輯 然後找出那個隱藏的bug在哪 然後在修復它的時候 還不能破壞AI寫的其他部分 整個過程可能比自己寫還慢 這個問題不止發生在個人層面 宏觀上也一樣 今年2月 美國國家經濟研究局 調查了將近6000名CEO 來自美國、英國、德國和澳大利亞 結論是超過80%的公司說 過去三年裏 AI對他們的生產力 沒有任何可衡量的影響 0 預期未來三年的改善只有1.4% 阿波羅資產管理的 首席經濟學家說了一句話 AI無處不在 除了在宏觀經濟數據裏 這句話其實不新鮮 1987年 有一個諾貝爾經濟學家叫羅伯特 他說過一句 後來被隱約過無數次的話 你到處能看見計算機時代 除了在生產力統計數據裏 那個是1987年 當時所有的公司都在買電腦 IBM和微軟的股票在狂飆 但在整個經濟的生產力增速 反而從2.9% 掉掉了1.1% 電腦熱潮持續了將近10年 生產力統計硬是沒動彈 聽着是不是很耳熟 基地AI好像也是同樣的劇本 全球2026年AI支出 預計2.5萬億美元 2.5萬億 但90%的公司指不出 任何一個因爲AI 而真正改變的生產力指標 摩根大通算了一筆賬 按照現在AI基礎設施投資的規模 要獲得哪怕10%的投資回報 每年需要產生 6500億美元的新增收入 他們直接把這個 和90年代的光纖泡沫相提並論 那一次也是基建砸了幾千億美元 收入從來沒追上過 最後投資者被清洗得乾乾淨淨 還記得前兩年 被當作AI裁員標杆的那家公司嗎 瑞典的克拉爾娜 2024年 他們用了一個AI客服機器人 踢掉了700名人工客服 CEO到處吹噓 到了2025年中 他們悄悄開始重新招人了 因爲客戶滿意度崩了 質量暴跌 CEO後來自己承認 我們走太遠了 但是這些新聞 你是不是第一次聽過呢 有調查研究機構做了一個統計 55%的裁掉員工換AI的公司 後來都後悔了 如果AI真的像我們想象中的那麼好用 爲什麼他們會後悔呢 PwC今年的全球CEO調查 覆蓋了95個國家 和4454名CEO 59%的CEO說 他們從AI投資裏什麼都沒得到 這個不是小公司在抱怨 這是全球最大那些公司的掌舵人說 我花了錢 買了工具 培訓了人 然後呢 然後什麼都沒變 所以我們現在面對的局面是這樣的 宏觀層面 經濟在收縮 GDP被下修 就業在惡化 公司層面 裁員在加速 但是AI沒有帶來預期的生產力回報 個人層面 留下的人更忙更焦慮更累 而且他們以爲自己更快了 但其實更慢了 三層級同時發生 這就是2026年春天的真實寫照 如果你覺得上面的信息量很大 幫我轉發給你身邊 那個正在焦慮AI的朋友 不只是給他一種安慰 是給他完整的數據 但是我要很明確地說 我不是在說AI沒用 我是在說 我們正在一個非常特殊的位置 就像電腦在70年代進入旗艦的時候 那個時候所有人也在會說 電腦會改變一切 電腦確實改變了一切 但不是在70年代 是在90年代中期 中間花了將近20年 從1973年到1995年 美國的生產力增速 一直在低位趴着 1.1%左右 怎麼都起不來 所有人都覺得電腦是泡沫 然後1995年開始了 突然爆發 生產力增速一下子跳到了2.5% 整個信息技術的紅利 集中在那10年裏兌現了 AI很有可能在走同樣的路 現在的2.5萬億美元不是浪費 它是在鋪路 但是路鋪好了 不等於車就能跑 中間還有一段顛簸的磨合期 技術在成熟 人在適應 公司在搞清楚怎麼用 我們現在就在這段路上 腳底下的石子很硌腳 但是方向應該是沒錯的 而且已經有一些數據 在暗示拐點可能比我們想象的更近 斯坦福大學的數字經濟實驗室 主任注意到一個信號 去年美國GDP年化增速 一度跑到3.7% 但同時新增就業只有18.1萬人 GDP在漲 人在減少 這說明每個工人的產出在增加 他認爲這可能就是AI生產力 紅利剛剛冒頭的跡象 就像90年代中期 你在宏觀數據裏 第一次看到那根線往上拐的時候 大多數人還不相信 所以問題不是AI有沒有未來 問題是你能不能撐到拐點 好消息是 前面說的130萬額新增的崗位是真的 56%的溢價薪資也是真的 這些不是預測 是已經發生的現實 但同時brain fry也是真的 19%更慢的也是真的 52%的burnout也是真的 這些數據同時存在 它們不矛盾 它們描述的是同一個現實的不同側面 波士頓諮詢的研究有一個發現 我覺得特別值得注意 AI造成burnout 不是因爲你用了AI 是你用AI的方式不對 當你專注地用一個AI工具 幫你分擔重複勞動力的時候 比如讓他幫你寫出稿 整理數據做摘要 你的壓力真的是會下降的 但你同時開着四五個AI工具 來回切換 不斷地監控每一個輸出 試圖什麼都讓AI做的時候 你比不用AI的時候還累 換句話說 AI是一把好刀 但是你不能一隻手拿五把刀 那些拿到56%的薪資溢價的人 在做什麼呢 他們沒有轉行當程序員 他們在自己的本行裏 增加了一層AI的能力 一個會用AI的律師 比不會的律師值錢 一個會用AI的設計師 比不會的設計師值錢 一個會用AI數據分析的營銷人員 比不會的更值錢 稀缺的不是AI本身 稀缺的是懂你的行業 同時懂AI的人 這種人全球只有5% 但公司願意爲他們 多付56%的薪資 這個窗口不會永遠開着 當50%的人都學會AI的時候 溢價就會下來了 現在是5% 這個就是窗口 還有個信號我覺得很有意思 就是IBM上週宣佈 要把年輕人招聘數量增加兩倍 你沒聽錯 IBM一家最激進對AI的公司之一 在反過來招人 他們的首席人力官解釋說 如果你把入門級崗位全砍了 5年之後你就沒有中層管理者了 10年之後你就沒有高層候選人了 AI可以代替任務 但你代替不了人的成長路徑 人力資源公司Manpower Group 調查了最近14000名員工後發現 只有10%的僱主 真的在用AI代替人頭 90%做的事情都是重新配置 不是替換 換句話說 大多數公司踩的不是因爲AI不需要你了 而是需要你做的事變了 這兩個數據加在一起告訴你一件事 AI時代不是人類被淘汰的時代 是不適應的人被淘汰的時代 這個區別是很大的 被淘汰是被動的 不適應是可以主動改變的 55000人失業了 130萬個新崗位誕生了 留下來的人裏面 52%人說自己正在burnout 用AI的人覺得自己快了20% 實際上賣了19% 全球砸了2.5萬億在AI上 90%的公司說看不到效果 這5個數字同時存在於2026年的春天 每一個單獨都能拿來講一個故事 恐懼的故事 希望的故事 或者嘲諷的故事 但你當把5個數字放在一起看的時候 你會發現 事情的本質不是AI好不好 是我們還不會用它 就像1987年的電腦一樣 開頭我說過了 我自己就是這個狀態 用了AI之後 感覺更忙了 更焦慮 更累 看完這些數據之後 我終於能理解爲什麼了 不是AI不好用 是你的大腦會把自動省下來的時間 做數據的填充 你本來以爲能早收工 結果你用省下來的時間 又開了三個選題 又多做了兩組數據分析 又多剪了一版視頻 然後到了天黑才發現 你今天比昨天多了一倍的事 但你比昨天更累了 以前沒有AI的時候 一個選題從研究到寫稿 可能要兩三天 現在有了AI 可能半年一天就能出稿 但你以爲你會用剩下的一天半去休息嗎 不會的 你會開始做第二個選題 然後第三個 你的產出可能變了三倍 你的收入可能有變化 但你的精力也被榨乾了三倍 這個就是那個工程師說的 你沒有少幹 你幹了更多 所以AI到底是在解放我們 還是在用另一種方式讓我們更累 也許兩個都是 就像電一樣 它解放了人體的體力勞動 也催生了流水線和996 每一次技術革命都有兩面 讓你自由的東西 也可能讓你上癮 真正決定你站在哪一邊的 不是技術本身 是你怎麼用的 你可以選擇像之前的工程師那樣 幹了一樣甚至更多的活 把剩下的每一秒都填滿新的任務 直到燒乾 你也可以選擇像波士頓諮詢建議的那樣 用對一把刀 而不是同時做五把 我不想給你什麼標準答案 因爲這件事本來就沒有標準答案 它取決於你在什麼行業 什麼崗位 什麼階段 但有一件事我能確定 如果你能今天看到完整的數據 而不是隻聽到AI要取代你 或者AI讓你更強的單面敘事 你做決定的質量 就會比99%的人更高 這就是爲什麼這麼優秀的你 還在關注我的頻道 信息不對稱是最大的不公平 今天這期視頻給的不是安慰 也不是焦慮 是數據 拿着數據做自己的判斷 正所謂五萬人去百萬來 五成burnout誰能猜 工具升級人未變 偏是人心算不開 評論區告訴我 你是那五萬五千被裁的人之一 還是正在經歷brain fry的52% 或者你已經是拿到56% 溢價的5%的少數人 如果你想在這場AI變革裏 看到完整的數據 不被單一的敘事忽悠 一定要關注我 下期視頻 我正在準備兩個選題 一個是Peter Thiel PayPal創始人 硅谷關係網最深的人 剛剛清空了所有股票 全面轉現金 他到底看到了什麼 另一個是Ray Dalio 橋水基金創始人 他研究了500年的歷史週期後 發出警告 說我們正在進入最危險的階段 評論區告訴我 你更想看哪個 票多的我先做 我是Alan 看完再贊 腰纏滿關 我們下期視頻再見