文 | 科技茶馆
5 月 19 日，扎克伯格发了封内部信，宣布 Meta 裁撤近 8000 人。
措辞很客气，但逻辑很残酷——不是公司亏钱了，是 AI 太好用了，一些岗位 " 已经被完全覆盖 "。保留它们，在财务上已经无法解释。
这条新闻在我的朋友圈刷了一整天。不是因为 Meta 离我们多远，而是因为每个转发的人都在想同一件事：下一个会不会是我？
这个问题值得认真回答。因为答案不是 " 会 " 或 " 不会 " 这么简单——关键在于，你在 AI 时代的协作链条里，站在哪个位置。
一、全球同此凉热
Meta 不是孤例。Layoffs.fyi 的数据摆在那里：2026 年 Q1，全球科技行业累计裁员突破 8 万人，同比翻了一倍不止。达拉斯联储年初的报告说得更直白：这轮裁员不是经济周期导致的，是 AI 快速落地的直接结果。
IBM 去年底砍掉大量高级工程师和整个研究团队，转头宣布 2026 年初级岗位招聘翻三倍。什么意思？贵的人换掉，便宜的人配合 AI 补上来。谷歌、亚马逊的逻辑大同小异——广告优化、代码审查、客服响应，凡是能写成规则的活儿，都在被系统性替代。
国内呢？同样的剧本正在上演。
字节跳动的 TikTok 信任与安全部门被大规模缩减，仅马来西亚一地就裁了 700 多人，理由是 AI 审核已覆盖绝大多数场景。内容质量中心负责人李彤随后离职——当人工审核体系整体被 AI 接管，管理者本身也变得多余。
网易 3 月清退千人级外包，涉及客服、测试、基础运营。百度部分业务线优化 10%-30%，搜索和信息流岗位首当其冲。得物解散独立前端部门，全员并入服务端——官方说是 " 架构调整 "，但创始人杨冰的原话是 " 把 AI 应用到所有环节 "。原来三个人干的活，现在一个人加 AI 就够了。
某上市美妆集团接入 DeepSeek 后，客服从 100 人砍到 5 人。
但对被优化的个体来说——管你是业务重组还是 AI 替代，反正工位没了。
二、容易被替代的人，长什么样？
综合全球案例，被削减的岗位有一个共同画像：工作内容可以被写成一份 SOP。
内容审核——有明确标准，判断对错；客服——有知识库，匹配答案；数据标注——按规则打标签；基础测试——跑用例比结果；初级翻译——对照术语表输出。这些工作的本质是 " 输入→规则→输出 "，而这恰恰是大语言模型最擅长的事。
更狠的一点是：这跟你做得好不好无关。一个五年经验、日处理 200 条工单的资深客服，和刚入职三个月的新人，在 AI 眼里没有区别。因为 AI 替代的不是 " 人 "，而是 " 任务结构 "。你优秀，只是意味着你在一个即将消失的赛道上跑得快。
具体来说，如果你的工作满足以下三个条件中的两个，就该警惕了：
① 高度结构化——每一步都有明确的输入条件和输出标准，别人按你的文档就能干。
② 信息密集但判断简单——需要处理大量数据或文本，但决策规则可穷举。
③ 反馈周期短——做完就能判断对错，不需要等三个月看效果。
客服、审核、录入、基础编程、标准化设计、初级财务……全部中招。行业数据显示，AI 聊天机器人已能处理 70%-80% 的常规客服咨询，AI 代码助手让一个开发者的产出抵得上过去两三人。
三、不容易被替代的人，又长什么样？
反过来想：什么人是 AI 短期内干不掉的？
我观察下来，有两类。
第一类：做的事无法被拆解成明确指令。
一个产品经理面对用户的模糊抱怨，需要判断这到底是功能缺陷、交互问题还是用户预期管理失败——这个判断过程没有标准答案，需要经验、直觉和对人性的理解。AI 可以帮你做用户调研的数据整理，但它没法替你 " 闻到 " 需求背后的真实动机。
一个好的销售，靠的不是背话术（那 AI 早就能干了），而是在饭桌上读懂对方一个眼神的含义，在关键时刻知道该让步还是该坚持。这种能力没法训练成模型参数。
战略、品牌、复杂谈判、组织管理、创意方向判断……这些工作的共性是 " 高度非结构化 "。AI 可以帮你出 10 个方案，但 " 选哪个 " 和 " 为什么选这个 "，至少目前还在人类手里。
第二类：在某个领域有足够深的经验积累，且还在不断进化。
这一点容易被忽视。很多人以为 " 经验丰富 " 就安全了——不是。光有经验不够，得在持续进化。一个十年经验的运营，如果这十年干的是同一套 SOP，那他本质上还是 " 可被指令化 " 的人，只是执行得更熟练而已。
但如果这个人的十年经验意味着：他对行业有别人没有的体感判断，他能在 AI 给出的十个方案里三秒钟挑出最靠谱的那个，他知道哪些数据 AI 会算错、哪些场景 AI 会翻车——那他就不是 AI 的竞争者，而是 AI 的驾驭者。
关键词是 " 进化 "。经验是存量，进化是增量。AI 也在进化，如果你停在原地，总有一天你的经验会被模型学完。但如果你持续在新问题上积累新判断力，你就始终跑在 AI 前面一个身位。
第一类人安全，是因为 AI" 不会做 " 他们的工作。第二类人安全，是因为他们会 " 指挥 AI 做 " ——而且比别人指挥得更好。这两类人的交集，就是 OPT 时代最有价值的人。
四、终局不是替代，是 " 一人团队 "
说到这里，很多人的第一反应是焦虑：那我是不是该去学个 AI 干不了的手艺？转行做心理咨询？去当手工匠人？
坦白说，来不及了。除非你刚毕业，还有切换赛道的本钱。但如果你已经在一个行业干了五年、十年，积累了经验、人脉和领域知识——舍近求远没有意义。
换个思路想这件事。AI 就像一头正在追你的熊。你跑不过熊，没人跑得过。但你不需要跑过熊——你只需要跑过身边的人。
那怎么跑过别人？答案不是 " 逃离 AI"，而是比别人更早、更深地和 AI 协作。因为 AI 的终局大概率不是 " 替代人 "，而是 " 重构协作方式 "。最终的形态，可能是一个我们已经在行业里看到雏形的模式—— OPT（One Person Team，一人团队）。
什么意思？一个人，带着一组 AI Agent，完成过去一整个团队的工作。你是导演，AI 是演员、摄影、灯光、后期。你定方向、做判断、把控质量，AI 负责执行、检索、生成、迭代。
这不是科幻。阿里今年 3 月发布了企业级 Agent 平台 " 悟空 "，同步推出了 OPT 十大行业解决方案——一人跨境电商、一人新媒体运营、一人客服中心。一个人开店，AI 帮你选品、上架、写详情页、处理售后。一个人做公众号，AI 帮你选题、搜资料、起草、排版。
钛媒体那篇报道里有个细节值得咀嚼：23 万大厂员工被 AI 替代后，有一半公司又招了人回来。但招的不是原来那批人，也不是原来那些岗位。招的是——能指挥 AI 干活的人。
未来的职场不分 " 有 AI 的人 " 和 " 没 AI 的人 "，而是分 " 指挥 AI 的人 " 和 " 被 AI 指挥的人 "。
想想看：同样做数据分析，一个人用 Excel 手搓一天出一份报告，另一个人用 AI Agent 十分钟出五份、选最好的一份微调交付——后者的产出是前者的几十倍。公司不傻，要裁谁一目了然。
得物解散前端部门时，创始人杨冰说的那句话其实已经点明了方向：" 把 AI 应用到所有环节 "。他要的不是没有前端工程师，而是每个工程师都变成 " 一个人顶一个小组 " 的全栈选手。能做到这一点的人留下了；做不到的，编制没有一比一保留。
五、核心只有一件事
所以，回到标题的问题：被替代的人和没被替代的人，到底差在哪？
不是学历，不是工龄，甚至不是你当前的岗位。差的是一个东西——你有没有建立起自己的 OPT 能力。
所谓 OPT 能力，不是 " 会用 ChatGPT" 这么简单。它是一整套组合：你能定义清楚问题（知道让 AI 干什么），你能拆解任务（知道怎么拆成 AI 能执行的步骤），你能评估产出（知道 AI 给的东西好不好），你能在 AI 出错时兜底（知道什么时候该人工介入）。
简单说：你要成为 AI 的 " 管理者 "，而不是和 AI 做一样的事。
这不是一朝一夕能建立的能力，但方向很明确。那些率先把 AI 深度融入日常工作流的人，每天都在积累这种 " 人机协作 " 的肌肉记忆。而那些还在观望、还在犹豫 " 要不要学一下 AI" 的人，差距每天都在拉大。
时代不等人。三年前大家还在讨论 "AI 会不会取代人 "，现在讨论的已经是 "AI 取代了哪些人 "。再过三年，讨论的很可能是 " 还有谁没建立自己的 AI 团队 "。
不要等到被优化那天才想起学 AI。你不需要成为 AI 专家，但你必须成为一个能指挥 AI 的人。OPT 不是未来，它已经是现在。跑在前面的人，正在把距离拉开。
注：本文由微信公众号科技茶馆（ID：kejichaguan）原创，转载请注明出处，无需沟通授权。
