亞馬遜最近裁了 AGI（通用人工智能）團隊的一批人。受影響的員工來自 Adeeb Shanaa 和 Vishal Sharma 負責的團隊，涉及模型定製、後訓練等業務。

這有點諷刺，大家還在擔心 AI 會不會搶掉程序員、設計師、文案的飯碗，造 AI 的人先收到了裁員通知。

但亞馬遜沒打算放棄 AI。

亞馬遜發言人照舊把大型 AI 模型稱為公司「最重要的工作之一」，只是接下來要更聚焦「對客戶最重要的項目」，更快推進真正要緊的事。

說白了：AI 仍然重要，但不是每個 AI 項目都一樣重要。

熱門賽道能抬高一類人才的價格，卻沒法給其中每個崗位發一塊「免裁金牌」。

公司買的從來不是「AI」這個標籤，而是一個具體結果。模型路線變了、業務優先級調了、兩支團隊能力撞車，甚至一項功能被並進更大的平台，原本稀缺的崗位都可能突然沒了位置。

技術含量高，只說明這份工作難。它保證不了這份工作永遠待在公司的主線上。

這可能纔是亞馬遜這次裁員真正值得普通人留意的地方。問題已經不只是「AI 能不能幹我的活」，而是：我的活在公司的目標裏，到底還排在多靠前？

公司不只想知道你有沒有用 AI

幾乎在亞馬遜裁 AGI 崗位的同時，GitHub 上線了一張新的 Copilot 看板。

它不是給程序員自己看的。是給企業管理員和組織負責人看的。

過去公司給員工買了 Copilot，後台大多隻能看到多少人開通、多少人用過。現在，管理者還能看到員工把 AI 用到了什麼程度。

GitHub 會按過去 28 天的使用行為，把開發者分進不同的 AI 採用階段。有人買了許可證卻很少碰；有人主要用代碼補全；有人已經開始把任務丟給 Agent；還有人進了多 Agent 協作。

嚴格說，這不是「程序員 AI 能力評級」。

一個人調用了多少次 Agent，當然證明不了他代碼寫得更好。GitHub 給這功能的官方定位也是幫企業了解 Copilot 用得怎麼樣、安排培訓、判斷錢有沒有花出效果。

但有意思的地方在於，使用階段旁邊還擺着另一組數據：人均每月合併多少個 PR、合併速度多快、每天新增多少行代碼。

當「誰更常用 AI」和「誰完成了更多工作」出現在同一張表裏，事情就不只是軟件採購那麼簡單了。

以前誰都能在簡歷上寫「熟練使用 AI」，反正沒法驗證。現在至少在軟件開發這行，管理者從後台就能看到：誰還停在代碼補全，誰開始把整段任務交給 Agent，誰已經進了多智能體工作流。

「會用 AI」正在從一句自我介紹，變成一串能被觀察、被比較、被推着走的數據。

這張表今天也許只是拿來安排培訓。明天卻可能改變公司對「一名程序員該完成多少工作」的判斷。

如果一些員工帶着 AI 就能幹過去更多人才能幹的活，管理者很難不接着追問：團隊下次擴張，還需要招同樣多的人嗎？

AI 沒有讓失業率提升

奇怪的是，AI 進步這麼快，失業率卻沒跟着飆升。

美國勞工統計局公布的數據顯示，2026 年 6 月失業率 4.2%，和前幾個月相比變化不大。

Anthropic 首席經濟學家 Peter McCrory 最近也發表了一篇文章：為什麼 AI 還沒把失業率推上去？

Anthropic 此前發布的研究發現，哪怕只看那些大量工作任務能由 AI 完成的職業，也沒出現明顯更高的失業率。

一個直接的原因是，「模型會做」和「公司真敢用」之間，還隔着很長一段路。

真實工作不是一道寫完就交卷的測試題。它牽扯內部數據、系統權限、審計責任、出錯成本。AI 能寫出一段代碼，不等於公司敢把整個項目交給它；AI 能生成一份報告，也不等於它能為一個錯誤判斷負責。

至少現在，大多數 AI 還是得靠人來提問、檢查、補上下文，最後簽字。

生產率提高也未必馬上帶來裁員。訂單還在漲，公司可以讓人做更多業務；方向調了，也可以先把人轉去別的崗位。只盯着失業率，確實很難找到一場清晰的「AI 失業潮」。

但這裏藏着另一個問題：沒有大規模解僱，不等於沒有工作機會在消失。

假設一支團隊原來 10 個人，走了兩個，公司讓剩下的人借 AI 接管活兒，不再招新。沒人被裁，團隊卻已經少了兩個崗位。

這種變化不會上新聞，也很難立刻反映到失業率裏。宏觀數據看得見已經失業的人，看不見一個從沒發布過的招聘職位。

AI 對就業最早的影響，也許就是這種安靜的縮水。離職後不補人，業務漲了也不再同步擴招，本該兩個人乾的活合併到一個人頭上。

公司甚至不用決定「用 AI 替代誰」。它只要在下一份招聘申請上問一句：剩下的人配合 AI，能不能先頂住？

新人可能比在職者更早感到變化

最容易被這套邏輯碾到的，可能不是已經坐在辦公室裏的人。

Anthropic 的研究發現，22—25 歲的年輕人裏，進入高 AI 暴露職業的比例比 2022 年下降了約 14%。研究者也提醒，這只是個早期信號，利率、疫情後的招聘調整都可能摻進來，不能全算在 AI 頭上。

但它還是戳中了一個讓人不安的點：AI 最擅長接手的任務，恰好是新人過去用來入行的任務。

查資料、整理表格、改簡單代碼、寫基礎文案、做初版方案……這些活看着不夠「高級」，卻是一個新人熟悉業務、攢判斷力的起點。

如果資深員工帶着 AI 就能把它們做完，公司照樣需要程序員、設計師、分析師、運營，只是不再需要同樣多的初級員工。

職業沒消失。職業階梯的第一層卻可能先被抽掉。

這也解釋了，為什麼 AI 對就業的衝擊未必先表現為更多人失業。最先被影響的那批人，可能壓根還沒有一份能失去的工作。

公司還會不會招「第二個人」

把亞馬遜和 GitHub 放一塊看，事情就更清楚了。

公司先讓 AI 進日常工作，再看它怎麼改變產出。當一部分員工開始用 AI 扛更多任務，那種幹活方式就可能變成新的參照。接着，公司會重新算一支團隊到底需要多少人，哪些活還值得單獨交給一支團隊。

這不意味着 GitHub 的看板會直接決定誰被裁，也證明不了亞馬遜的 AGI 員工是被 AI 替掉的。兩條新聞之間沒那麼簡單的因果。

它們一起指向的，是企業正在進入一個新的計算階段：有了 AI，完成同樣的目標，還需要多少人？

對普通白領來說，真正值得盯的信號，可能比裁員郵件來得更早。

公司是什麼時候從「鼓勵大家試試 AI」，變成開始統計使用率和自動化比例的？管理層有沒有開始把 AI 使用和人均產出擺在一起談？離職同事留下的坑，還有沒有新人來補？校招、實習、初級崗，是不是正在悄悄變少？

這些變化都不像裁員公告那樣刺眼，卻更貼近公司真實的用人需求。

那個沒收到裁員郵件的人，不一定是倖存者。

他可能從來沒收到過錄用通知。

所以，比「AI 會不會做掉我的工作」更實際的問題也許是：有了 AI 以後，公司還會不會再招一個和我做相似工作的人？

如果答案越來越接近「不會」，那 AI 其實已經開始改變就業了。只是它還沒體現在失業率裏。