AI Washing
定义
企业将裁员或其他组织变革归因于 AI 生产力提升，但实际驱动力是预算压力或其他商业因素。这个术语类比"漂绿"（greenwashing），指用 AI 叙事包装决策。
为什么重要
AI Washing 解释了 2025-2026 年科技行业一个核心矛盾：创纪录的营收增长与大规模裁员并存。当公司将裁员包装为"AI 替代"时，它同时完成了两件事：
- 叙事保护：把痛苦的人事决策转化为"拥抱未来"的进步叙事
- 估值加成：向投资者传递"我们在 AI 上很激进"的信号
OpenAI CEO Sam Altman 公开指出许多公司是在 AI washing——用技术作为裁员的便利借口，实际原因是其他预算问题（20260529-ceo-ai-psychosis-equity-podcast）。
关键数据点
- Gartner 调查（350 位全球高管，年收入 ≥
$1B）：80% 试点 AI 的企业报告裁员，但不论技术是否真正产生回报都裁了 - 2026 年前 5 个月科技行业裁员 115,430 人（152 家公司），接近 2025 全年的 124,636 人（275 家公司）
- ClickUp 裁 22% 员工并部署 3,000 AI agents，CEO Zeb Evans 声称是组织转型而非降本——但未公开 agents 产出质量数据
- CMR 元分析（2025.10）：无稳健证据表明 AI 采纳与总体生产力提升有关
AI Washing 与 AI Psychosis 的关系
AI-Psychosis 和 AI Washing 互为补充：
| AI Psychosis | AI Washing | |
|---|---|---|
| 性质 | 认知偏差（真信） | 叙事包装（可能不信） |
| 主体 | CEO 真心认为 AI 能替代 | 公司用 AI 故事合理化决策 |
| 驱动 | 远离实际工作 | 投资者叙事、估值压力 |
| 重叠 | 两者可能同时存在：CEO 既真信又方便 | — |
前提与局限性
- 证据门槛：判断一个裁员案例是否是 AI washing 需要知道公司真实的决策动机，这通常不公开
- 不是全称命题：确实有部分裁员是 AI 驱动的真实组织变革，不能把所有 AI 相关裁员都归为 washing
- 时间窗口：随着 AI 能力进步和评估框架成熟，AI washing 的灰色地带会缩小
- 反向风险：过度归因于 AI washing 也可能掩盖 AI 确实在改变工作流程的真实信号
关联概念
- AI-Psychosis：CEO 的认知偏差版本，AI washing 是其可能的行为后果
- AI-Capability-Gap：不同利益相关者对 AI 能力的判断差异为 washing 提供了信息不对称空间
- Aaron-Levie：提出 CEO AI Psychosis 概念，间接揭示了 AI washing 的认知根源