AI 没有先替你裁掉工作，它先放大了公司之间的差距
这篇新闻真正打乱的，不是乐观和悲观
Section titled “这篇新闻真正打乱的，不是乐观和悲观”TechCrunch 这篇报道让我停下来的，不是那个 10.2%，也不是 12%。
让我停下来的，是它把一场本来被讲成“AI 会不会抢工作”的争论，硬生生拧成了另一种问题：到底是哪类公司，能把 AI 变成扩张自己的杠杆。
如果只看标题，你会以为它在反驳“AI 杀工作”这套叙事。可我读完并不觉得它替谁平反了。它只是让事情更难看清了。
一边，2026 年到现在，Tech 公司一边裁员一边把 AI 写进理由，Oracle、GitLab、Meta、Cisco、Amazon，名单越拉越长。另一边，Ramp 和 Revelio 的数据又告诉你：高强度采用 AI 的公司，两年后 headcount 反而涨了 10.2%，entry-level headcount 涨了 12%。
这两件事放在一起，看起来互相打脸。其实没有。
它们说的可能根本不是同一个层面的事。裁员讲的是组织内部哪些岗位被压缩，Ramp 讲的是哪类组织整体跑得更快。AI 既可以砍掉一个团队里的中间层，也可以让一家公司更敢扩张。麻烦就麻烦在这里。它不是简单地创造工作，或者消灭工作。它先决定谁还有扩张的资格。
Ramp 这份数据最值钱的，不是那条增长线
Section titled “Ramp 这份数据最值钱的，不是那条增长线”Ramp 原文里有一句话，比 headline 更重要：AI adopter 本来就更大、更偏工程、更可能拿过 VC，而且增长更快。
这句话几乎把整篇文章的真正结论都藏进去了。
也就是说，AI 不是均匀地落到所有公司头上。最先吃到它红利的，不是“任何愿意试试的人”，而是那些本来就有管理带宽、有工程能力、有试错预算、有网络位置的公司。它们更容易从“买几个订阅”走到“把 AI 接进核心流程”，再走到“因为单位产出成本下降，所以敢扩团队、抢市场、提前招人”。
我觉得这才是该被盯住的地方。很多人把 AI 讨论成一个劳动替代问题，仿佛模型一强，岗位就会自动往下掉。但 Ramp 这份数据更像在说：AI 先是一种组织能力放大器。
不会用它的公司，买了也只是多一个聊天窗口。会用它的公司，得到的是更低的固定成本、更快的试错速度、更宽的产品边界。前者不会多招人，后者反而可能更想招人，因为它突然能做以前做不了的事。
所以 10.2% 这个数字当然重要，但它真正的含义不是“AI 没有伤害就业”，而是“AI 带来的新增机会，先流向了更会组织的人”。
初级岗位没有先死，只是门槛换了
Section titled “初级岗位没有先死，只是门槛换了”原文里最容易被拿去做鸡血海报的，是 entry-level headcount 增长 12%。很多人看到这里会长舒一口气：原来 junior 还在。
我没这么乐观。
这个数字当然能反驳一种过于粗暴的说法，即“AI 会把所有初级岗位一下子抹掉”。但它不能证明初级岗位没变，反而说明它正在变。
如果一家高强度采用 AI 的公司还在继续招 entry-level，最合理的解释未必是“它需要更多传统初级劳动”，而是它在找一批更便宜、但已经学会和 AI 协作的人。Ramp 自己也在往这个方向猜：这些公司可能在挑选一组新的 skills。
这就跟 Anthropic 几个月前那份 skills gap 研究接上了。真正被奖励的，不只是年轻，而是更早把 AI 接进工作流。所以 entry-level hiring 还在，并不等于 entry-level 的游戏规则没变。很多原来靠“先做杂活，再慢慢长出判断”的路径，可能已经被改写了。
我担心的不是 junior job 从数量上立刻消失，而是它的训练结构先坏掉。公司还是会招人，但招的是那种一上来就能把模型当工具的人；剩下那批原本靠岗位完成社会化和能力积累的人，会更难挤进去。
真正被 AI 拉开的，是公司与公司之间的增长权
Section titled “真正被 AI 拉开的，是公司与公司之间的增长权”Ramp 还有一张图我觉得比前两张更关键：AI adoption 的收益分布非常不均。
这其实就是整篇新闻里最要命的地方。因为一旦收益不是平均分布，AI 对就业的影响就不再只是“总量问题”，而是“权力重新集中”的问题。
有资源的公司更早采用 AI，更快形成 best practice，更容易把效率变成收入，再把收入变成招人和抢人的能力。没资源的公司则可能长期停在“买订阅、跑试点、看不到结果”的状态，最后既没有效率红利，也没有增长空间。
这样一来，同样是“用了 AI”，结果会非常不一样。
有的公司把 AI 变成了规模扩张器，于是它招更多工程师、分析师、产品人，甚至更多初级员工；有的公司把 AI 只变成了成本压力下的压缩工具，于是它先砍掉支持性岗位、流程岗位和管理层。社会上看到的，就是一边增长、一边裁员，两种故事同时都是真的。
这也是为什么我读完 TechCrunch 这篇稿，没有得出“AI 就业恐慌被证伪了”的结论。我看到的更像是另一个分水岭：不是谁有工作，谁没工作；而是谁所在的组织还有没有本事继续创造新工作。
所以我真正会看的，不是失业率，而是入口
Section titled “所以我真正会看的，不是失业率，而是入口”如果你只盯总就业数字，接下来很长一段时间可能都看不出大问题。因为增长中的公司会继续招人，裁员中的公司也会把“AI 转型”写成合理解释，两个方向会互相抵消一部分表面数据。
但入口不会骗人。
我会先看三件事：第一，初级岗位是不是还保留学习空间；第二，小公司是不是越来越难把 AI 变成真增长；第三，年轻人进入职场时，要求会不会从“愿意学”变成“最好已经会”。
如果这三件事同时发生，那 AI 重排的就不是一批岗位，而是一整套成长路径。
这也是我读完这篇报道最大的感受：AI 先弄乱的，不是就业总量，而是就业的地形。它让一部分公司更敢扩张，也让另一部分人更难上桌。看上去岗位还在，真正被重新定价的，可能是进入这些岗位的资格。
这比“AI 会不会替代你”还麻烦。因为后者像一道会不会来的雷，前者已经在慢慢发生了。
如果你现在要选一家公司加入，你会更在意它有没有用 AI，还是更在意它有没有把 AI 真的变成增长能力？
Rebecca Bellan, “The AI jobs debate just got messier”, TechCrunch, 2026-06-29 https://techcrunch.com/2026/06/29/the-ai-jobs-debate-just-got-messier/
Ara Kharazian, “Does AI eliminate jobs? Economists find heavy adopters hire more.”, Ramp, 2026-06-30 https://ramp.com/data/heavy-ai-adopters-hire-more
Connie Loizos, “The running list: major tech layoffs in 2026 where employers cited AI”, TechCrunch, 2026-06-22 https://techcrunch.com/2026/06/22/the-running-list-major-tech-layoffs-in-2026-where-employers-cited-ai/
Rebecca Bellan, “The AI skills gap is here, says AI company, and power users are pulling ahead”, TechCrunch, 2026-03-25 https://techcrunch.com/2026/03/25/the-ai-skills-gap-is-here-says-ai-company-and-power-users-are-pulling-ahead/
Rebecca Bellan, “AI was supposed to kill engineering jobs, but new data suggests they’re the most resilient”, TechCrunch, 2026-06-24 https://techcrunch.com/2026/06/24/ai-was-supposed-to-kill-engineering-jobs-but-new-data-suggests-theyre-the-most-resilient/