以下是根據研究資料撰寫的文章：
當 AI 成為裁員頭號理由：一個工程師的冷靜觀察
前言
2026 年 3 月，AI 第一次超越「營運重組」和「市場調整」，正式成為企業裁員的首要理由，佔所有公告裁員的 25%，對應 15,341 個職位。
這個數字讓我停下來想了一下。身為一個每天都在用 AI 工具寫程式的工程師，我其實不太確定該怎麼消化這件事。一方面，我確實感受到 AI 帶來的效率提升；另一方面，當「效率提升」開始等於「你的同事被裁了」，這就不只是技術問題了。
這篇整理了目前能找到的數據和幾個值得思考的現象，純粹是個人的觀察筆記。
裁員規模到底有多大？
先看數字。2025 年全球科技業裁員達 24.5 萬人，已經是歷史新高。結果 2026 年更猛，光第一季就砍了超過 5.9 萬人，照這個速度推算，全年可能達到 26.5 萬人。
幾個代表性的案例：
| 企業 | 裁員人數 | 備註 |
|---|---|---|
| Oracle | ~30,000 | 2026 年最大規模 |
| Amazon | ~16,000 | 持續「精簡」 |
| Dell | ~11,000 | 硬體轉型壓力 |
| Meta | 2,000+（潛在 15,000） | 公開數字 vs 實際規模落差大 |
| Block | ~4,000 | Fintech 也沒倖免 |
這裡有個關鍵細節：Fortune 雜誌引述的 CFO 調查顯示，企業私下承認 AI 相關裁員規模比公開數字高出 9 倍。也就是說，我們看到的可能只是冰山一角。
受衝擊最大的不只是客服人員和行政支援，還包括初階工程師和中階管理層。Brookings 研究指出，有近 1,100 萬名無學位勞工處於高度 AI 曝險區，這些被稱為「墊腳石職位」（Gateway Jobs）的崗位，正好是很多人進入科技業的起點。
生產力悖論：AI 真的有那麼神？
這是我覺得最有意思的部分。
Duke 大學跟聯準會合作的一項研究發現，企業自報的 AI 生產力提升平均是 1.8%，聽起來不多，但企業對外宣傳的時候往往講得天花亂墜。更關鍵的是，這個自報數字跟實際統計數據之間有明顯落差。
這讓人想到經濟學家 Robert Solow 在 1987 年說的那句話：
「電腦無處不在，卻不見於生產力統計。」（You can see the computer age everywhere but in the productivity statistics.）
快 40 年過去了，把「電腦」換成「AI」，這句話似乎依然適用。
以我自己的經驗來說，AI 確實讓某些工作變快了，寫 boilerplate code、查文件、整理筆記、生成測試案例，這些事情的效率提升是有感的。但如果你問我「整體生產力提升了多少百分比」，老實說我答不出一個精確數字。很多時候，省下來的時間被花在跟 AI 來回修正、檢查 hallucination、或是處理它製造的新問題上。
「AI 洗白」：當 AI 變成方便的藉口
San Francisco Standard 的一篇報導用了「AI washing」這個詞，意思是有些企業拿 AI 當擋箭牌，實際上裁員的原因更複雜，可能是營收下滑、策略轉向、或是單純的成本壓力。
想想也合理。跟投資人和董事會說「我們正在擁抱 AI 轉型，精簡人力結構」，聽起來比「我們上季度虧損，必須砍人」要好聽得多。AI 裁員敘事給了企業一個既前瞻又合理的包裝。
這不是在說 AI 對就業完全沒有影響，影響顯然是存在的。但當「AI 取代人力」變成一個不需要太多解釋的萬用理由時，我們可能需要多打幾個問號。
反轉訊號：裁完了，然後呢？
如果只看裁員數據，很容易掉進悲觀的陷阱。但有幾個訊號值得注意：
- Gartner 預測（2026 年 2 月）：到 2027 年，50% 因 AI 裁員的企業會重新聘僱員工做類似的工作，只是職稱不同了
- CEO 態度轉變：67% 的 CEO 預期 2026 年會增加入門級職位招聘
- 新職缺浮現：LinkedIn 數據顯示新增了 130 萬個 AI 相關職位
- Upskilling 成主旋律：87% 的企業領導者把員工再培訓列為首要任務
換句話說，很多企業的做法是「先裁、再重組、然後用新職稱重新招」。這聽起來很荒謬，但從組織變革的角度看，有時候打掉重練確實比內部轉型容易推動，雖然對被裁的人來說，這個過程一點都不好受。
另一個數據是：全球約 80% 的勞動力需要在 12-18 個月內習得新的 AI 技能。這個數字不管精不精確，方向應該是對的。
工程師可以怎麼看待這件事
身為工程師，我的觀察是這樣的：
短期來看，AI 確實在重新定義什麼工作「值得用人來做」。那些高度重複、規則明確、不太需要判斷力的任務，被自動化是遲早的事。這不是 AI 才有的趨勢，只是 AI 讓這個過程加速了。
中期來看，「會用 AI」本身不是競爭力，因為很快每個人都會用。真正的差異在於你能不能判斷 AI 產出的品質、能不能定義問題、能不能在 AI 搞砸的時候接手修正。某種程度上，這跟「會用 Google 搜尋」不是競爭力是同一個道理。
長期來看，我比較在意的是那些「墊腳石職位」消失後，新人要怎麼進入這個產業。如果初階工程師的職缺持續減少，資深工程師的養成管道就會斷裂。這是整個產業需要面對的結構性問題。
幾個我自己在做的事：
- 把 AI 工具當成日常開發流程的一部分，而不是偶爾拿來玩的新玩具
- 刻意練習 AI 不擅長的能力，系統設計、技術決策、跨團隊溝通
- 保持對新工具的好奇心，但不盲目追每一個 hype cycle
- 持續寫技術文章和做 side project，讓自己的能力被看見
結論
AI 裁員潮是真的，但裡面有不少泡沫。有些裁員確實是因為 AI 改變了工作方式，有些則是拿 AI 當藉口。生產力悖論告訴我們，AI 的實際影響可能沒有報導中說的那麼劇烈，Gartner 的預測也暗示很多裁員最終會以「換個職稱重新招」收場。
對我們工程師來說，與其焦慮 AI 會不會取代自己，不如專注在提升那些 AI 短期內做不好的能力，理解業務脈絡、做系統層級的判斷、以及把模糊的需求變成能運作的架構。
這些能力不會因為 AI 進步而貶值，反而會更值錢。
參考資料
- Tech Layoffs 2026: How AI Is Driving the Biggest Workforce Shift
- Tech Layoffs Surge to 59,000 in 2026 — IBTimes
- CFOs admit privately that AI layoffs will be 9x higher — Fortune
- AI productivity paradox: CEO study — Fortune
- Gartner Predicts Half of Companies Will Rehire by 2027
- AI 驅動裁員潮：2026 年初全球科技業已砍超過 4.5 萬個職位
- For the First Time, AI Is the Number One Reason Companies Are Cutting Jobs — 4 Corner Resources
- Blame game: Is AI really fueling all those layoffs? — SF Standard
- 67% CEO 預期 2026 增加入門職 — TechOrange
- AI Upskilling 2026: Stay Relevant as 80% Must Retrain
留言