会议室里，屏幕上的 AI agent 一路打勾：客户邮件回了，销售跟进写了，会议纪要整理了，项目计划也拆好了。
对管理层来说，这一幕很诱人。任务看起来已经被接走，工资成本还留在报表上。
ClickUp 最近以推进 AI agents 为理由裁掉 22% 员工。这不是产品演示里的想象了。问题也不在于 AI 有没有用，而在于公司很容易把“任务完成了”看成“岗位可以消失”。
最敢说你能被替代的人，常常最不懂你在干什么
Box 创始人 Aaron Levie 给这种状态起了个很重的说法：“AI psychosis”。可以译成“AI 幻觉式狂热”，也可以更直白一点，叫公司被 AI 说法带偏了。
他原话更刺人：
The people deciding that AI can replace your job are also the ones least likely to understand what your job truly involves.
决定 AI 可以替代你工作的人，往往最不了解你工作真正包括什么。
这句话不是在骂技术，而是在骂管理视角。
一个岗位传到管理层那里，通常已经被压缩成几行东西：每天处理多少封邮件，跟进多少条销售线索，产出多少篇内容，关闭多少个客服工单，提交多少份需求文档。
AI agent 在演示里把这些动作跑一遍，岗位就很容易被看成一堆任务。
但真实工作不这么长。
客户邮件不是“回复”两个字。它还包括判断客户到底在不满什么，哪些承诺不能写，什么时候要把法务、财务、交付团队拉进来。
会议纪要也不是把录音变成文字。很多时候，会后真正有用的是有人知道：哪句话只是试探，哪个决定其实还没定，哪个部门到了执行时一定会卡住。
销售跟进更明显。AI 可以写一封像样的邮件，也可以提醒你下次联系。但它很难判断关系的温度：客户是在拖，还是预算没批；那句话是拒绝，还是在等你给一个台阶；对方没回，是没兴趣，还是你找错了人。
岗位里最麻烦的部分，通常不在任务清单上。
跨部门协调、客户安抚、异常处理、组织记忆、模糊地带里的判断、最后到底谁负责，这些东西很难写进“AI 可替代率”的表格。可一旦它们没了，公司才会发现，过去很多看起来顺的流程，是靠人一直在补洞。
AI agents 的说法也变了。
早期企业更多把生成式 AI 当助手：帮员工写东西、查资料、整理信息、生成初稿。现在它被包装成“数字员工”，能独立接任务、跑流程、交结果。
从“帮一个员工更快完成工作”，到“这个员工是不是可以不要”，中间差的不是技术，而是公司怎么判断。
AI 裁员这个故事太好讲了
ClickUp 裁掉 22% 员工的动作，把 AI agents 从产品话术推到了组织决策里。
协作和生产力软件公司，本来就最会讲效率。当它说自己要推进 AI agents，并据此削减人力，其他公司听到的信号会很清楚：AI 不只是买一套软件，也可以改人员结构。
相关统计显示，2026 年科技行业裁员数量已经几乎追平 2025 年全年水平。这个数字不能直接说成所有行业都在这样走，但至少在科技公司内部，裁员和 AI 被绑在一起讲的次数正在增加。
原因不复杂。
人力成本太清楚了。工资、福利、办公空间、管理成本，都在报表上。AI agent 的成本看起来更灵活：订阅费、调用费、集成费。至少在早期演示里，它比一个团队轻很多。
增长压力一来，管理层很自然会问：既然软件能做掉一部分任务，为什么还要保留同样规模的人？
投资人也喜欢这个说法。
过去裁员听起来像业务承压、增长放缓、管理出错。现在裁员可以换一种讲法：组织更精简，主动拥抱 AI，用技术提高利润率。
同样是减少人头，听感从“扛不住了”变成了“更先进了”。对上市公司、融资中的创业公司、需要解释利润空间的软件企业来说，这套话很好用。
这也是 “AI-pilled” 被拿来讽刺一些公司的原因。它说的是一个组织被 AI 彻底说服，开始用 AI 解释一切，也试图用 AI 替代一切。
效率不够，靠 AI。
利润率不够，靠 AI。
组织太重，靠 AI。
裁员不好听，也靠 AI。
这种决策在会议室里不会显得荒唐。它会显得很理性。
有演示，有试点，有成本模型，有同行案例，有投资人期待。还有一张最容易说服人的表格：某个岗位 60% 的任务可以被 AI 完成，某个团队 40% 的流程可以自动化，某条业务线可以减少若干人。
问题是，表格通常只写“AI 能做什么”，很少写“人原来在防止什么出错”。
省掉的人，可能会以别的形式回来
AI 确实能压缩很多重复劳动。
客服里的常见问答，电商运营里的标题和商品描述，内容岗位里的初稿，销售里的标准跟进邮件，研发里的样板代码和测试用例，行政里的日程、报销、纪要，都已经被 AI 工具明显改变。
中国公司也在做类似接入。
客服中心接入大模型，销售团队使用自动外呼和邮件生成，内容团队用 AI 批量产出素材，电商团队用 AI 写卖点和投放文案，研发团队把代码助手放进日常环境。
这里没有什么神秘感。很多流程确实会变短，很多低风险任务确实会减少人工参与。
但如果公司没看清流程就先砍人，成本不一定消失。它只是换个地方出现。
客服工单被 AI 回复了，但客户问题没有真正解决，后面要由更资深的人补救。
销售邮件发出去了，但语气、时机、承诺边界出了问题，客户关系要重新修复。
项目计划自动生成了，但依赖关系判断错了，延期时没人知道该先找谁。
代码补全提高了速度，但错误进了生产环境，排查成本落到剩下的工程师身上。
这些不是说 ClickUp 已经发生了什么。现有材料没有提供 ClickUp 裁员后的业务后果、客户反馈或财务变化，不能替它编故事。
但风险摆在这里：当公司把岗位当成任务清单处理时，最容易被省掉的，往往是出事时最需要的人。
还有组织记忆。
很多公司不是靠文档运转的，是靠人记着。
谁能拍板，谁经常拖延，哪个客户不能用模板回复，哪类需求看起来急但其实可以缓，哪个系统字段千万不能改，这些知识不一定在知识库里。
AI 可以读文档。文档里没有，它就读不到。
岗位不是一串待办事项
一个人的工作里，当然可能有大量内容会被 AI 压缩。也可能因此需要转岗、缩编，甚至被替代。
问题是，判断不能只看任务能不能自动完成，还要看这个岗位在失控时承担了什么。
对员工来说，如果自己的价值长期只表现为“我每天完成了多少条任务”，那确实会越来越危险。任务最容易被计量，也最容易被拿去和 AI 比。
更难被替代的部分，往往是判断、协调、兜底、承担后果。
但这些价值如果从来没有被公司看见，也不会在裁员表格里自动出现。
对管理者来说，真正要问的也不是“AI 能不能做这件事”。这个问题太窄。
更实际的问题是：这件事一旦做错，谁发现，谁修正，谁解释，谁承担后果。
下一次会议室里有人问“这个岗位有多少任务可以被 AI 做掉”，不妨把问题换一下：
当 AI 做错、客户生气、项目卡住、责任没人认的时候，准备让谁接电话？