事件
2026 年 5 月，中國互聯網大廠集中進行「630 裁員潮」。被裁者的共同特徵令人矚盾：月薪 2.5 萬的初級工程師林越、績效考核合格、甚至被視為「公司最幸運的新人」——他一年前本科畢業時、在數千份簡歷中被錄取進入攜程酒店部門（公司最賺錢的業務線）。
裁員理由同樣矛盾：公司的官方說法是「all in AI 提效」，但真實邏輯卻是——初級員工薪資成本低（賠償便宜），但在 AI 工具時代、他們的相對優勢反而消失了。為什麼？因為 AI 不能直接替代「複雜業務決策」，但能快速放大「經驗優勢」：一個資深員工配上 AI，能做出初級員工一個月都做不完的工作；反過來，初級員工配上 AI，仍然需要資深員工來審核、修改、決策。
結果是：表面上看、新技術應該先淘汰「最容易被替代」的簡單重複工作。實際上、在過渡期、被淘汰的反而是「相對收益最低、邊際價值最容易被吞掉」的初級工程師。
為什麼會這樣
### 1. 邊際替代率的非線性
AI 的威力不在「完全取代某個工作」，而在「降低工作的經驗門檻」。一個初級工程師原本需要 5 年經驗才能做的決策，AI 現在幫他在 2 秒內完成。聽起來初級員工應該最受益。
但現實是： - 初級員工 + AI = 能做之前做不了的事，但仍需要資深員工檢查 - 資深員工 + AI = 能在原有工作上快 10 倍，還能指導初級員工
資深員工的「業務直覺」是 AI 補不了的。當 AI 填補了「經驗差」這個初級員工的保護帶時，他就失去了唯一的相對優勢。
### 2. 企業的理性經濟決策
在「保留員工 vs 裁員」的邊際決策上： - 初級員工月薪 2.5 萬、年成本 30 萬（含稅） - 資深員工月薪 8-10 萬、年成本 120 萬（含稅）
但從產出看： - 初級員工 + AI：月產出約 = 原來的 1.5 倍 - 資深員工 + AI：月產出約 = 原來的 5 倍
成本效益比： - 初級員工：30 萬成本 / 1.5 倍產出 = 每單位產出成本 20 萬 - 資深員工：120 萬成本 / 5 倍產出 = 每單位產出成本 24 萬
看似接近，但考慮轉招成本（招一個初級員工 3-6 個月才能上手、資深員工可直接用）、組織知識損失（初級員工無關痛癢、資深員工掌握業務邏輯），裁初級員工成本最低、收益最大。
### 3. 信號混淆的時間窗口
在 AI 工具還不夠成熟的過渡期（2024-2026），「新技術搞不定複雜工作」這個事實掩蓋了「新技術正在革新工作流程」的趨勢。企業管理層看不清楚誰會最終被替代，就會用「成本 + 流動性」來決策——裁薪便宜、易重建的人。
但實際上，2-3 年後當 AI 夠聰明到能自己寫複雜業務邏輯時，資深員工才是最脆弱的（他們的價值 = 複雜決策，最容易被自動化）。現在被裁的初級員工，其實是被錯殺的。
歷史回聲
這個模式在技術史上反覆出現過：
1. 活字印刷時代（15 世紀）：抄寫員大量失業。但最先失業的不是所有抄寫員，而是「只會抄寫、沒有編輯能力」的低級抄寫員。高級抄寫員轉型成編輯、校對、排版指導，反而更值錢。
2. 工業革命時代（18-19 世紀）：機械紡織機出現，最先失業的是「學徒級的紡織工」，而不是有 20 年經驗的老織工。為什麼？因為機器做機械工作，但需要懂得維修、調整、管理機器的人——這只有老手才能幹。
3. 電子郵件時代（1990 年代）：最先失業的不是所有秘書，而是「只會接電話、轉接、傳遞信息」的初級秘書。高級秘書轉型成「知識管理員」、「行政經理」，薪水反而漲了。
4. 自動提款機時代（1980-2000）：美國銀行業的經典研究。經濟學家 David Autor 發現，ATM 不是讓銀行員工失業，反而銀行開了更多分行（因為 ATM 降低了單位成本）。但失業的是「只會收款、存款」的初級行員，留下來的是「能向客戶解釋投資產品」的資深行員。
逆向思考：為什麼這次不同
AI 的威力在於「智力工作的替代」，而不只是「體力工作的替代」。這意味著：