事件背景
SAP 是歐洲最大的軟體巨頭，掌控著全球企業資源規劃（ERP）市場的大半江山。兩年前，SAP 在一波重組中裁減了近萬個職位，其中部分直接與 AI 的導入有關——這看似很符合「科技摧毀工作」的敘事。但到了 2026 年中，SAP 執行長 Christian Klein 卻做了一個出人意料的宣示：公司不會進一步縮減員工規模，反而要積極重新部署員工、將他們轉向更能發揮 AI 價值的崗位。
這不是一個公關聲明。在 SAP 位於德國 Walldorf 的總部裡，這場變革已經在員工的日常工作中發生。軟體工程師 Fabrizio Primerano 的工作流程被徹底改寫了：過去他要自己完成的程式設計、與同事的腦力激盪、研究競爭對手的代碼——現在 AI 代理人接手了其中大部分的執行工作。但 Primerano 沒有被裁掉，他的新工作是「管理 AI 代理人」。
背景：歐洲的人口危機
SAP 的實驗為什麼重要？因為它不只是企業管理問題，而是歐洲面臨的結構性危機的縮影。
德國在未來 10 年內預計將流失近 700 萬名勞動人口，相當於整個勞動年齡人口的 13%。這不是周期性衰退，而是嬰兒潮世代進入退休潮導致的人口學崸壑。同時，德國和整個歐洲在移民政策上面臨政治阻力——很難像北美或澳洲那樣快速引進高技術移民來補位。
在這樣的背景下，AI 不再只是一個商業工具，而是歐洲經濟能否維持競爭力的救命稻草。如果 SAP 能夠成功地用 AI 讓現有員工「升級」，而不是被替代，那麼它就證明了：在勞動力短缺的時代，技術的作用是『乘數器』而不是『滅絕器』。
技能堆疊的演化邏輯
從業務層面看，這是一個合理的轉向：
1. 過去的價值鏈：工程師 → 編碼 → 測試 → 交付。工程師的價值在於「寫程式的速度和質量」。
2. 未來的價值鏈：工程師 → 定義問題 → 指揮 AI 代理人 → 驗證邏輯 → 決策調整 → 交付。工程師的價值轉移到「理解問題、審視 AI 輸出、做出架構決策」。
這個轉變的關鍵是：工程師並沒有被淘汰，而是他們的「技能堆疊」從單維（深度編碼能力）變成了多維（問題定義 + AI 指揮 + 商業判斷 + 架構思考）。Tyler Cowen 在《平均已死》中稱這為「技能堆疊 1.0」——不是全能天才，而是「特定領域深度 + 廣泛的周邊理解」的組合。在 AI 時代，這個堆疊進一步演化為「能與 AI 協作的人」。
反面：為什麼會失敗？
但 SAP 這場實驗並非必然成功。有幾個陷阱：
陷阱 1：重新部署不等於重新培訓。將一個被 AI 取代了工作流程的工程師轉向「管理 AI 代理人」，聽起來光鮮，但實際上需要新的技能——理解 AI 模型的局限、能夠讀懂 AI 生成的代碼（這往往比寫代碼更難）、做出「何時相信 AI、何時質疑 AI」的判斷。如果培訓不到位，這些員工會變成「監督者卻不懂監督什麼」的尷尬境地。
陷阱 2：薪資結構問題。一個資深軟體工程師被轉為「AI 代理人管理者」，他的薪資怎麼定？如果薪資下降，這是隱性的裁員。如果薪資不變，企業成本會上升，最終還是要裁員。SAP 目前沒有公開討論這個問題。
陷阱 3：市場信號扭曲。如果 SAP 成功地用 AI 讓現有員工「升級」，會怎樣？短期內看似皆大歡喜。但長期來看，如果整個軟體產業都採用相同策略，就會形成「沒有人新進入編碼行業」的局面。5-10 年後，資深工程師逐漸退休，而新的年輕開發者因為「AI 已經接手了基礎編碼」而不再進入這個行業，整個產業可能面臨「高齡化編程隊伍 + 後繼無人」的危機。
關鍵問題：乘數器還是替代器？
SAP 的實驗本質上在測試一個經濟假說：在勞動力短缺的時代，技術是人類的乘數器還是替代器？
乘數器假說：AI 讓每個工程師的生產力提升 3 倍，所以 10 個工程師做 30 個人的工作，企業盈利增加，社會福祉上升。
替代器假說：AI 做掉 70% 的工程師工作，企業裁掉 70% 的工程師，剩下 30% 的工程師薪資會上升（因為稀缺），但整個行業的就業總量還是下降。
現實可能介於兩者之間。對 SAP 這樣的已成熟企業，可能是乘數器——現有員工升級，新增工作機會湧現（如 AI 訓練、模型監督、倫理評審）。但對整個產業和社會，可能部分是替代器——某些基層編碼工作永遠消失了，就算總就業量不減，就業結構會發生極端分化（只有高階工程師和 AI 相關職位，中層消失）。