AI 替代岗位后，最先被重写的是风险分配
微软最近给一部分美国员工摆出了一道算术题。
年龄加司龄，大于等于 70。
满足这个条件的人，可以进入一项自愿买断/退休计划。按照外界披露的口径，大约 7% 的微软美国员工、约 9000 人有资格参与。
这不是一家夕阳公司的节衣缩食。
它发生在微软持续把钱砸进 AI 基建的时候。数据中心、GPU、云算力、模型能力，都是高强度资本开支。它也发生在 2025 年微软多轮裁员的背景下。
一边是 AI 投资继续加速。
一边是组织开始清理岗位、压缩层级、重新计算人的成本。
这就是很多公司正在进入的新状态：不是公司没钱了，而是公司有了新的钱要花；不是业务停摆了，而是业务开始相信，一部分工作可以不用原来那些人来做。
所以，AI 替代岗位后，最先被重写的往往不是劳动合同。
最先被重写的，是公司和员工之间的风险分配。
劳动合同上写的是岗位、薪酬、地点、期限。
但真正起作用的，是另一套默认规则：公司负责投入资源、组织生产、承担经营风险；员工提供劳动、服从管理、获得相对稳定的工资。
AI 进来以后，这套默认规则被打断了。
公司会说：工具变了，流程变了，岗位价值变了。
员工会问：工具是你买的，流程是你改的，为什么成本要我来承担？
这才是 AI 裁员真正尖锐的地方。
不是模型能不能写代码。
不是客服机器人能不能回答问题。
不是质检、运营、设计、法务、财务里的某些步骤能不能自动化。
真正的问题是：技术红利归谁，转型成本由谁承担。
微软的例子很有代表性。
Satya Nadella 曾经说过，在微软部分项目或代码仓库里，约 20% 到 30% 的代码已经由 AI 生成。
这句话如果放在两年前，更多人会把它理解成技术展示。
现在再看，它也是组织调整的前奏。
当一个团队的代码产出里，有五分之一甚至三分之一可以由 AI 参与生成，管理层很自然会追问：还需要这么多人吗？还需要这么多初级执行岗位吗？还需要这么多中间层做分发、检查、汇总吗？
这不是说程序员会整体消失。
复杂系统仍然需要人。需求拆解、架构判断、代码审查、线上事故、业务取舍、安全边界，都不是简单把 prompt 写好就能解决。
但岗位结构会变。
最容易被挤压的，是那些主要承担可拆解、可验证、可批量复制任务的人。
写样板代码的人。
做重复测试的人。
按固定规则检查内容的人。
把信息从 A 系统搬到 B 系统的人。
过去这些岗位的价值，来自公司没有更便宜的组织方式。
现在 AI 给了公司新的组织方式。
于是，公司开始重新定价这些岗位。
问题不在于公司能不能追求效率。
公司当然可以追求效率。
问题在于，公司不能把“我主动选择引入 AI”包装成“劳动合同已经客观无法履行”，然后把转型成本直接推给员工。
中国法院已经给出过一个很具体的答案。
杭州中院、余杭法院披露过一起 AI 替岗劳动争议。
员工周某，35 岁，在一家科技公司做 AI 大模型问答质检主管，月薪 25000 元。
公司后来认为，AI 已经可以替代部分质检工作，于是要求对周某调岗降薪，月薪从 25000 元降到 15000 元。
周某不同意。
双方协商不成，公司解除劳动合同。
公司给出的理由，本质上就是岗位被 AI 改造了，原来的合同无法继续履行。
但法院没有接受这个逻辑。
法院认为，用人单位主动引入 AI，不当然属于劳动合同订立时所依据的“客观情况发生重大变化”，也不当然导致劳动合同无法履行。
最后，法院认定公司违法解除，并支持了周某约 26 万元的 2N 赔偿。
这个案子的意义，不只是一个员工拿回了赔偿。
它真正重要的地方在于，法院把一句话说清楚了：企业不能因为自己选择了技术路线，就单方面重写劳动关系里的风险承担。
AI 是公司引入的。
流程是公司改造的。
岗位是否消失、是否合并、是否降级，不能只由公司一句“AI 可以替代”来决定。
否则，所谓技术进步就会变成一种很方便的管理话术。
企业享受 AI 带来的效率红利、估值红利、利润红利。
员工承担薪酬下降、岗位消失、职业路径中断的成本。
这不是创新。
这是风险外包。
所以，讨论 AI 裁员，不能只讨论“会不会被替代”。
更应该问的是：替代发生时，公司有没有给出可验证的业务理由？有没有提供培训？有没有真实协商？有没有合理调岗？有没有匹配补偿？
如果没有，那它就不是技术升级。
它只是借技术之名重新压低劳动价格。
企业当然有压力。
微软这样的大公司都在一边加码 AI，一边压缩人力成本，更不用说现金流更紧的小公司。
AI 基建不是轻资产。算力、数据、工程团队、云资源，都会把利润表压得很难看。
管理层必须向投资人解释：这些钱花出去，效率在哪里，回报在哪里，组织杠杆在哪里。
但企业有压力，不等于员工天然要买单。
经营风险，本来就是企业作为组织者需要承担的风险。
员工可以配合变化，可以学习工具，可以接受合理调整。
但这不等于员工必须接受单方面降薪、低质量调岗，或者被突然定义为“已经没用了”。
真正成熟的 AI 转型，应该有几个基本动作。
第一，先把岗位变化说清楚。
不是一句“AI 能做”，而是列出哪些任务被自动化，哪些任务被增强，哪些任务仍然需要人负责。
比如质检岗位，AI 可以先筛查、打分、聚类、发现异常。
但质检标准谁制定？误判谁复核？模型偏差谁纠正？用户投诉谁闭环？业务规则变化谁同步？
这些都可能是新岗位的一部分。
如果公司只是把月薪 25000 的主管压成月薪 15000 的执行岗，却没有说明职责结构如何变化，这很难叫合理调岗。
第二，培训要走在裁撤前面。
很多企业嘴上说员工不适应 AI，实际上从来没有认真培训过员工。
发一个账号，开一次分享会，丢几篇文档，不叫转型。
真正的培训，是把 AI 放进具体业务链路里。
程序员怎么用它生成测试、排查日志、补齐文档。
运营怎么用它做用户分层、活动复盘、素材变体。
质检怎么用它建立抽检规则、发现异常样本、追踪问题根因。
培训的目标不是让员工“会用工具”。
而是让员工知道，自己在新流程里还能创造什么价值。
第三，协商要是真的协商。
不是把结果通知员工，然后让员工签字。
也不是给两个都很差的选项：要么降薪，要么走人。
AI 改造会影响薪酬、绩效、汇报关系和职业路径，这些都属于劳动关系里的核心利益。
公司要拿出依据。
员工要有表达空间。
调整要有过渡期。
补偿要有诚意。
组织信任不是靠口号建立的。
它是在这种时刻建立，或者破产的。
第四，补偿不能只按最低成本算。
很多公司会本能地追求法律上的最低风险。
能 N 就不 2N，能协商解除就不裁员，能调岗就不补偿。
短期看，这省钱。
长期看，它会把组织里的心理契约打碎。
留下来的人会看见：公司需要你的时候讲使命，不需要你的时候讲算法。
一旦这种认知形成，员工不会再投入长期信任。
最后损失的，仍然是组织能力。
对个人来说，也不能只指望法律保护。
法院可以在违法解除之后支持赔偿。
但法院不能替你重建职业曲线。
赔偿是事后救济，不是职业护城河。
如果一个岗位的主要价值是执行固定动作，那么它迟早会被重新定价。
个人真正要做的，不是简单学习几个 AI 工具，也不是把简历上写满“熟练使用 ChatGPT”。
更重要的是，从执行岗位转向掌握 AI 增强的业务链路。
只会写代码，风险会升高。
但如果你能用 AI 更快理解需求、生成方案、验证假设、定位问题、推动上线，你的价值不只是代码行数。
只会做质检，风险会升高。
但如果你能设计质检标准、训练样本体系、识别模型盲区、把质检结果反馈到产品和运营，你就不只是人工审核员。
只会做运营执行，风险会升高。
但如果你能用 AI 做数据分析、内容实验、用户洞察、增长复盘，你就进入了更靠近业务判断的位置。
AI 会替代一部分任务。
但它也会放大一部分人。
区别在于，你是在流程末端执行指令，还是在流程中段重新设计工作。
前者会被比较成本。
后者会被比较产出。
这就是未来几年职场最现实的分水岭。
不是“会不会用 AI”。
而是“你能不能用 AI 改造一条业务链路”。
回到最开始的微软。
Rule of 70 看起来是温和的自愿买断/退休计划。
AI 写代码看起来是效率提升。
杭州的劳动争议看起来是一个具体的调岗降薪纠纷。
但它们其实指向同一件事：AI 正在把组织里的风险重新分配。
公司想把更多资本投向算力和模型，就会重新计算人的位置。
员工发现自己的岗位被工具挤压，就会重新要求权利和保障。
法律会划出底线。
管理会决定温度。
个人能力会决定下一站。
AI 替代岗位这件事，不会因为我们不喜欢就停止。
但它也不应该被包装成一种无需解释、无需协商、无需补偿的自然灾害。
它是企业的主动选择。
既然是主动选择，就应该承担相应责任。
好的公司，会把 AI 当成组织升级的机会。
差的公司，会把 AI 当成粗暴降本的借口。
好的员工，也不会只等着合同保护自己。
他们会尽快离开单点执行，进入更完整的业务判断、流程设计和 AI 协同。
未来的劳动合同也许会被修改。
岗位说明也许会被修改。
绩效指标也许会被修改。
但在这些文本被修改之前，真正先发生变化的，是那条看不见的线：技术红利和转型成本，到底由谁拿走，又由谁承担。
这条线，才是 AI 时代劳动关系的核心。