最近 Coinbase 和 Cloudflare 的裁员动静很大，很多同行都在算“省了多少人力成本”。但如果我们只看到“降本”，那就把这事儿看浅了。
这两家公司的动作，本质上是在重置“人机配比”。AI 不是来帮忙干杂活的，它是来重新定义“谁该拿这份工资”的。
一、 别误判：这不是裁员，是“发工资的逻辑”变了
Coinbase：干掉“传声筒”，工资留给“指挥官”
Coinbase 这次裁了不少中层。为什么？因为 AI 把“进度跟踪、报告生成、代码审查”这些“信息中转”的活儿全包了。以前你管人叫“管理”，现在 AI 眼里，只动嘴不动手的“纯管理者”性价比极低。工资开始向那些能驾驭 AI 复杂度、能做策略判断的人倾斜。
Cloudflare：AI 是“新员工”，人是“教练”
Cloudflare 内部 AI 代理的会话量三个月涨了 600%。这意味着 AI 成了新劳动力，原有的“人头编制”逻辑被打破了。薪酬锚点从“你管多少人”变成了“你指挥多少 AI 代理”。
同行视角的真相：这不是又一轮互联网泡沫破裂，这是工业革命以来最彻底的生产关系重置。要么学会用薪酬体系驾驭 AI，要么被 AI 优化掉。
二、 薪酬逻辑崩塌：为什么“计件思维”在 AI 时代是灾难？
如果我们还用“工时”或“产出量”考核知识员工，AI 会刷出天文数字的垃圾产出。这里有三个死穴：
- “苦劳”归零：AI 让基础脑力劳动（写代码、做 PPT）成本趋近于零，我们再也不能为“加班”付费了。
- 管理岗贬值：传统的“管理幅度”定价失效。一个管 10 个人的经理，可能不如一个能指挥 AI 搞定复杂项目的独立工程师值钱。
- KPI 通胀：传统的 OKR/KPI 极易被 AI “刷单”。必须引入质量红线和复杂度系数，否则考核全是水。
三、 实操干货：构建“AI 能级”薪酬评估体系
面对这种变革，建议从传统的“岗位工资”思维，转向“AI 能级”薪酬模型。核心逻辑是：奖励决策杠杆，而非体力消耗。
1. 建立“AI 能级”评估维度：为“驾驭力”定价
别再单纯按 P6、P7 定薪，引入“AI 赋能价值”作为任职资格的重要维度：
- 工具层（L1）：会用 Copilot 等基础工具，提升个人任务效率。这类员工拿基础工资，按原有岗位价值评估体系定薪，无额外溢价。
- 流程层（L2）：能重构团队工作流，将 AI 嵌入 SOP，提升团队整体效能。这类员工建议给予能级津贴，在岗位工资基础上给予一定溢价，但需通过“AI 能力认证”。
- 策略层（L3）：能用 AI 解决模糊性、高判断类业务问题（如市场策略、复杂 Bug 定位）。这类员工属于稀缺溢价，进入高薪谈判区，薪酬锚点对标外部“AI 指挥官”市场价。
关键区别：工资不再取决于你“知道多少”，而取决于你“能用 AI 解决多复杂的问题”。建议将“AI 能级”纳入任职资格评审，由业务专家与 HR 共同认证，而非仅依赖使用时长统计。
2. 设定“动态基线”：防止内卷式刷数据
这是防内卷的关键。基线不是天花板，而是及格线。
- 基线以下：基本绩效，拿基础工资。
- 合理超额区：给予高激励系数，奖励真实效率提升。
- 极度超额区：启动质量审查，疑似刷数据者给予低系数甚至惩罚。
逻辑：鼓励效率，但惩罚无意义的“卷工时”。
3. 非研发岗位的量化模型：从“产出量”到“决策杠杆率”
非研发岗不能用“代码行数”，要用“决策杠杆率”：
- 市场岗：考核内容杠杆率 = (AI 生成占比) × (自然流量/成本)。重点奖励用 AI 做策略分析的人，而非单纯发稿的人。
- HRBP 岗：考核组织诊断速度（AI 分析敬业度数据的速度）和人才匹配精度（AI 筛选的通过率）。重点奖励能设计 AI 赋能流程的 BP，而非算考勤的 BP。
四、 态度：要么重构薪酬，要么被 AI 优化
Coinbase 和 Cloudflare 的案例告诉我们一个残酷的事实：AI 不是用来辅助人的，人是用来校准 AI 的。
- 对薪酬管理者：如果你还在用传统的岗位评估体系给 AI 指挥官定薪，你留不住核心人才。必须有意识地设计“面向 AI 代理的组织架构”，否则效率提升只会带来混乱。
- 对个人：“纯执行者”和“纯管理者”是最危险的物种。安全区属于“AI 指挥官”——能设计 Prompt、能判断 AI 输出质量、能重构流程的人。
最后一句：这不是又一轮互联网泡沫破裂，这是工业革命以来最彻底的生产关系重置。要么学会用薪酬体系驾驭 AI，要么被 AI 优化掉。
查看未读消息
查看最新消息
