路透社显示人工智能职位削减，但生产力提升讲述了另一个故事

路透社上周报道称，几家大型科技公司减少了与常规分析和内容生产相关的职位人数。这些裁员是在这些公司内部广泛部署大型语言模型之后发生的。

各公司的数字有所不同，但模式一致。曾经负责数据标注、基础报告和初稿撰写的团队缩减了15%至30%。经理们将模型视为直接原因。

同一组织内部的生产力呈现出不同的情况。大多数受影响部门中，剩余员工的人均产出有所上升。部分团队在单个季度内实现了超过25%的增长。

职位流失与产出增长之间的差距是核心事实。 这提出了一个比大多数报道更窄的问题。这些裁员是暂时的再平衡，还是更小规模的劳动力将保持更小的开端？

路透社数据追踪的裁员

该文章提到了六家明确披露与AI采用相关的裁员公司。其中四家运营大型消费互联网平台，两家提供企业软件。在每种情况下，所述目标相同：用自动化系统取代重复的中层工作。

一家公司在内部工具开始生成初版报告后，从其市场研究部门裁减了180个职位。另一家公司在模型处理40%的常规回复后，减少了客户支持写作人员。该模式在样本中重复出现。

该组中没有公司宣布计划稍后恢复这些职位。几家公司表示将在模型监督和数据质量等新领域招聘。这些新职位目前仍少于已裁减的职位。

使情况复杂化的生产力数字

与路透社分享的单独内部指标显示，尽管人员减少，产出仍在上升。一个分析团队将人员减少22%，但在同一时期完成了31%的更多研究。另一个内容团队裁减了15名作家，仍在没有额外加班的情况下达到了月度发布目标。

收益来自两个来源。模型处理了初稿和数据提取。剩余员工将更多时间用于审查和综合。这种结合提升了测量的吞吐量。

这些结果与美国劳工统计局 earlier 对其他行业自动化影响的追踪研究一致。工人人均产出通常在初始置换后上升，然后在流程调整后稳定在更高水平。

谁现在面临压力

直接压力落在任务处于模型当前能力范围内的中级知识工作者身上。在几家列出的公司中，需要大量监督的入门级职位已经下降。

经理们报告说，他们现在指派一名高级审阅者处理以前由三名初级分析师完成的工作。这名高级员工审查模型输出，而不是从头生成。剩余职位的薪酬有所上升，但该职能的总工资已下降。

招聘模式反映了这一转变。在研究公司中，纯数据标注或基础报告起草的职位发布急剧下降。提示工程和模型评估的职位发布有所增加，尽管基数较小。

讨论中的核心权衡

核心权衡是特定任务中较低就业与剩余工人较高产出之间的关系。公司获得效率。失去职位的工人面临更窄的选择，除非他们快速获得新技能。

一些分析师认为，效率提升最终会在相邻领域创造对人类判断的新需求。其他人指出，过去自动化浪潮中，生产力增长并不总是转化为净就业创造。当前数据集太新，无法解决这一问题。

路透社文章并未声称科技就业总数永久减少。它记录了某一类角色中可衡量的下降，而该类角色的产出持续上升。这一有限发现是需要后续追踪的内容。

仍未解决的风险

一个开放的风险是，一旦最简单的任务自动化，生产力收益是否会继续。早期改进通常来自低垂的果实。后期收益需要更深入的整合，可能会放缓。

第二个风险是技能不匹配。从常规分析角色中被取代的工人可能无法在没有针对性培训的情况下顺利转向模型监督职位。公司尚未公布与这些具体裁员相关的详细再培训承诺。

第三个风险涉及测量。一家公司内部的生产力数据可能反映项目组合的变化，而非纯粹的效率。对报告收益的外部验证将加强AI本身推动变革的说法。

未来一个季度要关注的信号

追踪这六家指定公司未来三个月的新职位发布。知识工作角色总数持续下降将支持裁员是结构性的观点。

关注同一公司的季度生产力报告。如果人均产出保持或进一步上升，而人员保持不变，效率叙述将获得更多支持。

关注收益评论中是否提及在自动化职能中重新招聘。早期排除恢复的声明将表明更长期的劳动力减少。

路透社的发现并未证明AI将消除整个经济中的大量工作。它们确实表明，在几家大型组织中，特定角色缩减，而测量的产出上升。这一局部结果是随着更多数据到来值得追踪的内容。