最近Threads上有網友指出，自己近期因為企業AI轉型遭裁員，即便自己當初還認真學習這個新科技不落人後。這樣的故事是真的嗎？企業裁員不一定都是真的被AI取代，但到了2026年，即便AI仍不完美，但已足以讓管理層相信，可以先減少部分白領工作。從Snowflake整個技術寫作團隊被砍，到Atlassian、AWS一邊推廣AI工具、一邊縮編，新的失業潮不再只是預言，而是當下組織重寫工作分工的現實。為何擁抱AI的人類員工仍會被取代？這一波最容易被替代的會是誰？
「我今天被裁員了。如果有人知道有適合我的職缺，請告訴我。謝謝！」原先在Snowflake擔任資深技術文件工程師的烏爾巴諾（Randy Urbano），在個人LinkedIn上向他的社群網絡發出求職訊息。
然而，他並不是孤例。在另一個討論串裡，他的同事薩加尼奇（Al Saganich）、也同樣是資深技術文件工程師，表示團隊都遭到裁撤，而且他們在離開前，「正在把文件改得更適合AI使用」。
換句話說，這些技術寫作者把產品知識整理成更容易被大語言模型、程式Agent調用的形式，同時也將自己送上斷頭台。
先前談論AI帶動的失業潮時，多半指的是企業將裁員省下來的成本，轉頭投入建設AI基礎建設，或者管理層以AI之名削減成本，藉此對董事會和投資人交代。
然而，Snowflake這類削減職位的案例顯示，有些工作真的因為AI與自動化改變了工作切分方式，而變得更容易遭到裁撤。
（延伸閱讀：全美裁員風暴延燒！AI成企業精實白領職位新藉口？）
他們讓機器讀懂產品，公司讓他們走人
根據《Business Insider》報導，經營雲端數據平台服務的Snowflake，本月（3）將技術寫作與文件團隊全數裁撤，約有70名員工受到影響。Snowflake的發言人表示：「這些舉措旨在調整團隊，使其與Snowflake的長期策略保持一致。」
技術寫作與文件團隊時常被認為屬於支援功能，但到了AI時代反而變得更加關鍵。原因在於，文件的讀者早已不只是人類，除了工程師與產品經理，模型供應商、程式助手乃至於AI Agent，也都依賴文件理解產品結構、API邏輯與使用情境，進而完成呼叫、整合與決策。
也正因此，文件的重要性不減反增，甚至成為決定產品能否被AI正確使用的關鍵基礎設施。
在這樣的脈絡下，Snowflake這一刀才顯得格外諷刺。
若借用當前AI產品的語言，這群技術寫作者在離職前所做的工作，本質上正是在替公司打造可被模型調用的「技能」（skills）：他們將零散的產品知識轉譯為結構化、機器更易理解的文件，降低AI掌握資訊的門檻，也讓代理能夠更順利地操作系統。
當這套知識基礎設施逐步成形、運作愈發順暢之後，人卻被抽離出系統之外。原本負責讓機器理解世界的人，替AI完成了取代自己的最後一步，接著就在非自願的情況下「功成身退」。
不只是Snowflake，其他科技公司也紛紛高舉AI大旗，對員工動刀。
以專案追蹤軟體Jira聞名的Atlassian，也在3月一口氣裁掉1600人，約占總員工數一成。
裁員波及的不只支援職能，也包括工程、產品與設計等核心部門，甚至有人本來就站在把AI導入產品的第一線。
《衛報》報導裡，化名Rebecca的前員工就說，公司導入、與員工協作的AI代理工具宛若隊友（teammate），確實提升工作效率，但還不到可以取代真正人類工作者的程度。
他們原本以為自己因為最懂AI、也最會用AI，所以會是相對安全的一群，結果不然。
企業並沒有等到AI能獨立完成工作才開始裁員。對管理層來說，只要AI能夠讓少數員工在某些任務上做得更快，就足夠他們重新計算人力成本。
Atlassian共同創辦人布魯克斯（Mike Cannon-Brookes）雖然向員工強調，公司不是利用AI取代人，卻也明白承認，AI改變了公司需要的技能組合，以及某些領域所需的職位數量。
用AI修AI的bug，手寫程式碼則成為訓練燃料
另一間科技巨頭亞馬遜和其雲端服務AWS也有類似案例。
亞馬遜去年（2025）便預告將裁撤約3萬名企業員工。與此同時，他們也在內部強推AI工具Kiro，要求工程師提高使用率，並追蹤團隊採用情況。
有員工向《衛報》表示，利用AWS開發出的AI整合開發環境Kiro，時常產出帶有缺陷的程式碼，但公司又會要求自己使用AI，那種感覺有如利用AI解決AI製造出來的問題。
此外，他們也擔心自己使用這些AI工具，最後都將為機器作嫁，成為訓練AI的燃料。
另外，也有工程師在社群上分享，公司因應AI coding浪潮，要求工程師們大幅提高Pull Request數量，甚至每天在站立會議（standup）報告PR進度，導致工程師壓力暴增、更多人離職，留下來的人再承受更大工作量。
雖然AI尚未完美，但考慮到它能帶來的效益，讓公司找到新的理由，將AI變成提高績效要求的槓桿。
（延伸閱讀：多數企業導入AI失敗，因主管ChatGPT沒用到這功能）
將Snowflake、Atlassian與AWS的案例並置，能夠看出清晰的變化。
AI沒有突然全面接管工作，而是企業先將原本複雜的任務拆解為更細的流程，再逐步判定哪些環節可以減少人力。
像技術寫作、產品設計與程式開發，原本高度依賴溝通、經驗與知識整合，很難被一句「AI可以取代」簡化。
然而，一旦企業認定AI能先承接其中一部分流程，其餘再交由更少數的資深人力進行審核與補強，組織自然會朝向以更少人完成更多工作的方向發展。
AI不必完美，只要夠好用就能吞掉職缺
其他案例也在呼應這種趨勢。Crypto.com宣布裁員12％時，明確指出正將AI整合進整體營運流程；Pinterest裁員上看15％，也提到把資源重新配置到AI導向的角色與產品。
這些公司未必都有Snowflake那樣直接的職務替代案例，但共同點在於將AI納入成長敘事，組織縮編就不再只是成本考量，而被包裝為轉型的必要選擇。
當然，這並不代表所有裁員都源自「AI已經取代人類」。
以Meta近期傳出的裁員規劃為例，背後的核心邏輯仍是AI基礎設施投資成本高昂，企業需要騰出更多資本支出空間。與其說是AI取代人，不如說是企業重新配置資源。
真正的轉折在於，AI不需要做到完美。只要它能完成足夠多的工作，再搭配更高強度的管理、更細緻地拆分流程，以及更低的容錯空間，就足以讓企業相信，可以放手讓AI吞噬職缺。
當企業開始在每一道流程中反覆提問：「這一步，還需要人嗎？」而這個問題同時出現在文件、設計、產品與工程等各類知識工作中，白領世界的寒冬，已經不是預言，而是進行式。
