KeyFrame內部研究專用

💥 賺翻天還要裁員!微軟自爆最恐怖真相:這不是AI搶飯碗,而是打工人的末日訊號!😱

獨特見解22 min中文
觀看原始影片

三句話摘要

微軟在財報向好的情況下仍裁員,揭示AI時代企業不再需要用「成長=招人」模式運營,就業市場正在悄無聲息地收縮。 微軟不只是在裁員,而是在用行動告訴市場:AI時代企業可以邊賺錢邊減人,就業安全不再來自公司成長,而取決於你的工作是否能被AI輔助後用更少的人完成。 公司成長與就業成長脫鉤 — 過去公司業績好自然多招人;現在企業可以同時實現收入成長、利潤成長,卻減少或凍結招聘。微軟就是活生生的案例:財報漂亮,人力預算卻被AI基礎設施投資吸走,資源優先流向算力和資料中心,而非員工。

重點整理

  1. 公司成長與就業成長脫鉤 — 過去公司業績好自然多招人;現在企業可以同時實現收入成長、利潤成長,卻減少或凍結招聘。微軟就是活生生的案例:財報漂亮,人力預算卻被AI基礎設施投資吸走,資源優先流向算力和資料中心,而非員工。

  2. AI成為官方合法的裁員理由 — AI不只是技術工具,更是資本市場最容易接受的人力調整藉口。說「裁員」會引發擔憂,說「AI轉型、優化組織、提升效率」則投資人叫好。這層心理包裝讓企業有更大空間進行人力壓縮。

  3. 看不見的機會消失最危險 — 不是已裁的人,而是原本應該被創造但沒創造的職位。公司凍結headcount、招聘頁面縮水、部門有人離職不補人——這些都難以統計,但對求職市場傷害同樣致命,尤其打擊初級崗位,斷裂人才梯隊。

  4. AI改變是「每個職位需要多少人」,而非「工作本身消失」 — 銷售寫郵件改由AI輔助,公司就問「是否能少招銷售」;咨詢初稿由AI生成,公司就問「junior是否必要」。AI的真正威力在於壓縮組織規模,而非直接替代,這種「微幅提效導致結構性減員」是最隱形但最持久的衝擊。

實用技巧與重點

  • 數據與規模:
  • 微軟Q3營收829億美元(年增18%)、經營利潤384億美元(年增20%)
  • 微軟計劃裁員2.5%(全球員工超過20萬,涉及數千人)
  • 2025年7月裁員~4%(約9,000人);5月裁員~6,000人
  • 美國2026年6月失業率4.2%、非農新增57,000個職位
  • 4月5月就業數據被下修74,000
  • 6月宣布裁員45,849人,AI佔31%(14,029個職位)
  • 今年AI已被引用在超過101,000個裁員公告
  • 微軟研究發現:
  • 分析20萬條Bing Copilot對話,高暴露職業:知識工作、辦公室行政、銷售、資訊溝通
  • 強調「AI applicability ≠ job displacement」(適配度≠崗位消失)
  • 受影響行業:
  • 科技先行,後續波及:金融、法律、咨詢、教育、媒體、行銷、客服、行政、保險、房地產、醫療
  • 任何涉及寫作、整理、搜索、溝通、標準分析、流程處理的職位都面臨結構調整
  • 微軟Copilot集成:
  • 嵌入Microsoft 365(Word、Excel、PowerPoint、Teams、Outlook)
  • 企業採購後自然會問:既然每人產出提升,能否少招人?
  • --

結論

微軟不只是在裁員,而是在用行動告訴市場:AI時代企業可以邊賺錢邊減人,就業安全不再來自公司成長,而取決於你的工作是否能被AI輔助後用更少的人完成。

完整解析

微軟的這波人力調整看似矛盾,實則邏輯清晰。公司2026年Q3財報漂亮得不能再漂亮——營收829億美元年增18%,經營利潤384億美元年增20%。Azure在成長、Microsoft Cloud在成長、Copilot在推進。但就在這種增長背景下,微軟計劃削減不到2.5%的員工,涉及Sales、Consulting、Xbox Gaming等部門。更關鍵的是,這不是孤立事件:2025年7月裁員近4%(約9,000人),5月還有6,000人的裁員。這是一條持續的線。

表面上,人們習慣性地歸因於「AI搶飯碗」。但這個解釋只抓住了表層。微軟真正透露的是就業市場的根本性轉向:從「公司擴張=招人」變成了「公司擴張≠必然招人」。過去的邏輯很簡單——業績好就多招人、收入增長就擴團隊、新業務就開新崗位。現在這套邏輯開始失效。微軟不是因為沒錢才裁人,而是因為它覺得錢要花在別的地方:GPU、資料中心、雲端運算容量、AI人才、Copilot生態。錢流向了機器和算力,而非人力。這就是AI時代的融資方式——企業要維持利潤率給股東交代、要砸數百億做資料中心,就必須在別處擠錢。人力成本是企業最大的成本之一,自然被盯上。

但更冷的現實是,美國整體就業市場也正在變冷。官方失業率看似還好(2026年6月4.2%),但細節卻在說謊:6月非農只新增57,000個職位,4月和5月數據還被合計下修74,000。勞動參與率降到61.5%——這不是大家都順利找到工作,而是一部分人退出了勞動市場,不再被失業率完整反映。真正的變化是「低裁低招」:公司不大規模開刀,但也不給你太多進來的機會。招聘頁面少了幾個崗位、HR凍結了headcount、經理說先用Copilot頂一下。這些都不會出現在裁員公告裡,但對就業市場傷害同樣致命。

微軟的另一份研究很有啟發性——分析了20萬條Bing Copilot對話,發現使用者最常用AI做的是資訊蒐集、寫作、教學建議與溝通。微軟還計算了「AI applicability score」,量化某些職業任務和生成式AI的重疊度。但這裡有個關鍵澄清:applicability不等於job displacement。一個職位的任務適合AI輔助,不等於這個崗位明天就消失。真正發生的更像這樣:某項工作裡的30%任務被AI加速了,公司就開始問「能不能少一個人」。以前10個人配團隊助理,現在8個人加Copilot能不能做掉?以前junior做資料整理和初稿,現在senior帶著AI能不能直接上手?這才是最現實的衝擊——AI不直接取代整份工作,而是壓縮崗位數量。

這個邏輯會蔓延到所有行業。金融分析師會發現AI能整理財報、提取數據、生成初步報告;律師助理會發現AI能檢索案例、起草文件;客服會發現AI能處理標準問題;程式設計師會發現AI能寫樣板程式碼、解釋錯誤。這些職業不會一夜消失,但每個職位的任務結構會變,招募需求就會跟著變。最危險的不是有經驗的人,而是剛入場的人。初級崗位本來就是訓練場——新人透過重複工作學行業、學判斷、學客戶。現在AI直接接管這些重複環節,公司會覺得初級員工不划算。問題是,如果沒有初級員工,未來高階人才從哪裡來?這是很多公司還沒算清楚的帳。短期看砍junior很爽,成本馬上下降;長期看人才梯隊斷了,幾年後公司會發現市場上全是缺經驗的人和太貴的老手。

最後,AI還改變了企業對人力的預期。以前企業買工具是為了幫人做得更好,現在企業買AI是為了少花時間、少犯錯、少用人、提高產出。如果AI不能幫企業減少成本或增加收入,企業不會大規模採購。換句話說,AI的商業價值裡天然包含「壓迫勞動需求」這一項。這意味著就業成長和公司成長會開始脫鉤。未來的員工安全感不能再來自「公司很大、行業很熱、財報很好」——這些都不夠。真正重要的是,你的崗位是否處在公司願意繼續投資的人力環節裡。如果工作主要是搬運資訊、整理格式、寫標準文本、重複溝通,風險就高。如果工作涉及客戶信任、複雜判斷、業務責任、跨部門推動、創意決策、現實世界執行,風險相對低。但也要警惕一個陷阱:當所有人都學會AI時,AI技能本身也會快速貶值。真正值錢的是能用工具解決真實業務問題、能判斷AI哪裡錯、能管理AI帶來的風險。

4 min
AI 技術中文11月21日

Make.com Automation for Beginners: Your First Automation in 10 Minutes

AI Workflow Lab看原片 ↗
  • Make 的核心是「情景」(Scenario) 概念,由多個模組組成,每個模組執行一個應用程式的單一工作。當第一個應用程式中發生事件時,Make 自動將資料傳遞到下一個應用程式,就像一個從不睡眠也不遺忘的數位助手。
  • 映射 (Mapping) 是自動化的核心。使用者需要明確告訴 Make 每筆資料應該放在哪裡,確保表單欄位正確對應到試算表的列,以及郵件內容能夠動態插入客戶資訊。
編輯精選
企業管理英文11月21日

What Anthropic's $900 Billion Bet Means for You

Nate Herk看原片 ↗
  • 訂閱用戶成為上市公司的收益基礎:4000 萬名小客戶(含 Claude Pro、Max、Ultra 或 API 用戶)合計貢獻 25% 的收入,形成 Wall Street 下注的對象。用戶每次訂閱續約都直接影響 Anthropic 股價,
  • 循環融資制造生態系統性風險:Amazon、Google、Broadcom 與 Nvidia 等公司既是投資者、又是運算服務提供商,同時採購 Anthropic 服務,形成相互依賴的閉環。若任一環節需求放緩,所有參與者將同時受創,系統風險無法
編輯精選
AI 技術英文11月20日

6 Lessons I Learned From Installing AI in a $10M Business

Liam Ottley看原片 ↗
  • AI 負責前 80% 工作,人的品味決定最後 20% — 系統一開始生成的提案很基礎,直到 Isaac 的設計師介入決定風格、選擇產品後,品質才大幅提升。需要將品味優秀的員工的規則和案例提供給 AI,讓初版更接近他們的標準。
  • 聚焦單一瓶頸,不要全面改造 — 分析發現提案環節是最大痛點:每月 15-20 張圖、每張 10 小時、成本 $500-1000、9 成無結果。選擇同時改善速度、成本、品質的用例,才是 AI 真正發揮價值的地方。