岗位影响
本文件回答什么
本文档横向观察哪些岗位族、层级和职业阶段在公司案例与独立研究报告中反复出现。
这里分析的是岗位族和任务组合，不把某个岗位被裁直接写成“被 AI 替代”。只有当公司案例、招聘端信号和独立研究报告可以互相校准时，才提高判断强度。
当前判断
当前证据最强的岗位影响不是“整岗消失”，而是三类变化：
- 支持、客服、办公行政和流程型任务更容易被 AI agent 或自动化系统压缩，Salesforce 是最强公司案例。
- 管理层级、协调岗位和通用公司职能岗位在多家公司被重新评估，但 AI 不是唯一解释。
- 软件、AI 基础设施、技术销售、R&D 和制造自动化相关岗位同时存在增强和重配，说明 AI 对岗位的影响更像“任务结构变化 + 角色要求变化”，不是单向替代。
最需要克制的是早期职业阶段和制造岗位判断。外部研究提示年轻员工和高暴露职业的招聘通道可能承压，但当前公司案例缺少资历层级、校园招聘和岗位级招聘数据。制造岗位还必须区分公司内部员工、外包伙伴和供应链劳动。
证据如何指向该判断
Salesforce 把支持流程、Agentforce 自动化和支持岗位补招压缩连在一起，因此对客户支持/支持工程的判断最强。Amazon、Meta、Microsoft 和 Intel 提供的是管理层级、协调岗位和公司职能岗位被压缩的组织信号，但直接 AI 因果较弱。Nvidia、Microsoft、Meta、Amazon 和 Apple 又显示技术、R&D、AI 基础设施、技术销售和面向 AI 的人才再配置仍在增强。
外部研究把这些公司事实校准到任务层面：Anthropic 和 Microsoft Research 都显示编码、办公/行政、销售沟通等任务族具有较高 AI 使用或适用性；Anthropic Economic Primitives 进一步提醒，复杂任务成功率下降，不能把 AI 可用性直接写成端到端岗位替代。
证据矩阵：岗位/任务族
| 岗位/任务族 | 观察到的公司 | 公司侧证据 | 研究报告校准 | AI 关联 | 替代解释 | 置信度 |
|---|---|---|---|---|---|---|
| 客户支持/支持工程 | Salesforce 最强；Amazon 可能相关 | Salesforce 的 Agentforce 处理支持对话，并有支持岗位补招压缩的报道；Amazon 有客户服务 agent 产品，但没有直接的支持岗位规模关联。证据：E025, E026, E053, E058 | Anthropic 和 Microsoft Research 都出现办公/行政和 API 自动化使用。证据：E098, E112, E113 | 对 Salesforce 职能压缩为强；作为更广泛模式为中等 | 自然流失、外包、支持量变化、岗位重新分类 | 中到高 |
| 招聘/人力资源 | Amazon、Meta | Amazon 受影响岗位据报包括招聘和人力资源；Meta 2023 年重组影响招聘并关闭空缺岗位。证据：E006, E007, E009, E087 | 办公/行政任务暴露度支持可能的工作流自动化，但不能证明公司特定岗位替代。证据：E098, E112 | 弱到中等 | 过度扩张后的招聘放缓、招聘冻结、岗位需求减少 | 中 |
| 项目/产品/协调岗位 | Amazon、Microsoft、Meta | Amazon 华盛顿州报道包括项目/产品/设计岗位；Microsoft 和 Meta 都显示层级或协调岗位压缩。证据：E007, E009, E018, E019 | 研究支持任务级 AI 使用，但不能证明产品经理/项目岗位正在被替代。证据：E089, E090, E115, E116 | 弱到中等 | 扁平化、低优先级项目取消、业务组合简化 | 中 |
| 中层管理/管理层级 | Amazon、Meta、Microsoft、Intel | Meta 和 Intel 明确针对管理层级；Amazon 和 Microsoft 有层级减少报道。证据：E001, E007, E009, E018, E019, E029, E081 | 外部报告对管理者的直接证据较少，主要支持任务/流程变化，而不是层级变化。证据：E089, E115 | 直接 AI 关联弱；组织设计信号强 | 传统扁平化、业务转型纪律、更快决策 | 层级压缩证据高；AI 因果低到中 |
| 软件工程/产品 R&D | Amazon、Microsoft、Meta、Nvidia、Apple | Amazon WARN 报道包括软件开发工程师；Microsoft 成立 CoreAI；Meta 强调工程师比例和 AI 编码工具；Nvidia 扩张以 R&D 为主的技术员工；Apple R&D 支出上升。证据：E007, E020, E061, E066, E067, E071, E088 | 编码仍是观察到的最大 AI 任务族之一，但可靠性随任务复杂度下降。证据：E098, E111, E116 | 双重影响：生产率杠杆和选择性扩张 | 产品组合、AI 基础设施竞争、项目退出、高级人才竞争 | 中到高 |
| 企业销售/解决方案工程/客户成功 | Salesforce、Microsoft | Salesforce 据报一边裁员，一边招聘 Agentforce 销售，并把员工再配置到服务、销售和客户成功；Microsoft 据报从传统销售转向技术解决方案工程师。证据：E022, E054, E055, E064 | 销售沟通和办公工作流显示较高 AI 适用性，企业 API 使用也更偏工作用途和自动化。证据：E098, E112, E113 | 中等；更偏商业化重配而非替代 | 销售生产率压力、市场进入模式变化、产品周期变化 | 中 |
| 制造/运营/供应链 | Tesla、Intel、Apple、Nvidia、Amazon | Tesla 同时出现员工削减、AI 计算和产线爬坡；Intel 在制造/代工业务压力下裁员；Apple 和 Nvidia 依赖供应链杠杆；Amazon 使用机器人和履约自动化。证据：E033, E037, E049, E060, E072, E075, E076, E077 | 当前报告对数字、办公、软件任务的支持强于工厂劳动；制造相关判断需要谨慎使用。证据：E089-E092, E110-E118 | 混合；战略性 AI/自动化关联强于直接替代证据 | 需求周期、利润率压力、CapEx 节奏、外包制造 | 中 |
| 初级岗位/早期职业通道 | 公司案例较弱；外部报告较强 | 当前公司案例没有提供可靠的资历层级或校园招聘数据。 | Anthropic 和 Stanford 报告显示，高暴露职业中可能存在早期职业阶段或招聘通道影响。证据：E092, E096, E097 | 合理但当前公司样本尚未证明 | 宏观招聘放缓、空缺岗位减少、绩效标准提高、校园招聘预算削减 | 公司案例为低；外部劳动市场信号为中 |
解读规则
- 不把某个岗位被裁员直接等同于该岗位被 AI 替代。
- 不把招聘减少直接等同于岗位消失。
- 不把员工个人叙述直接推广为公司整体。
- 同时看裁员岗位、新增岗位、内部转岗和资本/系统投资。
- 如果只有媒体提到“AI 可能影响岗位”，不得写成公司案例事实。
- 对制造、供应链和硬件岗位，必须区分公司内部员工、外包伙伴和供应链就业。
判断边界
当前不能把岗位影响写成确定的职业消失清单。更稳妥的表达是：
- 某些任务和流程更容易被压缩；
- 某些岗位职责会重组；
- 某些岗位族会增强；
- 某些职业阶段可能承压，但公司级证据还不足。