💡 核心結論速覽 (TL;DR)
- Uber 砍 3,300 人（全球員工 10%）的公告裡，一次都沒提 AI：官方理由是管理層級太多、決策太慢，省下的錢要投進叫車、外送與無人計程車。
- 但這正是重點：裁員的驅動力不是「AI 能不能取代你」，是「公司要把錢挪去哪裡」。Amazon、Meta、Microsoft、Oracle 合計裁掉近 5 萬人的同期，正把數千億美元砸進 AI 資料中心。
- 反證比正證更值得看：Orgvue 與 Forrester 兩份研究都顯示，曾用 AI 當理由裁員的企業有 55% 事後承認裁錯——連裁錯了都還在裁，代表按下按鈕的不是技術評估，是預算表。
- 怎麼做：先分清楚你的收入是「做一次收一次」還是會累積，再用三個訊號檢查你的公司。但別把 AI 本身當護城河——它正在讓「生產」變便宜，還值錢的是發行管道、判斷力與關係。
一家公司宣布裁掉 10% 的人，公告裡卻一次都沒提到 AI——你會怎麼解讀？
我的第一個反應是：那更值得看。因為當一家公司願意把真正的理由寫出來，它通常比那些把 AI 拿出來當擋箭牌的公司誠實得多。
2026 年 9 月 2 日，Uber 宣布裁減約 3,300 個職位，相當於全球員工的 10%，是它疫情以來最大規模的一次。我把整份公告和幾家外媒的擷取版本對過一遍，理由寫得很清楚：管理層級太多、決策太慢、權責重疊。省下來的錢要投到叫車、外送，還有無人計程車。
沒有 AI，一個字都沒有。
但我認為這件事恰恰把這一波裁員的真正機制講明白了。接下來我想把幾件事拆開講：錢實際上流去了哪裡、為什麼有 55% 的公司承認裁錯了卻還在裁、遠端工作被砍到 1% 是不是所有公司都該跟進，以及在這種結構下，一個上班族該把力氣放在哪裡。
Uber 砍 3,300 人的公告我讀完了：它一次都沒提 AI
Uber 這次裁員的官方理由是組織太厚，不是人力太貴。執行長 Dara Khosrowshahi 在給員工的備忘錄裡寫的是：公司蓋出新產品、進了新市場、變得更大也更強，「但那樣的成長也帶來了複雜度：更多層級、更多協調、更破碎的權責，有些在業務還小的時候說得通的結構，到了現在的規模已經不再適用。」
具體動了什麼，數字很明確：
❶ 管理職位減少 20%。不只是裁掉，還有一部分主管改任「不帶人」的專業職。
❷ 砍掉執行長以下超過 7 層的組織結構。也就是說，如果你的位置離 CEO 隔了八層以上，那個層級本身就被拿掉了。
❸ 遠端職位全面取消，只有不到 1% 的員工還能遠端。絕大多數原本遠距的人被要求回辦公室，優先集中在舊金山和紐約兩個據點。
❹ 省下的資源投向叫車、外送與 robotaxi（無人計程車），工程、科學與外送部門也做了合併。
這裡要先講清楚一件事，免得後面的推論被誤讀：這份公告沒有把 AI 列為裁員理由。我不會把它寫成「Uber 因為 AI 裁員」——那不是官方說法，也不是我要主張的東西。
（另外一件事值得對照著看：根據中文財經媒體報導，Uber 在 2026 年 7 月還有另一波裁員，砍掉客服營運部門約 10% 的人力，那一次的理由才明寫是「擁抱 AI」，原本遠距的相關員工同樣被要求遷往據點辦公。）
那為什麼還算 AI 裁員？看錢流去哪就懂了
因為裁員的驅動力從來就不在「這個職位 AI 做不做得來」，而在「這筆錢還能不能留在這裡」。這是我看這一整波裁員最核心的判斷。
把 Uber 的兩件事並排：一邊砍 3,300 人與 20% 的管理職，一邊把資源加碼到無人計程車。無人計程車是什麼？是一個需要長期燒錢、燒到看不到盡頭的自動駕駛事業。它不會在下一季賺錢，但它是 Uber 認定的未來。
要餵這種事業，錢只能從兩個地方來：多賺一點，或者少花一點。多賺一點很難、也慢；少花一點快，而且立刻反映在財報上。
這不是 Uber 一家的樣態。攤開 2026 年的科技業，會看到同一組動作在不同公司重演：
❶ Uber：裁 3,300 人（10%）、管理職砍 20% → 錢挪去叫車、外送與無人計程車。
❷ Amazon：第一季砍掉約 16,000 個 corporate 職位，占該季科技業裁員的一半以上 → 錢挪去 AI 基礎建設與資料中心。
❸ Meta、Microsoft、Oracle：與 Amazon 合計裁掉近 5 萬人 → 同期投入數千億美元建 AI 資料中心。
整體規模有多大？兩個常被引用的口徑：TrueUp 統計 2026 年至今有 520 起科技業裁員事件、約 174,721 人；《金融時報》的分析則說美國科技公司今年砍掉將近 140,000 個職位。
兩個數字差很多，因為一個算全球、一個只算美國，統計範圍也不同。我把兩個都列出來，是想提醒看到單一數字時先問它算的是誰——這種數字在社群上最容易被截半張圖亂傳。
裁掉的是「維持現狀需要的人」，加碼的是「賭未來需要的錢」。這兩件事發生在同一份公告裡，就是這一波裁員的完整樣貌。
所以我認為，把這波叫「AI 裁員」在字面上不精確、在結構上卻是對的。AI 不是那個按下裁員按鈕的手，它是讓那隻手有理由伸出去的那個投資標的。
55% 的公司承認裁錯了，卻沒有人停下來
如果 AI 真的取代了那些職位，我們應該會看到裁完之後一切照常。但實際數據不是這樣。
人力分析公司 Orgvue 的年度勞動力研究，和 Forrester 的《Predictions 2026》報告，分別得到同一個結論：曾經以 AI 為由裁員的企業裡，55% 的決策者事後承認那個決定是錯的。兩份獨立研究互相驗證，這個數字的可信度比單一調查高。還有研究預測，2027 年之前會出現更多「回聘」。
已經發生的具體案例也不少。福特大規模導入自動化之後，因為 AI 沒辦法辨識複雜的製造瑕疵，最後被迫重新招募數百名資深工程師回來把關。澳洲聯邦銀行裁撤了 40 多名客服、改用 AI 語音系統，結果系統應付不了複雜諮詢，線路大塞車，最後只能取消那次裁員。
這些案例指向同一件事：AI 可以接走「任務」，但很難接走整個「職位」。一個職位裡總有那 15% 是例外處理、跨部門喬事情、判斷這次該不該破例——那 15% 剛好是最難寫進 SOP、也最難交給模型的部分。
但真正讓我覺得應該停下來想一想的，不是這 55%。
而是：明明有一半以上的公司承認裁錯了，裁員還是沒有停。
如果驅動力是「AI 能不能取代這個職位」，那 55% 的失敗率應該足以讓後面的公司踩煞車。它沒有。這說明按下按鈕的根本不是技術評估，是預算表。技術評估會被證據修正，預算表不會——預算表只會被下一季的財報修正。
我知道這個推論聽起來有點冷。但我寧可讀者早一點看懂，也不要抱著「只要我把 AI 學好就不會被裁」的想法去規劃下一步。
學會用 AI 當然有用——我自己每天用 AI 的時數超過 10 小時，它確實改變了我的工作方式，該練哪些能力我整理在 上班派得上用場的 7 種 AI 保命能力。但那是提高你的價值，不是買到保險。這兩件事不一樣。
你不是被 AI 取代，是被「公司要投資 AI」的預算擠掉的
這句話是我對這一整波裁員的結論，也是我認為最該被記住的一句。
把它拆開來看，差別在哪裡：
| 「被 AI 取代」的邏輯 | 「被預算擠掉」的邏輯 | |
|---|---|---|
| 決定的人 | 看你的產出 | 看資源配置 |
| 你能做的事 | 把自己變得更強 | 更強也可能被裁 |
| 發生的時機 | AI 真的做得比你好時 | 公司決定要投資新事業時 |
| 你會收到的訊號 | 工作內容一點一點被拿走 | 沒有訊號，公告當天才知道 |
最後那一列是我覺得最殘酷、也最值得提前準備的。任務被 AI 一點一點吃掉是有預兆的——你會先發現某些工作變得很快、某些會議變得沒必要。但預算重分配沒有預兆，它是一個會議室裡的決定，你在公告當天才知道。
所以我的立場是：「我對公司有沒有價值」跟「我會不會被裁」是兩個問題，不要用第一個問題的答案去回答第二個。
順著這個判斷往下想，會得到一個對很多人來說不太舒服、但我認為必須面對的結論：沒有任何一家公司能保證你永遠不被裁員。就算是那種完全不思進取、只需要有人維持營運的公司也一樣——那種公司不裁你，只是因為它還沒被市場淘汰而已。別人在進步而你原地踏步，本身就是一種退步。
如果你正處在「知道該動，但不知道往哪動」的狀態，我在 35-45 歲中階職場人的 4 個現實評估 裡拆過怎麼先分層再決定，那篇的重點是別急著裸辭；而如果你已經確定要轉，4 類 AI 職位怎麼從原本專業轉過去 那篇有完整的路線。
這一波是結構性改變，還是一輪資本支出週期？
我要在這裡替自己的論點加一個限定條件，因為它會直接改變你該怎麼準備。
前面那個機制我有把握，但有一件事我不敢說死：這一波裁員到底是新常態，還是一輪會結束的資本支出週期？
支持「週期論」的證據其實不弱。現在最直接的動力是 AI 基礎建設的軍備競賽，而軍備競賽會結束——不是投資兌現，就是修正。前面提到的 55% 後悔率、還有 2027 年前可能出現的回聘潮，讀起來都比較像週期性的訊號，不像結構性的。
這個差別不是學術問題，它會導向完全不同的準備方式：
❶ 如果是結構性的——你該永久改造收入結構，把重心從「薪水」慢慢移到「自己的資產」。
❷ 如果是週期性的——你該建現金緩衝、順便升級技能，撐過去就好，不必大動作轉向。
我自己的判斷是兩者都有，但目前被歸到「結構性」的比重可能被高估了。因為週期性那一塊聲音太大——每一次裁員都有人喊「AI 來了」，但真正被 AI 直接取代掉的職位，比例遠低於裁員總數。這也是為什麼我在這篇裡沒有寫「裁員是必然」。
我會這樣說：這一波裁員的決策邏輯已經改變，而且短期內不會逆轉。前面那種說法三年後可能被打臉，後面這種現在就站得住。
那對你的意義是什麼？在兩種情況下都該做的事，才是真正值得做的事。建現金緩衝、讓自己在外部市場看得見、經營一條不靠雇主的收入線——不管這波是三年還是十年，這三件都不會白做。反過來說，「賭 AI 泡沫會破所以不用準備」，是唯一在兩種情況下都會輸的選擇。
遠端工作被砍到 1%，所有公司都該跟進嗎？我的答案是不一定
Uber 把遠端員工砍到不到 1%，是這則新聞裡最容易被誤讀的一段。
我看到不少人的反應是：「你看，連 Uber 都收回遠端了，果然遠端就是會降低效率。」——我不同意這個推論，而且我認為照這個邏輯去改自己公司的制度，很可能改錯。
遠端能不能用，我的判斷從來不是看「業界趨勢」，而是看兩件事：你的公司吃不吃高頻決策，以及你有沒有實體業務。
❶ 高度依賴高頻溝通與即時決策的組織，遠端確實會付出代價。決策一延遲，後面整條線都在等；有實體業務要跑的更明顯，人不在現場就是不行。這種情況下的遠端成本是真的，不是主管的想像。
❷ 決策頻率不高、開會不需要面對面的組織，遠端反而更有效率。尤其那種很常需要分享螢幕的會議——線上開比擠在一個會議室裡看投影機清楚太多了。純軟體公司、或需要跨國找人才的團隊更是如此，硬要把人集中在一個城市，等於自己把人才池砍掉一大半。
Uber 屬於哪一種？它有龐大的實體營運、要跟各地監管機關打交道、還在推一個需要跨部門高頻協作的無人車業務。它選擇集中辦公，我認為是合理的——但那是 Uber 的答案，不是你的公司的答案。
遠端工作不是一個社會趨勢題，是一個公司性質題。適合自己公司的才是最好的，不要因為某家大公司收回遠端，就以為那是普世正確。
還有一個更冷的可能性值得放在心裡：收回遠端有時候根本不是效率決策，是第二輪裁員。
要求原本遠距的人搬到指定城市上班，對其中一部分人來說等於變相解僱——他們會自己遞辭呈，而公司不用付資遣費。這個手法在業界有個說法叫「軟裁員」。
我不能斷定 Uber 是不是這樣打算，公告裡當然不會這樣寫。但把兩件事放在一起看：同一天宣布裁掉 10% 的人，同時把遠端從全公司砍到 1%、要求絕大多數人搬到舊金山或紐約——這個組合至少符合軟裁員的形狀。
如果這個解讀成立，它反而加強了前面的結論：連 RTO 都可能跟生產力無關，而是成本決策。那你就更不該把「某大公司收回遠端」當成效率的證據拿來抄。
如果你是那個要做決定的人，我會建議先誠實回答一題：你想收回遠端，是因為你算得出溝通成本，還是因為你看不到人就不安心？這兩個理由會導向完全一樣的政策，但只有第一個站得住。第二個要處理的其實是管理方法，不是辦公地點——而員工離職的真正原因調查 顯示，讓人走的通常也不是通勤。
管理職砍 20%：為什麼「層級」比「人數」更貴
Uber 這次真正動了刀的地方是管理層，不是基層。管理職減少 20%、超過 7 層的結構整個拿掉、部分主管改任不帶人的專業職——這組動作背後的邏輯，我認為比裁員人數更值得一般上班族理解。
階層式組織有一個很容易被低估的成本：每多一層，資訊就多一次轉譯，決策就多一次等待。而且這個成本不是線性的。三層變四層，增加的不只是一個人的薪水，是所有跨部門溝通都要多繞一站。
我自己帶團隊時最有感的是工作邊界被重新劃線的那段時間。帶過團隊的人應該都碰過這種場景：一件三個人十分鐘可以拍板的事，因為要「照層級走」，變成三場會議、兩份簡報、一個禮拜。中間沒有人偷懶，每個人都在認真做事——只是那些事有一半是在對齊，不是在往前。
更麻煩的是，主管一多就會出現另一種成本：辦公室政治的空間變大了。當一個層級的存在價值主要靠「我管了幾個人」證明，那個層級就有動機去擴張、去搶案子、去保護地盤。這種消耗不會出現在任何一張報表上，但它確實在拖慢公司。
所以我認為扁平化這件事，在 AI 可以接手大量整理、彙總、追蹤工作的現在，確實比以前更可行了。以前需要一個層級去做的「把下面的東西整理成上面看得懂的版本」，現在很大一部分可以自動化。未來產品團隊的 5 種角色 那篇我拆過這件事怎麼改變職稱的意義。
但我要補一句跟前一段一樣的話：這也不是普世解。不是所有公司都該砍主管。有些產業的風險控管就是需要多一道人為關卡；有些團隊的成員特質就是需要比較密的支持。公司的體制、業務性質、甚至雇的人的性格都不一樣，抄別人的組織圖通常抄不到好處。
我自己的判準很簡單：如果一個層級存在的理由，說得出「它擋掉了什麼風險」或「它加快了什麼決策」，那它就該留；如果只說得出「它管了幾個人」，那它遲早會被檢討。
那你該做什麼？先分清楚你的收入是「做一次收一次」還是會累積
看懂了機制之後，真正要回答的問題只有一個：在一個公司隨時可能因為要投資新事業而重新分配預算的環境裡，個人該怎麼站？
我的答案是：所有還有能力、還有時間的人，都應該開始經營一條不是來自雇主的收入線。不是因為要辭職，剛好相反——是因為有第二條線的人，在第一條線出事的時候才有談判空間，也才不會被迫接受第一個出現的爛選項。
但這裡有個我很在意的區分，比「做什麼副業」更重要：
| 一次性收入 | 可累積收入 | |
|---|---|---|
| 怎麼運作 | 做一次、收一次錢 | 做過的東西會繼續帶收入 |
| 停下來會怎樣 | 收入立刻歸零 | 還會有一段慣性 |
| 時間成本 | 跟收入等比例增加 | 前期重、後期遞減 |
| 真正的風險 | 燒乾自己的身心與時間 | 前期做很久沒有回報 |
對還在上班的人來說，一次性收入是很危險的選擇。你已經有一份全職工作了，再拿下班時間去換「做一次收一次」的錢，本質上是把自己的休息時間直接賣掉——賣完就沒了，而且下個月要重新賣一次。這種模式撐不了太久，通常是身心先垮。
可累積的收入不一定更好賺，它的前期甚至更難熬，因為做了三個月可能還是零。但它有一個一次性收入永遠沒有的性質：你今天做的東西，會替明天的你工作。
要判斷手上的機會屬於哪一種，我會問三題：
❶ 我停下來一個月，這件事還會不會帶來收入？會，就是可累積；不會，就是一次性。
❷ 我做的東西會不會留下資產？文章、影片、作品、工具、名單、口碑，都算資產；純粹賣時數的不算。
❸ 我能不能把其中一段交給 AI，讓下一次更快？如果每一次都要從零開始、AI 完全幫不上忙，那它很難規模化。
但這裡要補一個我認為很多人會弄反的地方：AI 給公司和給個人的槓桿，是不對稱的。
公司靠「聚合」變現 AI——把它鋪到幾千個流程上，省下來的全歸公司。個人靠「生產」變現 AI——而生產，正是 AI 現在降價降最兇的那一段。
所以「用 AI 做副業」有個隱藏的陷阱：你可能正在衝向貶值最快的那一格。當所有人都能用同一個模型產出同一種東西，產出本身就不值錢了。
真正還沒被商品化的是另外三樣：發行管道（有人願意聽你說話）、判斷力（知道什麼值得做）、關係。這三樣 AI 到現在都幫不上太多忙，而它們剛好都需要時間累積——這也正好是可累積收入的定義。
所以我對「投資 AI 工具」的說法要加一句限定：工具不是護城河，你把它指向哪裡才是。同樣一小時，拿去讓 AI 多產十篇東西，跟拿去經營一群會回訪的讀者，五年後的差距是量級的。
這也是我認為現在花時間或花錢在 AI 工具上值得的原因——不是為了追潮流，而是它讓「一個人也能做出可累積的東西」這件事，第一次變得真的可行。
但順序很重要。我會先用 AI 服務自己：省下時間、把重複工作自動化，再拿省下來的時間去做那件會累積的事。反過來先追工具、再想用途，通常會變成 AI 讓我更忙 那篇寫的狀況。
如果你打算把錢花在學習上，順序也一樣。想用政府資源補學費的話，產業人才投資方案 3 年 10 萬 我查過哪幾種狀況會讓補助飛掉；要挑平台的話，我自己繳過學費之後把 Hahow、Udemy、Coursera 攤開算過一次。
至於具體有哪些路徑、每條大概能賺多少、新手會踩什麼坑，我另外寫過完整的：七種 AI 變現方式的真實月入區間與決策樹，以及我自己實測過程的 從 0 開始那半年踩過的坑與成本真相。這篇就不重複那些內容了。
還有一件很現實、但常被跳過的事：在開始經營第二條線之前，先把緊急預備金備好。沒有現金緩衝的人，一旦被裁就沒有時間慢慢做那件會累積的事，只能立刻去接一次性的案子——那正好是最不該進的循環。這筆錢該存幾個月，我用實際數據算過在 緊急預備金為什麼 3 個月不夠 那篇。
哪種公司待著反而更危險？我會看的三個訊號
不是只有會裁員的公司才危險。有一種公司不裁你，但它會用另一種方式讓你付出代價。
我指的是那種完全不思進取的公司：它只需要有人維持營運，不打算成長，也不打算了解新技術。這種公司短期看起來很安全——沒有變動、沒有壓力、沒有裁員。但你在裡面待五年，離開時的市場價值可能比進去的時候還低。
而且它的安全是假的。它不裁你，不代表它不會倒。別人在進步而你原地踏步，本身就是一種退步——這句話套在公司身上跟套在個人身上一樣準。
我會看的三個訊號：
❶ 公司有沒有在花錢買未來？不一定要是 AI，可以是任何一個「這一季不賺錢、但三年後可能很重要」的投入。完全沒有這種支出的公司，代表它的資金全部用來維持現狀。維持現狀在變動的市場裡就是慢性失血。
❷ 你在這裡學到的東西，帶得走嗎？如果你的專業高度綁在這家公司的內部流程、內部系統、內部人脈上，那你的市場價值其實一直在下降，只是帳面上看不出來。
❸ 這家公司對新工具的態度是「先看看」還是「不要碰」？「先看看」是正常的謹慎；「不要碰」通常代表決策層已經放棄理解變化了。後者才是真正的紅燈。
不過這裡有一個我自己也覺得矛盾、但想誠實講出來的地方。
如果照前面「累積自己的資產」那套邏輯推到底，一份工作的主要功能其實是穩定、低消耗的資金來源。這樣看的話，一份薪水還可以、但不會吃掉你晚上的無聊工作，可能反而比一份會燒光你所有精力的高成長工作更適合。
換句話說：當你把重心放到自己的資產上，「公司不夠進取」有時候不是缺點，是特徵。
所以我要把前面那句話修得更精確一點——真正該躲的不是「公司不成長」，是「公司不成長、卻還要榨光你的時間」。這兩件事常常被混在一起講，但它們對你的意義完全相反：前者可能正好是你的資金來源，後者才是真正的陷阱。
三個訊號都亮紅燈，我會開始認真準備，而不是等到公告那天。準備不等於馬上離職——它可以只是把作品整理起來、把履歷更新一次、把那條第二收入線開始做。這些事在你還有薪水的時候做，比失業之後做輕鬆太多。職涯迷茫時該做的「作品化」 那篇講的就是這個動作。
FAQ 常見問題
Uber 這次裁員到底算不算「AI 裁員」？
字面上不算。Uber 公告完全沒把 AI 列為理由，官方說法是管理層級太多、決策太慢。但省下的資源要投進無人計程車，而幾家科技巨頭也在裁掉近 5 萬人的同期把數千億美元投入 AI 資料中心。我的判斷是：AI 不是按下按鈕的那隻手，是讓那隻手伸出去的投資標的。
那我把 AI 學好，是不是就不會被裁了？
會提高你的價值，但買不到保險。研究顯示曾以 AI 為由裁員的企業有 55% 事後承認裁錯，代表決策依據本來就不是「這個人能不能被取代」。學 AI 該做，只是別當成唯一防線——同時建立一條不來自雇主的收入線，才是真正在降低風險。
我的公司該不該跟著取消遠端工作？
看兩件事：組織吃不吃高頻決策，以及有沒有實體業務要跑。依賴即時決策或大量現場業務的公司，遠端成本是真的；純軟體、決策頻率不高、或需要跨國找人才的團隊，遠端往往更有效率。決定前先問：是算得出成本，還是看不到人不安心。
公司主管很多，是不是代表遲早會裁？
不一定，但值得看層級的「理由」。如果一個層級說得出它擋掉什麼風險、加快什麼決策，就有存在價值；如果價值主要靠「管了幾個人」證明，在要求快決策的環境下遲早被檢討。Uber 這次就是砍管理職 20%、拿掉超過 7 層的結構。
已經在上班了，時間不多，第二條收入線該怎麼開始？
先不要問「做什麼」，先問「這件事停一個月還有沒有收入」。答案是沒有的就是一次性收入，對上班族最消耗；還有的才值得投入下班時間。開始前先把緊急預備金備好，否則被裁當下你會被迫去接最快換到錢、卻最不會累積的案子。
結論：真正該準備的不是履歷，是你的收入結構
回到最前面那個問題：一家公司裁掉 10% 的人卻沒提 AI，該怎麼解讀？
我的答案是——那才是最誠實的版本。它把這一波裁員的機制攤開來了：不是 AI 走進辦公室把誰換掉，是資本決定要往新的地方去，而維持現狀的成本必須先被壓縮出來，才有錢餵那個新方向。
如果只能記三件事，我會挑這三個：
❶ 你會不會被裁，跟 AI 能不能取代你，是兩個問題。前者由預算表決定，後者才由你的能力決定。用第二個的答案去安慰自己，是這一波最容易犯的錯。
❷ 55% 的公司承認裁錯了還是繼續裁，這件事本身就說明了驅動力在哪裡。反面證據比正面口號更值得看。
❸ 遠端與扁平化都沒有標準答案，收入結構有。公司制度要看性質，但「你的收入停一個月會不會歸零」這題，答案對每個人都一樣重要。而且別把 AI 本身當護城河——它正在讓「生產」變便宜，還值錢的是發行管道、判斷力和關係。
我不覺得這是一篇讓人焦慮的文章。焦慮來自「不知道會發生什麼」，而看懂機制之後，你至少知道該把力氣放在哪裡——不是拼命證明自己不可取代（那是別人在評分），而是讓自己有一部分收入不需要經過任何人的批准。
下一步很小，小到今天就能做：打開你現在正在做的那件副業或工作，問自己第一題——我停下來一個月，它還會不會帶來收入？答案會告訴你接下來一年該把時間花在哪。
如果你想先確認自己在不在風險區，可以從 五大高風險職業的自評四問 開始；想看更長期的推演，Anthropic 三種未來與人類還剩的價值 那篇拆過三條路各自會發生什麼。
參考資料
- TechCrunch — Uber is laying off 10% of staff, or 3,300 people（裁員人數、CEO 備忘錄原文、管理層與遠端政策細節）
- Bloomberg — Uber to Cut 3,300 Jobs to Reduce Management Layers
- 鉅亨網 — Uber 突然大裁員！3300 人丟飯碗，完全遠距員工只留 1%（中文報導與管理層級細節）
- 鉅亨網 — Uber 啟動第二波裁員，為「擁抱 AI」砍 10% 客服人力（2026 年 7 月那一波）
- 商業周刊 — AI 真的比員工便宜？因 AI 裁員的公司，55% 後悔了（Orgvue 研究與福特、澳洲聯邦銀行案例）
- People Matters — 55% of employers regret AI layoffs（Forrester Predictions 2026 與 Gartner 回聘預測）
- TechCrunch — 把裁員歸因於 AI 的科技公司清單
- 勞動部 — 大量解僱勞工保護法專區（通報機制與計畫書流程）
