在阿姆斯特丹的 Web Summit 现场,面对台下成百上千名观众,Atlassian 的联合创始人兼 CEO Mike Cannon-Brookes 被问到一个几乎所有科技公司都在回避的问题:AI 到底有没有在抢人类的工作。他的回答没有绕开现实,也没有陷入"AI 终结论"的恐慌叙事。作为 Jira、Confluence、Trello 和 Loom 背后的掌舵人,他掌握的数据或许比任何人都更接近这场变革的真实温度——不是理论上会发生什么,而是数百万真实用户正在如何改变自己的工作方式。

这场对话由 Big Technology 播客主持人 Alex Kantrowitz 主持,发生在一个特殊的时间点:AI 已经从少数极客的玩具变成了数以百万计工作者日常使用的工具,但企业的产出效率却迟迟没有看到预期中的飞跃。Cannon-Brookes 给出的解释,跳出了"AI 好不好用"的技术框架,直指一个更根本的问题——企业的组织结构和软件设计,根本没跟上模型能力的进化速度。

1. 每次裁员都说是"重组",Cannon-Brookes 认为这话基本是真的

每当一家公司裁员,新闻标题总爱写"AI 抢走了工作",但公司自己几乎从不这么说,他们说这是"为 AI 时代重组架构"。Cannon-Brookes 的判断是,这个说法大概率是真的。他的核心观点很直接:任何告诉你他知道未来五年会发生什么的人,你大概都不该信。但从净效应来看,他认为 AI 创造的岗位会远多于它消灭的岗位,只是很多工作的性质会发生实质性变化。

他用了一个听起来有点古怪的类比——银行网点。2000 年前后,所有人都预言网上银行、移动银行会让实体网点彻底消失。但过去十年里,无论是澳大利亚还是美国,银行网点的数量其实在增长。原因不是预言错了,而是这是一次"叙事违反":2026 年的银行网点干的事情和 2000 年完全不是一回事,客户服务的权重大幅上升,这个资产的用途被彻底重新定义了。他认为 AI 对工作岗位的影响也会是同样的路径——软件工程师还会存在,但五年后他们的工作方式和今天绝不会一样;设计师、营销人员、财务专业人士也都会继续存在,只是做事的方式会被彻底重写。

2. 工程师和产品经理谁会更多?两边各执一词

真正会变化的,不只是单个岗位的内容,还有不同职业族群之间的人数配比。Cannon-Brookes 提到自己听过一期播客,一位产品经理坚信未来会有更多产品经理、更少工程师;而对面坐着的工程师则反过来坚信未来会有更多工程师、更少产品经理。他的态度很坦然——答案只能等时间揭晓。

真正值得企业警惕的不是"AI 会不会抢工作"这个二元问题,而是竞争对手会不会先把 AI 用好。他引用了一句他很喜欢的话:我不担心因为 AI 丢掉工作,我担心的是因为别人比我更懂得用 AI 来做我的工作而丢掉工作。这句话点出了企业转型的真正难点——不是技术本身,而是改变员工多年形成的思维惯性,这是一场人才挑战,而不是技术挑战。

3. 模型越强,产出却没跟上——Cannon-Brookes 把锅甩给了"设计"

这是整场对话里最反直觉的判断。过去几年模型能力突飞猛进,但企业层面的产出和创造力并没有同步爆发。Cannon-Brookes 认为答案很大程度上藏在产品设计和使用体验里:员工需要重新思考怎么做自己的工作,而软件的交互界面也需要发生彻底的变化——这两件事必须同时发生,单独任何一边动都不够。

为了验证这个判断,Atlassian 大约一个月前在阿姆斯特丹的公司大会上发布了一套叫做"Agentic Multiplayer Protocol"(AMP)的体系。这不只是一套设计规范,背后牵涉 MCP、A2A 等一整套技术标准,目的是让 agent 能够自然地嵌入 Jira、Confluence、Loom 这些产品的界面里,既保持人类熟悉的交互方式,又能充分调用 AI 的能力。Cannon-Brookes 预计,未来一年内,交互界面范式还会经历多次更替。

4. 工作的重心从"怎么做"转向"要什么结果"

被问到未来的工作具体会变成什么样时,Cannon-Brookes 没有给出一个放之四海而皆准的答案,他承认不同岗位的变化路径会完全不同。但他提出了一个通用的转向:人们会越来越少关注任务本身的执行机制,而更多关注想要的结果是什么。

如果你在做设计或界面相关的工作,这个"结果"更多关乎品味和判断力;如果你在搭建一个财务模型,你需要思考的是怎么验证这个模型是正确的——因为让 AI 做出一个看起来很高级的模型很容易,难的是你要信任它是对的,还是要找到办法去验证它。与此同时,人们还需要持续把自己的思维提升到更高的抽象层级:不再是简单地问一个问题、得到一个答案,而是去设计一整套能自我迭代的循环,让这些循环变得越来越聪明,逐步逼近自己想要的结果。他也坦言,不是每个人都需要变成一个像 Andrej Karpathy 那样整天想着目标搜索和强化学习的工程师——这种思维方式最终需要被产品本身内化进日常使用的界面里,而不是要求每个普通用户都掌握。

5. 人和 Agent 之间不止是问答,还有委托、协作与"配对"

当被问及 agent 在工作流里究竟该以什么形态出现时,Cannon-Brookes 给出了一套分层的框架。最常被想到的模式是聊天——我提问,AI 回答,这是一种一对一的互动,但他认为这不会是未来最常见的使用方式。

第二种模式是委托:就像让 Claude 帮你写代码,你告诉它去做一件事,它去完成一堆工作,最后可能提交一个 pull request——这个 pull request 名义上是 Claude 代表你完成的。第三种是协作:当一个 agent 实际"存在"于某个场景里,比如和你一起编辑同一份 Confluence 文档,这就是真正的多人协作,你可以同时拉进两三个来自不同厂商的 agent,和两三个真人一起工作,这和单纯的来回问答是完全不同的交互性质。最后一种他称之为"配对"(pairing)——用会议桌来打比方,第一种场景是你坐在桌子对面和对方来回讨论;委托场景是你派 agent 代替你去开会,给它一些指示,会后向你汇报;而配对则是……

Atlassian 的产品线横跨项目管理、知识库、视频协作等多个工作场景,这让 Cannon-Brookes 的判断带有一种少有的落地感——他谈论的不是 AI 会不会颠覆工作这种宏大叙事,而是具体到每一个界面、每一次点击,人和 agent 该怎么分工。这场对话回到了最初的命题:AI 改变工作不是一道开关,而是一场关于设计、信任和协作方式的持续重构,答案不在模型本身,而在企业愿不愿意把这些新技术真正嵌入到人们每天打开的那个界面里。

Alex Kantrowitz 作者:智顶顶