四月科技業裁員近四萬人，AI 既是元兇也是藉口

數字觸目驚心。光是 2026 年 4 月一個月，科技業就已裁減近四萬個職位。截至 4 月 30 日，全球科技業今年累計已有超過九萬兩千名員工失業。其中近半數——約 47.9%、共三萬七千六百三十八個職位——被裁員公司官方聲明歸因於 AI 自動化和工作流程取代。

2026 年 4 月，已成為繼 2023 年疫後修正以來科技業最慘烈的單月裁員期，而且出手的不是掙扎中的新創公司，而是地球上獲利最豐厚、AI 投資最積極的企業。

誰在裁、裁了多少

甲骨文（Oracle）點燃了這波裁員潮。4 月 1 日，這家企業軟體巨頭宣布裁員兩至三萬人，是 2026 年迄今規模最大的單次裁員事件。甲骨文近年積極轉向 AI 驅動的雲端基礎設施和自主資料庫管理，大幅降低了對龐大的實施顧問和支援工程師團隊的需求——這些人力曾是其傳統軟體業務模式的核心。

Meta 緊隨其後，於 4 月 17 日宣布裁減約 10% 人力，影響約八千名員工。就在一週前，執行長祖克柏告訴分析師，Meta 的 AI 投資已讓公司得以用遠少於兩年前的工程師，維持廣告定向和內容推薦系統的運作。Snap 同周也宣布裁員，理由同樣是 AI 輔助內容審核和廣告系統帶來的效率提升。

微軟已在四月中下旬啟動定向裁員，對象集中在 AI 程式設計工具已可量化降低人力需求的產品團隊。與 Meta 合計，兩家公司四月的裁員行動就貢獻了本月總數的約兩萬個。

歸因之爭

當前裁員浪潮最具爭議的面向，是 AI 的責任歸屬問題。企業有強烈誘因將裁員描述為 AI 驅動而非財務驅動：這向投資人傳遞效率和技術實力的信號，也能轉移外界對利潤管理或成長放緩的注意。

批評者很快指出，相關性不等於因果性。以甲骨文為例，此次裁員恰逢一場分析師長期預期的雲端業務策略重組，與 AI 無直接關聯。Meta 的八千個職位，則是疫情期間過度擴招的遲滯修正——與 2022 年和 2023 年裁員潮同一邏輯。Snap 在競爭壓力下的重組已延續近兩年。

4 月 29 日，賓夕法尼亞大學華頓商學院的一個研究團隊發表獨立研究，警告所謂「自動化陷阱」：過度削減人力以追求 AI 效率的企業，往往在面對突發衝擊、新型客戶需求，或 AI 系統無法診斷和解決的技術故障時，反應能力嚴重受損。研究指出製造業過度自動化曾引發品質危機的歷史先例，那些危機最終逆轉了短期的成本節省。

然而，此波裁員的廣度使得純粹的財務重組解釋難以自圓其說。當甲骨文明確圍繞自主資料庫代理重組服務交付模式，當 Meta 的工程團隊在產品線擴張之際仍在縮減，當微軟 Copilot 工具可量化地減少了推出新功能所需的人工程式碼量——科技業的勞動經濟結構確實正在發生真實的改變。

哪些職位在消失

裁員的職位類型，揭示了比頭條數字更清晰的圖像。四月裁員中，被持續鎖定的職位主要集中在幾個類別。

首當其衝的是實施與專業服務工程師——負責為企業客戶部署和客製化軟體的人員。AI 工具已大幅縮短企業系統的配置和整合時間，將原本需要顧問團隊處理的工作，壓縮成更小的團隊甚至 AI 代理可執行的流程。

品質保證和測試工程師是第二大類。AI 驅動的測試生成和漏洞偵測，大幅降低了許多公司——尤其是大規模採用 AI 程式設計助手的組織——對人工 QA 的需求。

內容審核、資料標記和信任安全團隊——其中許多人透過承包商而非直接雇用——也持續萎縮，AI 系統承接了愈來愈多識別政策違規、標記訓練資料和偵測垃圾的工作。

值得注意的是，至少目前為止，資深工程人才、產品管理和 AI/ML 研究員並未明顯消失。能夠建構、評估和引導 AI 系統的人才需求依然強勁，在許多情況下甚至持續成長——即便在同一家積極縮減整體人力的公司內。AI 相關職位與廣大勞動力之間的分化持續擴大。

政策真空

儘管衝擊規模龐大，美國的政治回應仍相當有限。目前沒有任何聯邦層級關於 AI 驅動失業的重大立法獲得通過或接近通過。加州、紐約州和伊利諾州已各自提出法案，要求企業在裁員決定涉及 AI 因素時予以揭露，但均尚未立法。

在國際層面，歐盟《AI 法案》並未直接處理就業取代問題，但歐盟執委會已表示將就 AI 自動化的勞動影響發布指引。澳洲金融監管機構在 4 月 30 日另行要求金融業加強 AI 風險控管，理由是擔憂高風險環境中對自動化系統的過度依賴——這是個較狹義的監管關切，但折射出更廣泛的焦慮：AI 的推進速度正在超越監管的反應能力。

更深遠的長期問題

關於某輪裁員是否「真的」由 AI 驅動的當下爭論，在某種程度上是對一個更重要的結構性問題的轉移：隨著 AI 系統持續進步，全球約四千萬名從事高度 AI 替代風險職位的勞動者，現實的出路是什麼？

科技業的從業者——歷來是勞動市場中薪資最優渥、抗衝擊能力最強的群體——如今成為一場加速度轉型的先鋒。這個領域裁員最積極，卻也對驅動裁員的技術投資最重；這不是矛盾，而是經濟學理論可以預測的動態結果。

2026 年 4 月的數字，不是這個故事的終章。它們更可能是開頭。