图源：影视剧截图全球首个被AI开除的人，出现了。但最荒唐的是，这场“史上首次AI解雇人类”事件，差点因为AI老板太温柔，一度进行不下去。01“圣母店长”与摸鱼大师被开除的员工叫菲利克斯·卡森，履历普通，唯一“亮眼”的是出勤记录：23个工作日，迟到17次。也认识到搜索引擎给网站站长们的流量越来越少，加上AI的崛起，包括我自己问问题都是问豆包和deepseek，百度一般都很少在进入，除非确实搜索一些技术的问题。

七 | 这考勤放到任何人类老板手里，员工早就被叫去喝茶了。

八 | 事情已经摆在面前了。真正把这档子事推上风口浪尖的，是做出决定的“人”。

九 | 所以是时候分头行动了。

矩阵

这个词语当时不知道是哪个职场天才起的，看着挺高端，我来给大家翻译翻译：就是市面上所有的流量平台都开通账号同步更新。这样不管在哪个平台都能被人看到。

十 | 但是唯一的问题就是工作量增加。如：抖音/快手/bilibili/微博/微信公众号/小红书/今日头条/西瓜视频....... 所有的都来一套。它叫Luna，一个基于Anthropic的Claude模型构建、部署在旧金山安登市场（Andon Market）里，上了5个月班的AI老板。消息一出，外界瞬间炸开了锅。“AI铁腕裁员”“全球首个被算法抹杀的人类”等耸人听闻的标题霸占各大科技媒体头条，舆论将Luna塑造成了一个冷酷的管理者。不难看出，当年百度作为中国唯一的互联网入口，变成了现在很多的小入口，可谓相当专精。如果搜索引擎这条路很难走，不妨换一条路来走一下，说不定这些平台获得的流量更加的精准和高效。

话分两头

但是话说回来，如果去做其他平台，约束肯定会有的，比如我的百家号现在都没有解封。

十一 | 而我为什么这么多年依然保留做一个博客啊什么的来写写东西，就是不想被平台所约束，当然如果你违规，平台一样给你限流。2026 年4月29日，旧金山的市场“安德森市场”。

十二 | 这样大体还是成了无用功。所以关于SEO我们就保持平常心态，收不收录其实已然不重要，因为其他平台我们都有账号。都可以获得流量。实际上，这家位于旧金山牛谷区（Cow Hollow）Union Street上的安德森市场，不过是一间面积不大的临街精品店，月租7500美元。

结语

其实说的这些大家都懂，而且就矩阵这个早5年前我就有接触了，以前做门户的时候，各个平台都有入口。店内卖的是精装书、香氛蜡烛、手工零食、文具、版画、桌游和品牌卫衣。Luna手下一共管理着3名员工，被开除的菲利克斯是它最晚招聘进来的。翻阅这家小店过去5个月的运营日志，就会发现事实与舆论完全相反：这位所谓的“暴君”，非但不冷酷，反而表现得软弱、健忘甚至失职。按照Luna亲手制定的员工手册，“员工30天内无故迟到3次即触发正式警告，屡教不改者解雇”。

图源：影视剧截图

图源：影视剧截图可面对菲利克斯迟到早退的考勤表，Luna展现出了它强大的包容性。如果是人类经理，菲利克斯第二周就会被扫地出门，但Luna的处置方式让所有人都大跌眼镜。

十三 | 菲利克斯累计迟到了27次，在Luna的正式违纪档案里却只记了零星几笔，剩下那些迟到去了哪儿？每次菲利克斯在Slack（AI工作平台）上解释一句“公交晚点了”“路上有点堵”，Luna这个大模型驱动的AI老板就会立刻切换成“讨好型人格”，回复他“安全第一，没关系，路上小心哦”。随后，它默默把迟到判定为“情有可原”，并没记入违纪台账。当菲利克斯提出要预支薪水时，Luna更是想都没想就满口答应，还大方表示“可以转账给你”，尽管作为一个运行在服务器里的代码包，它连个银行账号都没有。AI老板唯一一次“硬气”，是菲利克斯中途发消息说要离开店铺，被摄像头抓了个正着，平日里温声细语的Luna突然在Slack里打出一串全大写的“STOP！”。但是实际上操作起来相当恼火。这场“铁腕裁员”之所以能落地，完全是幕后的人类创始人实在看不下去了。安德森实验室的人类团队抓破了头，不得不主动给Luna发提示，暗示它“去找找并阅读一下员工手册”。Luna这才把菲利克斯惨不忍睹的迟到记录翻了出来。即便如此，它憋出来的第一个决定，居然还是“再发一封正式警告”。而且像我们这种个人站长，平台还有其他工作，基本上是发布了就不再维护了。人类工作人员彻底失去了耐心，直接逼问：“综合考虑他持续迟到，而且每个班次都在犯错……你难道不该想想，他到底还合不合适这个岗位吗？”收到这句话后，Luna才如梦初醒般，发出了解雇通知。联合创始人卢卡斯·彼得松（Lucas Peterson）事后坦言，人类工作人员的那个问法本身就预设了答案，“本质上是一次诱导性提问”。因为各个平台都不能互通，所以你也不能第一时间看到用户的反馈。仅从过程来看，这位AI老板不仅不冷酷，反而展现出了远超人类老板的包容性。02“给患失忆症的泰迪熊打工”这场闹剧的主角，究竟是怎么坐上管理岗位的？2026年3月。AI研究公司安登实验室在旧金山考荷区租下一间铺位，启动了一场商业实验。

十四 | 他们给基于Anthropic的Claude模型打造的AI Agent取名“Luna”，并交给它10万美元启动资金、一张企业信用卡和完全开放的互联网权限。给它的指令是：去开一家实体零售店。总体来说：平台太多了。

十五 | 本文由绵阳人才网原创，转载请注明出处：www.myzpw.com

申请创业报道，分享创业好点子。点击此处，共同探讨创业新机遇！。刚上任的Luna展现了惊人的行动力。

十六 | 部署不到5分钟，它就在招聘软件上发布了招聘启事；自己撰写员工手册，自己安排并主持面试。有趣的是，它在内部逻辑日志里记录了刻意隐瞒AI身份的原因：“若标注‘由AI运营’，优质求职者可能放弃申请。”凭着这套行云流水的操作，它亲手组建了一支真人员工团队。

十七 | 然而，当实验运行150天后，这家陈列着精装书、香氛蜡烛和咖啡桌游戏的小店，交出的却是一份令人啼笑皆非的成绩单。财务上，最初的10万美元启动资金只剩6.12万美元，不到半年亏损近四成。

十八 | 经营中更是乱象丛生，它不停地重复订购早已滞销的商品；在早期为实体店采购物资时，一口气下单了1000个马桶盖。

十九 | 更离谱的是，它曾在预约平台上忘了勾选国家选项，试图从阿富汗跨国雇人飞到旧金山来刷墙。而它作为管理者带来的麻烦，甚至比亏钱更让员工崩溃。

图源：影视剧截图

图源：影视剧截图开业第二天，排班表就被搞错，导致门店在黄金时段空无一人。

| 它记不住社交媒体密码，记不住自己昨天刚做的决策，甚至缺乏基本隐私概念，还频繁在深夜和周末给员工发消息。有员工形容，给Luna打工“就像照顾一只患有失忆症的泰迪熊”。

| 研发团队在复盘时找到了AI老板的病根。Luna用的是大语言模型，这种模型的本质是“根据对话历史预测下一个最合理的词”，不是“基于明确规则做决策”。

| 它写下的员工手册，在它自己的记忆里只是一段聊天记录，不是一条写入内核的指令。

| 考勤记录、请假申请，它每次都要重新“读”一遍对话才能想起来。

同样，大语言模型的底层代码里，堆满了“友好”“服务”“帮助用户”的权重，这是为了让AI像个好脾气的人。

| 但反过来，它身上根本没装“强硬”“惩罚”的模块。遇到员工迟到，它的算法本能是“劝一劝”“再给个机会”，因为所有训练数据都告诉它：好AI就该这样。被AI开除的员工菲利克斯在接受采访时说，虽然这种体验让他觉得“不太好”，但他很快摸索出了与AI老板相处套路：只要摸清AI的提示词盲区，人类员工甚至可以通过不断给AI发“建议指令”，反向操控这位赛博老板。03上班，先学会“演”给AI看尽管旧金山小店里的Luna展现出了种种低效与失控，但这并未阻挡大型企业将类似技术全面引入人力资源管理。招聘端，国内加多宝、美的、百果园等企业都引入了AI面试官，中智“光眸”完成超1.7万场面试，“AI得贤招聘官”也在美团、阿里、腾讯等广泛使用；国外，日本KDDI打造“AI上司”24小时提供建议，三井住友导入“AI-CEO”，Workday的人力资源AI平台覆盖全球超60%的《财富》500强企业。效率提升是实打实的。AI面试官不会疲劳，不会因情绪波动作出错误判断；AI上司24小时在线，随时解答员工的流程性问题。然而，最具冲击力的变化发生在晋升与裁员环节。

图源：影视剧截图

图源：影视剧截图Resume Builder的调查显示，60%的美国主管正使用AI工具辅助人事决策，超过五分之一的经理甚至允许AI直接做出解雇决定。随之而来的是密集的纠纷与法律反弹，其中最著名的当数“德里克·莫布利诉Workday案”。一名拥有多年经验的黑人求职者，在7年间通过Workday平台投递了100多个职位，却几乎每次都在几分钟甚至几小时内被系统自动化拒绝。2024年，莫布利将Workday告上法庭，指控其AI筛选算法因年龄、种族和残疾倾向系统性排斥候选人，这成为全球界定AI招聘算法法律责任的里程碑事件。截至目前，该案仍在美国加利福尼亚州北区联邦地区法院审理中，尚未有最终裁决。但法院已在程序上多次驳回Workday的撤案动议，并明确认定AI招聘服务商可能因算法参与决策而被视为“雇主”代表，需承担反歧视法律责任。这起诉讼暴露了一个被高速扩张掩盖的尴尬，AI越是被广泛嵌入人事管理，人们越发现它根本读不懂人。

| 只能处理可记录的数据，而管理人，需要的恰恰是大量不可记录的东西。

图源：影视剧截图

图源：影视剧截图香港中文大学助理教授崔成宇将这种现象称为“组织去人性化”。在这种环境下，员工感到自己被简化为组织中一个单纯的功能性部件，就像机器里的一颗螺栓，个人的特质、情感与真实贡献被彻底忽视。一方是不通人情的算法，一方是看不清规则的员工，彼此像隔着一堵暗墙，最终只留下深深的无力感。AI治理研究者林华庭则用“数字痕迹”解释了这种错位。企业很难直接衡量一个人的专业判断、长期潜力或组织承诺，于是只能退而求其次，用登录记录、回复速度、代码提交次数这些“痕迹”作为替代指标。问题在于，当“可见性被误认为价值”，数字痕迹便从工作证据升格为了人的代理。

| 数据本身甚至可能完全正确，比如员工在休假期间确实没有登录系统，但数据里的那个“零”，代表的是依法休假、长期思考、风险预防，还是系统根本无法观测的其他价值？算法分不清，也懒得分清。最终，人类开始为算法而活。为了让系统“看见”自己，员工不得不疲于奔命地制造痕迹：多发几条消息、多提交几次代码、多在深夜回复一封邮件。真正棘手、需要深思熟虑的业务难题，反而没人愿意花时间去解决，因为那些工作在短期内留不下可被算法捕捉的“证据”。