跨国深谈← 返回←Upwork CEO 谈 AI 时代的工作：智能体雇人、自由职业激增与裁员真相

Upwork CEO 谈 AI 时代的工作：智能体雇人、自由职业激增与裁员真相

关联

人物 Hayden Brown · Bob Safian

公司 Upwork

概念 智能体 · MCP 服务器 · 开源模型 · 自由职业 · AI 编排师 · Crystal Ball

AI 到底是在抢工作还是在造工作？政府就业报告和 AI 鼓吹者的预言都说不清。

这一集的嘉宾是 Hayden Brown,全球自由职业者平台 Upwork(连接企业与自由职业者的全球最大平台之一，过去一年活跃自由职业者达 1800 万)的总裁兼 CEO——她坐在就业市场真实演变的第一线观察位上。她给出的数据里最扎眼的一条是：客户直接用 AI 智能体交付工作，失败率高得惊人，几乎从没成功端到端交付过哪怕简单的任务；但只要加上一点点人类专家的几轮沟通，成功率立刻提升 70% 以上。

就业市场的真实图景：整体低迷，AI 一枝独秀

最近一次月度就业报告显示减少了 23,000 个工作岗位，失业率却同时下降——Brown 认为这些数据说明不了全部，但与 Upwork 平台上的观察一致：劳动力市场已经连续好几个季度非常低迷、疲软。最受挤压的是小微企业——他们是身处经济最前线、没有深厚资金储备的一群，已经在所有渠道缩减招聘。

但市场里有极具活力的板块：AI 相关的技能和工作，那是「能量和资金正在流入的地方」。Upwork 平台上的 AI 类目同比增长超过 22%,从小企业到大型企业都在抢真正懂 AI 工具的人才。

另一个大趋势是工作从全职转向零工式(fractional)工作：美国知识型工作者中自由职业的比例一年内从 28% 涨到 38%,上升了 10 个百分点。原因双向的——劳动者主动涌入，企业也表示不再需要以前那么多全职员工了。

裁员四分之一的亲历：不是用 AI 替人，而是从头重想

Brown 自己在 5 月宣布裁减 Upwork 公司员工的四分之一,并发表了一份坦率声明、自己扛下这个决定。她谈到原因时说：市场环境变化之下，正是扩大业务盈利能力的合适时机;但更重要的是「因为工作正在改变，我们自己的工作方式也需要改变」。

她强调这不是「用 AI 自动化并取代工作或工作者」。做法是审视整个公司的每个团队、每个部门，问自己：如果我们今天是利用现有最好的技术和工具、从零开始做这项职能，它会是什么样子？同时 adopting 更新的组织模式——扁平化团队、更宽的管理幅度、更少的层级。

主持人问到「AI 洗白」——有些 CEO 把变革原因甩给 AI,因为这样说股价会涨。Brown 的回应很直接:AI 确实在帮 Upwork 提升效率,但「那既不是我们做出变革的最大原因，也不是最大收益」。

智能体的失败率，与「人机组合」的回流

Upwork 平台上出现了反向证据：很多公司裁掉人之后发现仍然需要他们，AI 做不到期望的所有事。Upwork 自己的客户调查里，已有 23% 实际把工作从 AI 移回给人类、或即将这么做。

更硬的数据来自实测：「当我们实际测试让客户尝试直接用智能体通过我们的平台交付工作成果时，智能体的失败率高得惊人。它们几乎从来没有成功端到端地交付过哪怕是相当简单的客户任务。

」但加上一点人类专家的来回沟通，成功率提升超过 70%。她的结论是：人们必须磨砺「何时该信任 AI」的直觉，越来越多人意识到不能照单全收。

机器开始雇人：MCP 服务器与身份验证

AI 智能体已经在 Upwork 上发布招聘广告——机器在尝试雇用人类。这听上去瘆人,但 Brown 说这正说明「工作的未来正在到来,不管我们愿不愿意」。Upwork 为此推出了 MCP server(一种让外部 AI 程序接入平台的协议接口),核心能力是让智能体与 Upwork 进行身份验证——平台能知道它们是谁、是善意还是恶意行为者,然后基于验证让它们发布职位、招聘、管理项目。

另一个场景:客户在 Claude 或 ChatGPT 里干活卡住了,交付成果不达标、需要人类专家收尾——通过 MCP 可以直接连到 Upwork,立即把成果分享给自由职业者，实时获得按需的人类帮助。AI 把所有人「一切都要实时」的期望抬高了,Upwork 靠这个满足它。

1800 万人的真实工作数据：对抗 AI 垃圾申请的护城河

AI 也带来了垃圾泛滥——求职者可以用智能体海投不合适的职位，平台需要过滤「随着这些工具泛滥而悄悄渗入的 AI 垃圾内容和噪音」。

Upwork 的应对底牌是数据:平台观察人们实际工作、带真实金额地为客户交付,这让它拥有「全世界最经过验证的工作履历数据」,覆盖过去一年活跃的 1800 万名自由职业者。客户据此判断谁真的能干活,而不是听信 AI 智能体代写的空洞承诺。

Brown 说这反而推进了精英选拔的理念：「不该看谁拥有最好的智能体，或者谁在纸面上听起来最光鲜，而是真正看谁拥有数据和经验来证明他们能完成所需的工作。」

与 AI 大厂打交道：网关策略与 10 倍成本节省

ChatGPT 和 Claude 等工具的用户规模在大规模增长——Brown 判断客户正突然开始在 ChatGPT 和 Claude 以及所有这些第三方工具里完成工作,这些 AI 工具就是像 Upwork 这样的企业「新的来源点」,所以策略是为这个已经显现的未来而构建,即使伴随波动。

对中国开源模型,她的态度很务实:很多开源模型在合适的控制下可以安全可靠地使用,「这不是一个二元选择，要么用 Claude，要么就只能自求多福」。Upwork 自己采取网关方式,持续测试各家模型(包括开源模型)的性能；由于美国主要供应商的 token 成本大幅上涨，确实有些场景用开源模型、在自己环境里安全运行，能省 10 倍甚至更多。

【背景】MCP(Model Context Protocol)是 Anthropic 推出的开放协议，让 AI 智能体能够与外部系统安全地双向连接，上文 Upwork 的 MCP server 即基于此类思路。

自由职业：是选择也是避险，Z 世代领跑

自由职业既是选择也是必然。58% 的现任全职员工正在考虑成为自由职业者,为的是选择和掌控——决定何时、何地、为谁工作。Brown 还讲了一个历史转折:2008-2009 大衰退之前人们觉得全职工作很安全，衰退之后意识到「其实我这样更安全」——在 Upwork 上有三到五个回头客客户，外加副业，这种「组合式职业」成了新常态。

Z 世代是最大的一群：42% 的 Z 世代在从事自由职业。他们的逻辑是不把自己暴露在单一雇主的风险下,同时拥有可预测、自己掌控的收入。

更实际的驱动力是钱：拥有 AI 技能的自由职业者每小时收入比没有的高出 34%。这个工资差距说明了人才的紧迫感——很多人在全职工作中没机会使用 AI 工具,但在自由职业平台上能施展 AI 能力并因此获得报酬。

学 AI 没有捷径：「研讨会上学不会骑自行车」

个人升级技能的负担确实更重了,Brown 不回避这一点：「这就是现实,是我们所有人的紧迫感和需求……

熟练地在工作中使用 AI,是我们谁都无法逃避的事情。」

怎么学最好？她引用一位客户的话：「你不可能在研讨会上学会骑自行车」——AI 也一样。看教程可以入门,但只有日复一日使用、整合、去推这些工具能力的边界,搞清局限和绕法,人才会变得极其能干。

这种环境下催生了一个新通才角色——AI 编排师(AI Orchestrator):能编排使用各种 AI 工具、但不深钻某一单一领域的人,核心能力是快速采用和弄明白新工具。这个角色在 Upwork 平台上正变得极其流行。

CEO 怎么用 AI:Crystal Ball 与「连一年规划都太长」

Brown 自己的用法:Upwork 内部搭了一个叫 Crystal Ball 的工具,接入所有内部数据,她可以直接用自然语言查询数据库,拿到实时业务洞察、实时做决策,不用再找团队要报告。

领导方式也变了。过去她做产品经理时,一年期路线图是合理的;现在「如果你有一份一年的路线图,而第 11 个月执行的还是开始时所想的同一件事,那可能就有问题了」——因为你会学到多得多的东西,技术也会变得更强。Upwork 缩短了规划周期：仍然设定远大的目标，但不再执着于达成路径的具体步骤，「先迈出第一步，然后重新评估第二步是什么」。

两个具体方法：一是消除组织噪音，让正在做的少数几件事极其清晰——外部越不稳定，内部越需要完全锁定的稳定与专注；二是和 Spotify 的 Daniel Ek 一样用排序清单，同时管理「确定性组合」——多大资源投在有信心近期交付的事上，多大投给投机性的、为尚未到来的未来状态构建的事上，并且当未来提前到来时，及时把项目移入组合的另一部分。

本集带走

• 智能体单干还不行,人机组合才是当前最优解：Upwork 实测智能体端到端交付任务几乎从不成功,加一点人类专家沟通成功率就提升 70% 以上;已有 23% 的客户把工作从 AI 移回人类。
• AI 技能直接变现：平台上有 AI 技能的自由职业者时薪高 34%;学 AI 最有效的方式不是上课，而是日复一日地在真实工作中使用——「研讨会上学不会骑自行车」。
• 裁员时别拿 AI 当挡箭牌：Brown 裁员四分之一时的做法是审视每个职能「如果今天用最好的技术从零做会是什么样」,并坦承 AI 有贡献但不是最大原因——「AI 洗白」的账迟早要还。
• 规划要短、目标要长：一年期路线图已经太长，缩短规划周期、锁死远大目标但不承诺路径;用排序清单管理优先级，区分「确定性投入」和「面向未来的投机投入」两个组合。
• 新型通才崛起:「AI 编排师」——不深钻单一领域、但能快速上手和编排各种 AI 工具的人，正成为平台上的热门角色。

当我们实际测试让客户尝试直接用智能体通过我们的平台交付工作成果时，智能体的失败率高得惊人。
When we’ve actually done testing of clients trying to use agents directly to deliver work products through our platform, the failure rate of agents is incredibly high.
—— Hayden Brown · [10:24]

但只要你加入一点点人类专业知识，与专家进行几轮来回沟通，成功率一下子就提高了 70% 以上。
But when you just add a little bit of human expertise and a few back and forth with an expert, suddenly the success rate goes up more than 70%.
—— Hayden Brown · [10:39]

他说，你不可能在研讨会上学会骑自行车。
he said, you can’t learn to ride a bike in a seminar.
—— Hayden Brown · [25:52]

人类会赢还是机器会赢——我认为这让我们分心，在某些情况下，没有把我们集体的社会能量投入到建设一个人人皆赢的未来。
will humans win or machines win, I think that is distracting us from, in some cases, putting, you know, our collective societal energy towards building a future where everyone wins,
—— Hayden Brown · [30:27]

你知道，我认为如今存在的 60% 的工作在 1940 年时并不存在。
You know, I think it’s 60% of jobs that exist today did not exist in 1940.
—— Hayden Brown · [06:51]

我们并不认为大规模的工作毁灭是未来。
We do not see mass job destruction as the future.
—— Hayden Brown · [07:30]

我们最近做的一项调查显示，我们自己的客户中已有 23% 实际上已经把工作从 AI 移回给人类，或者即将这么做。
A recent survey we did showed that 23% of our own clients have actually already moved work back to humans from AI or are about to do so.
—— Hayden Brown · [10:12]

而且坦率地说，它推进了这种精英选拔的理念：不该看谁拥有最好的智能体，或者谁在纸面上听起来最光鲜，而是真正看谁拥有数据和经验来证明他们能完成所需的工作。
And frankly, advancing this meritocratic idea of it shouldn’t be about who has the best agent or who sounds the most shiny on paper, but really who has the data and the experience to demonstrate that they can do the work that’s required.
—— Hayden Brown · [14:50]

而现在，由于美国主要提供商的 token 成本大幅上涨，确实有一些使用场景，我们知道通过使用开源模型、在我们自己的环境里安全地运行，可以获得 10 倍甚至更多的节省。
And now that token costs have been going up so significantly from the major providers here in the US, there are definitely use cases where we know we can get, you know, 10x savings or more by using open source models and doing it safely inside of our own environments.
—— Hayden Brown · [20:34]

拥有 AI 技能的自由职业者每小时收入高出 34%。
Freelancers that have AI skills are earning 34% more hour.
—— Hayden Brown · [23:38]

现在在产品方面，如果你有一份一年的路线图，而实际上你在第 11 个月执行的还是你开始时所想的同一件事，那可能就有问题了，因为你会学到多得多的东西，技术也会变得更强大。
Now in product, if you have a one-year roadmap and really you’re executing the same thing in month 11 that you thought you would be, you know, when you started, something’s probably wrong because you will have learned so much more and the technology will become more capable.
—— Hayden Brown · [28:38]

因为我认为，组织中围绕相互竞争的优先级和人们朝不同方向前进的冗余越多，就会让穿越这类环境的导航变得更加困难，因为外部如此不稳定，你需要拥有内部完全锁定的稳定和专注。
Because I think, you know, the more cruft there is in the organization around competing priorities and people moving in different directions, that just makes navigating through these types of environments even harder because it’s so unstable externally that you need to have, like, full locked down stability and focus internally.
—— Hayden Brown · [28:06]

但我们知道的是，对人类而言什么是有价值的，只能由人类来决定。
But what we do know is that what’s valuable to humans can only be determined by humans.
—— Bob Safian · [31:39]