「衡量者」的困境：分析 Cloudflare 的 AI 驅動勞動力策略

在最近的一篇評論文章中，Cloudflare CEO Matthew Prince 概述了一種在人工智慧時代進行勞動力管理的挑釁性策略。Prince 並非將 AI 視為人類勞動的全面替代品，而是將員工分為三種不同的角色：builder（建立者）、seller（銷售者）和 measurer（衡量者）。根據 Prince 的說法，雖然 builder 和 seller 仍然至關重要，但 "measurer" 的角色正變得日益多餘。

這種方法在技術社群中引發了重大辯論，提出了關於企業價值定義、移除人類監督的風險，以及在業績創紀錄的增長期間利用 AI 來證明大規模裁員合理性的倫理問題。

勞動力的分類學：Builders, Sellers, and Measurers

Prince 哲學的核心是對組織功能的嚴格劃分。在這個框架中，builders 是那些創造產品和技術的人，而 sellers 是那些將產品推向市場並產生收入的人。這些角色被視為高價值且相對不容易被 AI 取代，因為它們需要創造性的綜合能力和人際關係管理。

另一方面，measurers 是那些主要職能為追蹤績效、確保合規性、管理報告並提供組織監督的員工。Prince 主張，AI 系統從根本上更適合擔任此角色，因為它們是「疲倦不覺、獨立、高效且隨時可用」的，能夠以人類員工以前無法實現的客觀細節和精確度來衡量組織。

移除人類要素的風險

雖然 AI 驅動的衡量效率增益對高管來說很有吸引力，但許多技術專業人士認為這種邏輯是有缺陷的。一個主要的擔憂是關鍵驗證的喪失。如果 AI 被指派去衡量組織，那麼誰來驗證 AI 衡量得是否準確？

批評者指出，移除人類 "measurers" 會造成一個危險的迴圈。正如一位觀察者所言：

"LLMs 將會衡量自己的績效，並得出結論說其表現卓越，且公司應該購買更多的 LLM tokens。"

此外，人們也擔心 building、selling 和 measuring 的區別是一種偽二分法。在健康的工程文化中，"measurer"（確保品質、安全性和合規性的人）通常與 "building" 功能的開發者是同一人。透過剝離監督層，公司面臨著穩定性和安全性的下降風險。

增長 vs. 就業：AI 效率的悖論

討論中最具爭議的焦點之一在於 Cloudflare 的裁員時機。Prince 指出，儘管收入增長創紀錄且自由現金流強勁，他仍裁掉了超過 20% 的 的勞動力。這引發了「AI-washing」的指控——利用技術進步的敘事來掩蓋疫情期間的過度招聘，或為投資者推高利潤率。

這創造了一個悖論：如果 AI 真的增強了 builders，並消除了對 measurers 的需求，理論上的結果應該是業務增長創紀錄，同時伴隨著斷線和安全失敗的劇烈減少。然而，懷疑論者認為，更有可能發生的是相反的情況。移除人類監督——特別是在法律、合規和品質保證方面——可能會導致 AI 無法預見或緩解的災難性失敗。

「AI-Native」員工的崛起

Prince 也強調了招聘實踐的轉變，指出新的實習生是 "AI-native"。這個術語暗示了一代新的工作者，他們不僅僅是將 AI 作為工具使用，而是將其整合到他們解決問題的基本認知過程中。

雖然這可能會提高個人生產力，但它也引發了關於基礎技能侵蝕的擔憂。如果 "measurers" 不存在了，而 "builders" 都是 AI-native，那麼當 AI 失敗或產生幻覺時，組織可能會失去執行第一原理思考（first-principles thinking）的能力。

結論：災難的配方還是新標準？

Cloudflare 策略代表了對 LLMs 處理企業行政和評估功能的能力的豪賭。如果成功，它可能為未來的「精實」企業提供藍圖。然而，如果 "measurers" 實際上是防止系統性崩潰的安全網，那麼這種效率的成本可能會比任何收入增長所能合理化的成本更高。