Atlassian将裁减约10%的全球员工,约1600个岗位,这家协作软件制造商正将资本重新投向人工智能开发和企业销售。
联合首席执行官兼联合创始人Mike Cannon-Brookes在博客文章中披露了这一裁员消息。他表示,此举是为了"自筹资金进一步投资AI和企业销售",同时加速公司走向持续盈利的道路。
尽管近期表现强劲,但该公司仍宣布了这一决定。Atlassian报告云收入约10.67亿美元,同比增长26%,剩余履约义务约38.14亿美元,增长44%。其Rovo AI助手的月活跃用户超过500万,公司现在拥有超过600个年经常性收入超过100万美元的客户。
Cannon-Brookes承认AI正在重塑所需的技能组合。他写道:"假装AI不会改变我们需要的技能组合或某些领域所需的岗位数量是不真诚的。"
灰狗研究公司首席分析师兼首席执行官Sanchit Vir Gogia表示,企业买家应该将此举视为资本的战略重新配置,而不是困境信号。
他说:"管理层将AI视为改变公司员工配置方式、需要什么类型岗位以及应该在哪里花钱的因素,而不是副业或闪亮的功能层。"
但他警告说,财务实力并不能提供运营免疫力。Gogia说:"客户在第一天的收益报表中感受不到,他们会在后续的缓慢升级、模糊的问责制、更长的路线图周期以及突然变得更加自动化且信息量更少的支持体验中感受到。"
他还指出,裁员正在与更广泛的平台转型同时进行,Atlassian同时推动客户转向云交付,并在Jira、Confluence和服务工作流程中更深入地嵌入AI。Gogia说:"当供应商运营模式变化和平台模式变化同时发生时,首席信息官需要关注。一个变动部分是可管理的,两个变动部分同时进行可能会变得混乱。"
受影响的员工将在全球范围内获得最少16周的离职补偿,每服务一年额外增加一周,按比例发放2026财年奖金,1000美元的技术补贴,以及六个月的延长医疗保险。Atlassian还披露了首席技术官的过渡,Rajeev Rajan即将离职,其他领导者将围绕下一代AI优先事项得到提升。
这是Atlassian三年来第二次重大的员工削减。2023年3月,该公司裁员约500人,占员工总数的5%,将此举描述为向云迁移和IT服务管理的重新平衡。
Atlassian的公告是企业技术公司以AI作为员工削减结构性驱动因素的快速增长名单中的最新一例。
本月早些时候,金融科技平台Block裁员约4000人,首席执行官Jack Dorsey宣布转向"智能原生"运营模式。类似地,澳大利亚物流软件公司WiseTech Global宣布将削减约2000个岗位,其首席执行官表示手动编写代码的时代已经结束。根据RationalFX的数据,到3月初,2026年全球科技裁员已经超过45000人,AI和自动化是最常被提及的驱动因素。
Gogia表示,这种模式反映了董事会激励机制的转变,而不仅仅是技术变化。他说:"一旦董事会和管理团队看到投资者奖励围绕AI、更小团队和未来效率构建的故事,激励结构就会迅速转变。"
首席信息官应该期待更多围绕AI生产力框架的供应商重组,更多通过AI中介渠道路由的支持交互,以及更多将订阅与基于使用的机制相结合的定价实验,这些机制与AI消费相关联,Atlassian的Rovo Dev定价已经发出了这一方向的信号,Gogia说。
他对企业买家的建议很直接。"首席信息官应该停止将供应商AI公告纯粹视为产品公告。它们也是运营模式公告,"他说。"正确的后续问题不仅是'我能得到什么新功能?'也是'在支持、人员配置、升级和问责制的幕后发生了什么变化?'"
Q&A
Q1:为什么Atlassian要在业绩良好的情况下裁员?
A:尽管Atlassian云收入增长26%达到10.67亿美元,但公司决定裁员1600人是为了"自筹资金进一步投资AI和企业销售",同时加速走向持续盈利。这是一种战略性资本重新配置,将资源从传统岗位转向AI发展和企业销售。
Q2:AI如何影响Atlassian的员工结构?
A:联合CEO承认AI正在重塑所需的技能组合,他表示"假装AI不会改变我们需要的技能组合或某些领域所需的岗位数量是不真诚的"。AI技术的发展改变了公司对不同类型岗位的需求,促使公司调整人员配置以适应新的技术环境。
Q3:这次裁员对Atlassian客户会有什么影响?
A:专家警告客户可能会在后续体验到影响,包括更慢的问题升级处理、更模糊的问责制、更长的产品路线图周期,以及支持服务变得更加自动化但信息量减少。同时,公司正在推动客户转向云交付并深入嵌入AI功能。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。