AI 驅動的人員削減之戰略謬誤

當前的企業 AI 採用浪潮通常是透過試算表優化的視角來管理的：更少的人員、更低的薪資支出，以及相同的產出。在許多董事會中，這被框架化為「效率」或「數位轉型」。然而，將 AI 視為削減人員數量的工具，是對組織內價值真正所在處的根本誤解。

當一家公司因應 AI 能力而縮減規模時，其運作是基於一個假設：某個職位的核心價值在於其產出的任務——報告、分析或數據輸入。這個假設是有缺陷的，因為它忽略了公司擁有的最關鍵資產：制度性知識（institutional knowledge）。

不可見的資產：制度性知識

制度性知識是指對於業務如何實際運作的非正式理解。它包含了對邊緣案例（edge cases）所在之處的了解、為什麼三年前做出了特定決策的背景，以及對從未進入正式流程文件的客戶投訴所進行的細微解讀。

這種情境脈絡（context）並非一種「軟性」優勢；它是一種硬實力的競爭優勢。當經驗豐富的團隊成員離職時，這些知識也會隨之流失。雖然有人認為可以用 AI 被動地捕捉這些知識，但現實情況是，有效應用這些知識所需的判斷力是隨著時間累積而成的，一旦失去，便極其難以重建。

倍增 vs. 取代

AI 採用有兩種根本不同的營運模式：

取代模式： 使用 AI 來讓更少的人完成相同的工作量。這專注於成本降低和短期利潤率的改善。
倍增模式： 使用 AI 來讓相同的人員完成顯著更多的內容。這專注於能力的擴張和長期增長。

在倍增模式中，AI 並非取代人類；而是延伸了人類的觸及範圍。一個曾經管理單一活動的行銷團隊現在可以管理五個；一位原本花費三天時間撰寫報告的分析師，現在可以在一個早晨完成，並將剩餘的一週時間用於策略與解讀。

在此情境下，人類仍是核心方程式中的關鍵，而 AI 是加速器。

「AI 敘事」作為企業的擋箭牌

雖然理論上的辯論集中在 AI 的能力上，但從當前市場狀況的現實中，出現了一個關鍵的反向觀點。許多觀察家指出，「AI 驅動的裁員」往往是一種公關敘事，用來掩蓋更平凡的經濟壓力。

正如一位評論家所言：

"在現實中，有兩種裁員正在發生。一種是那些真心相信 AI 真的會取代大量勞動力的人……另一種是那些已經內化了 ZIRP [Zero Interest Rate Policy] 已經結束的事實的人……說『我們用 AI 革命化了我們的流程』比說『我們在過去 5 年內沒有將龐大的投資債務轉化為利潤』具有更好的觀感。"

從這個觀點來看，AI 並非人員削減的起因，而是方便的藉口。面臨現金流緊縮或正在修正疫情期間過度招聘情況的公司，利用 AI 敘事向投資者和 VC 向傳達「創新」的信號，以防止股價出現通常會伴隨「承認財務規劃不佳」而來的下跌。

重新定義績效與自主權

如果 AI 真的能倍增產出，它也會倍增個人的影響力。這引入了一個新的挑戰：高績效與低績效員工之間的區別。有人認為用 AI 取代低績效員工是正當的價值增值。然而，難點在於績效的定義。例如在軟體工程領域，並沒有衡量「10x developer」的行業基準，因為績效往往是團隊協作能力與環境的產物。

此外，為了讓 AI 真正發揮效用，組織必須針對人類的自主權進行優化。大型企業通常受困於決策瓶頸與僵化的職位定義，這反而扼殺了 AI 所要賦能的創新。規模較小、更具靈活性的公司更有優勢，能讓員工「擴展」到更廣泛的角色中，利用 AI 承擔更多職責並展現更多主動權。

未來的路徑：投資於深度

最永續的 AI 採用模式提出了一個不同的問題。領導層不應問：「AI 可以在哪裡取代人？」而是應該問：「AI 可以在哪裡把時間還給我們的員工，讓他們不再受困於不需要判斷力的任務中？」

透過消除行政、格式化與基礎報告的摩擦力，公司可以將高技能的時間重新導向至關係管理、策略思考與複雜問題的解決。那些將業務知識視為基礎設施，並投資於培訓團隊與 AI 並肩工作——而非取代他們——的公司，將建立起一種試算表無法捕捉的持久競爭優勢。