游乐游手机版
首页/AI教程/文章详情

AI提效预期下企业是否应该裁员的深入思考

时间:2026-06-22 15:35
AI提效预期下,企业不应急于裁员,而应投资员工转型。西门子、AT&T、宜家等通过培训将员工升级为更高价值岗位,实现效率与信任双赢。缺乏战略的裁员会破坏组织信任,长期不可取。
去年初,Salesforce的CEO公开表示:“我们已将员工人数从9000人削减至5000人,因为所需人手更少了。”这次裁员主要涉及约4000名客服岗位,其中80%的常规咨询已实现自动化处理。然而几个月后,由于AI无法解决复杂的客户问题,企业不得不重新聘用被裁员工——这一“回旋镖”效应让企业自食其果。近期,国内多家科技公司也以“AI提效”为由,大幅裁减员工。

AI提效的预期下,企业是否应该裁员?

如今,许多人都有一个明确的预期:AI将显著提升工作效率。这确实是未来趋势,不仅涉及客服等重复性劳动,还包括产品经理、开发、测试等研发岗位,甚至可以说覆盖几乎所有职位。我们看到一些企业几乎不加思索就开始裁员;更值得关注的是,许多企业并非因为人力成本过高导致经营困难或亏损,反而发展势头良好,仅仅是因为对未来成本竞争的预判,就急于采取行动。 这类企业的领导层实际上并未深思熟虑,这完全是一种缺乏战略眼光的应激反应。在AI革命即将来临之际,企业最不该做的就是仓促裁员——至少应该给员工一个学习和转型的机会。下面从道义、理性和可行性三个维度进行分析。 任何企业的成功都不是董事会或CxO等少数人的功劳,而是成千上万员工日复一日的专注、协作与创新,共同铸就了今天的竞争力。那些掌握资本的人通过雇佣关系获取了大量剩余价值,坐拥亿万家产——当技术变革刚刚到来,就迫不及待地将员工视为“可替换的零件”抛弃,这在道义上难以立足。平时高谈员工体验、以人为本、共同成长的口号,但日久见人心,只有在危机面前才能看清一个人或一个企业家的真正价值观。此外,企业或企业家的社会责任不仅是为客户和股东创造价值,也要为内部员工创造福祉,保障他们的发展权。 接下来从理性角度分析。一家企业在几十年的发展过程中必然会遇到各种波折,员工才是支撑企业渡过难关的最强支柱。真正追求长期主义的企业,有必要与员工构建“命运共同体”,让员工对组织产生信任,愿意发自内心地追随企业付出。这种信任一旦被破坏,留下的员工也会陷入恐惧与猜疑,不知道自己哪天会被淘汰,士气必然下滑,人浮于事,创新的动力也会减弱。 为了稳定军心,企业主可能会给暂时留下的员工一些稳定性承诺或加薪,但这并不能消除大家的担忧。一方面,未来AI原生的工作模式远未稳定下来,随时在变化,今天暂时安全,明天就可能因为跟不上节奏而被“优化”;另一方面,会使用AI并不代表能从事创造性劳动。AI将来会成为整个社会的基础设施,就像如今的水电和互联网一样,在时代推动下,未来会使用AI的人必然很多——能用AI生成内容并评判、修订结果,不过是未来AI原生企业中最基础的操作性工作,而非核心岗位,熟练使用AI的外包人员也能胜任。当员工对企业价值观产生怀疑、缺乏信任时,就不可能全心全意地投入身心和创造力。 相反,明智的企业家可以从危险中看到机遇。一个企业的雇主品牌至关重要,能够吸引更优秀的人才。正如当年格力的董明珠所言:“无论多困难,我们都不裁员。”这份承诺就是企业最好的品牌。 再从业务战略角度分析。AI能提升效率,同时也可能帮助我们更快地探索创新、推动业务增长。当更多员工熟练掌握AI后,在研发领域,同样的人可以尝试更多实验性的想法。例如在设计环节,借助AI可以快速产生更多创意,获得体验更佳的设计结果;在开发环节,可以加速对遗留的“屎山代码”进行重构,利用AI解决长期累积的技术债务,实现更快的交付。再如营销服务领域,可以利用AI进一步推进精细化运营和个性化体验,让销售和服务真正做到“千人千面”;那些重复性的咨询、服务工作被自动化后,可以让更多服务人员从被动的“处理投诉”转向主动的“用户旅程关怀”,构建客户信任。AI带来的不仅是替代,更是业务的潜在增量。企业的心态应该从面向过去的“降本”转变为面向未来的“价值创造”。 那么,不裁员的企业该怎么做?其实有很多选择。① 那些有社会责任感的企业家,能够同时对股东和员工负责,持续关注技术趋势、经营成本和市场竞争,提前未雨绸缪。② 从今天开始,在组织内大力营造AI时代变革的危机感和同舟共济的使命感,传达给每一个人。③ 投资内部培训、转岗轮岗机制。④ 设立AI技能认证,帮助员工从“执行者”转变为“AI协作者”。⑤ 通过赋能和重新定位,一些基础岗位可以升级——比如“开发人员”可以成为“Agent开发者”,加速agent生态建设;“报表文员”可以升级为“数据顾问”,参与业务讨论和决策。 同时,应对环境变化,⑥ 需要立即重新审视公司战略,找到AI赋能下的新客户发展方向和业务增长机会,加速推动业务数字化、智能化转型。⑦ 给那些在转型中有更多创新贡献的员工以激励和晋升机会。AI的降本增效不应该等同于“引入工具裁人”,而是对“流程、人力、决策”的全面重构。企业不能只着眼于替代存量,更要致力于寻找增量。 **案例:西门子** 西门子是“赋能转型”的典范。他们通过一个名为“NextWork”的项目前瞻性地预测人力技能需求,开展“AI训练营”(AI Base Camp),为全球30万员工提供分层级的AI培训,设立“数字工匠”认证,通过认证的员工薪资上浮15%。结果是德国工厂的缺陷率大幅下降50%,离职率下降40%。 **案例:AT&T** AT&T在AI浪潮初期就意识到,超过一半的员工技能会在未来十年过时。他们投资10亿美元启动了一个名为“Future Ready”的大型重塑项目。公司不直接裁员,而是建立一个内部职业平台,员工可以清楚看到哪些岗位在缩减、哪些在增长,并且能获得在线课程帮助。转型后,AT&T内部职位空缺明显改善,减少对外招聘依赖,员工内部流动性大大增强,活力也显著提升。 **案例:宜家** 宜家引入了一个名为Billie的AI聊天机器人来处理简单客户咨询,但没有裁减受影响的呼叫中心员工。相反,他们对8500名呼叫中心员工进行技能培训,使其转型为远程“室内设计顾问”。这一转型直接带来了新的业务收入——远程设计服务,把原本枯燥的客服岗位升级为更有创造力的专业岗位。 毕竟AI目前的成熟度要做到完美取代还有待时日。例如AI开发,一个人手上可能玩得不错,但一旦放到团队里、放到创造客户价值的完整链条中,如何让市场、产品、开发、测试基于AI有效协作还不成熟,存在很多断点需要突破。企业并非没有缓冲期——除非企业已经陷入经营困难,否则就还有时间。人才市场上高技能人才向来稀缺,找到优秀的人并不容易。真正有远见的企业经营者不会把人当作一个既定存款的账户(已有技能),花完即扔;而是不断往里面存钱,以“成长性思维”看待人才,相信大部分人是可以通过学习获得成长、胜任更高价值工作的。员工若能感受到企业在面对挑战时的不放弃,坚持对未来的投资,有安全感,自然能以更高热情投入到每天的工作中,更用心去创新。对一个组织来说,信任就是生产力——员工感受到被尊重,才会主动拥抱变革。 当经过半年到一年的人员转型赋能后,企业里总有一小群缺乏学习能力、不愿意改变的人,意识不到时代对自己提出的新要求。即便提供了学习和转岗机会,他们也并不努力。这时候再有计划地裁撤那些自甘落后、不胜任的人,也为时不晚。 最后说句实在的——那些业绩不错却因为AI提效而急于裁员的企业,不过是短期利益驱动,希望通过更快地降本拿到一波红利,而不是着眼于长远发展。这波成本红利不仅会随着其他企业逐渐跟上而消失,不可持续,而且员工信任被消耗、社会责任被放弃,非常不可取。
来源:https://cloud.tencent.com.cn/developer/article/2693806
上一篇智能体养育与最小作战家庭深度探究 下一篇AI Agent自我编写技能 MetaSKILLs系统深度解析
本站内容用于信息整理与展示,如有侵权或内容问题请及时联系处理。

相关推荐

补充同频道和同主题内容,方便继续浏览更多相关内容。

同类最新

继续查看同栏目最近更新的文章。

更多
RAG四标融合企业知识资产体系四库协同GEO优化实践
AI教程 · 2026-07-01

RAG四标融合企业知识资产体系四库协同GEO优化实践

生成式AI正在彻底改写信息检索的底层逻辑。传统SEO依赖关键词堆砌和外链建设的策略,在大模型的内容采信规则下已经基本失效。取而代之的,是生成式引擎优化(GEO)。它不再关注外链数量,而是重点衡量你的知识是否结构化、证据链是否坚实、信源是否可靠——这些维度才是RAG(检索增强生成)架构真正看重的核心指

一个普通上班人分享WorkBuddy使用心得与真实体验
AI教程 · 2026-07-01

一个普通上班人分享WorkBuddy使用心得与真实体验

前言 最近我开始使用WorkBuddy——这是腾讯推出的一款AI办公工作台。差不多用了一周时间,趁印象还新鲜,把真实的使用感受记录下来,给还在犹豫的朋友做个参考。不吹不黑,只说实际体验。 初印象:不只是聊天机器人 之前用过不少AI工具,大多数就是个对话框,你问它答,答完就结束了。WorkBuddy不

AI幻觉变真功能实战教程:App Inventor 2视频录制拓展一周开发实录
AI教程 · 2026-07-01

AI幻觉变真功能实战教程:App Inventor 2视频录制拓展一周开发实录

先讲一个颇具戏剧性的开端。 这件事的开端颇显荒诞——有用户前来咨询,称AI Pro版的介绍中提到我们有一款“视频录制拓展”。团队全体成员都感到困惑,翻遍产品列表,发现根本不存在该组件。AI那种“一本正经胡说八道”的能力,这次确实让我们陷入尴尬。 按常理,此事到此便可结束——一句“抱歉,暂时没有这个拓

别再混淆OLAP和SQL-on-Hadoop两者查询本质不同
AI教程 · 2026-07-01

别再混淆OLAP和SQL-on-Hadoop两者查询本质不同

OLAP和SQL-on-Hadoop虽都使用SQL查询数据,但本质不同。SQL-on-Hadoop负责海量数据批量计算与ETL,查询速度秒级至分钟级;OLAP通过预聚合实现毫秒级多维分析,适合BI报表。两者在数据平台分工协作,前者是后厨加工,后者是前台快速服务。

GEO优化深度解析:AI偏好FAQ还是长文内容?
AI教程 · 2026-07-01

GEO优化深度解析:AI偏好FAQ还是长文内容?

在GEO优化中,AI对内容形式无统一偏好:FAQ在简单查询中引用率41%,长文在复杂查询中达58%。内容应基于用户意图选择形式,FAQ适配简单事实类问题,长文建立主题权威,两者互补而非替代。