来源：HRflag

　　（图片由HRflag用ChatGPT image2.5生成 ）

　　9月中旬，Reddit职场社区里出现了一则颇具传播力的帖子，标题直接写着：“9月前10天，科技行业裁员超过6300人，别把它们都怪到AI头上。”发帖者把几家科技与平台企业近期公布的人员调整放在一起，发现公开表述里更常出现的词，并不是“AI替代”，而是减少管理层级、合并重复团队、缩短决策链条和重新配置资源。评论区很快分成两派：一派认为这不过是疫情后扩张的继续修正，另一派则坚持认为，AI已经让一个人承担过去几个人的工作，只是企业没有把它写进公告。

　　这场争论有一个容易被忽视的前提：所谓“6300+”并非统计或权威机构发布的数据，而是社交平台用户按自己的时间范围与企业口径做出的汇总，帖子中列举的调整计划也并非都发生在同一时点。把它当成统计并不严谨，但把它当成一种组织情绪的切片，却非常有价值。它揭示了2026年职场最典型的认知冲突：员工看到岗位消失，媒体看到AI叙事，投资者看到效率空间，而管理层看到的是一张已经无法按旧方式维持的组织成本表。

　　把每一次裁员都解释为AI取代人，当然过于简单；把AI完全排除在外，同样错过了真正的变化。 AI未必是许多人员调整的直接起因，却正在改变企业判断“多少人足够、什么岗位值得保留、哪类能力需要溢价”的计算方式。 它不像一只突然闯进办公室、独自按下裁员按钮的机器，更像一束照进组织内部的强光，把多年积累的重复流程、模糊职责、过长汇报链条和低价值协同一起照了出来。

　　因此，“裁员究竟是不是AI造成的”并不是高管和HR负责人最值得停留的问题。更重要的，是企业究竟在修正过去，还是在设计未来；是在压缩人员成本，还是在重建工作系统；是在用AI为既定决定提供一个时髦解释，还是已经找到了人和机器重新分工之后的增长模型。答案不同，组织接下来的人才策略、管理责任和绩效体系也会完全不同。

　　一场裁员，往往同时有四本账

　　企业对外发布人员调整消息时，通常会使用“战略聚焦”“简化组织”“提高效率”或“资源再配置”等表述。这些词容易被外界当成标准化话术，但从经营视角看，它们往往对应几本真实存在、彼此交织的账。只看其中一本，便容易把复杂的组织变动简化成单一的技术冲击。

　　更先需要结算的是增长预期账。疫情期间，数字化需求、线上消费和低成本资本同时推高了许多企业对未来市场的判断，一些组织提前配置了按照更高增速才能消化的人才与管理容量。当增长曲线回到更正常的斜率，原来为了抢时间而搭建的团队、项目和管理层级，便需要重新与现实收入匹配。这个过程会与AI浪潮在时间上重叠，却不能简单倒推为“因为有了AI，所以这些岗位才消失”。

　　紧接着是资本配置账。AI并不是一种只需购买软件账号的小型工具升级，它背后还连着算力、数据、模型接入、产品改造、安全治理和组织培训等一整套投入。当董事会要求企业同时维持利润、加大AI投资并提高创新速度时，管理层必然重新比较每一笔成本的机会价值。某些成熟业务减少一个层级，可能不是为了让模型接管全部工作，而是为了把预算转向数据基础设施、AI产品人才或更接近增长的业务单元。

　　第三本是组织债务账。企业在快速扩张时期常以增加岗位来解决问题：跨部门协同困难，就增加项目经理；信息无法穿透，就增加汇报层；职责边界不清，就再设一个协调岗位；系统不好用，就让人手工搬运数据。这些做法在高速增长阶段能够暂时维持运转，却会把流程缺陷沉淀为长期人力成本。AI到来之后，原本依赖人肉汇总、传递、跟进和格式加工的工作被压缩，组织才发现自己支付的并不全是创造价值的成本，其中相当一部分只是为复杂性缴纳的“利息”。

　　最后一本才是自动化账。生成式AI开始稳定完成资料搜索、会议纪要、基础分析、代码辅助、文案初稿、客服分流和知识问答后，部分任务确实不再需要原有的人时投入。如果这些任务占某个岗位的大部分，而且剩余工作无法构成一个新的、足够有价值的角色，岗位就可能被合并、缩减或停止招聘。 AI对就业的影响，很多时候并不是直接替代一名在岗员工，而是让企业不再补回离职者、不再新增原计划中的岗位，或者把三个边界模糊的岗位重新组合成一个更完整的角色。

　　这四本账同时发生，正是当下裁员讨论总显得各有道理的原因。员工在自己的工作现场看到AI提高了产出，财务部门看到成本结构需要调整，业务负责人看到市场增速变化，HR则看到技能供需错位。每个人描述的都可能是真相的一部分，但如果企业只用其中一个原因解释全部结果，就会做出粗糙的人才决策。

　　裁员新闻很密集，不等于整个就业市场只剩下收缩

　　裁员是高度可见的事件。一次集中调整会同时出现在新闻标题、社交媒体和员工网络里，而一家企业取消三百个尚未发布的招聘计划、将自然流失岗位冻结半年，通常不会成为公共话题。于是，人们感知到的是一连串醒目的“岗位消失”，却很难看到用工市场中更缓慢、更分散的招聘、转岗和新职业形成。

　　美国劳工统计局发布的2026年8月数据提供了一个有用的对照：当月非农就业仍增加16.2万人，失业率维持在4.1%，餐饮和地方教育等领域继续增加就业，但信息行业出现岗位减少。这意味着科技行业的压力是真实的，却不代表所有行业同步进入同一种周期。对企业而言，人才市场不是一条整齐下行的直线，而是一场行业之间、职能之间和技能之间的再分配。

　　世界经济论坛对超过1000家大型雇主的调查也给出了更长周期的画面。其《未来就业报告2025》预计，到2030年，结构性变化将影响相当于现有岗位22%的就业规模，其中约1.7亿个岗位可能被创造，9200万个岗位可能被替代，净增加约7800万个岗位。这个预测当然不是企业年度编制表，却说明技术变化从来不是只有“减法”：同一轮转型会让一部分岗位减少，也会让护理、教育、绿色能源、数据、AI和软件等岗位增加。

　　真正需要警惕的，不是总岗位数会不会在宏观统计里立即转负，而是新增与减少发生在不同地方。一个行政支持岗位的减少，并不会自动让原岗位上的人变成AI产品经理；一家成熟软件企业减少通用岗位，也不意味着数据中心、能源、芯片或行业AI公司能够无摩擦地吸收这些人才。宏观上的净增长，无法替代微观上的职业转换成本。

　　国际货币基金组织估计，全球约40%的就业会受到AI影响，在发达经济体这一比例约为60%。但“受到影响”并不等于“被替代”，其中相当一部分岗位会因为AI而增强生产率，另一部分则可能面临需求下降、工资承压或招聘减少。对管理者来说，暴露度只是起点，决定岗位走向的还有任务结构、责任风险、客户信任、数据条件以及企业是否愿意重构流程。

　　所以，看到一轮科技行业裁员时，既不必用宏观新增岗位轻描淡写个体受到的冲击，也不应把局部调整直接推演成所有知识工作的终点。更准确的判断是： 就业市场正在从“岗位数量的竞争”，转向“任务组合与技能迁移速度的竞争”。 企业能否把减少的低价值工时转化为新的客户价值，员工能否从被压缩的任务迁移到更高责任的工作，决定了这场变化最终是单纯降本，还是生产力升级。

　　AI真正改变的，是企业心里的“更低有效团队”

　　过去，企业规划编制时习惯从工作量出发：业务增长多少，需要增加多少销售、运营、客服、研发和支持人员。生成式AI进入工作流之后，问题逐渐变成另一种形式：完成同样的业务结果，最小需要怎样的一组人、工具与代理；增加一名员工、采购一套系统或部署一个智能体，哪一种方式能以更低的边际成本扩大产出。这个变化并不会立刻写在组织架构图上，却会悄悄进入每一次招聘审批和预算讨论。

　　微软2025年工作趋势指数调查了31个的3.1万名知识工作者。报告显示，53%的认为生产率必须提高，但80%的员工和表示，自己缺少完成工作的时间或精力；82%的相信，未来12至18个月会使用“数字劳动力”扩展组织容量。这里最重要的信息，不是企业即将用数字员工一比一替换多少人，而是管理者开始把机器能力视为可随时调用的产能，新增人力不再是扩大知识工作规模的选项。

　　这种变化首先影响的，常常不是现有员工名单，而是未来招聘。某个团队去年离职两人，过去会自然补员，今年可能先要求用AI重做流程；一项新业务原计划配置十人，现在可能先用五名领域专家加若干智能体试运行；一个支持部门过去按业务人数同比扩张，现在被要求证明服务量增加为何仍需线性增员。裁员新闻之外，真正广泛发生的是“反事实招聘”——那些按照旧模型本来会出现、如今却没有出现的岗位。

　　更低有效团队变小，并不意味着管理难度下降。恰恰相反，当少数员工能够借助AI承担更大范围的任务，错误也可能更快扩散，关键知识更容易集中在少数人身上，个人负荷与业务连续性风险会随之上升。一个人看起来能完成过去三个人的输出，不代表他能够长期承担三个人的判断、关系维护、异常处置和责任压力。

　　这也是为什么用“人均产出提高了多少”直接推导裁员比例，往往会高估短期替代、低估长期重构。AI可以快速生成一份报告，却未必拥有决定报告该不该做的业务判断；可以给出代码，却不能自动承担系统上线后的安全责任；可以回答员工问题，却无法独自处理组织公平、情绪和劳动关系。企业真正需要设计的，不是更少的人，而是 更少的重复劳动、更清晰的责任边界，以及能够承接更高判断密度的团队。

　　被压缩的不只是岗位，更是组织中间的传递层

　　许多企业公开解释人员调整时，都会提到减少管理层级、消除重复团队和加快决策。这个信号比“某类岗位是否被AI取代”更值得HR关注，因为它指向的不是一项工具，而是组织价值链发生了变化。过去，大型组织依靠层级完成信息压缩与风险控制；现在，数据平台、协同系统和AI正在降低信息汇总、查询和传递的成本，一些只负责搬运信息的管理工作自然会受到审视。

　　传统中层岗位往往同时包含四类任务：收集下属进度，整理成上级需要的格式；把上级要求翻译并分配给团队；跨部门协调资源；对结果作出判断并承担责任。AI最容易压缩前两类任务，却无法自动替代后两类任务。如果一家企业没有把这四类任务拆开，就可能把“减少汇报工作”误判成“不再需要管理”，最终得到一个层级更少、决策却更混乱的组织。

　　因此，扁平化并不是简单扩大管理幅度。一个管理者从带八个人变成带十五个人，若仍然保留原有会议、审批、绩效沟通和跨部门协调方式，组织只是把被删除层级的工作转嫁给剩余管理者。真正的扁平化需要同步修改决策权、信息机制、例外处理和绩效责任，让团队能够在更少请示的情况下完成更多闭环。

　　AI在这里扮演的是组织接口。它可以自动汇总项目状态、识别风险、检索制度、生成管理看板，也可以帮助管理者准备一对一沟通和资源分析，但最终需要有人判断什么问题值得升级、何时偏离规则、谁对结果负责。 未来更有价值的管理者，不是最擅长收集汇报的人，而是能够定义问题、配置人机资源、处理例外并建立信任的人。

　　这也会改变干部评价标准。过去，一名管理者拥有更大团队和更多预算，常被视为影响力扩大的标志；未来，能够用更小团队交付更大业务结果、同时维持人才密度与组织健康，可能成为更重要的能力证明。但企业不能只奖励“少用人”，还必须同时观察客户结果、创新质量、风险事件、关键人才流失和继任梯队，否则管理者很容易通过透支团队换取短期数字。

　　最隐蔽的冲击，可能发生在组织入口

　　公众讨论AI与就业时，注意力往往集中在被裁撤的在岗员工，但企业人才供应链还有另一个更安静的变化：初级岗位减少、校招规模收缩、入门任务被自动化。它们不一定出现在裁员统计中，却可能对三到五年后的专业人才供给产生更深影响。一个岗位没有被公开裁掉，只是从此不再招聘，同样会改变一代人的职业入口。

　　知识型组织长期依靠初级员工完成资料整理、基础分析、测试、初稿和流程跟进，并在这些工作中学习业务判断。AI恰好更先接管这些相对结构化的任务，于是企业很容易得出“减少初级人员更划算”的结论。短期来看，员工借助工具确实可以完成更多工作；长期来看，如果没人再经历基础训练，企业会发现自己失去了培养中高级人才的起点。

　　这是一种新的学徒制悖论。企业不愿意为机器已经能完成的基础任务支付大量人力成本，却仍然需要未来有人能够审核机器、处理复杂案例并承担专业责任。解决办法不是机械保留所有旧岗位，而是重新设计入门角色，让新人更早接触客户、判断、验证、数据治理和跨职能协作，同时用AI承担重复劳动。

　　广告

　　世界经济论坛预计，到2030年，平均39%的现有技能会发生变化或过时。若把全球劳动力看作100个人，其中59人需要接受培训；29人可以在现岗位上提升技能，19人可以经过培训后在组织内部转岗，但仍有11人可能得不到所需的再培训。报告同时显示，63%的雇主把技能缺口视为业务转型的主要障碍，85%计划优先提升员工技能，70%准备招聘具备新技能的人才。

　　这些数字说明，企业一边减少部分岗位，一边仍会为关键能力支付更高溢价。问题不再是“要不要人”，而是组织是否拥有足够多能够理解业务、使用AI、验证结果并对后果负责的人。对于HR而言，若只盯着总编制和人工成本，就可能在削减显性冗余的同时，误伤未来能力的供给链。

　　AI节省了时间，企业却还没有决定把时间投向哪里

　　很多企业的AI项目从工具采购开始，也停在工具采购。员工获得账号、参加培训、在日常工作里节省了若干小时，但组织没有重新定义这些时间该投入什么工作，绩效指标也没有变化。结果是，AI制造了局部效率，却没有自动形成企业价值；员工做得更快，会议和需求反而更多，组织获得的只是一种更高速度的忙碌。

　　BCG在2026年对11749名受访者进行调查，结果颇能说明这种落差。在经常使用AI的一线白领员工中，42%表示每周至少节省一个工作日，但66%表示组织几乎没有提供如何使用这些节省时间的指导，超过一半的人没有把时间重新投入更具战略价值的工作。节省八小时看起来像一笔漂亮的生产率红利，如果没有新的价值去向，它也可能只是在日历上腾出更多可以被会议重新占满的空白。

　　这份报告还显示，72%的受访者认为岗位技能要求已经改变，67%认为AI接管了简单任务、留下更复杂和高风险的工作，52%花费更多时间检查和纠正AI输出，47%的角色正在转向管理与指导AI。与此同时，只有36%的受访者认为自己获得了充分培训。员工不是简单地“少做事”，而是在从内容生产者转为任务设计者、结果验证者和风险承担者，培训与评价体系却没有同步跟上。

　　更值得管理层注意的是，BCG将企业分为仅部署工具、重塑端到端流程以及用AI创造新业务三种状态。与只做工具部署的企业相比，那些推进流程重塑或业务创新的组织，更容易获得可衡量的业务改善，员工也更容易感受到工作价值和满意度。报告给出的判断很清楚：战略清晰度对结果的影响，甚至可能大于单纯增加工具可得性。

　　这意味着，真正有质量的AI转型不能只问“员工是否在使用AI”。如果使用率成为主要KPI，员工会迅速学会提交提示词数量、生成内容数量和节省时间估算，却未必提升客户体验或经营结果。企业更应该追踪周期缩短、一次通过率、错误率、风险事件、客户转化、决策质量和创新收入，并明确节省下来的时间究竟要回流到客户、创新、学习还是员工负荷改善。

　　对HR来说，最危险的是把所有调整都装进同一个“AI转型”文件夹

　　面对业务提出的减员或冻结招聘要求，HR首先需要做的不是寻找一个统一口径，而是判断不同岗位变化背后的经营逻辑。需求下降导致的容量调整、业务退出带来的结构收缩、流程优化形成的效率提升、AI能力产生的任务替代，以及管理层级重构造成的岗位合并，看起来都表现为人数减少，后续解决方案却完全不同。

　　如果属于周期性需求下降，企业需要保留未来恢复产能的弹性，避免关键技能流失；如果属于业务组合变化，重点是人才能否迁移到增长单元；如果属于流程问题，就应先修复流程而不是让更少的人继续承担同样的混乱；如果属于AI带来的任务替代，则要重新定义岗位剩余任务、责任边界和能力要求。原因诊断不清，裁员之后常会出现另一种熟悉场景：几个月后以更高成本重新招聘，或者让外包与加班悄悄填回原来的工作。

　　一个更可靠的做法，是把岗位拆成任务，而不是直接给岗位贴上“可替代”或“不可替代”的标签。对每组任务，可以观察其重复度、规则清晰度、数据可得性、错误代价、关系依赖和责任要求。AI适合高频、可验证、数据充分的任务；涉及高风险判断、复杂谈判、组织信任和最终责任的工作，即使能够得到AI辅助，也仍需要明确的人类所有者。

　　任务拆解之后，HR还要判断被释放的容量是否能够形成新的岗位价值。例如招聘团队使用AI完成职位描述、简历初筛和面试记录后，节省的时间可以投入人才地图、候选人关系、招聘质量分析和内部流动，而不是简单按节省时长同比减员。财务团队减少报表制作后，可以增强经营分析和情景预测；客服团队减少标准问答后，可以处理复杂投诉、客户留存和知识库建设。

　　如果企业只拿走被自动化的任务，却不给剩余岗位增加新的价值空间，员工最终感受到的不会是“工作升级”，而是工作密度上升。 这类组织短期人均产出会很好看，但隐性成本会通过疲惫、错误、创新减少和关键人才离职重新出现。HR的价值，正是在人工成本表之外，把这些延迟发生的成本提前呈现给经营团队。

　　岗位说明书已经不够，企业需要一张“人机责任图”

　　传统岗位说明书描述一个人负责什么、向谁汇报、需要哪些经验，但在AI参与流程后，交付结果可能由员工、模型、系统和外部服务共同完成。此时只写“熟练使用AI工具”几乎没有管理意义。企业需要进一步明确：哪些任务可以由AI独立完成，哪些必须人工复核，哪些结果需要双重审批，哪些数据不得输入外部模型，发生错误时由谁停止流程并承担责任。

　　这张人机责任图应当与业务风险相匹配。营销初稿、内部资料归纳和息检索，可以允许更高程度的自动化；薪酬决定、人才评价、合规判断和重大客户承诺，则需要更严格的数据权限、验证标准和人工决策。并不是所有场景都要设置同样重的治理，也不能因为追求速度而模糊最终责任。

　　岗位价值也会因此重新排序。能够熟练生成内容只是基础，真正稀缺的是定义好问题、提供高质量上下文、识别输出漏洞、把结果嵌入流程并承担业务后果的人。领域知识没有因为AI而贬值，反而成为判断答案是否可靠、是否适合当前情境的重要门槛。

　　新的关键角色不一定都要以“AI”命名。业务部门需要能够设计工作流和衡量价值的人，需要维护知识与数据质量的人，需要建立评测标准和风险护栏的人，也需要连接技术、法务、HR与一线场景的人。它们可能由现有产品经理、运营负责人、专业专家或HRBP演化而来，企业不必一看到新技术就批量制造新的职位名称。

　　这也要求人才盘点从“员工拥有什么证书”转向“员工能够完成什么更高责任的任务”。同样会使用模型的人，有人只能加速个人产出，有人能够重构团队流程，有人能够建立可复制的组织能力，三者对企业的价值完全不同。把这些能力层次映射到晋升、薪酬和关键岗位继任，AI才会从工具普及变成人才战略。

　　绩效管理不能奖励“看起来很忙的AI使用”

　　AI进入工作以后，很多管理者最容易抓住的指标是使用频次，因为它可见、可统计，也能向上证明转型正在推进。但工具使用率与经营价值之间没有天然等号。员工每天打开AI十次，可能只是把过去在搜索引擎完成的动作换了入口；另一个员工每周只使用一次，却可能重构了一条价值很高的流程。

　　更合理的绩效框架，应当把岗位结果、AI协作能力和管理责任放在同一张表上。岗位结果仍然是核心，包括收入、质量、客户、交付和风险；AI协作能力关注员工能否选择合适场景、提供上下文、验证输出并沉淀可复用方法；管理责任则关注负责人是否重新设计流程、分配节省容量、保护数据并培养团队。这样做可以避免把“会用工具”误当成高绩效，也能防止管理者把转型压力单方面转嫁给个人。

　　质量标准还需要同步提高。BCG的调查中，60%的受访者认为AI提高了“合格工作”的门槛，这并不意外：当初稿、基础分析和格式整理变得更便宜，组织自然会期待员工交付更深的洞察、更快的响应和更完整的方案。问题在于，如果企业只提高结果要求，却没有提供训练、数据和决策授权，AI就会从赋能工具变成新的绩效压力源。

　　对管理者的评价尤其需要变化。一个负责人若通过自然流失和AI工具减少了团队人数，却导致关键流程无人复核、员工长期超负荷或客户问题增加，不能被视为成功完成效率提升。真正值得奖励的，是在成本、增长、质量、风险和人才可持续性之间建立新的平衡。

　　绩效校准时，HR还要警惕AI放大原有评价偏差。高可见度员工更容易展示自己借助AI完成的大量产出，承担关系维护、风险预防和团队支持的人则可能继续被低估。企业需要让“避免了什么损失”“帮助谁完成了更好决策”“沉淀了什么组织资产”进入绩效证据，否则会把组织最需要的人推向边缘。

　　裁员之后，信任不是靠一句“与AI无关”就能恢复

　　当企业一边宣布人员调整，一边高调投资AI，员工很难完全接受“二者毫无关系”的解释。即使本轮调整主要源于组织层级、业务组合或增长预期，AI也确实在影响未来编制和能力要求。过度切割两者，短期或许能降低争议，长期却会损害管理层沟通的可信度。

　　更有效的沟通不是给出一个单一原因，而是讲清多重因素的权重与边界。企业可以说明哪些变化来自业务需求，哪些来自流程合并，AI在哪些任务上已经产生影响，哪些关键职责仍然需要人承担，以及未来岗位会如何变化。员工未必要求管理层对三年后的技术演进作出承诺，但会判断组织是否愿意诚实面对不确定性。

　　对于留下来的员工，最重要的问题也不是抽象的“公司是否重视人才”，而是自己的工作将如何改变。哪些重复任务会减少，哪些标准会提高，节省时间如何分配，岗位是否需要新技能，培训由谁提供，出现错误时谁负责，这些具体答案比鼓舞式口号更能恢复确定感。若组织始终只谈愿景，不谈工作设计，员工就会用裁员传闻和社交媒体信息填补空白。

　　管理者在这一阶段承担着最直接的信任责任。他们需要把企业层面的转型逻辑翻译成团队工作安排，也需要把一线发现的风险反馈给决策层。如果中层只接到一个人数目标，却没有获得流程重构权限和沟通支持，所谓组织简化就很容易变成一场向下分配焦虑的运动。

　　HR则需要守住程序、公平和尊严。无论调整原因是否涉及AI，选择标准、决策记录、内部机会、知识交接和离职支持都应经得起审视。技术变化可以提高决策速度，却不应降低组织对人的责任标准。

　　高管真正需要的是一张新的用工资产负债表

　　传统人力规划最常见的输入是业务增长率、劳动生产率和人员成本，但AI时代还需要加入更多变量。哪些任务会被自动化，哪些会被增强，哪些新责任会出现；关键知识集中在哪些人身上；流程对人工判断的依赖程度如何；组织有多少可转岗人才；外部人才、合作伙伴和智能体之间应该怎样组合，这些都在影响企业的真实产能。

　　一张新的用工资产负债表，资产端不只是员工数量，还包括领域知识、客户关系、数据质量、管理能力、流程资产和学习速度；负债端也不只是薪酬成本，还包括组织复杂性、关键人依赖、技能过时、管理层级和隐性加班。AI可能减少其中一些负债，也可能制造新的模型风险、数据风险和能力空心化。

　　这张表还应保留“可逆性”。在技术和需求高度不确定时，企业不宜把所有效率假设一次性兑现为减员，而应通过试点、自然流失、内部转岗、项目制团队和阶段性容量调整观察真实效果。不可逆的人才流失发生得很快，重建专业能力和组织信任却往往需要数年。

　　董事会和管理团队可以持续关注几个比“用了多少AI账号”更接近经营的问题：人均产出增长来自流程改善还是工作负荷增加；关键岗位的候选梯队是否变薄；初级人才是否仍有成长通道；被自动化任务释放的时间流向何处；错误率和返工率是否下降；员工是否有权在高风险场景停止AI流程。这些指标共同决定转型是否可持续。

　　当企业真正建立这种视角，裁员就不再是AI战略的代名词，扩招也不再自动代表组织健康。减少岗位可能是必要的经营调整，增加岗位也可能是在为低效流程继续付费。判断一项人力决策质量的标准，应当是它是否让组织更接近客户价值、提高长期能力，并对被影响的人保持基本责任。

　　AI没有签署裁员信，但它已经坐进了编制会议

　　回到那场关于“6300多个科技岗位”的争论，发帖者有一句话说得很准确：AI不会签署解雇信，不会批准补偿预算，也不会设定季度目标，这些仍然是人的决定。它提醒管理层，不应把本应由组织承担的判断与责任推给一种技术。任何人员调整背后，都有经营选择、投资优先级和管理假设。

　　但评论区另一派的担忧也不能被轻易否定。AI虽然没有签字权，却已经改变了管理者对产能、速度和人才密度的预期；它会影响一个岗位是否补招、一个团队需要多大、一个管理层是否仍有存在价值。它不是裁员故事里的主角，却已经成为编制会议里无法忽略的参与者。

　　对企业高管而言，真正成熟的做法不是急于证明裁员与AI有关或无关，而是能够解释每一项人员决策背后的价值逻辑。哪些是对过去扩张的修正，哪些是对未来能力的投资，哪些工作会被机器承担，哪些责任必须留在人手中，哪些员工能够通过转岗继续创造价值，都需要比“降本增效”更清晰的答案。

　　对HR负责人而言，这也是一次角色升级。HR不只是执行人数增减和发布沟通口径，而要把岗位、任务、技能、绩效与管理责任连成一条完整链路，帮助业务识别真正的冗余与真正的稀缺。只有这样，企业才不会在削减旧成本的同时，也削掉未来增长需要的能力。

　　下一轮竞争的分水岭，不是谁更早把AI写进裁员理由，而是谁更早把AI写进组织设计。 前者只能解释一张已经发生的名单，后者决定企业能否用更好的工作系统创造新的价值。当“AI是否抢走工作”的争论继续占据标题时，真正领先的组织已经开始回答另一个更难的问题：在人与机器共同工作的时代，什么值得由人完成，什么必须由人负责。

　　参考资料

　　Reddit：6，300+ tech layoffs in the first 10 days September — let’s not blame AI https://www.reddit.com/r/corporate/comments/1wd7yo6/6300_tech_layoffs_in_the_first_10_days_september/

　　U.S. Bureau of Labor Statistics：Current Employment Statistics，2026年8月就业数据 https://www.bls.gov/ces/

　　World Economic Forum：The Future of Jobs Report 2025 https://www.weforum.org/publications/the-future-of-jobs-report-2025/digest/

　　International Monetary Fund：AI Will Transform the Global Economy. Let’s Make Sure It Benefits Humanity https://www.imf.org/en/Blogs/Articles/2024/01/14/ai-will-transform-the-global-economy-lets-make-sure-it-benefits-humanity

　　Microsoft WorkLab：2025 Work Trend Index—The Year the Frontier Firm Is Born https://www.microsoft.com/en-us/worklab/work-trend-index/2025-the-year-the-frontier-firm-is-born

　　Boston Consulting Group：AI at Work 2026—Strategy Matters More Than Tools https://web-assets.bcg.com/e7/c7/00d913744cccb1e4f65bbf54fe86/ai-at-work-slideshow-june-2026.pdf

　　McKinsey & Company：The State of Organizations 2026 https://www.mckinsey.com/capabilities/people-and-organization/our-insights/the-state-of-organizations

　　原文链接：https://mp.weixin.qq.com/s/kuIU-I3FG21Qfcf_vwsMWQ