AI 不是万能药，治不了CEO 的裁员病

本文来自微信公众号： 领导者管理笔记 ，作者：张三峯，原文标题：《AI 不是万能药，治不了 CEO 的裁员病》换一套工具，不动一套关系，是这一年最贵的自我安慰。你手里有一张表，上面写着今年要压下来的人力成本。

这张表不是你定的，但落到你手上之后，就成了你要交的东西。这一年，交这张表多了一个体面的办法：上AI。我不想把它说成骗局，多数人是真觉得工具能解决问题。但真正难办的那几件事——谁对结果负责、两个部门的边界谁划、出了问题找谁——一件都没被碰到。

换工具反倒给了你一个不必碰它们的理由。01提问方式先于流程被改掉工具还没到位，理由先到位了。你今年报预算，大概已经答过这个问题了：这块能不能交给Agent。这一栏是立项表上新添的，答不上来，方案就先搁着，先去补一个能交代的说法。

不是因为这块活适合交给Agent，是因为「无AI不立项」这类口径在立项会上流传，渐渐被当成硬门槛：不带AI的方案不好过，带了AI的方案好交代。一个词走进公司会连着变几次形：在立项书上是通行证，在员工手册里是组织设计，到了考核表上就成了筛子。

Emburse那份《AI支出悖论》报告对得上这件事：调查了美英1500名企业决策者，58%说AI相关采购比其他软件更容易获批，62%承认曾把至少一项软件采购挂到AI项目名下以便过审。

挂上去的理由，多半不是业务需要，是预算需要。这一行怎么填的，不用多解释。一份方案要不要上AI，本来该由业务问题决定，现在由「好不好交代」决定。工具还没进场，提问方式先改了。FDE是这一年最典型的例子。

主管部门发文鼓励服务商搭建前线部署工程师团队，扎根用户现场、保障场景落地；猎聘《2026 FDE人才供需趋势洞察报告》里，8月单月新发职位量已接近上半年总量。有制造业企业与科技公司组建过一支34人的联合团队，企业从内部选24位业务骨干脱产两个月，技术方派10位专家驻场。

某地软件产业园区成立了FDE联盟，推出「10万AI工程师菁训计划」。这些动作的本意是补组织。FDE要干的，恰恰是把自己扎进业务现场，把散落的审批流、脏数据、说不清的经验梳理出来，再决定人和AI各干哪一段。

新华社《经济参考报》9月报道过一个零售案例：驻场的人把智能体放进企业工作群观察聊天记录，发现包装审核反复出错是因为没有统一标准；于是先拆工作流、再开发智能体，最后八成低级错误被拦下，沟通时间省了一半以上。

全程没有裁人，改的是流程。但同一份文件到了另一种老板手里，被听进去的只剩「可量化的降本增效结果」。FDE从帮我们把活重新排一遍的人，变成帮我们算清哪个岗位可以去掉的人。角色没变，任务被换了。

你要是那个被派去现场的人，这个变化能直接摸到：出去时任务书上写的是场景落地，回来汇报时被追问的只有减员比例。变的不是你，是接你的那张表。Agent也是。有公司把人与Agent的混合协作体写进员工手册，这是认真的组织设计：先定交付，再按能力分工。

另一边，同一个词正在变成账目名称。有公司要求员工把自己总结的工作方法上交，很快就有人做出一个反蒸馏的小工具，把文件里的核心知识换成正确但毫无信息量的话术；有人事专员离职之后，数字分身继续做咨询、邀约、做表；

还有开源工具能把离职员工的文档和聊天记录做成一个可用的分身。裁判文书网可检索到12起「AI替岗」纠纷，也有法院认定的「AI偷声」案。被要求交出工作方法的人，心里都会过一遍：真正值钱的是这份文档，还是文档里没写出来的那部分。

交上去的是文档，留下的是自己。所以有人把话术写得正确到挑不出错，也空到没有信息量——不是不配合，是给自己留一道门。一个词，一边是重新定义协作，一边是给「不占编制」找个体面的说法。差别不在技术，在立项书上那一行目标写的是「提效」还是「减员」。

还有更直接的。有公司宣布只看AI使用能力组建精英小组，过往贡献不计，其余全部淘汰；有技术出身的老板自己搭数字员工，把人员缩到原来的两成，觉得还能再减。token消耗量开始被拿来和工资对比，用少了不「健康」。

到这一步，工具已经不是工具了。它成了一道表态题，也成了名单的筛子。把这些摆在一起看，你会发现它们不是各家公司各自跑偏，是同一套动作在不同房间里各做了一遍：先有一个要压下来的数字，再有一个必须挂上AI的名义，最后才轮到「到底改哪段活」。

顺序一确定，公司里哪儿热闹、哪儿安静就不难猜——热闹的集中在立项会、员工手册和考核表，安静的留在权责表、跨部门边界，以及一直没人认领的责任归属。跟风还有一层好处：它把一次内部决定变成了行业常识。

别家都在上，你不上，反而要解释；上了，就不必解释为什么动的是人而不是流程。大干快上的从来不是技术，是一个可以被立刻交出去的数字。技术只是让这个数字看起来不像一个决定，而像一次跟上时代。

立项表上先填哪一栏，决定了后面能问出什么问题02先有减员表，才有AI项目一个先有结论的项目，不可能产出坏消息。不是先发现问题、再看AI能不能帮上，是先定下今年要压多少人力成本，再回头找一套说得过去的技术叙事。

顺序一变，项目的性质就变了。立项书上写着减员比例，后面的调研就只会去找支持这个结论的证据。调研本来是用来发现问题的，一旦改成验证结论，听诊器就成了印章。技术叙事的作用不是解释世界，是让一个已经做出的决定获得合法性。

工具是中立的，所以「不是我要动谁，是技术到了」——中立性成了最好用的免责声明。坐在这个位置上的人，不必扮演做决定的那个，只需要扮演跟上时代的那个。这些病不新鲜，也不是AI带来的。只是过去增长快，能把它们盖住。

增长的时候，权责不清可以用加人糊过去，容错垫可以用利润买回来，判断力可以靠老员工多扛一层。增速一掉，被盖住的东西同时露出底面，而手里恰好多了一件看起来能立刻见效的工具。本来该在增长期还的账，被当成了可以用技术一次跳过的台阶。

FDE、Agent、不带AI不立项，这三样本来都是好东西。坏就坏在顺序：先有降本指标，后有AI项目。指标在前，技术就只能负责提供理由；理由要得越急，越没人有耐心去碰那套真正该动的关系。

03部门墙不是信息不够墙从来不是信息堆出来的，是权责堆出来的。部门墙最容易被误诊成信息问题。两个部门对不上，第一反应是数据没打通、系统没同步、有没有一个能自动更新的看板。于是上系统、上中台、上智能助手。

信息确实流得更快了，墙还在。很多模糊不是没来得及写清，是被有意留下来的。边界一旦白纸黑字，谁失职就有据可查，上级也失去最终裁量权；留着灰色地带，出了事可以集体承担，等于谁都不必承担。

所以信息透明对这样的组织不是帮助，是威胁——它逼着模糊显形。这也解释了智能助手最先被安顿在什么地方：写纪要、做摘要、整理周报。不是不会用在别处，是不能让它照到别处。一件事成了，谁记功；

砸了，谁担责；跨部门那块灰色地带，谁有权拍板、谁有义务配合、出了问题找谁。这些没写清楚，信息再透明，也只是让双方更快确认这件事不在自己的责任范围里。AI把一份跨部门需求写得再漂亮，落到边界上，仍然没人有权拍板。

权责错位还有一层更隐蔽的：考核。你要求协同，考核却只算各部门自己的指标；你要求长期，季度只看回款。系统不听口号，只认激励。模型读得到库里的文档，读不到一个人心里那本账：多做一件跨界的事，在年底评级里算不算数。

德鲁克1963年在《哈佛商业评论》那篇《Managing for Business Effectiveness》里，把这件事说得比谁都早。“没有什么比高效率地做一件根本不该做的事更没用。

”——彼得·德鲁克，《Managing for Business Effectiveness》，《哈佛商业评论》，1963年AI最擅长提高「做」的效率。方向没定、责任没清、激励没顺，它只会把错误的事做得更快、更整齐、更难以叫停。

组织病也一样。信任涣散、决策层层上交、没人敢在模糊信息里拍板，这些不是算力能补的缺口。它们属于「谁有权决定、谁承担后果」，属于人。AI不会逼任何人交出手里的权力，它只会把现有的权力结构跑得更快。

原本靠人情勉强兜住的地方，现在会以机器的速度暴露出来。“今天的问题来自昨天的「解决方法」。”——彼得·圣吉，《第五项修炼》，第4章「第五项修炼的法则」法则1，Doubleday，1990年这一条放在今天格外准。

上一轮为了快，把协调层撤了；这一轮为了补协调，又去外面买人。问题没走，只是换了个科目。撤协调层那年省下的钱，进过「降本增效」的功劳簿；今天补回来，是另一任、另一笔预算。中间那条因果链在报表上是断的，于是同一个错误可以体面地犯两遍。

智能助手最先被安顿的地方，是写纪要、做摘要、整理周报04成本不会消失，只会换科目裁掉的是薪酬项，不是那件活本身。你在发布会上看到的「AI自主代理」，背后常常坐着人。大模型负责检索、给候选清单；

一到打电话、预约施工、确认服务细节这类现实环节，就转给签约外包人员。前雅虎CEO玛丽莎·梅耶尔创办的Dazzle AI遇到过一次典型故障：AI把屋顶翻新项目里的窗户玻璃和餐桌玻璃混为一谈，试图把桌面玻璃装到窗户上。

系统把任务转给真人，几秒就理清了。Duckbill把「人机转接」做成了标准API，对接一批做过背景审核的合同工，专接AI搞不定的电话沟通与线下预约；它的CEO梅根·乔伊斯把做法比作早年的打车平台——把任务拆成普通人能稳定完成的小块。

Wajo AI也用真人处理电话和人机验证。Meta的Muse代理曾被曝内部测试阶段大量通话由呼叫中心真人代打，公司回应称那是产品开发流程的一部分，并表示目前不用真人完成用户请求。我不觉得这是丑闻，它是现阶段的技术边界。

但拿着「AI自主代理」去论证岗位可以被替代时，隐去的正是这一段。正式岗位裁掉，人力没有消失。稳定高薪的全职，变成随时能关停、不进社保、按单结算的外部采购。财报上显眼的薪酬项瘦了一圈，零散的服务采购悄悄胖起来。

这是账目搬家，不是降本。被省下的和真正被消耗的，不是同一套东西。薪酬是成本，进表；容错是资产，不进表。财报只记录前者，于是凡是把资产换成现金的动作，在账面上都显示为改善。这不是账目出了问题，是度量口径本身带着偏向：能被数出来的只有花掉的钱，没被数出来的是「出事时有人接得住」。

最伤组织的那个动作，恰好在报表上显得最正确。微软的财报是这个故事的另一面：2026财年产品研发人员从8万降到7.7万，研发费用反而涨了9%，到355.6亿美元。年报把增长归因于算力、AI人才和数据投入，也包括Xbox业务的减值。

钱从「人」身上，挪到了别的科目。看懂这一行，比看十条裁员标题都有用。问题不只在钱。被一起抽走的，是组织的容错垫。那些「AI兜不住时有人接一下」的能力，平时不进任何考核：一个老员工知道哪家供应商的账期还能谈，记得三年前那次事故为什么不能再犯，能在客户发火时判断该升级给谁。

它们写在人脑子里，不写在交接文档里。裁掉正式团队时，公司省下的是薪酬，丢掉的是异常发生时的那层缓冲。等异常真来了，只能再花钱从外面买回来——而且买不回原来那个人对这家公司的了解。所以成本不只换了科目，也换了时间和承担者。

它从今天的薪酬项，挪到明年的服务采购；从在编的人身上，挪到不进社保的外包、离职者的记忆、以及下一个接手异常的人。当期报表因此干净得没有代价，因为替它付账的人，都不在这次汇报要交的那张表上。

Gartner在客户服务与支持领域给过一个预测：到2027年，把减员归因于AI的公司里有一半会重新招人做类似的活，只是职位名称换了。预测不是既成事实，但它指向的机制很实在：裁员能削减组织重量，产不出组织速度。

当期报表干净，是因为替它付账的人不在汇报现场05寓言没有实锤，恐惧是真的能让几十万人共情的不是那个倍数，是同构的现实。这两天在职场社群里反复流转的一张截图，说一家大厂二十人的技术小组守着一套年耗两亿的服务器系统，五年没解决；

组内一名工程师连续几个月重构底层架构，把年度成本压到两百万；等来的不是奖金和晋升，是整组裁员，自己的名字也在名单上。我得说句公道话：这个故事没有实锤的公司主体，属于社群传播的职场寓言，不该当成新闻引用。

但它能让几十万人共情，靠的从来不是那个夸张的倍数。是同构的现实，太多人见过。打工人算功劳，老板只算人头。难题在，预算在、编制在、岗位在。难题被一次解决干净，依附它存在的那支队伍，立刻变成报表上需要清除的冗余。

这甚至不需要哪个老板心坏，是短期财报导向的考核，天然惩罚「一次把问题解决干净」的人。你交出去的是一个终点，公司续约看的却是「明天你还有什么我们要用」。真正麻烦的，是这件事被全公司看在眼里之后。

组织会自己长出一套自保法则：成果拆开交、经验不交底、可修可不修的隐患绕着走、别做那个把问题一次解决的人。没有人正式宣布过这条规矩，它自己就长出来了。从此没人再敢治本，因为治本的人先走。

这条规矩没有作者，也不需要作者。它是每个人各自算完一笔账之后，自动结晶出来的均衡：交出全部经验，等于把自己变成一份可以被替换的文档；留一手，反而还有位置。指责谁藏私没有意义，换谁坐那个位置，算出来的结果都一样。

这时候上再强的模型也没用。模型只能处理被写下来的东西，而一个开始自保的组织，最要紧的那部分东西，恰恰不再写下来。人不但会藏，还会主动把写下来的东西写浅。工作方法交上去，可以正确到挑不出错，也空到没有信息量；

文档可以齐全，却刚好略过那句「遇到这种情况先找谁」。喂给模型的语料，是被自保意识事先过滤过的。AI不懂业务，一部分不是模型的上限，是组织不想被它懂。于是形成一个闭合的回路：越用工具替代人，人越不敢把真本事交出去；

交出去的越少，工具越只能接走表面的活；接走的活越表面，越显得剩下的那些人只配做这些活——下一轮减员因此更有理由。每一环都合乎理性，合起来却让组织一点点失去被人理解、也失去理解自己的能力。

每一环都合乎理性，合起来却让组织失去理解自己的能力06计分卡改了，立项会没改同一个模型进两家公司，结果可以完全相反。资本已经先一步改了口径。微软时隔九年发行250亿美元债券加码AI，订单超过1150亿美元、认购约4.6倍；

但市场对长债仍要求更高溢价，连AAA评级的微软，30年期利差也宽过评级更低的日用品公司。财报季之后，市场开始把「只有降本叙事、没有业务增量」的公司单独定价。麦肯锡《2026年组织现状报告》给过一组数：88%的组织已在至少一个业务职能常态化使用AI，但只有约6%算得上「AI高绩效企业」——把至少5%的息税前利润归因于AI，且认为影响显著。

差距不在模型选型，最省事也最没用的解释恰恰就是模型选型。同一个模型进两家公司，结果可以完全相反。差别不在参数，在企业上下文——业务知识有没有写成能调用的规则，流程里谁批、谁担责有没有写清，异常往哪升级有没有约定，一线踩过的坑有没有回到系统里。

这些东西平时看着像文档工作，真到用AI的时候，它们就是全部。但它们看着像文档，其实写的是关系。谁批、谁担责、异常往哪升级，没有一条是凭空写出来的规定，都是过去冲突、妥协、追责之后谈出来的均衡。

把这些搬进知识库，搬走的是文字，留下的是支撑文字的那套约定。同一句话，在原团队里是常识，到了模型里成了一句没有主语、也没有后果的话。模型缺的不是数据，是让数据有意义的那套关系。11月4日Canva的全员信值得连着读。

这家公司ARR正朝着40亿美元走，却主动重组22%的岗位，联合创始人兼CEO梅兰妮·珀金斯说「小修小补已经不够了」。动作不是裁掉一批「没活干的人」，而是把产品、增长、平台三大团队合并为统一产品组织，减少专业细分、精简管理层级。

先动的是组织形态，不是先买一批工具。要提醒一句，公开信里的1271是「受影响岗位」，包含调岗与搬迁，不等于实际裁员人数。顺序一旦反过来，代价就很具体：先裁人，再指望模型接住业务，遇到异常诉求、多方扯皮、历史遗留的灰色流程全部卡壳，最后悄悄采购外包补缺口。

总成本没降多少，容错垫先没了。AI能处理文本、归纳信息、生成初稿、批量筛查。它识别不了复杂利益博弈，承担不了业务责任，在模糊信息里做不了取舍，也重建不了一支涣散团队的信任。管理病、组织病、部门墙、权责错位，这些公司底层的顽疾，算力和模型一样都治不好。

07人还在，判断权没了真正要核的账，不是省了多少钱，是省下的钱变成了什么。判断一家公司的AI落地健不健康，不用看采购清单，也不用看发布会。问一件事就够：AI接走标准化、重复、低判断的任务之后，那些人被释放去做什么了。

如果答案是方案博弈、客户沟通、风险决策、啃硬骨头，那是托举。人的时间从「把表做完」挪到「决定该不该做这张表」，组织的能力往上走了一层。如果答案是「没有了」，那不是转型，是清退。名字再好听，也只是把人当成了可调节成本。

但还有一种答案比「没有了」更常见，也更难察觉：人在，能拍板的事却没了。低判断的任务被接走，本是把时间还给人的好事；若同时把「遇到例外怎么办」一并上收、把可裁量的空间收成标准流程，人就再没有练判断的场。

几年之后公司会问，怎么找不到能在信息不全时拍板的人——那不是模型拿走的，是自己把人从练兵场上撤下来之后，慢慢没有的。你团队里那个最能拍板的人，上一次被允许在一个没把握的判断上做决定，是什么时候？

德鲁克还有一层一贯的主张适合放在这里：组织不该靠天才撑着，得让普通人在里头做出不寻常的事。这是对观点的转述，不是他的原话。反过来读更扎人——如果一套系统上线之后，人只剩更少的空间去判断、去担责、去长本事，那它提高的是效率，削弱的是组织。

所以真正要核的账，不是省了多少钱，是省下的钱变成了什么。变成一项新能力、一支能扛更难事情的队伍，那叫转型；只是从一个科目挪到另一个科目，明年某个季度再以别的名字重新出现在预算里，那叫搬运。

三行都写成可验收字段，才不是口号01被释放的人去了哪。写清楚岗位名和新的交付，不写「另行安排」这种没有下文的填法。02异常由谁接。模型兜不住的那一段，要有真名和联系方式。03这套关系由谁负责。

权责表、跨部门边界、升级路径，得有一个交差的人。这三行一旦要交差，动关系就不再是一次道德选择，而是一项交付。CEO不必先变成一个更有担当的人，他只需要被要求交付一个不一样的数字。还有一个更不好答的问题：把一件事交给AI，究竟是判断之后的选择，还是终于找到了一个不用去碰那套关系的理由。

最后AI是很好的效率工具，不是裁员神药。它治不了的那些病，多数管理者心里其实有数：谁该负责没说清，两个部门各自留一手，干得好的人拿不到该拿的，没人敢在没把握的时候拍板。这些事不归模型管，归人管。

不必把CEO想成坏人。他坐在那个位置上，能被董事会、被市场、被下一季财报追问的，多半只有能写进表格的东西：人数、成本、工时。权责、信任、容错垫都重要，却没有人要求他为这些交付一个数字。

一个人被反复要求交付什么，就会反复看见什么。所谓CEO的大病，很多时候只是这个位置自带的盲区。技术把账算得更快、更细、更不留情面。它不会替你把那句难说的话说出口，不会替你重新分一次责任，也不会替你把功劳记到该记的人名下。

能让组织变快的，从来不是模型。是有人愿意先把那张计分卡改了，再去动那套关系。这样，把工具接进流程才终于是一个结论，而不是一次回避。下次填表之前，先看一眼：那张表上有没有一行，是问人去哪了的。

参考彼得·德鲁克，《Managing for Business Effectiveness》（为经营成效而管理），《哈佛商业评论》，1963年。彼得·圣吉，《第五项修炼：学习型组织的艺术与实务》（The Fifth Discipline），Doubleday，1990年；中文版上海三联书店，2003