跳转至

AI 驱动的裁员没有商业意义 — Gartner 研究

Ch01.398 AI 驱动的裁员没有商业意义 — Gartner 研究

📊 Level ⭐⭐ | 8.9KB | entities/www.cio-4171054-ai-driven-layoffs-arent-making-business-sense.md

AI 驱动的裁员没有商业意义 — Gartner 研究

→ 原文存档

摘要

Gartner 2025 年底对大型企业的调查显示：80% 的大型企业在推出 AI 项目后进行了裁员（平均 1%-15%），但裁员与 AI 投资回报率（ROI）之间没有相关性。获得显著 ROI 的企业裁员比例与 ROI 微薄甚至为负的企业相当。真正的 ROI 驱动力是对员工的再投资——培训员工使用 AI、创建 AI 相关新角色（如 Agent 编排者），而非用自动化替代人力。

核心要点

  1. 裁员 ≠ ROI：Gartner 分析师 Helen Poitevin 明确指出，"裁员与从 AI 投资中获得回报之间没有联系"。获得最高 ROI 的企业正在培训员工如何使用 AI、创建新的 AI 相关角色。

  2. "自动化增强"优于"自动化替代"：领先企业采取的策略是"automate-to-augment"——自动化低风险常规任务释放员工时间，然后将人力投入到更高价值的服务或新市场拓展中。

  3. 机构知识是 AI 的前提：RIIG Technology CTO Brian Behe 指出，"先裁后自动化"的企业发现，被裁掉的机构知识恰恰是 AI 正常工作所需的东西——"你无法自动化你已经不再拥有的专业知识"。

  4. 裁员被误用为 AI 进展的代理指标：Behe 指出，"组织将裁员视为 AI 进展的证明，实际上这是他们跳过了困难部分的信号。裁员容易衡量，构建让 AI 真正产生价值的运营模式则不然。"

  5. Block 裁员 40% 的争议案例：Block 在宣布裁员 4000 人（40% 员工）以聚焦 AI 的同时，预测 2026 年毛利润近 120 亿美元。ONLC Training CEO Andy Williamson 评论："决策桌上谁在讨论裁掉 4000 人的人力成本？"

深度分析

1. 裁员作为"简单答案"的组织行为学陷阱

Gartner 的数据揭示了一个组织行为学现象：裁员是衡量 AI 投资"成果"的最简单指标。部署 AI 的实际 ROI 很难量化——生产力提升、质量改善、创新能力增强——这些需要长期跟踪和复杂归因。而裁员是一个即时可见、容易汇报的数字。

这导致了一个危险的激励错位： - CEO 向董事会汇报："我们通过 AI 削减了 15% 的人力成本"（容易量化，听起来有成果） - 实际发生的是：机构知识流失、剩余员工 morale 下降、AI 系统因缺乏领域知识而表现不佳

Behe 的观察切中要害："裁员被用作进展的代理指标。它们不是。"

2. 培训 vs 替代：两种 AI 战略的分水岭

Gartner 的调查结果指向一个清晰的分水岭：

策略 做法 结果
替代策略 裁员后用 AI 填补空缺 ROI 不显著，机构知识流失
增强策略 培训员工使用 AI，创建新角色 ROI 显著，员工生产力提升

增强策略的具体实践包括： - 培训员工构建自己的 Agent 或自动化流程 - 创建"Agent 编排者"等新角色，负责协调 AI Agent 的工作流 - 为受 AI 影响的员工设计职业转型路径

Poitevin 的观察很关键："人们害怕 AI 会取代他们整个工作的程度，远低于他们害怕 CEO 认为 AI 会取代他们整个工作的程度。"——这说明员工的实际恐惧更多来自管理层的决策，而非技术本身。

3. 机构知识的不可替代性

Behe 的论点触及了 AI 应用的一个根本限制：AI 系统需要领域知识才能有效工作，而这些知识往往存在于被裁掉的员工脑中。

具体来说： - AI 可以写代码，但不知道这段代码在业务上下文中的含义 - AI 可以分析数据，但不知道哪些数据源是可靠的、哪些指标真正重要 - AI 可以生成报告，但不知道哪些结论在组织政治中可行

"先裁后自动化"的企业实际上是在拆除 AI 需要的基础设施——人类专业知识。这就像为了建高速公路而拆掉所有加油站。

4. IT 行业裁员的特殊性

Poitevin 承认 IT 公司确实在宣布 AI 相关裁员，但她区分了两种情况： - IT 公司的裁员：更多是战略转向（将资源从旧业务线重新分配到 AI 产品开发），而非用 AI 替代员工 - 非 IT 公司的裁员：声称用 AI 替代员工，但数据显示这不会带来 ROI

这个区分很重要——科技公司的"AI 裁员"往往是业务重组，而非真正的"人被机器替代"。

5. 人类成本的计算缺失

Williamson 对 Block 裁员的评论揭示了一个被系统性忽视的维度：AI 裁员决策中人类成本的计算缺失。Block 在预测 120 亿美元毛利润的同时裁掉 4000 人，社交媒体讨论的是"被裁员工多了一周 Slack 时间告别"，而非"这个决定是否必要"。

这指向一个更广泛的问题：当前的企业决策框架中，人力成本被计入（裁员节省了多少工资），但人类成本（对个人、家庭、社区的影响）不在任何 Excel 表格中。

实践启示

  1. 不要用裁员衡量 AI 成功：建立真正的 AI ROI 指标体系——生产力提升、质量改善、客户满意度、创新速度——而非简单的人力成本削减。

  2. 投资员工 AI 培训先于 AI 部署：Gartner 数据表明，培训员工使用 AI 的企业 ROI 显著更高。在部署 AI 工具之前，先确保团队具备使用和编排 AI 的能力。

  3. 识别和保护机构知识：在考虑任何人员变动之前，先盘点哪些员工的领域知识是 AI 系统正常运行所必需的。这些人是"不可替代的"，至少在 AI 成熟之前。

  4. 采取"自动化增强"策略：自动化低风险常规任务 → 释放员工时间 → 将人力重新部署到更高价值的活动（更好的客户服务、新市场拓展、产品创新）。

  5. 在决策框架中纳入人类成本：AI 裁员决策不应只是财务计算。建立包含人类影响评估的决策框架——对个人、团队 morale、社区的影响。

相关实体