文章作者、来源:0x9999in1,ME News

先问一个问题。
你还记得 2023 年到 2025 年那波"AI 将替代 XX 岗位"的狂热吗?
高管们在财报电话会上语气笃定。分析师们在研报里列出替代率。招聘经理们悄悄把 JD 撤下来,然后对着 ChatGPT 复盘:这个岗位,还需要人吗?
答案在两年后揭晓。
需要。而且比想象中更需要。
福特是最新一个转向的。这家百年老厂正在重新聘用数百名经验丰富的工程师,处理 AI 自动化系统无法解决的质量问题。福特汽车硬件工程副总裁 Charles Poon 说了一句很实在的话:「AI 是一个非常好的工具,但它的效果取决于你用来训练它的信息质量。」
翻译一下,就是:AI 不是万能的,训练数据糙一点,它就翻车。
而汽车质量问题,恰恰是最不能糙的地方。
这不是孤例。澳大利亚联邦银行去年裁减了 40 多名客服人员,用 AI 语音机器人替代。结果呢?系统扛不住,客户投诉爆炸,来电量不降反升,最后银行只能撤回裁员决定,把人请回来。IBM 也是同样的剧本,用 AI 替代部分人力资源职能,系统能处理 94% 的常规请求,看起来漂亮,剩下那 6% 却是硬骨头——包括伦理困境、边缘案例、需要人性判断的场景。IBM 随后宣布,2026 年美国入门级岗位招聘规模将扩大至 3 倍。
三倍。
你要是 2024 年跟 IBM 高管说这个数字,他们大概率会觉得你在开玩笑。
现象说完了,来看数据。
Orgvue 的报告里有个数字挺扎眼:39% 的企业领导者曾因部署 AI 而裁员,其中 55% 承认相关裁员决策存在错误。
一半以上。
这不是"效果没达到预期"这种委婉表达,是承认自己判断错了。
Robert Half 的数据更直接:32% 的美国招聘经理表示,曾主要因 AI 取消某一岗位,随后又为相同或类似岗位重新招聘。
三分之一。
裁的时候雷厉风行,招回来的时候悄无声息。这中间的成本谁来承担?被裁的员工承担了一次,重新招聘的公司承担了第二次,剩下的士气损耗、客户流失、品牌信誉,都是隐性账单。
Capitol Technology University 说得很清楚:AI 正在改变工作场所,但企业正发现,人机协作比完全替代人工更有价值。
这句话看似平淡,其实是过去两年 AI 裁员狂潮的一次冷静收束。
为什么?
因为 AI 擅长的东西和人擅长的东西,本来就不是完全重合的。AI 处理结构化任务、重复性劳动、模式识别,效率碾压人类。但涉及模糊判断、跨领域推理、情境感知、伦理权衡、和一个愤怒客户对话的时候——AI 会露怯。
这不是 AI 不好,是它的能力边界就在那里。
第二个问题来了:为什么这么多公司同时踩坑?
不是因为高管们笨。而是因为 AI 裁员这件事,短期财报太漂亮了。
裁员 = 立即降低人力成本 = 财报数字好看 = 股价短期反应正面。
上 AI = 拥抱前沿技术 = 分析师给高估值 = 讲故事讲得动。
两件事叠加起来,就是 2023 到 2025 年那波财报叙事的标准模板:"我们通过 AI 提升了生产力,同时优化了组织结构。"
翻译过来就是:我们用 AI 替代了人,短期利润上来了。
但生意不是季度赛跑。
福特发现 AI 处理不了质量问题的时候,缺陷可能已经流到市场上了。澳大利亚联邦银行发现语音机器人扛不住的时候,客户可能已经在社交媒体上开骂了。IBM 发现 6% 的边缘案例处理不好的时候,可能已经有员工投诉、法律风险、信任崩塌了。
短期账好算,长期账更难算。
真正的问题是:很多岗位的价值,不在于处理 94% 的常规请求,而在于处理那 6% 的例外。
那 6% 才是决定客户是否留下、员工是否信任公司、品牌是否值得尊重的地方。
AI 现在能处理 94%,未来可能能处理 97%、99%。但只要那最后 1% 存在,人就必须在。
而且很多时候,人不在,那 94% 也会慢慢崩塌——因为没人训练 AI、没人纠错、没人给系统反馈。
这是 AI 裁员最讽刺的地方:你把懂业务的人裁了,AI 就没人教了。
再深一层看,AI 裁员回流这件事,其实是 AI 应用泡沫的第一次退潮信号。
过去两年,AI 叙事的核心是"替代"。替代客服、替代程序员、替代设计师、替代 HR、替代分析师、替代律师助理……
一波接一波。
每次都有大公司站出来说:我们用 AI 优化了 XX% 的岗位。
但真正跑通了的有多少?
福特在自家发布会上都承认,AI 处理不了质量问题。这不是小公司的探索失败,是全球第二大汽车制造商的正面回撤。IBM 是全球 AI 领域投入最激进的公司之一,自己的 AI HR 系统也只能处理 94%。
这两个案例,几乎宣告了"完全替代"叙事的破产。
不是 AI 不行,是"完全替代"这个框架本身就不对。
真正在跑通的,是"AI 副驾驶"模式。GitHub Copilot 让程序员写代码更快,但没让程序员消失。Midjourney 让设计师出稿更快,但没让设计师失业。ChatGPT 让分析师做研报更快,但顶尖分析师的薪水还在涨。
AI 是杠杆,不是替代品。
这个认知,市场花了两年时间、无数被裁员工的代价、和一堆企业的翻车案例,才慢慢确立。
再问一个问题。
如果 AI 裁员是错的,那 AI 时代的正确打开方式是什么?
看几个反面案例。
英伟达没有大规模裁员。台积电没有。ASML 没有。这三家是 AI 基础设施的核心供应商,员工数量在增长,不是在缩减。
再看应用层。Anthropic 在扩招,OpenAI 在扩招,Perplexity 在扩招。就连传统金融机构里,摩根大通也在大规模招聘 AI 相关岗位——不是替代原有员工,是叠加。
规律很清楚:真正吃到 AI 红利的公司,都在扩招;急着用 AI 裁员省钱的公司,都在返聘。
这中间的区别是什么?
前者把 AI 当成生产力扩张的工具,后者把 AI 当成成本压缩的借口。
生产力扩张意味着做更多事、进入更多市场、创造更多产品。成本压缩意味着在现有盘子里挤水分。
哪个更容易带来长期增长?答案不用我说。
聊到这里,得说一个更沉重的话题。
那 39% 的企业里被裁掉的员工,去哪了?
一部分被重新招聘的公司请回来了。但绝大多数没有。
Robert Half 的数据里,32% 的招聘经理承认自己错了,但重新招聘的时候,招的可能不是原来那批人。原来的员工可能已经换行业、已经离开这个城市、已经放弃这个领域了。
这是 AI 裁员最残忍的地方:决策的成本,不完全由决策者承担。
高管们裁员的时候,代价是员工和家庭承担的。返聘的时候,市场上未必还找得到同等经验、同等意愿的人。福特要重新聘用"数百名经验丰富的工程师",请注意"经验丰富"这四个字——这不是应届生能补上的空缺。
AI 时代最稀缺的资源不是算力,也不是数据,是在某个领域深耕十年以上、既懂业务又愿意配合 AI 迭代的老手。
这类人一旦离开行业,就很难再回来。
最后一个问题:AI 裁员回流是不是意味着这波狂潮结束了?
不是。
只能说,"无脑替代"这个阶段结束了。
未来两三年,会看到更精细的 AI 应用策略。不是"这个岗位能不能用 AI 替代",而是"这个岗位里哪些任务能用 AI 提效,哪些必须留人"。
不是"我们裁了 XX% 的员工",而是"我们的团队产出提升了 XX%"。
叙事框架会变。
真正聪明的公司会开始讲:我们没有裁员,我们的每个员工借助 AI 完成了原来 3 个人的工作,然后我们扩张了业务盘子。
这个叙事更难讲,因为它需要业务真的增长,不是嘴上增长。
也正因为难,才是真的。
福特把工程师请回来了。澳大利亚联邦银行把客服请回来了。IBM 2026 年入门岗位招聘规模扩大 3 倍。
这些不是新闻里的孤立事件,是一个共同的转向。
一个 AI 狂热正在被现实修正的转向。
分析人士的判断朴素得几乎像一句废话:在加大 AI 使用的同时裁减员工,并不一定是推动业务增长的最佳路径。
但两年前,没人愿意听这句废话。
现在,市场用真金白银的返聘成本、崩塌的客服系统、返工的质量问题,把这句废话变成了共识。
有些教训,只能自己撞过一次才明白。
AI 会继续进步,会继续吃掉更多岗位里的重复性工作。但那 6% 的例外、那些需要判断力和经验的场景、那些机器还看不懂的模糊地带——人还得在。
关键是,别把人赶走得太早。
赶走容易,请回来贵。
真正的问题从来不是 AI 会不会替代人,而是:你想清楚 AI 到底能做什么、不能做什么了吗?
想清楚了,AI 是杠杆。
没想清楚,AI 是回旋镖。
福特、澳大利亚联邦银行、IBM 已经接住了自己扔出去的那一枚。
下一个会是谁?
