80% 的公司為 AI 裁了人，卻沒換來回報——他們把 AI 的用途搞反了
Gartner 剛發布了一份讓很多 CFO 尷尬的調研。他們問了 350 家年營收超過 10 億美元、正在部署 AI 自動化的大公司，結果發現：約 80% 因為 AI 裁了人。這部分不意外。意外的是後半句——裁了人的公司，拿到實質回報的機率，並不比沒裁的高。
負責這項研究的 Gartner 副總裁 Helen Poitevin 把話說得很直接：「裁員可能騰出了預算，但騰不出回報。」更扎心的一句在後面：「提升 ROI 的，不是那些消滅了用人需求的公司，而是那些放大了人的公司。」
這兩句話之間，藏著一整輪 AI 裁員潮的誤判。
帳面上很美，帳本上對不上
裁員的誘惑在於它特別好量化。砍掉 350 個人，薪資成本立刻從財報上消失，這個數字精確、即時、CFO 看得見。AI 又恰好提供了一個完美的敘事：我們有 agent 了，所以不需要這麼多人了。GitLab 為「agentic AI 時代」重組，砍掉幾層管理、退出 22 個國家、影響約 350 人。Pleo 上線財務 AI agent 的第二天就宣布裁員。動作乾淨俐落，故事講得通。
問題是，省下的成本不等於賺到的回報。Gartner 那份數據裡，裁了人的公司和沒裁的公司，落在「顯著回報」和「負回報」上的比例幾乎一樣。也就是說，裁員這個動作本身，和 ROI 之間沒有因果關係。它製造了空缺，沒製造價值。
裁員是 AI 時代最好量化、也最容易做錯的動作。薪資從財報上消失是真的，可回報從帳本上長出來，是另一回事。
他們買錯了 AI 的用途
為什麼省了成本卻沒換來回報？因為這些公司從一開始就把 AI 的用途搞反了。
他們把 AI 當成取代人的省錢工具：同樣的活，機器幹，人就不用了。可 AI 現在最不擅長的恰恰是「無人值守地把活幹完」。Gartner 另一份研究裡，AI agent 在辦公任務上的出錯率高達約 70%。一個七成會出錯的執行者，你把盯著它、糾正它、為它結果負責的那個人裁掉了，剩下的不是省錢，是放任。
AI 真正值錢的地方在另一頭：放大人的判斷。讓一個有判斷力的人，借 AI 把產出放大十倍、把驗證從幾週壓到幾小時、把一個人能覆蓋的範圍撐大幾倍。這件事不減少對人的需求，它提高每個人的槓桿。那些真正拿到回報的公司，做的正是這件事——Poitevin 說，他們在「讓人去引導、駕馭自主系統」的新技能和新角色上加大投入，而不是一刀切地裁。
執行越來越便宜，判斷越來越值錢，這是 AI 時代最基本的一條價格規律。可裁員潮幹的事恰好相反：它把便宜的執行和值錢的判斷綁在一起一起裁掉了。省下的是執行的成本，砍掉的是判斷的回報。兩頭不討好。
對個人，這是一條很清楚的訊號
把鏡頭從公司挪到你自己身上，這件事給每個職場人、尤其是產品經理，一個特別清楚的訊號。
會被這輪 AI 裁掉的，是那些把自己定義成「執行者」的人——你的價值如果就是把一件已知該做的事做出來，那 AI 確實在搶這個位置。而活下來、甚至更值錢的，是把自己變成「判斷的放大層」的人：決定做什麼、判斷什麼算好、攔住錯的、為結果簽字，然後用 AI 把這份判斷放大到覆蓋十個人的工作量。
公司層面的「放大人而非取代人」，落到個人層面就是：別去和 AI 搶執行，去做那個 AI 取代不了、還離不開的判斷者。七成會出錯的 agent，反而是這個判斷者最好的就業保障。
判斷
這輪 AI 裁員潮，本質是一次大規模的歸因錯誤。公司看到 AI 能幹活，就以為價值在「省掉幹活的人」，於是奔著最容易量化的成本去砍，結果砍掉的是產生回報的那一層。Gartner 預測，到 2028、2029 年，真正想清楚的公司會因為 AI 重新開始招人——招的是機器幹不了的那些新角色。
省成本和賺回報，從來不是一回事。把人當成本，你只會越省越窮；把人當槓桿，AI 才真正開始產生回報。這一輪裁早了的公司，遲早要把人請回來；而想明白「機器幹完剩下的，人到底該幹什麼」的公司，根本不用走這趟彎路。
討論