80% 的公司为 AI 裁了人，却没换来回报——他们把 AI 的用途搞反了
Gartner 刚发布了一份让很多 CFO 尴尬的调研。他们问了 350 家年收入超过 10 亿美元、正在部署 AI 自动化的大公司，结果发现：约 80% 因为 AI 裁了人。这部分不意外。意外的是后半句——裁了人的公司，拿到实质回报的概率，并不比没裁的高。
负责这项研究的 Gartner 副总裁 Helen Poitevin 把话说得很直接：「裁员可能腾出了预算，但腾不出回报。」更扎心的一句在后面：「提升 ROI 的，不是那些消灭了用人需求的公司，而是那些放大了人的公司。」
这两句话之间，藏着一整轮 AI 裁员潮的误判。
账面上很美，账本上对不上
裁员的诱惑在于它特别好量化。砍掉 350 个人，工资成本立刻从财报上消失，这个数字精确、即时、CFO 看得见。AI 又恰好提供了一个完美的叙事：我们有 agent 了，所以不需要这么多人了。GitLab 为「agentic AI 时代」重组，砍掉几层管理、退出 22 个国家、影响约 350 人。Pleo 上线财务 AI agent 的第二天就宣布裁员。动作干净利落，故事讲得通。
问题是，省下的成本不等于赚到的回报。Gartner 那份数据里，裁了人的公司和没裁的公司，落在「显著回报」和「负回报」上的比例几乎一样。也就是说，裁员这个动作本身，和 ROI 之间没有因果关系。它制造了空缺，没制造价值。
裁员是 AI 时代最好量化、也最容易做错的动作。工资从财报上消失是真的，可回报从账本上长出来，是另一回事。
他们买错了 AI 的用途
为什么省了成本却没换来回报？因为这些公司从一开始就把 AI 的用途搞反了。
他们把 AI 当成替代人的省钱工具：同样的活，机器干，人就不用了。可 AI 现在最不擅长的恰恰是「无人值守地把活干完」。Gartner 另一份研究里，AI agent 在办公任务上的出错率高达约 70%。一个七成会出错的执行者，你把盯着它、纠正它、为它结果负责的那个人裁掉了，剩下的不是省钱，是放任。
AI 真正值钱的地方在另一头：放大人的判断。让一个有判断力的人，借 AI 把产出放大十倍、把验证从几周压到几小时、把一个人能覆盖的范围撑大几倍。这件事不减少对人的需求，它提高每个人的杠杆。那些真正拿到回报的公司，做的正是这件事——Poitevin 说，他们在「让人去引导、驾驭自主系统」的新技能和新角色上加大投入，而不是一刀切地裁。
执行越来越便宜，判断越来越值钱，这是 AI 时代最基本的一条价格规律。可裁员潮干的事恰好相反：它把便宜的执行和值钱的判断捆在一起一起裁掉了。省下的是执行的成本，砍掉的是判断的回报。两头不讨好。
对个人，这是一条很清楚的信号
把镜头从公司挪到你自己身上，这件事给每个职场人、尤其是产品经理，一个特别清楚的信号。
会被这轮 AI 裁掉的，是那些把自己定义成「执行者」的人——你的价值如果就是把一件已知该做的事做出来，那 AI 确实在抢这个位置。而活下来、甚至更值钱的，是把自己变成「判断的放大层」的人：决定做什么、判断什么算好、拦住错的、为结果签字，然后用 AI 把这份判断放大到覆盖十个人的工作量。
公司层面的「放大人而非替代人」，落到个人层面就是：别去和 AI 抢执行，去做那个 AI 替代不了、还离不开的判断者。七成会出错的 agent，反而是这个判断者最好的就业保障。
判断
这轮 AI 裁员潮，本质是一次大规模的归因错误。公司看到 AI 能干活，就以为价值在「省掉干活的人」，于是奔着最容易量化的成本去砍，结果砍掉的是产生回报的那一层。Gartner 预测，到 2028、2029 年，真正想清楚的公司会因为 AI 重新开始招人——招的是机器干不了的那些新角色。
省成本和赚回报，从来不是一回事。把人当成本，你只会越省越穷；把人当杠杆，AI 才真正开始产生回报。这一轮裁早了的公司，迟早要把人请回来；而想明白「机器干完剩下的，人到底该干什么」的公司，根本不用走这趟弯路。
讨论