当 AI 大幅提效时，企业人员编制会发生什么？

裁员、再配置，还是冻结招聘？

已有研究发现

• 普遍预期是”减少”： 麦肯锡发现，32% 的受访者预计，由于 AI，其组织的人员编制会在未来一年内减少；43% 预计变化不大；13% 预计会增加。
• 服务运营部门受冲击最大： 过去一年中，服务运营部门有39%的受访者报告因 AI 而减员，制造业这一比例为30%。
• 去技能化与技能升级并存： Anthropic 的分析显示，AI 覆盖的多是高教育水平相关的任务，这可能导致一部分岗位出现”去技能化”，另一部分岗位则实现”技能升级”。

Anthropic 近期的一篇论文，对比了”理论上的 AI 岗位暴露度”与”实际观察到的职场 AI 采用率”，结果显示：尽管某些领域理论暴露度可高达90%，但实际当前的采用率却明显更低。这在一定程度上可以解释，为什么当前 AI 对失业率的实际影响，还没有许多人此前担忧的那样严重。但随着采用率不断扩大，前景可能会变得更加严峻。

上述研究捕捉到的是宏观预期与总体趋势，但并未把具体的高生产率项目，与真实发生的人员编制决策直接对应起来。

我们的发现

“削减”是最常见的结果，占比达45%，但并非”主流”。三种替代路径（避免新增招聘、不做削减、人员再配置）合计占比达55%。我们观察到三种截然不同的策略：加速增长而非削减成本、将人员再配置到更高价值的工作，或直接削减人员编制。技术本身并不决定最终结果——面向营收增长的应用，更多导向”再配置”或”加速”；而面向成本削减的应用，则更多导向直接裁员。

发现1：削减是最常见的结果，但并非”多数”

“削减”是占比最大的单一类别，但占比不足一半。当下，企业仍在寻找不通过裁员就能获取 AI 生产率红利的方式。随着生产率提升幅度扩大、社会观念演变，这一格局未来可能会发生变化。

发现2：出现了三种截然不同的策略

策略一：加速增长，而非削减成本。一些企业明确选择把生产率的红利，重新投入到增长中，而不是用于降本。

“关于AI是否应该用来削减人员编制，公司内部有过争论。CEO和COO更倾向于降本，而我则主张利用这些收益来加快产品路线图的推进，因为我们积压的需求太多了。” ——某教育科技公司 CTO

生产率提升带来的红利，被投入到了更快地交付更多功能上，而不是用来削减工程团队的人数。

策略二：将人员再配置到更高价值的工作中。另一些企业把员工从被自动化的任务中转移出来，投入到需要人类判断力的工作中。在一家科技咨询公司，AI 自动化了80%的发票处理工作，公司没有裁减团队，而是将他们转移到了下一个瓶颈环节。

策略三：直接削减人员编制。也有一些企业选择了裁员。在一家私募股权（PE）控股的企业中，编码效率提升了88%，直接导致研发团队从7人缩减至3人。 选择哪种策略，取决于企业所处的战略情境。成长期企业更倾向于”加速”；以成本控制为导向的所有者（例如 PE 或困境重组方）更倾向于”削减”。技术本身并不决定最终结果。

案例研究：一家教育科技公司的工程团队变革

他们如何选择”加速”而非裁员 教育科技 | 工程与内容 | 企业级

公司背景

一家拥有数千名员工的教育科技公司，其中技术团队超过200人，工程师超过100人。公司在多个受监管行业提供继续教育和职业认证课程。

AI 的应用实践

CTO 推行了一套”三支柱”AI 战略：面向工程团队的效率工具、客户体验优化，以及 AI 差异化的产品。工程团队用 GitHub Copilot 和 Cursor 开展了为期六个月的试点。

“结果是：工程师的时间和精力投入早期就减少了20%到30%，随着 Prompt 使用技巧和信心的提升，还有进一步上升的空间。” ——某教育科技公司 CTO

在内容生产方面，公司重新设计了生产流程，让领域专家（SME）从”内容撰写者”转变为”人机协同审核者”：AI 负责起草内容，SME 负责精修完善。这为公司节省了数百万美元的成本。

关于人员编制的争论

在生产率提升和成本节约都已有据可查的情况下，管理层面临一个抉择：是用这些收益来削减人员编制，还是重新投入？

各方立场十分明确。在私募股权投资方压力下需要拿出回报的 CEO 和 COO，更倾向于降本；CFO 起初并不相信 AI 能带来净节约；而 CTO 则主张加速推进。

最终决定

在工程团队这一侧，公司选择了”加速”而非”裁员”。理由是战略性的：公司积压了大量产品需求，更快地交付功能所带来的营收，比裁减负责交付功能的团队更划算——至少目前如此。

“节省下来的资源，被用来加快产品路线图，而不是用来削减人员。” ——某教育科技公司 CTO

在内容生产这一侧，节省下来的成本被重新投入：

“我们在2025年的预算编制中，通过削减部分部门预算并将其重新投入 AI，实现了真实的成本节约。节约最大的驱动因素，是领域专家内容生产流程的再造。” ——某教育科技公司 CTO

成果

关键经验

生产率提升带来的是一个战略性的选择，而不是一个自动导向的结果。同样的效率红利，既可以用来支撑裁员，也同样可以用来支撑加速推进产品路线图。最终的决定，取决于公司更看重短期的成本削减，还是长期的增长。

前瞻性提醒

以上发现基于回溯性数据，反映的是各组织在2025年初之前，如何处理 AI 带来的生产率红利。目前样本中”再配置”和”加速”占主导的模式，未来能否延续，取决于 AI 能力是否持续提升、经济压力是否进一步加剧。

来自斯坦福大学数字经济实验室和 Anthropic 的研究，已经提供了更广泛劳动力市场正在发生转变的早期证据。Brynjolfsson、Chandar 和 Chen（2025年）在分析了覆盖美国数百万劳动者的 ADP 高频工资数据后发现，自2022年末以来，处于 AI 高暴露职业中的初入职场者（22-25岁）就业出现了16%的相对下降。

Anthropic 的一项补充研究发现，截至目前尚未观察到系统性的失业率上升，但发现在 AI 高暴露领域，年轻员工的招聘已经开始放缓，而实际的 AI 部署程度仍远低于其理论能力上限，这说明劳动力市场层面的影响仍处于早期阶段。

这一点至关重要，因为”再配置”和”避免新增招聘”策略正是AI早期采用阶段的典型特征——此时组织仍在摸索 AI 到底能做什么。随着实施走向成熟、模型能力持续提升、成本压力持续加大，结果的分布很可能会发生变化。45%削减比例，或许只是一个”下限”，而非”上限”。今天选择”加速”而非”裁员”的企业，在下一代模型到来时，可能会面临完全不同的权衡。金丝雀已经开始鸣叫。

相关课程：