人工智能整合背景下的系統性裁員與組織重組
導言
目前全球大量企業正實施顯著的裁員計劃，並頻繁將 AI 的整合列為業務調整的主要驅動因素。
正文
目前的勞動力市場呈現出科技、金融及零售業普遍縮減員額的趨勢。 Amazon 、 Meta 及 Coinbase 等實體已開始大規模裁員，其中 Coinbase 削減了約 14% 的員工。這些措施通常被定義為向 「AI-native」 運作模式的轉型。具體而言，組織層級出現明顯的 「扁平化」 趨勢；例如，Coinbase 要求執行領導層下方的管理層級最多為五層，以降低 「協調成本」 （coordination tax）。這種結構演變伴隨著 「純管理」 職位的淘汰，取而代之的是 「球員兼教練」 （player-coach） 模式，要求領導者必須維持積極的個人貢獻者身份。 持分者對此類變動的看法分歧。企業領導層將這些轉變描述為提升效率與長期增長的必要之舉，而部分經濟學家與行業觀察員則指出，AI 可能僅是為先前過度招聘而進行裁員的便利藉口。此外，agentic AI 的技術實施引入了顯著的財務波動。University of Michigan 的研究顯示，AI agents 消耗 token 的數量遠超簡單的 prompt-based 交互，且成本依然不可預測，且往往與性能結果脫節。這種成本透明度的缺乏，增加了企業計算投資回報率 （ROI） 的複雜性。 儘管 Freshworks 等公司部署 AI 以自動化處理重複性任務（如代碼生成），但 AI 的採用與可衡量生產力之間的關聯依然薄弱。數據顯示存在一種 「價值錯覺」 （value illusion），即企業將 token 消耗等使用指標視為生產力的替代指標，儘管這些指標缺乏與財務收益的直接關聯。因此，部分組織正轉向 「AI pods」 模式，即由小型、高背景知識的團隊組成，旨在最大化 AI agents 的效用並將人力成本降至最低。
結論
企業環境目前正經歷一場結構性轉型，AI 驅動的自動化正在減少員額並重新定義管理角色，儘管這些投資的實際財務回報仍缺乏一致的衡量標準。