Meta裁員喊停　想用AI取代人力，老闆需要知道的事

路透社8月26日調查報導指出，Meta原訂今年11月進行的第2波公司級裁員已取消。這項變化發生在祖克柏推動AI改造組織之後。

今年初，Meta啟動Project OT（Organization Transformation），意圖由規模更小的工程團隊搭配AI agents工作；部份方案甚至規劃將團隊人數縮減達6成之多。

Meta的假設是：AI若能讓工程師完成更多開發工作，就能以較少的工程人力維持產品開發產出。

但後續數據顯示，內部平台與基礎設施的程式碼變更增加220%；然而，實際形成新功能或功能改善並交付給使用者的變更，僅增加36%。

同一期間，Meta內部重大技術與資安事故增加約4成，員工處理事故所花時間的增幅可能高達7成。

這些數據顯示，程式碼產出大幅上升的同時，後續維護與事故處理的負擔也在上升。若只看程式碼產出，很容易高估AI對整體開發流程帶來的效率提升。

關鍵的判斷是：這類局部效率提升，最後能讓整體的端到端流程提高多少生產力？

事實上，企業決策有環環相扣、網網相連的特性。必須整體系統性考量，才能確實實現AI的效果。

在由眾多環節交織而成的端到端流程中，瓶頸會隨著不同環節執行速度的改變而移轉。當AI大幅加速某個環節，相依環節可能因為無力配合，而成為新的瓶頸。

例如，在軟體開發中，若AI大幅加快程式撰寫，後續審核、整合與技術問題處理的工作量也會增加，原本仍有餘裕的環節因而可能開始出現積壓。

此外，當不同任務的相對執行速度改變，協調方式也需要相應調整。若工作分派、審核或跨部門協作仍沿用原有交接模式，新出現的等待與重工，可能抵銷效率提升。

另一方面，當AI降低完成特定任務所需的人工時間，企業也必須思考如何配置被釋出的人力資源。

若相依環節不至於形成瓶頸，而且市場需求仍有成長空間，企業可以利用這些人力餘裕提高產出，或是縮短交付時間。

另一種做法，是把節省下來的人工投入轉向流程改善，處理原有的作業限制。

例如，在製造業，自動化影像檢測可以減少人工目視檢測所需的人力，企業因而能把這些人力投入其他工作與製造流程改善，同時提高檢測準確性。

然而，如果企業未能妥善運用人力餘裕，AI節省下來的工時未必會反映在實際產出或營運成果上。

Meta的情況也顯示，如果新增的開發能力沒有被後續流程有效承接，更多程式碼未必能形成相應的產品產出，甚至可能增加維護與事故處理負擔。

當企業預期導入AI能夠減少人力投入時，常也開始評估縮減人力配置。

然而，即使總工時能因導入AI而下降，釋出的工時往往分散在由不同組織成員所負責的不同任務。

這意味著部份職位的工時下降，但並沒有因此浮現一個可被「無痛優化」的完整職位。

因此，在縮減人力配置前，企業需要重新設計職位，將可由AI代為執行的任務移出既有的職位範疇，聚焦於必須由人力執行的任務來定義新職位。

例如，在金融服務業，AI可以接手市場資訊分析、投資組合再平衡等工作，投資顧問的角色則被重新界定為「投資教練」，更專注於維繫客戶關係與協助客戶維持投資紀律。

隨著AI應用範圍擴大，企業面對的管理問題也會從單點任務效率延伸到整套營運系統的調整。

管理者需要從整體流程檢視產出變化，辨識新出現的限制，決定節省下來的人力如何重新投入，並依照調整後的流程與任務組合，重新規劃人力配置與職位設計。

（雜誌原標題：Meta裁員喊停 AI提效的盲點／責任編輯：曹凱婷）