Anthropic在2026年3月发过一份报告,里面有一组数据让人很难受:AI理论上能干94%的计算机类工作,但在真实的业务环境里,它实际只能搞定33%。

这两个数字中间那个巨大的落差,正是眼下很多老板正在经历的困境——工具买了,效果出不来。

工具买了,订阅开了,团队也去培训了一轮。但省下来的人力成本在哪里?生意跑得快没有?大部分人发现,砸出去的钱,很难看到它转回来。更难受的是,Gartner发了一个预测:到2027年,一半因为AI裁员的公司,会重新招聘同类岗位的员工。也就是说,现在有一半正在减人的公司,三年内会把人请回来,相当于白折腾了一圈。

AI本身没问题。很多公司在用AI省人力这件事上,把顺序搞反了。

大多数老板到这一步,都会有一个直觉——先看看市面上有什么工具,买几个试试,效果好再扩大规模。这个方向本身没有问题。问题是,工具能不能替代人,取决于那个岗位的工作性质,不是工具够不够好。不搞清楚岗位能不能替代,工具买了也是放在那里。

这三件事,想清楚了再动。

两种做法,两种结果 先买工具,再想减人 → 工具买了,没人会用 → 减了人,活没人接 → 业务质量下滑,客户投诉 → 3个月后重新招人 白折腾一圈 先规划判断,再安全减员 → 搞清楚哪些岗位真能替代 → 替代前把流程和知识沉淀好 → 确认法律边界再动人 → 减了就是减了,不用招回来 减一个,稳一个

想清楚哪些岗位的哪些工作真的能被AI接管

不是所有岗位都适合被AI替代,也不是所有岗位都完全不适合。真实情况是:大多数岗位里,有一部分工作可以被AI接管,有一部分不行。把这两部分分清楚,是减员之前最核心的判断工作。

有一个判断框架可以用,三个维度逐一过一遍。

第一个维度:这个岗位的日常工作里,重复性任务占多少比例?Salesforce在2025年把客服岗位大规模换成AI Agent,是因为他们做过测算——AI已经在处理大约50%的客户交互,重复性咨询的比例很高。他们是先看清楚了这个数字,才动的人。如果一个岗位的重复性工作不到30%,剩下70%都是判断、沟通、关系维护,AI进去能帮的地方其实很少。

第二个维度:这个岗位的输出,能不能被标准化描述?AI擅长的是把一个可以被规则描述的任务做出来。如果一项工作的质量好坏,要靠资深员工的直觉来判断,很难写成具体标准,那AI替代之后,你会发现它一直在出错,但你又说不清楚它错在哪里。

第三个维度:这项工作需要实时处理突发情况吗?IBM用AI替代了大量HR后台流程,省下了8000个岗位,但他们替的是档案整理、合同归档、数据录入这类工作——这些工作的共同特点是,出错了可以等一下再处理,不会立即造成业务损失。如果一个岗位要实时处理客户投诉升级、紧急供应链中断,AI的响应逻辑目前还不够可靠。

三个维度逐一评分,哪些岗位的哪些部分能替代,哪些部分不能动, 先把这张清单做出来。 没有这张清单,后面所有的步骤都是在猜。

替代程度也不一定要设成100%。很多公司把目标定成「这个岗位全部替换掉」,结果发现AI能干70%,剩下30%还需要人。这个时候如果已经把人裁掉了,那个30%的工作就悬在那里没人管,出问题只是时间问题。更合理的做法是先想清楚替代程度——能替代70%,就把那70%的工作交给AI,那个人转去做另外的事。减员是结果,不是一开始就要强行达成的目标。

想清楚替代之前要做哪些准备

这是最容易被跳过的一步,也是踩坑最多的地方。

很多公司的减员是这样发生的:老板看到AI工具演示,觉得可以替代某个岗位,先把人裁了,然后让剩下的人去搭AI系统。结果发现,那个被裁掉的人脑子里存着大量没有被记录下来的知识——客户特殊偏好、历史处理方式、各种边缘情况的应对经验。AI进来之后,这些知识全部消失了,系统一直出问题,客户开始投诉。

钛媒体有一个报道里提到了「回旋镖现象」——一家公司的客服被裁员2个月后,主管又邀请她回去上班,因为AI客服出了各种问题没人能处理,原本100人的客服部门,裁掉之后一半又回来了。AI客服可以用,但替代之前没有做好知识沉淀和交接,AI上来就出问题,出了问题又没人能处理。

50% 因AI裁员的公司,约一半会重新招回同类岗位员工 Gartner预测,2027年这一比例将达到50%。 主要原因是企业高估了AI能力,裁错了人。

替代之前,有三件准备工作值得做扎实。

一是流程梳理。把这个岗位承担的工作,用步骤的方式写下来。不是写岗位职责,是写每一件具体的事,怎么触发、怎么处理、遇到特殊情况怎么办。AI能接管的是流程,不是「岗位」这个概念。流程没梳理清楚,AI落地之后就是乱的。

二是知识沉淀。把那个人脑子里的判断经验,想办法变成可以被读取的东西。这件事做得好不好,决定了AI落地之后输出质量能不能达标。这也是为什么近真在做AI替代规划时,「知识库搭建」是一个独立的工作环节,不能省。

三是过渡期安排。不要一步到位。先让AI承接50%的工作量,那个人还在,做质量把关。确认AI的输出稳定了,再逐步调整人的角色。这个过渡期至少要留1到3个月,具体取决于工作的复杂程度。

跳过这一步直接减人,相当于把公司的运营知识一起裁掉了。 AI覆盖不了那些靠人记在脑子里的判断,业务就会开始出问题。

想清楚减员的法律边界在哪里

这件事今年已经有了非常明确的判例。

2026年4月,杭州中院发布了一批涉AI替岗的典型案例。其中一个案子:杭州某科技公司以「引进AI技术」为由,要求35岁的项目主管周某调岗降薪,从月薪2.5万降到1.5万,周某拒绝后公司直接解除劳动合同。法院两审均判定:公司主动引入AI技术,属于企业自身的技术革新决策,不构成「劳动合同无法履行」的法定情形。公司构成违法解除,赔偿金按2N标准计算,最终支付了26万余元。

同期,北京人社局也发布了类似案例,同样明确:以AI技术为由直接解雇员工,属于违法行为。

这意味着,「因为AI可以替代你的工作,所以你不用来了」——这句话在法律上站不住脚。减员可以做,但要走合规的路径:协商解除、经济性裁员的法定程序、以及提前做好的工作职责调整方案。走对了路径,减员是正常的商业决策。走错了,每一个人都是一笔赔偿。

很多中小公司在这件事上的盲区,是觉得「AI替代」是一个足够正当的理由,不需要再想别的。仔细想想会发现,这个理由只是说明了「为什么你想减人」,但法律关心的是「你用什么方式减人」,这是两件完全不同的事。

AI替代规划:减员前必须想清楚的三件事 岗位判断 重复性比例 输出可标准化 是否需实时判断 哪些能动 · 能动多少 替代准备 流程梳理 知识沉淀入库 过渡期人工把关 替代前 · 不省这一步 法律边界 协商解除路径 经济性裁员程序 职责调整方案 减了不赔 · 走对路径 近真商学 · AI替代规划框架

减人是结果,不是起点

把这三件事想清楚,减员是一个自然发生的结果,不需要强行推进。想清楚了哪些岗位能替代,替代前把准备工作做好,再确认法律路径是对的,这个时候动人,减了就是减了,不会反复折腾。

很多公司走弯路,是因为把「省人力」当成目标,把它反过来驱动整件事——先决定要减多少人,再去想怎么用AI来证明减得有道理。这个方向走下去,工具买了用不起来,减了又招回来,法律赔偿的风险也摆在那条路上等着。

顺序对了,减员才做得稳。

做岗位判断 找到可替代的部分 做替代准备 流程·知识·过渡 确认法律路径 合规方式减员 安全减员 减了就是减了 顺序对了,才做得稳 · 近真商学