ARTICLE · 1029151
Meta 用 AI 替代员工的计划,为什么最后一刻崩了
QUOTE
AI 加速的是「写」，不是「上线」。把一份尚未到来的能力预测记账成当期产能，这笔账迟早要还。
—— 路透社调查与四位分析师，共同指向同一个算术错误
今年早些时候，Meta——业界嗓门最大的 AI 鼓吹者之一——曾准备裁掉部分团队最多 60% 的成员，用 AI 取而代之。这项名为 Project OT（Organization Transformation，组织转型）的计划，目标是把 Meta 变成一家「AI 原生」的公司。
但在最后一刻，Meta 收手了。根据路透社发布的调查报道，原因是内部数据显示这套方案根本跑不通。这不是一次「AI 不行」的失败，而是一次组织算术的失败——而且它留下了足够多的数字，可以复盘。
本文看点
01
220% 与 36% 的剪刀差
02
40% 事件增幅的速度税
03
把预测当产能的教训
01
INTERNAL DATA
内部数据说了什么
路透社拿到的内部材料，把「AI 提效」这层叙事拆得很清楚：
220%
内部代码变更同比
36%
触达用户的功能变更同比
Meta 高管还看到了 AI 编码激增引发的「可靠性预警信号」。据路透社报道，另一份 4 月的内部帖子指出，不受约束的 AI 智能体正在执行「人类不太可能执行的大规模破坏性操作」。
02
THE REBELLION
从「跟踪员工」到「安抚员工」
路透社还提到，Meta 在 4 月强制要求在美国员工的设备上安装跟踪软件，采集键盘输入和鼠标点击，用来教 AI 智能体模仿人类与计算机的交互方式。
员工意识到自己可能在训练取代自己的 AI，随即反弹。
为了安抚，Meta 承诺增加差旅和社交活动的支出，并「改善办公区小厨房的零食质量」。不出所料，这些都没能提振士气。路透社报道称，扎克伯格在与员工讨论裁员时始终使用「全公司范围」和「今年」这两个措辞——这促使部分员工猜测，他会继续通过按团队裁员或绩效淘汰的方式收缩编制，或者把全公司范围的裁员推迟到明年。
「改善零食质量」这个细节本身就是一种信号：当组织把员工当成可被优化的成本项，它就没有语言去解释为什么员工应该配合。
03
ANALYSTS
分析师共识：把预测当成了产能
多位分析师表示，企业 IT 负责人应该仔细读读 Meta 这个故事，因为它精确地展示了当 AI 营销话术没有被激进地质疑时会发生什么。
「Meta 信任的是一个在投产时还不存在的 AI 能力预测——这和『过度信任 AI』是不同的失败。」
Greyhound Research 首席分析师 Sanchit Vir Gogia 的判断最锋利。他补充说：「Meta 把一份预测记账成了产能。智能体会进步，但错误在于：在它到来之前，就把这种进步预支为生产容量。先证明行动，再扩大授权；先扩大授权，再撤除人工控制。只有到那时，削减人力才是一个决策，而不是一次赌博。」
Info-Tech Research Group 的 Terra Higginson 表示，任何有经验的企业 IT 领导者都不该感到意外：「不受约束的 AI 智能体是个坏主意。把人撤掉是个坏主意。这不是任何人想要的未来。我们真正看到的是——大量的产出和动作，却不总是得到我们真正想要的结果。我们不该把 AI 的产出当作生产力的替代指标。」
REFERENCE
咨询公司 Acceligence CEO Justin Greis：如果一个 AI 智能体产出了十倍于以往的代码、分析或工作成果，并不意味着企业创造了十倍的价值。它可能只意味着公司制造了十倍的、现在必须有人去验证、加固、集成、维护或清理的材料。
Greis 由此提出了他认为高管最该问的那个问题：不是「AI 能产出多少工作」，而是「因为 AI 产出了它，什么可衡量的业务结果得到了改善？」
04
OUR TAKE
我们的解读：这不是「AI 不行」，是账算错了
最值得记住的一组数字，是 220% 与 36% 的剪刀差。AI 加速的是「写」，不是「上线」——验证、测试、集成、发布、回滚这些环节的人工瓶颈一个都没消失，反而因为上游涌入量暴涨而承压。当组织用「写」的产出量来证明「上线」的效率，账必然算错。
40% 的事件增幅和 70% 的救火时间，是「速度税」的明码标价。人类工程师的谨慎不是低效，而是在权限边界上的隐性治理机制：改一个影响面大的东西之前会犹豫、会问、会分阶段。智能体没有这层摩擦力，于是把执行力直接翻译成了破坏力。
「把预测当产能」是财务纪律问题，不是技术判断问题。你可以在规划里预留「明年智能体可能达到某个水平」，但不能在今年的预算表里按那个水平砍人。先证明行动、再扩大授权、再撤除人工控制——这个顺序不能颠倒，倒过来就是拿生产系统做实验。
让员工采集自己的操作数据去训练可能取代自己的系统，是激励结构上的自相矛盾——任何靠自愿配合的落地路径都会在这里崩掉。转型项目里最难的不是模型，是让被转型的人成为同盟而不是阻力。
「不要用 AI 产出当生产力的代理指标」这条对国内企业同样适用。交付了多少行代码、多少份文档、多少个智能体，都不是成果。可操作的替代做法是回到三个问题：哪项业务指标变了、谁为此负责、如果没有 AI 我们会不会做得更差。答不上第三个问题的「AI 提效」，大概率只是在制造需要人来收拾的中间产物。
最可直接照搬的一条：智能体的权限应当与其已被验证的能力严格匹配。落地按这个顺序推进——只读观察、生成建议由人执行、低风险写操作（有回滚）、高风险操作（强制人工确认加分阶段灰度），每一次权限升级都需要可量化的证据支撑。代价是慢，回报是你不会在某个周五晚上发现智能体把生产环境改成了它认为更合理的样子。
判断 AI 项目成败的，不是产出了多少，而是哪项业务指标真的变了。
∞
THE END
留给所有「AI 转型」项目的一句提醒
Meta 的故事之所以值得反复读，不是因为 AI 失败了，而是因为它把一个几乎所有组织都会犯的错误，用真金白银的数字标了出来：能力的增长曲线是真实的，但把这条曲线提前折现进今年的编制表，就是拿生产系统做实验。智能体会变强，这一点毫无疑问；问题只在于，你是在它变强之后削减人力，还是在它变强之前就先赌了一把。
先证明行动，再扩大授权，最后才谈减人
本文译自 Computerworld 文章《Meta 用 AI 替代员工的计划受挫》，作者 Evan Schuman，2026 年 8 月 26 日发布，基于路透社同日的调查报道。
我是 LeisureLinux，热衷于分享开源技术与产业观察。
如果你觉得今天这篇有收获，欢迎点赞、在看、转发三连，我们下篇见。