裁员是我们成为AI原生组织的唯一路径吗?

就在上周，斯坦福人工智能中心HAI 宣布成立了——「AI与组织实验室」。

不是研究大模型，也不是研究智能体。

它研究的方向是：AI进入组织后，到底会发生什么？

参与该实验研究的五位组织行为学顶尖学者，提出了五个核心问题：

1️⃣工作流是否被重新设计？

AI来了之后，你的活儿是怎么干的，跟以前不一样了吗？

2️⃣人与AI分工是否清楚？

哪些让AI干，哪些必须人干？边界清晰吗？

3️⃣AI的权限和问责机制是否明确？

AI替你做了决定之后，谁负责？出事找谁？

4️⃣团队协作方式是否随之变化？

原来人跟人配合，现在人跟AI配合，交互方式变了吗？

5️⃣个人的AI能力能否转化为组织能力？

你能不能让一个人的AI能力变成一群人的能力？

几乎是同一时间，硅谷的科技巨头们正在为上述五个问题提供最鲜活的实验素材

2026年5月20日上周三，Meta启动了新一轮大规模人员调整。

裁员约8000人，占全球员工10%。 同时关闭了6000个尚未招聘完成的岗位。

但故事的另一面是：约7000名员工被调入4个新成立的AI组织。

一边裁8000，一边重组7000。

这不是普通的裁员——这是一次以AI为逻辑的组织结构性重组。

谁被裁了？谁被留下了？

先说8000人。

这轮裁员的重点不是普通工程师，而是「中层管理者」

Meta在内部备忘录中的原话是：

"许多组织能够以更扁平的结构运作，采用更小的团队（小组/群组），从而实现更快的响应速度和更强的自主权。"

说人话：AI让管理幅度扩大了，不需要那么多中间层了。

过去一个管理者带5-8个人是合理的。

但在AI辅助决策、AI自动生成报告、AI追踪进度的环境下，一个管理者可以直接带15-20人甚至更多。那多出来的那层管理者，确实只能送走。

再看7000人。

这7000人不是"幸存者"，他们是被选中的转型者。他们被调入了三个已经公开的AI组织：

这里有一个非常明显的分层逻辑：

被裁的人 → 岗位可以被AI替代（中层管理、重复性协调、信息传递类角色）。

被转岗的人 → 有能力去构建/落地/衡量AI，从"被替代者"变成"AI的构建者和使用者"。

也就是说，同在一家公司，有的人的岗位在"被AI替代"那一侧，有的人的岗位在"用AI替代别人"那一侧。

并且，这不是一道选择题，这是一道判断题。

判断的标准，就是你的工作是在AI的"替换半径"以内，还是以外？

如果Meta是"在奔跑中换轮胎"，那Anthropic就是"造了辆新车再上路"。

Anthropic，2021年成立时不到10个人，现在2026年人数到了2500人，5月最新估值逼近8000亿美元，年化营收300亿美元。

人均产出：1200 万美元/人。

Meta 7.9万人，人均产出约255万美元。Anthropic的人均产出是Meta的4.7倍。

不是因为Anthropic的人更聪明5倍，或者更努力5倍。

是因为Anthropic从第一天起就是为AI设计的组织。它的招聘标准、研发流程、决策机制、文化价值观——全都是围绕"让AI能力最大化"来设计的。

但反过来想：Anthropic的经验能复制吗？

我们肯定不能把数万人的公司"裁成"2500人，然后期待奇迹发生。

因为你的工作流、业务流程、决策习惯、汇报链路，全都是为上万人设计的。裁掉7.6万人，剩下的3000人不是Anthropic，是一群被压垮的人。

先说答案：不是。

但裁员是大多数人最容易走的那条路。

为什么？因为裁员是一个"财务动作"——省钱了，报表好看了，投资人满意了。但它肯定不是一个"组织进化动作"。

回到Stanford那五个灵魂拷问的问题。

裁员只回答了其中一个问题：人变少了。

剩下的四个问题一个都没碰：

工作流被重新设计了吗？→ 没有，只是把原来一个人的活塞给了剩下的两个人。

人-AI分工清楚了吗？→ 没有，只是让大家"多用用AI工具"。

AI的权限和问责机制明确了吗？→ 没有，出了事还是人扛。

个人的AI能力转化成组织能力了吗？→ 没有，每个人在各自为战地用ChatGPT。

Meta这轮操作之所以值得认真看，不是因为裁了8000人——而是因为它同步做了三件大多数公司在裁员时不会做的事：

第一，重新设计了管理层级。 不是简单地"裁掉胖子"，而是重新回答了"一个管理者到底应该管多少人"这个组织设计的基础问题。

第二，创建了新的AI组织单元。 7000人不只是"转岗"——他们是进入了一个新的组织架构（AI Native Design Structure），在这个架构里，团队更小、决策更快、AI的权重更高。

第三，重新定义了"什么人值得被留下"。 留下来的标准不是资历、不是关系、不是业绩评分——而是：你能不能从"被AI替代的人"变成"构建AI的人"。

说到这，我想落到一个更具体的问题上。

裁员之后，你的组织就真的「AI原生」了吗？

未必。

我拿自己举个真实的例子。

我们做猎头招聘业务。

大家听起来，觉得猎头用AI，不就是"AI匹配简历"吗？这事不难理解。

但真正做起来你会发现，最难的不是"匹配"这一步——最难的是第一步：信息输入本身，就是非标的。

一个客户来找你招人，大多数情况是：他先口述一遍自己的想法——有时候标准，有时候模糊，有时候甚至自己都没完全想清楚。然后，我们需要用自己的专业经验去解读、去澄清、去判断他真正的需求到底是什么。

并不是一上来就根据一份标准JD来招人。

那AI在这个过程中能扮演什么角色？我把它分成三个层次。

层次一：用AI加速旧流程——输入标准化，AI做"跑腿活"-我们已经迈过的阶段

前提： 客户已经给了你一份清楚的标准JD。

流程： AI匹配简历 → AI生成评估报告 → 人确认。

结果： 效率提升了，但核心流程没变。

这一层是大多数公司对"AI转型"的理解：它有用，但不改变底层逻辑。 因为最值钱的部分——理解客户需求、拆解职位画像——仍然完全依赖人。

层次二：人处理非标输入 + AI执行标准化环节-我们在积累更多经验的阶段

场景： 客户口述 → 我用经验解读、澄清、结构化 → 输出标准JD → AI执行后续匹配和分析。

结果： AI能高效跑后半程，但"从非标到标准化"这一步，完全靠人来做。

这是我们现在的状态。AI在终点端很能干，但在输入端的转化上，它还需要指导。这个"代差"——就是目前由人的经验来填补的部分。

这个部分短期不会被取代。因为它需要的不仅仅是"听懂"——你需要知道市场、知道行业、知道某个方向的人才分布、知道客户的真实痛点。这不是一个通用AI能做到的。

层次三：人和AI共同处理非标输入——我们想去的地方

这是我们在认真构思的方向。

未来甚至现在内测的场景是这样的：

客户来聊需求，不是只跟我一个人聊——招聘Agent也在场。

我们聊的过程中，Agent一边听、一边记录、一边分析。聊完了，它输出一份纪要分析：

"根据刚才的对话，我梳理出以下关键招聘要点：

• 核心岗位建议定位为「AI产品经理-智能体方向」

• 客户看重三点：从0到1的经验、C端产品敏感度、技术理解力，建议在寻访候选人过程中可以提出以下这些问题来做经验判断，问题123

• 以下几点还需要进一步明确：是偏向产品设计还是跨部门协同？预算范围是否有浮动空间？”

然后我们根据纪要来审核、补充、判断。

给出一个打磨好的1.0版本后，就可以直接进入简历库进行检索，寻找出第一批对标简历，开启项目对焦。

这就是三个层次中最接近"AI原生"的状态。

它不是"AI替人做"——人是无法被替换的。它是「人+AI共同感知、共同结构化」：在输入端，AI帮你完成了90%的采集和初加工，人的精力被集中在剩下的10%——那些真正需要行业经验、同理心、判断力的地方。

把这三个层次连起来看，你会发现一件事：

同一个岗位、同一个工作流，不加思考地堆AI工具——你最多到层次一。 效率提了，但组织没变。

你把AI嵌入到执行端，但输入还靠人——你停在层次二。 我们大多数"用AI做得还不错"的公司，都在这里。

你让人和AI从第一步就开始协作——你才有可能进入层次三。 AI原生组织的大门，在这里才打开。

Meta裁8000人不是终点——扎克伯格说今年不会再裁了。Meta重组7000人才是真正信号：它不是单纯在减少人的数量，是在重新设计人的位置。

Anthropic真正恐怖的也不是2500人撑3800亿这个数字，而是它的创始人、研究员、工程师——每个人从入职第一天就在一个被设计好的"AI放大系统"里工作。

所以现在我可以很肯定地说，裁员不是成为AI原生组织的唯一路径。

裁员是"减重"——体重轻了，不等于身体更健康了。

真正的AI原生组织，是每个人身上的AI倍数（AI Leverage）最高的组织。

要做到这一点，需要的不只是把人变少，而是重新回答三个问题：

1. 你的工作流重新设计了吗？ — 不只是"用AI加速"，而是让人和AI分担不同职责

2. 输入阶段AI参与了吗？ — 不只处理标准化输入，而是在非标输入阶段就介入

3. 个人AI能力能扩散到团队吗？ — 不靠每个人各自学Prompt，而是最优工作流被做成模板、整个团队复用

你是谁，决定了你能不能成为AI原生。 你做什么，决定了你是"被AI替代的人"，还是"构建AI的人"。

你是企业方——裁员之后，你的工作流变了吗？还是只是让剩下的人干更多的活？

你是投资人——你投的公司，是把"裁员"当成了"AI转型"的终局，还是真的在做组织重构？

你是求职者——你怎么判断一家公司是"真AI原生"还是"披着AI外衣省成本"？

欢迎在评论区告诉我。

相关阅读

专题合集