乐于分享
好东西不私藏

AI替人前,你有没有先问这三个问题?

AI替人前,你有没有先问这三个问题?

1978年,托马斯·吉尔伯特在《人的能力》里写了一句话,也是绩效领域非常重要观点:“人的能力不只看努力,要看成效。绩效是有价值的成果除以行为的代价。”

四十年后,一家公司用80万人民币,给这句话做了个反面注解。

一个案子

2024年初,一家200人的金融科技公司,引进了AI校对系统。

技术团队测试了三个月。报告显示:AI在标准化文档校对的速度是人工8倍,差错率控制在2%以内。老板看完报告,做了一个决定——裁掉质检主管。

那位主管,35岁,在岗7年。从公司只有30个人的时候就在了。

HR找她谈话的时候,理由很简单:AI能力已经升级,你的岗位被替代了。

三个月后,二审下来了:违法解除,赔偿26万。

你可能想,26万,还行。一个中层一年工资嘛。

别急。

判决书只算了能算清的账。我来算算算不清的。

裁掉她之后,产品的客户投诉率开始爬。从原来的3%,三个月内蹿到8.5%。原因是新来的AI校对系统没有人校准,输出结果没人把关,送到客户手里的东西开始出错。

团队里两个老员工——一个产品经理,一个技术骨干——先后提了离职。不是被裁,是自己走的。原因很简单:“今天能裁她,明天就能裁我。”

我拉了一张账本。

总账:想省15万,花了80万,还搭进去了一个团队的士气。

一个原则

杭州法院的二审法官在庭审时问了两个问题。问得极其精准,我摘出来给你看——

“AI升级后,原来的质量审核流程是不是真的被替代了?”

“替代后的质量指标,有没有达到或者超过原来的标准?”

公司答不上来。一个都答不上来。

这两个问题,问的就是绩效改进领域最基础的原则:先诊断,后干预。

但大部分公司,是反过来的——先干预,出了问题再诊断。那时候,诊断就不是诊断了,是善后。

我用吉尔伯特的行为工程模型(BEM)把整个案子重新拆了一遍。从上往下挖,你能看清楚问题到底在哪一层——以及为什么“换AI”根本不是答案。

核心问题并非“AI能不能替代人”,而变为“替代决策有没有经过诊断”。杭州法官在二审中问的关键问题——“AI升级后,原来的质量审核流程是否真的被替代?替代后的质量指标是否达到或超越原标准?”——公司答不上来。这就是“未诊断先干预”的代价。

一个方法

基于上述的判断,当组织再想做AI替代方法的时候,我建议走以下三个步骤。我管这个方法叫“AI替代可行性三步评估”。不复杂,但每一步都卡在根因上。

第一步:拆任务,做替代清单

别上来就说“这个岗位AI能不能替”。岗位是一个筐,里面装着几十种任务。你要一个一个拆开看。

把岗位职责拆成两列:左边是“高度标准化、AI可接手”的任务,右边是“依赖判断力、AI不能碰”的任务。

以质检主管为例:

AI能接手的:错别字检测、格式规范检查、语法纠错、数据核对

AI不能碰的:客户风险偏好判断、监管合规措辞审核、新员工质量辅导、跨部门质量标准对齐

拆完之后你会发现,AI大概能接她30%的活。剩下70%,需要人。产出:一份《岗位替代清单》。

第二步:法务前置,做合规审查

替代理由合不合规?程序合不合法?

这一步的关键不是“事后应诉”,而是“事前设防”。让法务在决策之前介入,回答三个问题:

问题1:这个岗位的“客观情况发生重大变化”成立吗?(劳动合同法第四十条)

问题2:调岗协商程序走完了吗?

问题3:替代后的质量指标有数据支撑吗?

产出:一份《合规审查报告》。

第三步:算总账,做ROI验证

这一步最难,因为隐性成本没人想算。

拉一张ROI表,把显性成本(AI系统费用、赔偿金)和隐性成本(风险成本、质量成本、人心成本)全部放进去,做三个场景推演:乐观、中性、悲观。

在这个案子里,我做过推演:

·AI能接手她30%的任务,年节省约4.5万

·她70%的判断力,AI补不上,需要重新配置到别的岗位

·综合成本约10万——而不是80万

做了和没做,成本差8倍。

三步走完,再决策。

最后的话

这个案子最让我难过的,不是那26万赔偿。那26万,买了一个教训,该交。

让我难过的是,这笔学费本来不用交。

7年的质量标准判断力,说没就没了。一个团队的安全感,说塌就塌了。这些,法官判不出来,账本也算不进去。

但它们比80万贵得多。

吉尔伯特在那本书的扉页上写了句话:“Most worthy performance is invisible until it's gone.”

翻译过来就是“大多数有价值的绩效,在消失之前,都是看不见的。”

四十年前的道理,今天还在交学费。

你公司有没有经历过“老板拍脑袋上AI,结果一地鸡毛”的事?如果有,最惨的那一脚,是哪一步踩空的?欢迎在评论区里聊聊。

相关学习资料