过去三年，福特专门招了 350 位资深老工程师，其中不少都是离职返聘的老员工。目的很简单：找出自家自动化质检系统和 AI 检测工具查不出来的各种问题。

福特汽车硬件工程的副总裁表示公司之前想简单了：以为只要上线 AI 系统、把设计要求输进去，就能造出高质量的产品。结果证明，根本不是这么回事。

其实不止福特一家踩坑。

2024 年 2 月，支付平台 Klarna 高调宣布，自家的 AI 客服能干掉 700 个人工客服的活儿。

2025 年 5 月，他们悄悄重新招人了。CEO 大方承认，之前只顾着压缩成本，把服务质量彻底搞砸了。

有机构调研了 1000 家大中型企业的高层管理者，结果显示：39% 的公司借着 AI 的名义裁过员，而这些公司里超过一半都承认自己裁错人、裁错岗位了。

高德纳预测，到 2027 年，一半靠 AI 裁员的公司，都会重新招人回来干差不多的活。

裁完人又火速补人，这明显是流程出了大问题。

很多人觉得，无非是 AI 技术还不够成熟。

但你看看福特返聘的老工程师在做什么：他们一边带新人、培养年轻工程师，一边反过来优化、训练原本想替代人类的 AI 系统。

老员工最重要的工作之一就是沉淀经验、传承技能。这种隐性价值，从来不会写在岗位职责里。大家只看到了表面的重复工作，却没发现这份看不见的价值随着裁员彻底消失了。

大部分企业裁员的问题根源不是 AI 不行，而是根本没搞懂一个岗位到底是做什么的、有什么核心价值。

AI 转型最难的从来不是落地技术，而是重新设计工作模式。下面这套方法，能帮你稳稳做好 AI 时代的工作重构。

企业设置任何一个岗位，都是需要它完成特定价值。这是所有工作重构的核心前提：先摸清岗位的核心目标，再去搭配人和 AI，分工协作完成工作。

这里一定要分清两个概念：目标是最终结果，任务是具体干活的动作。

有些目标，按部就班做完任务就能实现。比如客服给客户讲清产品信息、售后规则、退款政策，照着流程做就行。

但还有些目标，根本没法靠流水线式的任务完成。

如果只盯着 " 具体做什么任务 "，就只会搞定表层工作，丢掉最核心的价值。只有从 " 岗位目标 " 出发，才能兼顾所有需求。

以下是三个建议：

第一步：梳理所有岗位目标。把所有显性、隐性目标全部列出来，哪怕没写在招聘简介里的也不能漏。

第二步：筛选必须由人来完成的目标。问自己一句话：如果所有相关工作都让 AI 做，这个最终目标能完美实现吗？

第三步：拆解可自动化的工作，精准分类。对于那些 AI 能靠完成任务实现的目标，把对应的工作逐一拆解，再结合自家公司的实际情况（别信厂商的夸大宣传），分成三类：完全自动化、AI 辅助人工、暂时没法自动化。

AI 时代做工作重构，不用死磕技术有多先进，关键是要懂工作、懂岗位。

没搞懂一个岗位的存在价值，就别盲目拆解工作、乱裁人、乱换模式。这也是很多大厂（Atlassian、莫德纳、Lumen 等）都让 HR 负责人牵头做 AI 转型的原因。

仓促裁员、事后返工，只会打乱团队节奏、堵死新人入行的通道。

真正靠谱的做法是一次做对：先摸清岗位核心价值，分清哪些工作离不开人，再合理配置人力。

那些你现在觉得 " 可替代 " 的人工价值，未来终究还是需要有人来承接。