为什么 AI 引入成效最先体现在裁员数字上

裁员公告和成效调查为何在同一周出现分歧？

10 月 24 日这一天，方向不同的消息接连出现。据 AI Times 报道，英国银行 Barclays 在第三季度业绩发布会上表示，年内将裁员约 5,000 人，约占员工总数的 5%（AI Times，s1）。这一数字包含上半年已裁减的 1,000 人，到年底还将再裁 4,000 人。据报道，首席财务官 Anna Cross 表示，约 60% 的裁员来自支持部门，并称“随着 AI 提高员工生产力，开发人员也在减少”（s1）。

同一天，Reddit 上有人分享了一项 Gartner 调查结果，内容是表示自己公司从 AI 中获得了显著价值或变革性价值的 CIO 仅占 13%（Reddit 转述，s2）。分享的帖子中没有给出受访者数量、调查时间和调查方法。因此，这一数值只适合视为显示方向的信号。

Pandaily 同日报道称，OpenAnolis 理事长马涛在 GOSIM 活动上表示，Alibaba Cloud 基础软件团队如今 95% 的新代码由智能体编写（Pandaily，s3）。这个 95% 是如何统计的并未公开（s3）。

一边是人力和代码大部分转向 AI 的公告，另一边是只有少数高管感受到成效的调查。可以认为，这两个信号与其说相互冲突，不如说揭示了各方“把什么算作成效”并不相同。

企业在用什么衡量 AI 成效？

把本周的消息按成效指标分类，会发现尺度各不相同。Barclays 强调的是人数（s1），Alibaba Cloud 方面强调的是新代码中由智能体编写的占比（s3）。两者都是显示 AI 在多大程度上替代人工作的指标。

Vodafone 走了另一条路。据韩国《人工智能新闻》报道，Vodafone 公布了自治网络战略，让通信网络预测流量需求并提前检测故障。Vodafone 表示，借此将 5G 无线网络的每日电力消耗降低了两位数百分比，并将数千台路由器的升级作业时间缩短了约 70%（《人工智能新闻》，s4）。此外还在推进将故障减少 50%（s4）。这是用运营结果而非人数来展示成效的案例。

OpenAI 介绍的 AT&T 法务团队案例，关注的是工作方式的变化而非数字。该案例介绍了 AT&T LegalEdge 团队如何重新设计法务请求受理流程，并更广泛地应用法律判断（OpenAI，s5）。

这样看来，在“成效”这一个词之下，人力、作业占比、运营指标、业务重新设计这四种尺度同时在使用。13% 这一调查结果（s2）也可能因所用尺度不同而有不同解读。

为什么成本削减最先以数字呈现？

裁员是能直接反映在会计中的数字。裁减的人数及其比例可以在业绩发布中立即公布（s1）。生产力则不同，首先要确定以什么为标准。即使出现 95% 这样的占比数字，如果测量方式没有一并公开（s3），也很难与其他组织比较。

GitHub 在 Copilot 效果仪表板中加入“行业对比（Industry comparison）”板块，也与这一空白有关（GitHub，s6）。根据 GitHub 的说明，组织可以查看智能体优先（agent-first）用户或多智能体方式用户的比例，还可以将智能体用户与非用户之间的拉取请求合并率差异，与规模·行业相近的同行群体进行比较（s6）。企业规模可从 1–999 人、1,000–4,999 人、5,000 人以上等选项中选择，并从 10 个行业中选择一个，得分与 28 天报告期内同行群体的中位数进行比较（s6）。参与为自愿（opt-in），默认关闭（s6）。

GitHub 表示，领导者此前无法知道自己组织的采用水平是否领先于同类企业，而行业对比能提供设定现实目标所需的背景（s6）。本文认为，裁员之所以最先显现，与其说是因为效果更大，不如说是因为它是最容易统计的数字。衡量生产力和结果的工具才刚刚出现。

这一差距对从业者意味着什么？

人员结构变化对当事人来说是敏感问题。仅凭本周的消息，难以判断 AI 对就业的整体影响。Barclays 的裁员也被报道为 AI 引入与组织重组交织在一起的决定（s1）。

对从业者更直接的启示在于测量方式。向管理层汇报 AI 成效时，如果只给出人力指标，很容易只被以“减了多少人”来评价。可以认为，像 Vodafone 那样使用电力·作业时间·故障等运营指标（s4），或同时给出 GitHub 仪表板中合并率这样的结果指标（s6），能更全面地展示 AI 创造的价值。

引用数值时，也要一并确认测量方式。即使是 95%（s3）或 13%（s2）这样醒目的数字，如果计算方式或样本未公开，也很难作为与本组织比较的依据。先为本组织的数字写下定义和统计期间，是起点。