AI大裁員悖論：儘管企業聲稱採用AI，為何仍持續重新僱用員工

企業界已進入一個奇特的階段，人工智慧既成為大規模裁員的理由，也成為未公開承認失敗的暗示。當 Block 在2025年2月宣布打算裁員超過4,000人，將員工數從1萬縮減到不到6,000時，創始人 Jack Dorsey 宣稱這是必要的，因為「AI 工具已改變一切」。然而數週內，這些員工開始接到電話，請求他們回來工作。這不是標題的錯誤，而是邏輯的裂縫。

快速轉折：AI裁員如何變成員工召回

這次的回聘並不含糊。根據 Business Insider 的報導，工程、招聘和設計部門的員工透過各種管道被召回。有些人收到訊息，解釋他們的解僱是「行政錯誤」所致；有些則由經理親自倡議他們回來。有些人在被裁後一週內接到電話，沒有任何解釋，只是邀請他們回來。模式很明顯：公司計算錯了。

Block 的經驗揭示了一個事實：基於 AI 能力做出裁員決策，並不符合現實。某些職位和工作流程根本無法用指令自動化。知識傳遞、組織記憶和專業技能不會因為新技術的出現而消失。這些員工的回歸暗示了一個令人不舒服的事實：Block 需要他們回來，因為 AI 並未如承諾般填補空缺。

消逝的經濟學：為何 AI 不是廉價勞動替代品

公司面臨的根本問題不是 AI 無法完成工作，而是 AI 在大規模運作時依然極其昂貴。一個月的密集 AI 使用成本可能超過一年的中階人力成本。以 Claude Opus 4.6 為例，每百萬輸入標記收費5美元，每百萬輸出標記收費25美元。國內替代品較便宜，但仍不便宜：Qwen 3.5 Plus 每百萬輸入標記0.8元，每百萬輸出標記4.8元。舉例來說，一位用戶用 OpenClaw 進行一個月的實驗，花費約6,000美元的標記費用。這個金額在大多數非西方主要城市地區，足夠聘請一位有能力的專業人士數個月。

當考慮整合企業級 AI 系統時，數學就更不利了。取代客服部門並不意味著部署 ChatGPT 就算完成。它需要建立能處理複雜工單、存取多個知識庫、維持對話上下文且無停機的系統。這些基礎設施的成本遠高於每月3,000美元的客服代表薪資。

Klarna 在2024年就已體會到這個現實，當時宣布 AI 將負責700名客服人員的工作，並裁掉超過1,000人。到2025年5月，Klarna 開始重新招聘客服，並承認自己「動作太快」。公司學到的教訓與 Block 一樣：行銷資料中的 AI 能力與實際生產系統中的 AI 能力之間，仍有巨大的差距。

被包裝成解放的負擔：工作場所的 Jevons Paradox

有一個經濟原理叫做 Jevons Paradox，解釋為何效率提升並不總是降低資源消耗。相反，成本降低和能力提升常常導致總使用量增加。套用到工作場所，情況就更為陰暗。

當公司整合 AI，理論上員工生產力提升，但公司並不會因此給員工更多空閒時間，而是要求產出更多。裁員後留下的員工並非獲得解放，而是工作強度加大。他們用 AI 作為工具，不是少工作，而是在相同時間內做更多事。這是效率被重新包裝成剝削。

Jevons Paradox 在職場的版本顯示，AI 並未減輕工作負擔，而是擴大了任務範圍。任務不斷擴展以填滿新工具創造的容量。員工不是被解放，而是被期望以相同薪資更快、更努力地產出。AI 承諾解放人力的說法，已經變成行銷的虛構。

為何組織結構無法自動化

公司不僅僅是任務的集合。它們本質上是由人組成的系統，具有正式結構和看不見的網絡。這些看不見的網絡——非正式關係、信任層級、潛規則——是 AI 無法複製或取代的。

當公司因「AI 改變一切」而裁員，並不只是裁減人數，而是損傷組織的組織結構。剩下的員工失去合作夥伴、緩衝者、承擔某些人際複雜性的同事。更重要的是，他們失去替罪羊——那些可以分擔責任、承擔責備、傳遞組織摩擦的人。

留下的員工不僅工作更辛苦，他們還要承擔原本屬於多人的焦慮、風險與責任。沒有任何 AI 能理解或重建這些非正式的權力結構與依賴關係。這也是為何重新聘用員工是必要的：組織在某些方面已受到傷害，AI 無法癒合。

行業的共同模式：從馬斯克到現在

這並非 Block 或 Klarna 的獨例。2022年10月，Elon Musk 收購 Twitter 時，短短幾週內裁掉約三分之一的員工（超過3,000人），隨後又重新聘請了許多被裁員工——那些被匆忙解僱、專業技能不可或缺或角色無法空缺的人。

每次的回聘都被包裝成例外、錯誤或修正，但實則形成一個模式。公司宣布由 AI 轉型引發的大規模重組，發現轉型不完整或不可能，然後悄悄把人招回來。

Jensen Huang 對裁員的真正看法

在 NVIDIA 2026 年 GTC 大會上，CEO Jensen Huang 公開批評這一趨勢。他批評那些用 AI 效率來合理化裁員的領導者，指出這反映出想像力的貧乏。「那些依靠裁員來應對 AI 的領導者，」黃表示，「根本想不到更好的解決方案。他們已經沒有新點子了。即使擁有最強的工具，也不會用來擴張。」他的觀點是，AI 應該促進成長和新業務開發，而非透過裁員來降低成本。

黃的批評很尖銳：如果公司真正理解 AI 的能力，他們會更積極招聘，而不是裁員。裁員不是由 AI 驅動的轉型，而是管理失敗被技術合理化的結果。

不舒服的真相：裁員是削減成本，不是 AI 進化

撇開修辭，這個模式變得一目了然。AI 已成為一個普遍的藉口，用來掩蓋根本的成本削減行為。面對增長停滯、利潤縮水和商業模式枯竭的公司，現在可以將責任推給外部技術力量，而非內部策略失誤。

故事的走向幾乎是預設的：宣稱 AI 使某些角色過時，宣布裁員不可避免，削減預算和人數，將剩餘工作壓在剩下的員工身上；如果出現災難——關鍵的組織知識流失——就悄悄再聘一部分被裁員工。這些再聘被解釋為修正或例外，而非承認最初的決策根本不合理。

這種做法在矽谷尤為普遍，裁員已成為管理工具之一，與策略必要性並駕齊驅。當公司無法靠產品創新維持增長時，就靠削減成本來維持。AI 提供了合理化的藉口，裁員則是立即的結果。

無魔法解藥的未來

AI 最終會改變工作和商業的許多面向，但沒有任何技術能夠彌補策略停滯、過時的商業模式和被動的管理。AI 無法解決由糟糕規劃、市場誤判或組織無能造成的問題。

AI 藉由裁員再到悄悄再聘的循環，揭示的並非科技轉型的光輝，而是某些人在其預期中已經受到傷害。他們被拋棄，基於公司對股東和董事會的承諾，而這些承諾公司實際無法履行。

對於那些被裁又被召回的人來說，這不是勝利，而是傷疤。他們被視為可丟棄的資源，建立在企業的猜測之上。而那些仍在崗位、已經被 AI 生產力需求壓得喘不過氣來的員工，收到的訊息很清楚：你的工作只會持續到下一季財報，屆時就可能被裁。