裁员法务：当解雇的理由是一套算法

新出现的不是裁员，而是名单是怎么定的

裁员是很老的法律业务。新的是名单的产生方式。给绩效打分的系统、排班调度的工具、自动评定能力等级的人事平台，如今都站在选人这一步的上游。等这次解除劳动合同被拿去争议时，公司要拿出来的是决定的依据，而依据长在模型里面，说明起来并不轻松。

监管正朝这个位置移动。美国方面，加利福尼亚州公民权利委员会规则于2025年10月1日生效，把雇佣领域的自动化决策系统纳入反歧视法的适用范围。伊利诺伊州HB 3773自2026年1月1日起施行，禁止会对受保护群体产生不利结果的AI使用，并要求在雇佣决定中使用AI时履行告知义务。科罗拉多州人工智能法自2026年6月30日起进入执法阶段，把雇佣相关的AI系统列为高风险，要求风险管理流程、年度影响评估和向申请人告知权利(Reuters)。欧盟AI法同样把影响招聘、晋升、解雇的雇佣系统定为高风险，要求有文档记录的治理和人的监督。

市场信号是同时到的。英国律所高伟绅在2025年11月表示，在AI使用增加的背景下将伦敦的财务、人力和IT岗位削减10%(The Guardian)。这说明卖法律服务的这一侧也在发生同样的事，所以这个领域不是站在旁边看别人的行业。

在中国大陆，劳动合同法对经济性裁员单列了条件：需要达到人数或者比例门槛，要提前向工会或者全体职工说明情况并听取意见，还要向劳动行政部门报告，同时法律规定了应当优先留用的人员。这里第三件事和算法正面相遇。企业得在仲裁和法院面前说明留用与裁减的顺序是怎么定的，而如果这个顺序里有相当一部分来自自动生成的分数，说明的难度就变了。BAT等大型科技公司把人事评估平台铺到各条业务线之后，制度与工具之间的落差本身就容易成为争点。

从裁员实务，到解释算法

第一是经济性裁员的实务本身。必要性怎么举证，避免裁员的努力有哪些会被认可，说明与听取意见的程序在什么时点怎么走，仲裁到诉讼的流程如何推进。新的监管加上来，骨架仍然在这里。

第二是把系统拆开看的能力。把公司内部触及招聘、配置、考核、排班、解雇判断的工具全部找出来，弄清楚每一个吃进什么、吐出什么，人的判断究竟在哪一步真正介入。不需要自己训练模型，但要能向研发和人力提出准确的问题。设计在名单定稿前先跑一遍的不利影响检测，也属于这项能力。

第三是合同与供应商管理。人事工具从外部采购时，训练数据来源、模型变更时的通知、偏差检测结果的提供、歧视性输出的责任分担都要落进合同。采购时没有这些条款，争议发生后公司能说清楚的东西会急剧减少。

第四是跨法域应对。集团内境内主体和境外主体共用一套人事系统很常见，而各法域要求的文档和告知并不一样。判断哪一个法域的标准最严，然后按那个标准来设计，是经常要做的取舍。

从劳动法一般实务起步

起点是劳动法一般业务。在律所的劳动团队或者企业法务部承接规章制度修订、纪律处分、薪酬相关咨询，把劳动法制和争议解决程序摸熟。这个阶段如果能以法务审查的身份进入一次人事系统采购项目，后面的路会快很多。

中段是完整跟完一个裁员项目。进入决定规模和筛选标准的会议，设计说明与听取意见的程序，再处理随后提起的申请。把自动化工具审查叠加上去，专业领域就出来了。整理一份公司在用的人事工具清单并给每个工具标上风险等级，这件事目前多数企业都没有，做出来本身就是资产。

到资深阶段，顾问工作的性质从事后应对转向事前设计。在执行之前决定筛选标准怎么定才经得起后面的争议，哪些判断必须留人在环，哪些记录从什么时候开始保存。能用同一套语言同时对人力资源负责人和研发团队讲清楚的律师目前还不多。往前的路，一是转入企业内部兼任AI治理，二是在律所组建横跨劳动与技术监管的团队。