把自动化到底减掉了什么算清楚的人力规划分析

理由第一名是AI的那一年，裁员总量反而下来了

Challenger, Gray & Christmas 是一家每月统计美国企业裁员公告的再就业服务公司。它2026年7月的报告里有两个数字值得放在一起读。7月宣布的裁员是33,429人，比6月的45,849人少了27%；1到7月累计477,033人，比去年同期的806,383人少41%。可是在同一份报告里，7月裁员理由的第一名是AI，单月10,970人，占当月的33%。年初以来，把AI写进理由的裁员累计112,713人，约占全部的24%。

两件事放在一起就不好解释了。AI升到理由榜首的这一年，公布的裁员总量反而降了四成以上。其他理由也都不小：同期累计里，市场与经济环境90,075人，关停84,630人，组织重组57,476人，合同流失40,758人。

这里要先弄清楚这份统计的性质。Challenger 数的是企业在自己的公告里写下的理由，那是公司选择的解释，不是查证出来的原因。《金融时报》最近追问近期裁员是不是真的因为AI，问的就是这一层。写成“围绕AI导入的组织调整”，投资人读到的是一家在为未来布局的公司；写成“需求走弱”，读到的就是一家生意变差的公司。同一次裁员可以支撑这两句话，而这两句话的价格并不一样。

于是公司里开始需要一个人去核对这句话。要做的是把实际减少的是哪类工作、减少的时点是否和工具上线对得上、还是这条趋势在上线之前就已经在走，用数据一层层剥开。这不是人力资源部写报表，是在处理因果关系，所以招聘启事出自数据科学这一侧。

中国的版本，更多出现在“优化”和招聘节奏里

在中国大陆，同一个技术变化更常以两种形式落地：一是组织架构调整下的岗位合并，二是招聘节奏的收放。互联网大厂的人力资源数字化建设起步早，百度、阿里巴巴、腾讯这一类公司内部很早就有组织效能相关的分析岗，只是名字五花八门，有叫组织发展分析的，有挂在人力资源信息系统下面的。最近两年真正变化的是问题本身：过去问的是“人效有没有提升”，现在要回答的是“提升的那部分，是工具带来的，还是业务缩了导致分母变小”。这两个答案对应的经营决策完全相反。

这份工作的分析单位是任务，不是员工。“这个团队要不要一百个工程师”没法分析。换成“这个团队一个月交付的工作按类型拆开，各有多少件，每类平均花多少小时”，计算才开始。拆开之后，工具上线就表现为构成比的变化：某一类工单塌下去了，另一类纹丝不动。如果代码评审的等待时间缩短了，而需求梳理还是要三周，那么人这个瓶颈是挪了位置，不是消失了，编制规划应该跟着瓶颈走。

韩国开发研究院2023年的一份报告用数字说清了这个区分，而它测到的落差并不只属于韩国。该报告估算，韩国38.8%的岗位在技术上可以自动化掉70%以上的任务；同一份报告里的实际导入率，是十人以上民营企业的2.7%，收窄到250人以上的企业约为20%。技术上做得到的面积，和真正装上去的面积，差距就是这么大。这个岗位干活的地方，正好在这道缝里。补一句：这组数字本身是2023年的，而能把这种规模的调查每年重跑一遍的机构并不多。公司需要有人产出自己的最新版本，原因就在这里。

工具跟数据科学家原来用的差别不大。SQL把人力系统和业务系统的日志接起来，Python或R做上线前后的对比，再做成看板让人力负责人每月打开。不同的是数据本身。一家公司的员工数在统计上是个小样本，显著性很难跑出来，而组织调整又把时间序列切得七零八落。所以真正吃功夫的是研究设计而不是模型精度：哪些团队能当对照组，哪一次组织变动可以当作自然实验，出资方没想到的混淆变量藏在哪里。

和相邻岗位的分界也值得记一下。咨询公司的人才转型顾问是向组织建议该做什么，这个岗位是测量组织实际做了什么；法务是在决定作出后为它辩护，这个岗位是把决定所依赖的证据做出来。三方坐进同一间会议室的情况并不少见。

数据开得最晚，结论却直接落在人身上

先说不利的一面。人事数据是公司里最晚对你开放的数据。个人信息合规压在上面，又直接连着劳动关系，新人不会一进来就拿到查询权限。还要有心理准备：自己跑出来的分析，可能成为撤掉某个岗位的依据。因为数字不合心意而被要求“再跑一遍”的频率，也比做产品分析的时候高。

入口主要有两条，长出来的分析师并不一样。一条是以数据科学家或数据分析师身份入职，在承接组织相关课题的过程中转过来；统计和实验设计本来就有，要补的是职级体系、薪酬结构和劳动法规。另一条是从人力资源规划或招聘做起，再把分析能力加上去；这种人知道每个字段当初为什么那样记录，读数据时误判更少。哪条更占优，取决于公司把这个团队放在人力资源下面，还是放在集团数据部门下面。

说实话，专门设这个岗位的公司还不算多。多数情况下是人力资源规划的同事拿表格兼着做，招聘启事里也很少单列职位名称。反过来说，应聘者里几乎没有真正碰过人事数据的数据科学家。工作三到六年之间做过一次这类项目的人，在组织调整频繁的公司里会被反复找上门。

如果还在读书，有一个不需要公司数据也能做的练习。从公开的就业统计里，把和自己专业相关的职业招聘数按月取出来画成一条线，然后找出这条线拐弯的那个月，去查那个月发生了什么。最后写下：要说那件事是原因，还缺哪些数据。最后这一行就是这份工作的全部。而且到目前为止，仅凭公开资料，外部没有办法验证一份裁员公告里写的理由是否属实。这种验证只能在公司内部完成，这就是这个位置被放在公司内部的原因。