当算法决定谁走：裁员背后的信任危机

多年前我带过一个团队，有一次需要为年度绩效做强制分布。当时HR系统里有一个自动化工具，可以根据代码提交量、Bug修复率、工时统计等指标生成一个“效率分数”。我试用了一下，发现排名靠前的往往是那些写得快但代码质量不高的同事，而最核心的架构师因为花大量时间做设计评审和文档，分数反而偏低。我果断关掉了那个功能，改为人工校准。后来我对团队说：工具可以辅助判断，但不能替我们做决定，尤其是那些会改变一个人命运的决定。

那是我第一次意识到，算法在组织决策中的边界，远比技术本身更微妙。

7月14日，26名匿名原告起诉Meta，指控其在2023年涉及8000名员工的裁员批次中，依赖内部AI工具Metamate、键盘活动监控以及AI token消耗数据对员工进行算法排名，并据此决定裁员名单。消息一出，我的第一反应不是“这技术是否可行”，而是“信任关系是否已经瓦解”。

从组织层面看，裁员从来不是一个单纯的财务决策，它更是一个文化信号。当管理层选择用AI系统来筛选裁员目标，实际上是在传递一个信息：我们对人的判断力不如机器，我们对员工的贡献缺乏透明可解释的标准。这种信号一旦被释放，团队的安全感和归属感会迅速下降，剩下的员工会开始思考：我还能信任这个组织吗？

Meta使用的Metamate据说是一个内部效率分析系统，可以追踪员工的活动数据，包括打开的文档、发送的消息、会议参与时长等。这些数据本身并不是问题，问题在于它们被用来做什么。如果员工事先知道他们的键盘活动、token消耗会成为裁员评分的一部分，那么他们自然会调整行为，做出“看起来忙碌”的假象，而非真正创造价值。这恰恰是团队效能最不愿意看到的扭曲。

从管理实践看，任何指标驱动的绩效评估都有其局限性。Goodhart定律说过：当一个指标成为目标时，它就不再是一个好的指标。AI裁员系统将这种风险放大了一个数量级。算法可以处理海量数据，但它无法理解代码背后的上下文、无法衡量跨团队协作的隐性贡献、无法评估一个成员在关键时刻的稳定作用。那些用AI token消耗量来判定员工价值的企业，往往忽略了知识工作者最大的产出——决策质量、创新思维、团队凝聚力——这些几乎无法被量化。

让我引用一位前任CEO在内部会议上的话：“我们招聘的是人，不是机器。如果我们要用机器的方式管理他们，那么我们就不该抱怨他们缺乏创造力。”

[!quote] 真正的风险不是AI会犯错，而是我们习惯了用AI来逃避最艰难的管理责任——面对面地沟通、坦诚地评估、公正地解释。

从法律角度看，Meta的做法可能违反多个国家的劳动法，尤其是涉及歧视和程序正义的问题。但比起法律风险，我更担心的是行业风向。如果Meta这样的公司开了先例，其他企业很可能跟进，用AI工具来优化裁员流程，甚至形成“算法裁员”的标准化操作。那将是一场组织文化的灾难。

从团队成长的角度看，裁员时最需要的是透明和尊重。员工有权知道他们被裁的真实原因，而不是一个“算法评分过低”的模糊理由。如果公司无法解释每一个裁员决定，就已经破坏了最基本的信任契约。而信任，是团队效能的基石。

我的建议很简单：放下AI裁员工具，回归人际沟通。在做出任何可能影响员工生计的决定之前，请确保有至少一位管理者亲自与员工进行过绩效对话，有一份人工复核的评估记录，有一层可以上诉的申诉机制。AI可以帮你筛选候选人、分析趋势、优化流程，但替你做决定，还为时过早。

毕竟，当一个组织用算法来决定谁留下时，它也在用算法决定自己是否值得被信任。

原文链接：派早报：Meta 被诉借助 AI 违规裁员、Google 被诉使用版权内容训练 Gemini 模型等 - 少数派