AI裁员反噬：19%美国员工被原公司高薪请回

不少企业推进 AI 转型，最先盯着看的指标，就是它替掉了多少人。

可这第一批拿到“结果”的海外企业，眼下正被“AI 回旋镖”打中。

全球人才洞察与人才测评机构 SHL 在 2026 年 10 月发布《2026年职场人才流动：隐形劳动力》报告，其中数据显示：19% 的美国受访劳动者称，自己被 AI 取代过，之后又被原公司召回。

回来的人大多愿意重回岗位，不过他们提出，双方的合作条款得改一改：

51%的人要求返岗前先大幅加薪。

42%的人想要一份关于未来工作保障的明确承诺。

40%的人要求今后 AI 在其岗位上的使用情况完全透明。

海外媒体因此给这一现象起了个名字AI boomerang，即“AI 回旋镖”。Gartner 的说法更直白：cut fast, rehire later。

“AI 回旋镖”在海外已经不只是个别案例

除 SHL 这份研究外，多家海外机构的调研同样显示，“AI 回旋镖”正变得普遍。

创立于 1948 年的 Robert Half 是全球专业人才解决方案与商业咨询公司，也是全球最大的专业人才服务机构之一。该公司 2026 年 7 月发布的研究指出，32% 的美国招聘经理表示，所在组织曾因 AI 撤掉岗位，后来又恢复了相同或相近的职位。Robert Half 把这类回补称作“AI 纠偏式回聘”。

Gartner 早在 2026 年 2 月就作出预判：“到 2027 年，50% 将人员缩减归因于 AI 的公司，会重新招聘员工承担类似职能，只是职位名称会不同。”

2026 年 11 月，Gartner 又补充了跟踪数据：在已因 AI 压缩客服编制的组织里，7% 已经重新招人，11% 打算在未来 18 个月内重新招聘。

企业的实际动作也印证了这些结论。Klarna 高调宣传 AI 客服降本之后，又重新招聘了人工客服；Ford 在自动化和 AI 质检未达预期后，补进了 350 名资深工程师。

“AI 回旋镖”给企业带来的影响很直接。

一方面，看得见的财务成本被推高：本想省下工资，结果要重新招聘、重新培训、重新磨合，甚至得花更高的价钱把人请回来。另一方面，隐性影响同样存在：业务稳定性、员工信任，乃至 AI 转型本身的节奏，都会明显受牵连。

AI 转型为何会拐成“AI 回旋镖”

企业的 AI 转型为何常常走成“AI 回旋镖”？SHL、Gartner、Robert Half、美联社等机构各自作了解释，归纳下来主要有三点。

其一，不少企业裁员依据的是“AI 预期价值”，而非“AI 实际价值”。

这一点，是 Gartner 在报告里反复强调、反复提醒的：

“企业要是因为看好 AI 的价值、而非依据已经验证的结果就裁人，很容易陷入‘裁得太快、之后又得重新招人’的局面。”

“管理者应该把裁员视为 AI 表现经过验证且可持续之后的结果，而不是把它当成实现 AI 价值的前提条件。”

许多企业还没等 AI 在真实业务中跑出稳定结果，就先把“降本”算进了编制账。技术在决策层的汇报里能跑通，到了业务现场，却未必扛得住真实工作量、例外场景和质量要求。

另外，组织层面也没看清人身上那些不显眼的价值，管理者同样没发现员工在头衔之外还藏着别的本事。

SHL 的这份报告里还有两组数据值得看。

认为自己的经理真正了解自己头衔之外技能的员工，只占 42%。

有 54% 的受访者说，雇主更愿意从外面招人，而不是先对内部员工做再培训或晋升。

SHL 在报告里给出的分析是：“大多数组织无法可靠、客观地衡量员工的能力。没有这种衡量标准，采用人工智能的决策就只能靠猜测。”

前面提到的 Robert Half 还梳理了“企业后来为什么又把人请回来”的前三大原因。

“需要 AI 无法替代的机构知识或业务语境：40%”

“涉及 AI 无法复制的关系管理：39%”

“比预想中更需要人工监督和质量控制：38%”

从这几条也能看出来，不少企业小看了人的隐形价值，也小看了头衔之外的能力。

美联社的采访中，Forrester 分析师 Betsy Summers 也给出了她的判断。

她说：“当企业用 AI 去承担原本由人完成的任务时，往往会忽略员工在正式岗位描述之外承担的那些隐形工作。”

“这类工作可能包括感知情绪和氛围、临时拉会沟通，以及在受到激励时主动多做一步。”

“像维系团队凝聚力、推动团队建设、确保团队内部建立信任这样的组织公民行为，通常都没有被算进去。”

这些恰恰是员工身上“平时看不见、出事时最要命”的价值。岗位说明里不会写，报表里也不容易见到，可人一旦被撤掉，问题很快就冒出来。

第三层问题在于，不少企业的知识库、流程数据和业务文档本身就残缺不全。

这一层往往最容易被企业跳过。

流程没理清，业务经验没沉淀成文档和知识库，经验还主要装在老员工脑子里。AI 拿到的不是一条清晰的流程，而是一堆缺上下文、缺规则边界、缺历史语境的数据碎片。

Georgetown 教授 Brooks Holtom 在美联社的采访里就着重提到这一点。

“很多组织没有花足够的前期时间，真正弄清楚流程是怎么运转的，以及人在流程里到底创造了什么价值。”

“像数据处理、记账这类任务，企业内部的操作流程本身也并不总是被完整记录下来。”

结果就是，很多企业一边上 AI，一边又回头补人。说到底，AI 能不能接住业务，不光看模型能力，也要看企业自己有没有把流程、规则、知识和例外场景整理成机器接得住的东西。

AI转型要拿结果，先看增效，别盯着降本

那么，企业究竟该怎么做，才能尽量绕开“AI 回旋镖”？

文章一开头就点明，不少企业推进 AI 转型，最惦记的头一个成果就是“替代了多少人”。出发点若一开始就落在“替代人”上，这件事多半会走偏。

做 AI 转型，起点应当放在增效上，别一上来就奔着减人。

道理在于：降本未必能换来增效，增效却很可能顺带把成本降下来。

与其死盯编制和人头，不如把目光放到业务里的具体场景、流程怎么重构、动作怎么减少上。从业务需求出发推导任务重构，再顺着任务重构推到技能重构，最后回过头重新看岗位和人。只有当降本和岗位变动成为业务、流程重构之后自然出现的结果，企业才更不容易撞上 AI 回旋镖。

想躲开“AI 回旋镖”，企业可以从三件事入手。

头一件，先动流程。

别开口就问哪个岗位能砍，先问业务里哪些动作低效、哪些流程值得重做、哪些任务可以重新分配。

走得远的公司，做法不是把 AI 硬塞进原有流程，而是围着 AI 重新设计流程、重排任务、重组技能。流程不动，说到底还是拿新工具干老一套。

第二件，先验证 AI 到底值不值。

AI 能不能扛住业务，光看汇报和技术演示不算数。

得先放到真实场景里跑一跑，看质量稳不稳、复杂场景接不接得住、总成本究竟降没降。跑不出稳定结果，就别急着减人。

第三件，先把技能和知识盘清楚。

企业要弄明白，一个岗位除了岗位说明里写着的职能，还攥着哪些本事，比如客户关系、机构知识、跨部门协同、风险判断、现场兜底。

还要搞清楚人实际在做什么、手上有哪些技能、还能挪到哪些新任务和新场景里去。

与此同时，企业内部的 知识库、流程文档、规则边界 这些知识资产，也得先补齐。业务知识没沉淀好，AI 压根接不住。