AI 裁員潮殺到埋身？企業評估員工睇 3 類數據 這類「人才」相對更有韌性

AI 企業化應用加快，裁員決策亦逐漸由單純睇績效，轉向綜合分析員工技能、工作表現及崗位需求。調查顯示，71% 受訪 HR 專業人士會參考員工的工作經驗、專業技能及證書，70% 睇績效評估，68% 則考慮崗位需求及工作負荷。

超過九成受訪 HR 表示，裁員時會使用軟件或演算法輔助分析，但並非代表所有決定都完全交由 AI 作主。相對而言，同時具備專業技能、AI 工具應用、跨部門協作及解難能力的「混合型人才」，在企業轉型時較有機會保持競爭力；不過，任何職位都不能保證完全不受裁員影響。

即刻【按此】，用 App 睇更多職場及科技資訊

企業用 AI 評估員工睇哪 3 類數據？

企業在進行人力重組時，可能會利用人力資源系統、績效管理平台及其他分析工具，整理大量員工及崗位資料。AI 的角色通常是協助企業更快比較資料、找出人手重疊位置，以及分析哪些職務可能與未來業務方向不再匹配。

根據調查，企業評估員工去留時，主要集中參考以下 3 類數據：

除了上述 3 類核心數據，企業亦可能將出席率、薪酬成本、福利、教育背景、年資及崗位替代難度納入考慮。不同公司使用的數據及權重不一，不能將調查結果直接理解為所有企業都會按照同一套公式裁員。

↓點擊圖片放大↓

+6

+5

裁員是否完全由 AI 決定？

調查顯示，超過九成受訪 HR 專業人士承認，在裁員決策中會使用軟件或演算法協助分析；但約一半受訪者仍會將系統結果與管理層判斷、人力策略及實際業務需要結合，並非完全由 AI 自動決定。

AI 比較適合處理大量資料，例如整理不同團隊的技能分布、比較工作量、找出重複職責，或協助管理層預測不同人手方案的成本。至於某位員工是否應該離開，涉及工作表現以外的因素，包括項目經驗、客戶關係、團隊協作及未來轉型價值，未必能單靠歷史數據準確判斷。

AI 協助裁員可能參考的資料

• 績效評分及目標完成率。
• 工作量、工作時數及崗位需求。
• 員工擁有的技能、證書及工作經驗。
• 團隊內職責是否重疊。
• 薪酬成本與崗位產出。
• 未來業務所需技能與現有人才分布。

有研究指出，部分管理人員甚至會要求 AI 考慮出席率、薪酬、年資、病假或醫療假等因素。這些資料涉及私隱及公平問題，亦反映企業不能只因「系統有計到」便將結果視為客觀答案。 

AI 裁員背後不只是績效問題

當企業宣布因 AI 或自動化而裁員，並不一定代表被裁員工表現欠佳。部分裁員其實源於企業重新分配資源，例如將預算由傳統營運團隊轉投 AI 基建、資料中心、模型開發、自動化工具或新產品。

換句話說，即使員工過去表現良好，所在崗位仍可能因公司策略改變而被重新設計。企業可能選擇將部分工作交給軟件，將原本由數人負責的流程重新整合，或以較少人手配合 AI 工具完成相同工作。

哈佛商業評論分析指出，部分公司在 AI 真正完全取代工作前，已基於對未來生產力的預期先行減少人手；這代表裁員可能是對未來技術效益的押注，而不一定是 AI 已經完全取代相關職位。 

↓點擊圖片放大↓

「工作被取代」與「工作被重組」不同

甚麼是「混合型人才」？

所謂「混合型人才」，不是單純懂得使用 ChatGPT 或某一個 AI 工具，而是同時具備專業知識、AI 應用能力及人類難以完全自動化的工作能力。

例如，一位市場推廣經理不只懂得寫文案，還能利用 AI 分析受眾數據、設計內容測試、解讀結果，再按品牌定位及客戶反應作出判斷；一位產品設計師不只懂得畫圖，還能使用 AI 加快原型製作，同時與工程、營銷及客戶團隊協調產品方向。

混合型人才的 4 項能力

• 專業能力：掌握所在行業、流程、客戶及工作標準。
• AI 應用能力：懂得選擇合適工具，設計工作流程及核對 AI 輸出。
• 數據解讀能力：不只查看報表，還能了解數據限制、找出原因及提出行動。
• 人際及解難能力：能夠協調不同持份者、處理不確定性及作出取捨。

因此，「最安全」不應理解為某一類人才永遠不會被裁，而是這類人才較容易在崗位轉型時轉換工作內容，並且能夠為企業帶來 AI 以外的判斷、溝通及執行價值。

↓點擊圖片放大↓

+2

哪些工作面臨較高自動化壓力？

重複性高、規則清晰、輸入及輸出容易標準化的工作，通常較容易先受到自動化影響。這不代表相關職位必然消失，而是其中部分工作可能由 AI 完成，員工需要轉向監督、判斷、客戶溝通及流程改善。

AI 對職位的影響通常是「拆散工作內容」，而不是一次過消滅整個職業。員工如果能夠由執行單一流程，升級至設計流程、監督 AI、處理例外及負責結果，便較有機會在工作重組中保留價值。

職場人士如何提升技能安全？

1. 由自己工作中最重複的流程開始

先列出每星期重複處理的工作，例如整理表格、撰寫報告、搜尋資料、分類電郵或製作簡報，再研究哪些步驟可以由 AI 協助。重點不是盲目使用最多工具，而是找出可以節省時間、減少錯誤及提升質量的實際場景。

2. 由「使用工具」升級至「設計流程」

只懂輸入指令未必足夠。更有價值的能力，是知道如何將 AI 放入工作流程、設計檢查步驟、核對資料及處理錯誤。企業需要的不只是「識用 AI」的人，而是能夠將工具轉化為可重複、可審核及可交付成果的人。

3. 保留 AI 無法代替的判斷

工作成果應該加入專業取捨、客戶理解、風險評估及跨部門協作。這些部分較難單靠歷史數據及自動生成內容完成，亦是員工建立不可替代性的地方。

4. 建立可量化的工作紀錄

企業會參考績效及工作成果，因此員工應保留項目數據，例如完成時間、錯誤率、客戶滿意度、成本節省、轉化率及流程改善結果。與其只在履歷上寫「熟悉 AI」，不如展示如何利用 AI 將報告時間由兩日縮短至半日，或如何改善工作流程。

5. 發展至少一項跨領域能力

例如營銷加數據分析、設計加產品管理、行政加自動化、工程加業務溝通、客服加客戶成功管理。跨領域能力可令員工較容易在部門重組時轉換崗位，而不是只綁定一個狹窄職能。

AI 裁員有甚麼偏見及倫理風險？

AI 系統只會根據企業提供的資料及設定進行分析。如果輸入資料本身不完整、有偏差或帶有歷史歧視，系統便可能將偏見放大。企業亦可能錯誤解讀出席率、病假、薪酬或年資等數據，將與工作表現無直接關係的因素納入裁員判斷。

因此，AI 不應被視為客觀或中立的「裁員機器」。企業至少應做到：

• 清楚說明 AI 在人力決策中的用途及限制。
• 由人力資源及管理層覆核系統建議。
• 檢查不同年齡、性別、健康狀況及背景員工是否受到不成比例影響。
• 避免將病假、家庭責任或其他敏感資料直接作為負面指標。
• 讓員工知道如何查詢、糾正及申訴不準確資料。
• 定期審核模型及資料，避免歷史偏見持續影響決定。

AI 裁員研究亦提醒企業，過度依賴自動化可能令公司失去關鍵技能及內部知識；部分企業在裁員後才發現，留下的團隊未必具備填補知識缺口的能力，甚至需要重新招聘原本離開的員工。

↓點擊圖片放大↓

AI 時代職場自保清單

小結：沒有絕對安全職位，只有持續升級的技能

AI 裁員並不是單純由一個演算法決定誰會離職，企業通常會綜合參考技能及經驗、績效表現、崗位需求及工作負荷，再配合人力成本、公司策略及管理層判斷。AI 的加入，令企業可以更快整理及比較數據，但亦增加偏見、私隱及錯誤判斷的風險。

對員工而言，真正值得建立的不是「永遠不會被裁」的錯覺，而是技能安全：在保留原有專業的同時，學懂運用 AI、解讀數據、改善流程、處理複雜問題及與不同團隊合作。單一、重複性的工作內容較容易被自動化；能夠將 AI 與專業判斷結合的混合型人才，則較有機會在企業重組時轉換角色及保持競爭力。

Source：CTgoodjobs 及公開 AI 職場研究