人员扩张的虚假承诺：为何招聘无法解决AI驱动的工作压力

在技术快速融合的现状下，董事会和开放式办公室里常常回荡着一种熟悉的声音：“我们人手不足。” 最直接的直觉反应往往是发布新的招聘需求。然而，越来越多的组织心理学家和劳动经济学家正在提出反对意见，他们认为招聘往往只是针对更深层次结构性低效的一种安慰剂，尤其是在AI时代。

随着AI智能体越来越多地处理常规认知任务，“工作量”的定义正在发生变化。它不再仅仅是关于电子邮件或数据录入的数量，而是关于监督的复杂性、创意指导和异常处理。当团队报告感到压力时，往往不是因为缺乏人手来工作，而是因为工作本身发生了变化，而现有流程无法支持这种变化。向一个已经失效的工作流程中增加更多人力并不能修复该流程，它只是向瓶颈中增加了更多的人。

这种观点挑战了传统的劳动经济学模型，该模型认为产能与人员数量成线性比例。在AI增强的环境中，产能是工具、培训和流程设计的函数。如果一个AI智能体可以处理80%的标准查询，那么剩下的20%则需要更高级的专业知识。招聘初级员工来处理现在由AI自动化的任务是对资本和人才的滥用。相反，组织需要专注于提升现有员工技能，以有效管理这种人机混合团队。

这场辩论中也有一个人性化层面。员工正在经历一段充满重大不确定性的时期，不确定他们的角色在六个月后会是什么样子。仅仅要求更高的产出，而不解决他们新职责的模糊性，会导致职业倦怠，而不是提高生产力。领导者必须承认，“短缺”往往是技能差距或清晰度差距，而不是人数差距。

对于AI生态系统而言，这种转变具有重大影响。这表明，AI工具的价值将不仅仅通过成本降低或速度来衡量，而是通过它们澄清角色边界和减少认知负荷的能力来衡量。最成功的部署将是那些帮助人类理解如何与智能体协作，而不仅仅是智能体能做什么的部署。在领导层停止将人员数量视为万能药之前，AI驱动的生产力承诺将部分无法实现，被困在传统人员配置模型的惯性中。

图片：Daniil Komov / Unsplash (https://unsplash.com/@dkomow)