AI不会减少工作，它制造过多的工作

今年，Meta内部推进过一个叫Project OT（Organization Transformation）的计划。

构想相当激进：把传统的10到20人的专业团队，压缩成3到5人使用AI的小型pod；淡化工程师、设计师、PM之间的职种边界，把成员统一视为通用的builder；削减中层管理层级，让AI agent承担分析和日常的优先级判断。某些方案里，团队规模最多削减60%。到6月，至少11个部门实行了小型pod，其中包括工程和研究团队。

然后数字出来了。

AI带来的内部平台代码变更量同比增长220%。

真正交付到用户手里的新功能和改进，增长36%。

同一时期，重大技术与安全事故同比增长40%，员工用于救火的时间增长70%。4月，一份内部帖子警告，未受控制的Agent正在执行一些人类通常不会做的”大规模破坏性操作”。

内部半年度调查里，员工好评率从74%跌到55%。

5月19日晚，第一波裁员执行前几小时，扎克伯格中止了原定11月的第二阶段重组。7月他在内部承认，Agent技术的进步没有想象中那么快。

生成速度不等于生产力

220%和36%之间的落差，值得停下来看一看。

严格说这两个数字不能直接相比。代码变更量是投入侧的指标，用户可见的功能是产出侧的指标，中间隔着产品判断、实验、发布节奏。即便没有AI，它们也不会同步增长。

但40%的事故增长和70%的救火时间，是同一件事的另一面。

一个可能的解释是：AI提升的不是生产力，是生产物的产生速度。

企业不是生产物的机器，是一个系统：

想法 → 代码 → 评审 → 集成 → 安全 → 部署 → 用户价值

只把代码生成加速十倍，而下游只能处理两倍，剩下的八倍不会消失，它变成组织内部的拥堵。

一个十九世纪的类比

1865年，杰文斯（William Stanley Jevons）注意到一件反常的事：蒸汽机效率提升之后，英国的煤炭消费不但没有下降，反而上升了。因为效率降低了使用煤的成本，煤被用到了以前用不起的地方，总量因此增加。

AI可能正在发生类似的事。

代码生成成本下降，于是写更多代码，做更多原型，改更多东西。而每一次改动都需要评审、测试、安全检查、集成。协调成本随之上升。

AI让单件工作变便宜，公司整体的工作量却增加了。

这个类比有个前提需要注意：杰文斯悖论成立，是因为对能源的需求几乎无限。而一家公司对新功能的需求是否也无限，这一点其实存疑。如果需求本身有限，那Meta遇到的可能是一个更朴素的问题：一个没有节流阀的系统，会自己把自己撑爆。

两种解释，结论相同。

顺序错了

Meta的思路大致是：AI能力提升 → 人的生产力提升 → 人数减少 → 组织结构调整。

从结果倒推，可能的顺序恰好相反。局部产量激增之后，先成为瓶颈的不是人手，是既有组织的协调架构。

那么合理的路径也许是：

AI → 重设工作流 → 重设控制机制 → 重设度量方式 → 最后才是组织重构。

Project OT做的事，是在AI足够成熟之前，先把”AI原生组织”的将来时组织图实装了。

（这一段是我的解读，不是Reuters的结论。）

什么会变成稀缺资源

如果把”AI能减掉几个人”这个问题彻底放下，剩下的问题更有意思：

AI时代，企业里最稀缺的东西是什么？

工业时代是资本。知识经济时代是人才。AI时代，可能是组织带宽。

AI可以近乎无限地生成想法、代码、分析、提案、实验。但一家公司评估、选择、集成、承担责任的能力，不会跟着无限增长。

沿着这个方向看，AI时代优秀的公司，也许不是生成最多的那家。

是最能扔掉的那家。

一百个Agent每天提出一千个方案，如果没有能力低成本地否决其中的九百九十九个，组织会瘫痪。

按这个逻辑，未来真正重要的Agent可能不是”生成更多的Agent”，而是评审者、守门人、分配者，以及负责说不的那一个。

生成成本趋近于零之后，决定企业价值的不再是生成能力。

是选择、集成和废弃的能力。

---

参考来源

• Katie Paul，Mark Zuckerberg had a bold plan to replace Meta staff with AI. Here’s how it imploded.，Reuters Investigates，2026-08-26