Meta dan Klarna Undur daripada Strategi Tenaga Kerja AI: Mengapa Automasi Masih Perlukan Manusia

AI sedang mengubah cara syarikat membentuk pasukan, tetapi Meta dan Klarna memperlihatkan sebab menggantikan fungsi kerja secara menyeluruh dengan AI jauh lebih sukar daripada mengautomasikan sebahagian tugas. Meta menghentikan perancangan bagi gelombang kedua penstrukturan semula Project OT selepas pengurangan tenaga kerja pertama, manakala Klarna kembali mengambil pekerja sokongan manusia selepas model perkhidmatan berasaskan AI semata-mata menghasilkan mutu yang lebih rendah. 218

Pengajarannya bukan soal menolak AI. Secara praktikal, AI mampu menyerap tugas yang tersusun dan berulang pada skala besar. Namun, organisasi masih memerlukan manusia untuk menangani keadaan yang kabur, menyemak hasil, menyelesaikan pengecualian dan menjaga pengalaman pelanggan.

Meta: visi pasukan kecil berdepan had pelaksanaan sebenar

Reuters melaporkan bahawa Project OT — singkatan bagi Organization Transformation — dirancang sebagai penstrukturan semula dalam dua gelombang. Meta melaksanakan pengurangan pertama pada Mei 2026, melibatkan kira-kira 10% tenaga kerjanya, sebelum membatalkan perancangan untuk gelombang kedua yang dijadualkan pada November. Meta mengesahkan kewujudan Project OT dan menyifatkannya sebagai usaha selama setahun yang merangkumi pengurangan kos, reka bentuk semula pasukan serta peralihan pekerja ke bidang keutamaan. 2

Perubahan haluan itu penting kerana rancangan tersebut bukan sekadar langkah mengurangkan kos biasa. Ia membayangkan pasukan pekerja yang jauh lebih kecil, dibantu oleh ejen AI. Namun, menghasilkan lebih banyak draf, kod atau output tugasan tidak semestinya menjadikan penghantaran produk lebih boleh diharap. Dalam aliran kerja yang kompleks, manusia masih perlu menetapkan matlamat, menyambungkan kerja merentas sistem, menguji hasil, mengesan kegagalan dan memikul tanggungjawab apabila sesuatu tersilap.

Meta tidak menghentikan pelaburan dalam AI atau penggunaan AI di tempat kerja. Yang berubah ialah keyakinan bahawa keupayaan ejen AI dapat menyokong satu lagi pengurangan tenaga kerja besar-besaran mengikut jadual asal. 2

Klarna: jumlah automasi tinggi tidak menjamin mutu khidmat pelanggan

Pengalaman Klarna menunjukkan versi masalah yang sama dalam operasi khidmat pelanggan. Pembantu AInya mengendalikan sebahagian besar perbualan sokongan standard, termasuk pertanyaan rutin tentang bayaran, pemulangan wang dan pemulangan barangan. Namun, Klarna kemudian meninggalkan pendirian yang bergantung pada AI semata-mata dan kembali mengambil pekerja sokongan manusia. 1720

Menurut laporan mengenai perubahan itu, Ketua Pegawai Eksekutif Klarna, Sebastian Siemiatkowski, mengakui syarikat telah mengurangkan kapasiti manusia secara terlalu agresif. Isunya bukan AI tidak berguna, sebaliknya perkhidmatan automatik bergelut dengan kes yang rumit, tidak jelas atau sensitif dari sudut emosi. Dalam situasi begitu, pekerja berpengalaman membawa keupayaan menyiasat, budi bicara dan empati. Klarna mula membina semula kapasiti sokongan manusia seiring penggunaan automasi. 1819

Perbezaan ini sangat penting dalam khidmat pelanggan. Sistem boleh menyelesaikan permintaan lazim dengan pantas, tetapi tetap merosakkan kepercayaan jika pelanggan yang berdepan bayaran dipertikaikan, keadaan luar biasa atau masalah yang semakin serius tidak dapat menghubungi manusia yang berkeupayaan dalam masa munasabah. Automasi hanya benar-benar bernilai apabila laluan eskalasi dan akauntabiliti manusia dibina ke dalam perkhidmatan.

Model yang semakin jelas: AI sebagai pengganda keupayaan, bukan pengganti semua peranan

Dua kes ini menunjuk kepada model operasi yang lebih mampan:

• Automasi tugas yang boleh dijangka. AI paling berguna apabila inputnya piawai, hasilnya mudah disahkan dan kesilapan murah untuk diperbetulkan.
• Kekalkan manusia pada titik keputusan. Manusia masih penting apabila tugasan memerlukan konteks merentas sistem, pertukaran antara pilihan, pertimbangan, akauntabiliti atau pengurusan hubungan.
• Wujudkan eskalasi dalam aliran kerja. Sokongan pelanggan dan proses berisiko tinggi memerlukan serahan yang jelas kepada pekerja berkelayakan, bukannya pelanggan tersekat dalam gelung automatik.
• Ukur hasil, bukan sekadar aktiviti. Lebih banyak kod dijana, respons awal lebih pantas atau jumlah tugasan lebih tinggi ialah ukuran yang tidak mencukupi jika mutu, penyelesaian kes, keselamatan dan kepercayaan pelanggan merosot.

Maksudnya bukan pekerjaan tidak akan terkesan. Sebaliknya, perubahan pekerjaan mungkin berlaku melalui reka bentuk semula pasukan, perubahan kemahiran yang diperlukan dan pengurangan peranan yang tertumpu pada kerja rutin — bukannya penghapusan serta-merta kerja manusia secara menyeluruh.

Data pengambilan pekerja menunjukkan peralihan kepada keupayaan teknikal

Pasaran buruh teknologi yang lebih luas seiring dengan tafsiran tersebut. SignalFire melaporkan pengambilan pekerja di syarikat teknologi besar berada 25% di bawah paras asas 2019, manakala pengambilan jurutera perisian turun 11%. Akibatnya, jurutera perisian membentuk 55% daripada semua pengambilan di syarikat berkenaan, berbanding 46% pada 2019. 49

Data ini tidak membuktikan AI menyebabkan setiap perubahan dalam pengambilan pekerja; kitaran perniagaan dan pelarasan tenaga kerja selepas pandemik juga mempengaruhi sektor teknologi. Namun, ia menunjukkan organisasi yang lebih ramping masih memerlukan bakat teknikal. Tumpuan pengambilan berubah kepada individu yang boleh membina, melaksanakan, menilai, melindungi dan menyelia sistem yang semakin diautomasi.

Risiko paling dekat: laluan kerjaya peringkat permulaan

Penyelidik Stanford Digital Economy Lab tidak menemui bukti penggantian pekerjaan secara meluas pada peringkat seluruh ekonomi dalam data pentadbiran gaji hingga Jun 2026. Namun, pekerjaan bagi pekerja berusia 22 hingga 25 tahun dalam pekerjaan yang sangat terdedah kepada AI berada 19% di bawah paras yang sepatutnya dicapai jika pertumbuhannya seiring dengan rakan sebaya dalam pekerjaan yang kurang terdedah. Pekerja berpengalaman tidak menunjukkan jurang yang setara, dan pelarasan itu terutama berlaku melalui pengurangan pengambilan, bukan peningkatan pemberhentian kerja. 35

Angka 19% itu ialah kekurangan relatif berasaskan ukuran “jika kekal seiring”, bukannya kiraan pekerjaan yang dibuang secara langsung oleh AI. Namun, ia menonjolkan isu besar: apabila AI mengambil alih sebahagian kerja rutin peringkat permulaan, syarikat mungkin menawarkan lebih sedikit peluang kepada individu untuk membina pengalaman yang membawa mereka ke peranan lebih kanan.

Apa yang perlu dipelajari syarikat daripada Meta dan Klarna

Soalan paling berguna kini bukan lagi sama ada syarikat patut menggunakan AI. Soalnya ialah di bahagian mana AI boleh memperbaik proses tanpa menyingkirkan keupayaan manusia yang menjadikan proses itu boleh dipercayai.

Gelombang kedua Meta yang dihentikan dan pengambilan semula pekerja sokongan oleh Klarna sama-sama mencadangkan bahawa automasi perlu diuji berdasarkan hasil akhir: penghantaran produk yang berjaya, keputusan yang tepat, kes yang benar-benar selesai, keyakinan pelanggan dan kos pemulihan yang terkawal. Apabila AI berfungsi baik, ia boleh meningkatkan kapasiti pasukan yang lebih kecil. Tetapi apabila ketidakpastian atau akibat kesilapan tinggi, reka bentuk yang lebih sesuai lazimnya ialah manusia bersama AI — bukan tanpa manusia.

AI sedang mengubah komposisi dan daya ungkit pasukan. Syarikat yang paling berpeluang mendapat manfaat ialah syarikat yang melihat automasi sebagai alat untuk memperbaik kerja manusia, bukan jalan pintas untuk mengelakkan kerja manusia yang masih diperlukan oleh produk kompleks dan hubungan pelanggan.