Meta、Klarna都要「回頭」：AI唔係一鍵取代人手

AI正改變企業點樣配置團隊，但Meta同Klarna的經歷說明：用AI自動化一部分工作，唔等於可以直接取代整個職能。 Meta暫停Project OT第二輪重組規劃；Klarna則因AI優先客服模式令服務質素下降，重新招聘真人客服。 218

重點唔係「AI有冇用」，而係AI最擅長處理標準化、重複性高的步驟；至於模糊情況、成果把關、跨系統協調、例外處理，以及客戶關係，仍然要靠人。

Meta：小團隊加AI代理人的構想，撞上實際工作流程

路透社報道，Meta內部的Project OT，全名為「Organization Transformation」，原本設計成兩輪重組：先在2026年5月進行首輪裁員，之後原定在11月再作調整。Meta在首輪削減約一成人手後，已叫停原定11月進行的第二輪規劃。Meta亦確認Project OT存在，形容這是一項為期一年的計劃，涵蓋減成本、重整團隊，以及把人手轉到優先範疇。 2

這次回調值得留意，因為Project OT不只是一輪傳統成本削減。計劃設想由較少的人手配合AI代理人運作。不過，AI可以產生更多草稿、程式碼或工作輸出，並不代表產品就能穩定交付。

在複雜流程入面，仍要有人去定目標、串連不同系統的工作、測試結果、發現錯誤，並在出事時承擔責任。Meta並無放棄投資AI或使用AI輔助工作；改變的是，公司對AI代理人能否按原有時間表支持另一輪大規模人手削減的信心。 2

Klarna：處理到大量查詢，不代表服務做得好

瑞典金融科技公司Klarna的案例，反映同一問題喺客服場景會點樣出現。其AI助理可以處理付款、退款、退貨等常見查詢，吸收了相當大比例的標準客服對話；但Klarna後來不再維持純AI方向，並重新聘請真人客服。 1720

據相關報道，行政總裁Sebastian Siemiatkowski承認，公司削減真人服務能力時做得太急、太盡，流失了有價值的人類經驗。AI並非毫無價值，問題在於面對複雜、含糊或情緒敏感的個案時，系統難以取代有經驗人員的調查能力、酌情判斷和同理心。Klarna因此開始在自動化之外，重建真人支援能力。 1819

客服尤其如此：系統可以很快答到常見問題，但若客戶遇上付款爭議、特殊處境或問題升級，而又未能及時搵到有能力處理的真人，信任就會受損。自動化要真正有用，流程必須預設清晰的轉介路徑，同時保留真人問責。

較可持續的模式：AI放大人手，而非取代所有職位

Meta與Klarna的經驗，指向一個較務實的營運模式：

• 自動化可預測的工作。 輸入格式較一致、結果易核實、出錯成本低的任務，最適合交畀AI處理。
• 在決策關口保留真人。 當工作涉及跨系統背景、取捨、判斷、問責或關係管理，人仍然不可或缺。
• 把升級處理設計入流程。 客服及其他高風險流程要有明確交接畀合資格人員的機制，唔可以令用戶困喺自動回覆迴圈。
• 量度成果，而非只睇產量。 生成更多程式碼、首次回覆更快、處理量更高，都唔足以代表成功；如果質素、解決率、安全或客戶信任轉差，這些指標就失去意義。

這不代表職位完全不受影響。較可能出現的情況是：團隊重組、技能要求改變，以及純粹處理例行工作的職位減少，而非人類工作即時全面消失。

招聘數據：人手需求正轉向技術能力

整體科技業招聘趨勢，亦較符合「重新分配」而非「全面取代」的解讀。SignalFire指出，大型科技公司的招聘量較2019年基準低25%，但軟件工程招聘只低11%。因此，軟件工程師佔這些公司招聘的比例由2019年的46%升至55%。 49

數據不能證明每一個招聘轉變都由AI造成——商業周期及疫情後的人手調整同樣有影響。但它反映，即使組織變得精簡，技術人才需求並未消失；企業反而更需要能夠建立、部署、評估、保護及監督自動化系統的人。

最迫切的風險：初階職業階梯收窄

史丹福數碼經濟實驗室研究人員利用截至2026年6月的美國行政薪酬資料，未發現遍及全經濟的廣泛職位流失。不過，在高AI暴露職業中，22至25歲工作者的就業水平，較假如其走勢能追上低AI暴露同齡群組時應有的水平低19%；有經驗工作者則未見相若差距，而調整主要來自較少招聘，不是更多人被解僱。 35

要小心解讀這個19%：它是「未能跟上其他群組增長步伐」的相對差距，並非AI直接消滅了19%職位的數字。不過，這的確突顯一項問題：當AI接手部分初階、例行工作，企業可能減少提供讓新人累積經驗、逐步升上較高職級的入門機會。

公司應從兩個案例學到甚麼？

問題已不再是「用唔用AI」，而是：可以在哪些環節使用AI，同時又不犧牲令流程可靠的人類能力？

Meta叫停第二輪規劃、Klarna重聘客服，都提醒企業應以最終結果驗證自動化：產品是否成功交付、判斷是否準確、個案有冇真正解決、客戶是否仍然信任，以及補救成本是否可控。

在AI表現穩定的環節，它可以提升小團隊的處理能力；但在不確定性高、後果嚴重的工作上，較合理的設計通常是「人加AI」，而唔係「冇人」。AI正在改變團隊組成與人手槓桿，但最可能受益的公司，會把它視為改善人類工作的方法，而不是繞過複雜產品與客戶關係中仍然必要的人類工作。