Meta、Klarna的AI人力策略轉向：自動化為何仍需要人

AI正在改變企業配置團隊的方式，但Meta與Klarna的案例顯示，要用AI取代整個職能，遠比自動化工作中的某些環節困難。Meta在首波人力縮減後，暫停規劃Project OT的第二波重組；Klarna則因AI優先客服模式帶來較差的服務成果，重新招募真人客服人員。218

兩者帶來的共同訊息並非「AI沒用」，而是很務實的營運課題：AI可以大規模承接結構化、重複性的任務，但組織仍需要人來處理模糊情境、審核輸出、排除例外，並守住客戶體驗。

Meta：小團隊加AI代理人的想像，碰上實際流程的限制

路透報導，Meta的Project OT（Organization Transformation，組織轉型）原本規劃分兩波進行重組：2026年5月先執行第一波人力縮減，約裁減10%員工，後續原訂11月再進行一波調整，但公司後來停止了後一波的規劃。Meta也證實Project OT確有其事，並形容這是一項為期一年的計畫，涵蓋降低成本、重設團隊結構，以及將人員轉往優先領域。2

此一轉向的重要性在於，這不只是一般的削減成本方案。其構想是以AI代理人支援規模更小的員工團隊。不過，產出更多草稿、程式碼或任務結果，不等於就能可靠地交付產品。在複雜工作流程裡，仍須由人界定目標、串接跨系統工作、測試結果、辨識失誤，並在出問題時承擔責任。

Meta並未停止投資AI或使用AI輔助工作；改變的是，AI代理人的能力尚不足以讓公司按照原定時程，推進第二波廣泛的人力縮減。2

Klarna：處理量大，不等於服務品質到位

瑞典金融科技公司Klarna的經驗，呈現了同樣問題在客服領域的版本。其AI助理可處理付款、退款與退貨等標準客服對話的大量需求；不過，Klarna後來不再採取AI唯一主導的立場，並恢復招募真人客服。1720

依相關報導，執行長Sebastian Siemiatkowski承認，公司削減真人客服能力的幅度過大。問題不在AI毫無價值，而在它面對複雜、模糊或情緒敏感的客訴時表現不足；這類案件需要有經驗的人員調查、裁量與同理。Klarna因此開始在自動化系統之外，重新建立真人客服能力。1819

對客服營運而言，這個差異尤其關鍵。系統或許能快速解決常見問題，但若遇到付款爭議、特殊處境或持續升高的問題時，客戶無法及時找到有能力的人員，信任就可能受損。自動化的價值，取決於服務流程中是否內建明確的升級轉接機制與人類責任歸屬。

較可持續的模式：AI是槓桿，不是所有職位的替身

這兩個案例指向較穩健的營運模式：

• 自動化可預測的任務。 當輸入已標準化、結果容易驗證、錯誤也容易低成本修正時，AI最能發揮效益。
• 在決策關卡保留人。 凡是涉及跨系統脈絡、權衡取捨、判斷、責任或關係管理的工作，人仍不可或缺。
• 把升級處理納入流程。 客服及其他高風險作業，需要清楚轉交給合格人員的機制，不能讓使用者困在自動化迴圈裡。
• 衡量成果，而非活動量。 程式碼生成量增加、首次回覆更快或處理量更高，若同時犧牲品質、解決率、安全性與客戶信任，就不是完整的績效指標。

這並不代表工作不會受影響。更可能發生的變化是：團隊重新設計、技能要求改變，以及專責例行工作的職位減少，而非人類工作在短期內全面消失。

招募數據顯示：人力需求正轉向技術能力

更廣泛的科技業勞動市場，也大致符合這項解讀。SignalFire指出，大型科技公司的招募量比2019年基準低25%，但軟體工程職缺招募僅少11%；因此，軟體工程師占這些公司招募比重已由2019年的46%升至55%。49

這些數據不能證明每一項招募轉變都由AI造成，因為商業景氣循環與疫情後的人力調整同樣會影響招聘。但它確實顯示，精簡組織並沒有消除對技術人才的需求；企業需求組合反而轉向能建置、部署、評估、保護與監督自動化系統的人才。

近期最值得注意的風險：初階職涯階梯

史丹佛數位經濟實驗室研究人員使用截至2026年6月的行政薪資資料後指出，尚未看到全經濟範圍的廣泛職位流失。然而，在高度受AI影響的職業中，22至25歲工作者的就業水準，比起若能與受AI影響較低的同齡者維持相同成長速度時應有的水準，低了19%。資深工作者並沒有出現相同落差，而且調整主要反映在減少招聘，而非增加離職或裁員。35

這個19%是相對於「跟上同齡低AI曝險職業成長」的落差，不是AI直接消滅職位的數量。但它點出一個嚴肅問題：當AI接手部分例行的入門工作，企業可能提供更少讓新人累積經驗、走向資深職位的機會。

企業能從Meta與Klarna學到什麼？

現在真正的問題已不再是「要不要用AI」，而是「AI能在哪裡改善流程，同時不犧牲讓流程保持可靠的人類能力」。

Meta停止第二波規劃、Klarna重新補回客服人力，都說明企業應以最終結果檢驗自動化：產品是否順利交付、判斷是否正確、案件是否真正解決、客戶是否仍具信心，以及出錯後的修復成本是否可控。

AI表現穩定的地方，確實能放大小型團隊的產能；但不確定性或後果較高的地方，較合理的設計通常是「人加AI」，而不是「沒有人的AI」。AI正在重塑團隊組成與人員槓桿，而最可能受益的公司，會把自動化視為提升人類工作品質的工具，而非繞過複雜產品與客戶關係中仍不可缺少的人類工作。