福特有 900 部 AI 攝影機看着品質線，訓練來揪出零件經過時的缺陷。過去三年，這間公司請回 350 位資深工程師——不少是舊員工，其餘由供應商那邊挖過來。公司內部叫他們做灰鬍子。
請他們回來，不是為了取代那些攝影機。是回來重新訓練那些攝影機。
「我們錯在以為，只要引入人工智能，把手上的設計要求餵進去，就會做出高品質的產品。」福特負責車輛硬件工程的副總裁上個月在傳媒電話會議上這樣說，內容由彭博報道。這間公司在最有經驗那批人的腦裡那些東西還未載入新系統之前，就先讓他們走了。
最後那一句，就是整件事的重點。而重點不在汽車業。
迴力鏢
這不是一間車廠的尷尬個案。次數已經多到有一個形狀。
Robert Half 訪問了接近二千位美國招聘經理。當中因為 AI 而取消過某個職位的人，32% 之後請了人回來做同一份工，或者非常相似的一份。金融業是 44%。Orgvue 去年訪問高層，39% 在部署 AI 之後裁過人；這批人裡面，55% 認為當日的決定是錯的。Gartner 預計到 2027 年，因為 AI 而削減「客戶服務」職位的公司，一半會為類似工作重新招聘，往往換一個新職銜。
那間銀行數錯了東西。去年七月，澳洲聯邦銀行——當地最大的銀行——裝了一個 AI 語音機械人之後，準備削減 45 個客戶服務職位，並且告訴工會，機械人每星期替隊列接走二千通電話。工會去查。來電量其實升了。留下來的員工在加班，主管被拉去聽電話應付。到八月下旬，銀行承認評估有問題，說那些職位「並非多餘」，道歉，撤回裁員。
這幾單故事裡，沒有人買了一件甚麼都做不到的產品。AI 做了真正的工作，只是沒有做齊。每間公司量到的都是一項真實的能力，然後由那項能力拉一條直線，去到一個人手數字。算錯的位置，每次都一樣。
那 6% 到底是甚麼
IBM 對這條線畫在哪裡，講得異常仔細。內部的人力資源助理 AskHR 在 2024 年處理超過一千一百五十萬次互動——假期結餘、薪酬問題，一間超大公司的日常行政流量——其中 94% 不用轉介真人就解決。餘下 6% 交給專責的人力資源夥伴。IBM 的首席人力資源官對那 6% 裡面是甚麼，講得很直接：複雜的個案，以及她認為 AI「永遠不會有判斷力、智慧和經驗」去處理的事。
幾乎每一個自動化項目，都會生出一個這樣的數字。錯誤在於，把這個數字讀成一個人手比例。
那 6% 不是 6% 的價值。那是對決定提出的上訴，是情況對不上任何一張表格的客戶，是攝影機看上去正常、但在一個看了那家供應商二十年出品的人眼中明顯有問題的缺陷。那 6%，穩定地就是做錯代價很貴的那一部分。一條 94% 即時處理、6% 處理得很差的客服隊列，不是 94% 的成功。那是一盤生意，有一個無人在看的失敗，加一張細一點的賬單。
例行工作從來不只是成本。那是訓練場——而從來沒有人單靠例外個案，帶得出一個學徒。
那 6% 的人由哪裡來
這一段，試算表看不見。
沒有人一入職就處理得到那 6%。沒有課程教，也沒有辦法直接請人進來做。所謂資深，不過是一個人做過幾千次那 94%，於是現在認得出——很快，而且往往講不出原因——哪一單不是。判斷力是壓縮過的重複。那些沉悶的工作，就是生產判斷力的機制。
所以當你把例行那一層自動化，你拿走的不只是任務，還有那道梯。頭一兩年看不見效果，因為現有那批資深員工還在，仍然在用舊制度下累積的經驗運作。效果會遲些浮現：等他們離開，而後面沒有人做過那些重複。
近距離看着這件事的人，開始替這個現象起名。Martin Fowler 今個夏天整理一場資深從業員閉門聚會的結論，列出五項主要觀察。其中一項：不少組織正在「撞上一場真正的學徒斷層危機」。另一項：在軟件這一行，做得出來已經不再是樽頸，查得出對不對才是。兩項其實是同一項。機器負責生產；人負責決定生產出來的東西對不對；而做決定，正是那項無人在培訓的貴技能。
福特那批工程師回來，不是為了驗零件。是回來教那套系統，一個缺陷長甚麼樣——而教得到，只因為他們用整個職業生涯看零件。那份知識，必須先存在於一個人身上。一向都是這樣。
落刀之前
決定還可以逆轉的時候，有三條問題值得答。
先找出你的 6%。批准任何自動化之前，叫今日做這份工的人講出來：工具處理不到的是哪些個案。不是問數量，是問後果。如果無人講得出具體例子，那個試行期還未夠長，不夠資格裁任何人。
問一問，例行工作本來在教甚麼。每一個你打算縮減的職位，講得出五年之後，那個位置的接班人由哪裡來。「我們到時請資深的」不是答案；每間講這句話的公司，都在爭同一個愈來愈細的人才池——而那個池變細的原因，正正是人人都不再自己養人。
先調配，再裁員。IBM 把幾百個人力資源職位自動化，整體人數反而上升——省下的錢調去請工程師和銷售。這才是行得通的版本。所有撤回的個案都有同一個特徵：公司把一次效率提升，當成一次人手削減，而不是當成一份新得到的產能，可以花在更好的地方。
這幾單故事裡的技術，都做到了答應過的事。錯的地方，從來與 AI 無關。是一間公司望着自己最不有趣的那部分工作，只見到成本，沒有留意到那裡同時是苗圃。
那 94%，你這一季就自動化得到。那 6% 要十五年養出來——而養分，就在你剛剛刪掉的那些工作裡面。