很多企业做 AI 转型，往往想要先在这件事上拿到结果 —— 替代了多少人。

但在海外，第一批拿到这个结果的企业，已经遭受到了“AI 回旋镖”。

SHL 是全球人才洞察和人才测评机构。它在 2026 年 10 月发布的《2026年职场人才流动：隐形劳动力》报告里，给出了的数据：19% 的美国受访劳动者表示，自己曾被 AI 替代，后来又被原公司请了回去。

尽管大多数重新就业的受访者愿意回来，但他们希望双方的关系条款能够有所改变：

51%的人希望在重返工作岗位前获得大幅加薪。

42%的人希望得到关于未来工作保障的具体保证。

40%的人希望未来人工智能在其工作中的应用完全透明。

所以，海外媒体把这个现象叫作 AI boomerang，也就是“AI 回旋镖”。Gartner 说得更直接：cut fast, rehire later。

在海外，“AI 回旋镖”已经不是个案

除了 SHL 的这份研究，还有不少海外机构的研究也说明，“AI 回旋镖”正在一个普遍现象。

Robert Half 是一家创立于 1948 年的全球专业人才解决方案与商业咨询公司，也是全球规模最大的专业人才服务机构之一。它在 2026 年 7 月发布的研究提到，32% 的美国招聘经理表示，自己的组织曾因 AI 取消岗位，后来又恢复了相同或类似岗位。 Robert Half 给这些回补动作起了个名字，叫 “AI 纠偏式回聘”。

而 Gartner 早在 2026 年 2 月就预判：“到 2027 年，50% 将人员缩减归因于 AI 的公司，会重新招聘员工承担类似职能，只是职位名称会不同。”

2026 年 11 月，Gartner 又补了一次跟踪数据：在已经因为 AI 缩减客服编制的组织里，7% 已经重新招聘人手，11% 计划在未来 18 个月重新招聘。

而真实企业的动作也论证了这些研究结论，比如：Klarna 在高调宣传 AI 客服降本后，又重新招聘人工客服。Ford 则在自动化和 AI 质检效果没有达到预期后，补充了 350 名 资深工程师。

“AI 回旋镖”对企业的影响很直接。

首先，显性的财务成本会抬高。原本想省掉工资，最后却要重新招聘、重新培训、重新磨合，甚至要用更高的价格把人请回来；其次，从隐性的影响看，业务稳定性、员工信任，甚至 AI 转型本身的节奏，都会受到明显影响。

为什么AI转型会变成“AI 回旋镖”

为什么很多企业的 AI 转型，最后会变成“AI 回旋镖”？SHL、Gartner、Robert Half、美联社等机构，都给出了相应解释。概括起来，主要是三点。

第一，很多企业是按“AI预期价值”、而不是“AI实际价值”去裁员。

Gartner 在报告里，最反复强调和提醒的就是这一点：

“当企业基于对 AI 价值的预期，而不是基于已经验证的结果来削减人手时，就很容易掉进‘裁得太快，后来又得重新招人’的陷阱。”

“管理者应该把裁员视为 AI 表现经过验证且可持续之后的结果，而不是把它当成实现 AI 价值的前提条件。”

大量企业还没等 AI 在真实业务里跑出稳定结果，就先把“降本”记到了编制账上。技术在决策层的汇报里能跑通，但到了业务现场，未必能扛住真实工作量、例外场景和质量要求。

第二，组织没有看到人的隐形价值，管理者也没看见员工在岗位头衔之外的能力。

在 SHL 的报告里，还有两个重要的数据：

只有 42% 的员工认为，自己的经理真正了解自己职位头衔之外的技能。

54% 的受访者表示，雇主更倾向于外部招聘，而不是优先对内部员工进行再培训或晋升。

“大多数组织无法可靠、客观地衡量员工的能力。没有这种衡量标准，采用人工智能的决策就只能靠猜测。”SHL 在报告里这样分析。

而前面提到的 Robert Half，还分析了“企业后来为什么又把人招回来”的前三大原因：

“需要 AI 无法替代的机构知识或业务语境：40%”

“涉及 AI 无法复制的关系管理：39%”

“比预想中更需要人工监督和质量控制：38%”

这些原因也说明了很多企业低估了人的隐形价值，低估了岗位头衔之外的能力。

同时，Forrester 分析师 Betsy Summers 也在美联社的采访中给出了自己的判断：

“当企业用 AI 去承担原本由人完成的任务时，往往会忽略员工在正式岗位描述之外承担的那些隐形工作。”

“这类工作可能包括感知情绪和氛围、临时拉会沟通，以及在受到激励时主动多做一步。”

“像维系团队凝聚力、推动团队建设、确保团队内部建立信任这样的组织公民行为，通常都没有被算进去。”

这些，恰恰就是员工那些“平时看不见、出事时最要命”的价值所在。它们不写在岗位说明里，也不容易出现在报表里，但一旦人被撤掉，问题很快就会浮上来。

第三，很多企业的知识库、流程数据和业务文档本身就不完整。

这也是很多企业容易忽略的一层。

流程没梳理清，业务经验的文档和知识库没沉淀下来，知识经验依然主要留在老员工脑子里，AI 接到的就不是一个清晰流程，而是一堆缺上下文、缺规则边界、缺历史语境的数据碎片。

比如，Georgetown 教授 Brooks Holtom 在美联社的采访中就重点强调了：

“很多组织没有花足够的前期时间，真正弄清楚流程是怎么运转的，以及人在流程里到底创造了什么价值。”

“像数据处理、记账这类任务，企业内部的操作流程本身也并不总是被完整记录下来。”

所以，很多企业一边上 AI，一边又在回补人工。原因就在于：AI 能不能接住业务，不只取决于模型能力，也取决于企业自己有没有把流程、规则、知识和例外场景整理成机器接得住的东西。

AI转型拿结果，首先要关注增效，而不是降本

所以，企业到底该怎么做，才能尽量避开“AI 回旋镖”？

这篇文章开头就说了，很多企业做 AI 转型，最想先拿到的结果，是“替代了多少人”。如果“替代人”一开始就是出发点，这件事大概率会做偏。

企业做 AI 转型，起点应该放在增效上，而不是直接放在减人上。

因为——降本不一定带来增效，但增效大概率会带来降本。

相比盯着编制和人头，企业更应该盯住业务里的具体场景、流程重构和动作减少，从业务需求推导任务重构，从任务重构推到技能重构，再从技能重构重新审视岗位和人。只有当降本和岗位变化，变成业务和流程重构之后的自然结果，企业才更不容易遭遇 AI 回旋镖。

企业想避免“AI 回旋镖”，可以先从三件事去切入。

第一，先改流程。

别一上来就问哪个岗位能减，先问业务里哪些动作低效、哪些流程值得重构、哪些任务可以重新分配。

走得更远的公司，不是把 AI 塞进原有流程里，而是围绕 AI 去重构流程、重排任务、重组技能。流程不改，本质上还是用新工具，做老办法的事。

第二，先验证 AI 的真实价值。

AI 能不能接住业务，不能只看汇报和技术演示。

要先放进真实场景里跑，来看看：质量稳不稳、复杂场景接不接得住、总成本到底降没降。跑不出稳定结果，别急着减人。

第三，先盘技能和知识。

企业要盘清楚，这个岗位除了岗位说明里列出的职能，还握着什么能力。比如客户关系、机构知识、跨部门协同、风险判断、现场兜底。

要弄清楚人真实在做什么、具备什么技能、还能流动到哪些新任务和新场景里。

同时，企业内部的 知识库、流程文档、规则边界 这些知识资产，也得先补起来。业务知识没沉淀好，AI 根本接不住。