-
囚徒困境
AI裁员背后的需求陷阱:企业省下了工资，却可能同时摧毁自己的客户
HRTech核心摘要：一篇很有意思的 63 页论文《The AI Layoff Trap》提出：AI 裁员最大的风险，也许不只是员工失业，而是一场企业无法主动退出的“自动化军备竞赛”。逻辑很简单：企业用 AI 替代员工，可以获得全部人工成本节约；但员工失去收入以后，也会减少消费，而这部分需求下降却由整个市场共同承担。因此，对一家企业最理性的选择——继续自动化——可能最终成为整个行业的不理性选择。论文认为竞争越激烈、AI 越强，这种“过度自动化”反而可能越严重。技能培训和 UBI 可以缓解后果，却不一定改变企业继续自动化的动力。
真正值得 HR 关注的问题已经变成：AI 替代工作的速度，是否正在超过新工作创造和员工重新吸收的速度？
当越来越多企业开始讨论“用AI减少多少人”“一个AI智能体可以替代几个岗位”“今年还能削减多少人工成本”时，一个看起来完全符合商业逻辑的问题正在出现：如果每一家企业都通过AI裁员降低成本，最后谁来购买这些企业生产的产品和服务？
2026年6月，University of Pennsylvania 的 Brett Hemenway Falk 与 Boston University 的 Gerry Tsoukalas 更新了一篇名为《The AI Layoff Trap》的论文。两位研究者没有继续讨论那个已经被反复争论的问题——“AI到底会不会抢走人的工作”，而是提出了一个更值得企业管理者警惕的经济学假设：
即使每一家企业都足够理性，也清楚大规模失业最终可能削弱消费需求，市场竞争仍然可能迫使所有企业不断自动化和裁员，最终进入一场没有赢家的“AI裁员陷阱”。
这对于正在制定AI战略的CEO、CHRO和企业管理者来说，可能比“AI会替代哪些岗位”更加值得关注。
企业看到的是降本，但市场承担的是需求下降
论文最核心的逻辑其实并不复杂。
假设一家企业原来需要100个人完成一组工作，现在通过AI自动化，其中20个人的工作可以被机器完成。对于这家公司而言，账非常容易算：减少20个人的工资、福利和管理成本，同时保持甚至提高产出。
于是AI投资回报率看起来非常漂亮。
但问题在于，被裁掉的20个人不仅仅是企业成本表上的20项人工费用，他们同时也是消费者。
当员工失去工作后，如果他们没有迅速找到新的工作，或者新的收入明显低于原来的收入，他们的消费能力就会下降。住房、餐饮、旅行、软件订阅、汽车、零售商品乃至各种企业服务的需求都会受到影响。
可是，这部分损失不会全部落到裁掉他们的那家公司身上。
一家企业能够获得自己裁员产生的全部成本节约，但它只承担整个社会消费需求下降中的一小部分，其他损失会分散到竞争对手和整个市场。
这就是论文所定义的**“需求外部性”**：企业承担的AI裁员成本，小于整个市场真正承担的成本。
因此，对于单家公司来说，“继续自动化”可能始终是正确选择；但当所有企业都这么做时，整个市场可能走向并非最优的结果。
最危险的地方：没有企业敢成为那个“不裁员的人”
这篇论文真正有意思的地方就在这里。
如果所有公司都知道大规模裁员可能削弱未来消费需求，大家是不是可以共同放慢自动化速度？
理论上似乎可以，现实中的竞争逻辑却未必允许。
假设同行通过AI把成本降低30%，你的企业仍然维持原有员工规模，那么对方可能拥有更低价格、更高利润率和更大的技术投资空间。即使你相信整个行业最终可能因为裁员过多而受到伤害，你依然没有动力首先停止自动化。
换句话说：
不是企业不知道风险，而是企业知道风险以后仍然可能不得不继续。
论文进一步指出，在其模型中，竞争越激烈、市场中的企业数量越多，每家公司需要自行承担的需求损失比例越小，过度自动化的激励反而越强；在极端情况下，这种竞争甚至会演化成类似经济学中的“囚徒困境”：所有企业都选择更激进的自动化，但最终企业所有者和员工都可能比更克制的自动化状态更差。
论文中的模拟图尤其值得注意。在作者设定的一组参数条件下，竞争均衡下的自动化率已经超过能够使企业整体利润最大化的水平。也就是说，问题已经不再只是“企业通过裁员把利益从员工转移给股东”，而是自动化继续推进之后，连企业所有者本身也可能开始受损。
这是“AI裁员陷阱”最反直觉的地方。
AI越强，问题可能反而越严重
通常我们会认为，现在AI还有很多缺陷，未来模型能力更强、成本更低、智能体更成熟以后，企业和员工就会找到新的平衡。
这篇论文给出了完全不同的推演。
作者认为，更强的AI可能进一步扩大企业之间的自动化竞争。每家公司都会担心：如果自己不部署，而竞争对手率先使用更先进的AI，对方就可能获得成本和市场份额优势。
于是AI能力每提升一个阶段，都可能触发新一轮自动化。
论文将其描述为一种“红皇后效应”：大家不断加速奔跑，不一定是为了到达更好的地方，而首先是为了避免被竞争对手甩在身后。作者的模型显示，更高的AI生产率并不会自动消除这种需求外部性，反而可能扩大过度自动化与集体最优之间的差距。
这也解释了为什么未来真正推动企业减少岗位的力量，可能不仅来自AI自身能力，而来自同行之间的竞争压力。
一家企业宣布通过AI把运营成本降低20%，很快就会成为另外几十家公司董事会讨论的案例。
于是，“我们真的需要减少这些岗位吗？”很容易变成另一个问题：
“如果竞争对手已经这么做了，我们还能不做吗？”
现实中的Block，只是论文用来说明趋势的一个案例
论文在开篇引用了Block作为现实背景案例。作者指出，Block在2026年2月裁减了接近其约10,000人规模一半的员工，并引用CEO Jack Dorsey关于AI使许多岗位变得不再必要的判断。需要强调的是，这是论文引用的现实案例，并不是论文通过实证研究证明Block裁员产生了所谓“需求外部性”。
这个区别非常重要。
《The AI Layoff Trap》本质上是一篇经济理论论文，而不是一项对几百家公司进行追踪以后得出的实证结论。它建立的是一种可能发生的机制，而不是宣布“AI裁员已经让美国经济进入需求危机”。
作者自己也承认，模型目前采用的是单一行业、单一时期以及对称企业等简化设定，而现实经济显然更加复杂。
因此，我们不应该把它解读为“AI裁员必然导致经济衰退”。
但是，它提出的问题依然非常重要。
真正决定结果的变量，可能不是裁掉多少人，而是这些人多久能够重新进入经济循环。
HR真正应该关注的指标：AI替代速度 vs. 人才再吸收速度
历史上的每一次技术革命都消灭了大量旧任务，同时创造新的工作。
所以真正的问题从来不是“旧岗位会不会消失”。
真正的问题是：
新任务和新岗位创造得够不够快？
论文使用一个非常关键的变量来描述这个过程：被替代员工失去的工资，有多少能够通过重新就业、转移支付或其他收入来源恢复。
如果一个软件工程师的部分工作被AI自动化，但三个月以后转向AI产品管理、智能体运营或新的软件岗位，而且收入没有下降，那么他的消费能力基本没有消失。
相反，如果大量员工被裁掉以后，需要一年甚至两年才能重新就业，而且收入明显下降，那么自动化与劳动力重新吸收之间就会形成越来越大的时间差。
从HRTech的角度看，这可能意味着企业未来衡量AI转型，不能再只有一个简单指标：
“AI帮助我们减少了多少人。”
更完整的指标体系应该至少包括：
AI自动化了多少任务、多少员工完成内部转岗、多少员工获得新技能、多少新的工作任务被创造、被替代员工多久重新获得工作，以及人均生产率增长最终有没有转化成新的业务增长。
换句话说，未来真正需要管理的不是单独的“自动化率”，而是：
AI Automation Speed 与 Workforce Reabsorption Speed 之间的差距。
这可能是未来几年观察AI就业影响最重要的指标之一。
培训有用，但论文认为培训本身还不够
对于HR来说，一个自然反应是：既然AI会替代部分工作，那就进行技能提升和再培训。
论文并没有否定这个方向。
相反，作者认为，再培训能够提高被替代员工重新获得收入的比例，因此可以降低自动化造成的需求损失。当员工能够快速进入新的、更高价值的岗位时，“AI裁员陷阱”会明显减弱。
但作者同时指出，如果技能培训不能真正转化为重新就业和收入恢复，仅仅提供课程并不能完全消除问题。
这对于今天企业的AI培训是一个很现实的提醒。
真正重要的不是完成了多少小时AI培训，而是培训以后工作有没有发生变化。
员工是不是承担了新的任务？是不是进入新的岗位？是不是获得了更高的生产率？企业是不是因此创造了新的业务？
这也是为什么AI时代的企业学习与发展正在从“培训完成率”逐渐走向“工作重构”。
HRTech一直强调，企业评估AI成熟度时，不能只统计员工使用了多少AI工具。使用率不等于能力，AI普及也不等于组织转型。真正的AI转型发生在任务、流程、岗位和组织运行方式开始改变的时候。
《The AI Layoff Trap》又给这个判断增加了一层宏观含义：工作重构不仅决定企业能不能获得AI回报，还可能决定劳动者能不能重新进入新的价值创造循环。
UBI也解决不了？论文给出了一个颇具争议的结论
论文还比较了六种可能的政策工具，包括技能提升与再培训、全民基本收入、资本收入税、员工持股、企业间协商以及自动化税。
在作者建立的特定模型中，再培训和员工持股可以缩小问题，但无法完全消除外部性；全民基本收入能够改善失业者生活并支撑消费需求，却没有改变企业决定“下一个岗位是否应该被自动化”的边际激励；资本收入税同样没有直接改变企业的自动化决策。
论文认为，在这一模型框架下，唯一能够直接修正这项需求外部性的工具，是一种类似环境污染税逻辑的**“庇古式自动化税”**：如果一家企业通过自动化把部分需求损失转嫁给了其他企业，那么就对这一外部成本收费，使企业重新承担完整的社会成本。
这个建议显然会引发巨大争议。
现实世界里如何定义“一个岗位被AI替代”？AI辅助员工和AI取代员工如何区分？企业使用软件几十年来一直都在减少人工流程，什么才算“AI自动化”？不同国家税制不同，会不会迫使企业把相关业务转移到海外？
作者自己也承认，实际执行自动化税需要识别企业层面的自动化行为，存在明显的监管和测量难题；单一国家实施还可能推动AI活动向其他地区转移。
因此，“要不要征收AI自动化税”未必是这篇论文最值得企业关注的结论。
真正值得关注的是它背后的逻辑：
我们今天对于AI投资回报率的计算，可能漏掉了一些成本。
从“裁掉多少人”，转向“重新设计多少工作”
过去一年，关于AI与就业的讨论经常陷入两个极端。
一种观点认为AI将迅速替代大量白领岗位。
另一种观点认为历史上的技术进步最终都会创造更多工作，因此不必过度担心。
《The AI Layoff Trap》提供了第三种观察方式。
长期来看，新工作最终可能依然会出现；真正危险的可能是中间这段过渡期。
如果AI替代任务的速度远远超过企业创造新任务、员工重新学习技能以及劳动力市场重新配置的速度，那么即使长期最终出现新的就业平衡，短期和中期仍然可能出现巨大的结构性摩擦。
这对HR意味着什么？
未来CHRO最重要的工作可能并不是决定“哪些岗位可以裁掉”，而是帮助企业回答另外几个问题：
哪些任务应该交给AI？哪些任务仍然应该由人完成？被自动化释放出来的人应该流向哪里？新的Human + AI工作流程如何设计？企业能否通过AI创造新的业务，而不只是减少人工？
这就是AI时代“工作重构”和传统意义上的“裁员降本”最大的区别。
前者试图用AI重新设计价值创造方式。
后者只是把AI当成更便宜的劳动力。
真正好的AI转型，不应该只是让企业需要更少的人，而应该让企业能够创造过去无法创造的价值。
如果AI最终只是不断提高“每10亿美元收入需要更少员工”这个指标，那么企业确实可能获得一段时间非常漂亮的利润率。
但如果AI能够帮助企业创造新的产品、新的客户需求、新的职业和新的工作任务，那么技术带来的生产率提升才有可能重新转化成下一轮经济增长。
这也许才是《The AI Layoff Trap》对于企业真正重要的提醒。
AI时代的问题已经不再只是：
“AI能够替代多少工作？”
更重要的问题正在变成：
“当AI替代旧工作以后，我们能不能足够快地创造新的工作和新的需求？”
如果答案是否定的，那么每一家公司的AI战略可能都完全理性，但所有企业加在一起，却可能正在跑向一个并不理性的终点。
而这，才是真正的“AI裁员陷阱”。
来源：Brett Hemenway Falk & Gerry Tsoukalas，《The AI Layoff Trap》，arXiv:2603.20617，当前版本日期 June 3, 2026。本文为 HRTech 基于论文内容所做的研究解读；论文属于理论模型研究，其结论不应被直接理解为对现实经济已经发生大规模“过度自动化”的实证证明。
扫一扫 加微信
hrtechchina
