丰田“持续改善”启示：AI 提效后若裁员将抑制员工分享真实效率与组织级能力沉淀

↳ 引用 @blackanger (AlexZ 🦀): AI 提效之后，别急着把人裁掉

这一段关于丰田“持续改善”的讨论。

大意是，员工通过改进工作方式减少了工时，公司不应该立刻因此裁员。否则，下一次，一线员工就不会再主动告诉你，哪里还可以改进。

发帖的人把这个道理延伸到了 AI：如果员工每找到一种提效方法，得到的回应都是团队缩编，那么公司迟早会发现，大家依然在用 AI，却不再愿意分享自己是怎么用的。

那么问题来了：

如果改进工作的结果，是让改进者承担失业风险，我们凭什么期待他们持续贡献自己的经验和创造力？

AI 能不能提高效率，是技术问题。提高效率之后，员工愿不愿意继续和公司合作，则取决于另一套规则。

丰田在介绍其生产方式时，明确把“让员工的工作更容易”作为前提，并强调全体员工在日常工作中持续进行小步改善。这里的改善，既追求效率，也指向工作本身的改进。

企业要消除的是浪费，而不应该让消除浪费的人觉得，自己才是那个被消除的对象。

设想一个软件团队。

某位开发者花了不少时间，把一类原本需要三天完成的工作，改造成半天就能跑完的 AI 工作流。他整理了上下文，补充了测试，记录了常见错误，也愿意把方法分享给其他人。

管理者可以说：这套方法值得推广，你来带着团队继续完善，我们也终于有机会处理那些长期积压的问题。

管理者也可以说：既然这部分工作不需要那么多人了，我们重新评估一下团队编制。

第二种回应未必会让员工停止使用 AI，却可能让他们停止公开自己的真实效率。

自己用，但不说节省了多少时间；按时交付，但不主动分享整套方法；愿意提升个人能力，却不愿意再帮助公司拆解哪些岗位可以被替代。

在这种情境里，把员工简单归类为“思想保守”“抵制变革”，恐怕没有抓住问题。

他不是看不到技术的价值。恰恰相反，他看得很清楚，也在认真计算这份价值最终会落到谁的手里。

DORA 关于生成式 AI 与软件开发的研究也提供了一个相关观察：采取措施回应员工就业顾虑的组织，其团队 AI 采用程度更高。这是关联性发现，不能推出“不裁员就一定转型成功”，但至少提醒我们，就业预期并不是技术推广之外的题外话。

因此，企业在讨论 AI 使用率时，应该把两个问题分开。

一个是，员工有没有使用 AI。

另一个是，员工愿不愿意把自己摸索出来的方法，变成整个组织都能使用的能力。

买账号、办培训，可以帮助解决前一个问题。后一个问题，需要员工相信分享是值得的。

当一个人帮助公司减少了对自己的依赖，公司准备怎样评价他的贡献？

如果答案只是“既然不再依赖你，你就不重要了”，那么公司实际上是在鼓励员工保留那些只有自己才能处理的环节。

相反，越愿意消除个人依赖、把经验变成公共能力的人，越应该获得相应的认可和机会。

这不是要求公司永久保留某个岗位，而是要承认：让组织不必每次都依赖自己，是一种贡献，不是没有贡献的证明。

我一直在讨论一个变化：开发者的工作，可以从直接编写软件，转向为 Agent 构建软件生产线。

我把这样的角色称为 Builder。

在这个视角下，开发者的任务不只是让 AI 生成代码，还包括定义目标、组织上下文、设计约束、建立验证方式，以及让整个流程能够持续、可靠地运行。

这也意味着，评价开发者的方式需要跟着改变。

假设一个人搭建的工作流，让整个团队减少了重复操作和返工。他亲手写的代码可能变少了，但他对交付结果的贡献，未必变小。

如果公司仍然只通过代码量、任务数量、在线时长来判断价值，就可能出现一个荒谬的结果：一个人把工作方式改进得越好，越需要额外证明自己没有闲着。

更何况，某个环节提速，并不能直接推出团队可以按相同比例缩编。

代码生成快了，需求是否清楚、验证是否充分、上线是否可靠，仍然需要分别判断。2025 年 DORA 报告观察到，AI 采用与软件交付吞吐量改善存在正向关系，但与交付稳定性的关系仍然为负；报告强调，AI 的收益取决于它所处的工作系统，而不只是工具本身。

我的理解是，提效之后首先应该做的，是重新检查整个交付过程，看看瓶颈去了哪里，而不是只盯着原来的编码环节少用了多少时间。

比如在一条 Rust 软件生产线里，我会希望编译诊断、测试结果和运行反馈都能进入 Agent 的修正流程。但即便编译和测试通过，我也不会据此宣布业务需求已经全部满足。验收标准和证据覆盖到哪里，信任才能走到哪里。

这些工作需要有人设计，也需要有人维护。

当然，并不是给每个人换上 Builder 的头衔，就自动完成了转型。公司还要提供相应的时间、权限、培训和评价方式。

不能一边要求员工构建新的生产系统，一边仍然按照旧流水线上的忙碌程度给他们打分。

原帖提出，节省出来的时间应该用于“创造下一份价值”。

我赞同这个方向，但这句话同样需要警惕。

它不能变成另一种说法：既然 AI 已经帮你做完原来的工作，请你马上找到更大的价值，否则就证明你没有必要留下。

好的 AI 转型，应该让员工愿意淘汰低效的工作方式，而不是为了避免自己被淘汰，被迫保护低效。