在试点代理式 AI 的、年营收超 10 亿美元的企业中，80% 已经裁减了员工。他们的 AI ROI 与那 20% 没有裁员的企业在统计上无法区分。这是 Gartner 2026 年 5 月对 350 位全球高管的调查的核心发现——它应当重新组织每一位中型市场 Head of Operations 在本季度评估 AI 计划的方式（Gartner, 2026 年 5 月 5 日）。真正把赢家和输家分开的变量——对让人类引导自主系统的角色、技能和运营模型的投入——是大多数运营汇报材料尚未追踪的变量。
对一位 200 名 FTE 的运营负责人来说，含义异常清晰：你 AI 业务案例中的裁员栏对 ROI 栏没有任何预测力。继续以"减少 FTE"为初创计分，就是用规模大得多的层级里都没能预测回报的节省，去资助接下来两年的代理支出。
那没能拨动指针的 80%
Gartner Distinguished VP Analyst Helen Poitevin 直接给出了结论：「许多 CEO 借助裁员来展示 AI 的快速回报；然而，这种倾向放错了位置。员工削减或许能腾出预算空间，但创造不出回报。」（Fortune, 2026 年 5 月 11 日）样本并不小——350 位营收超 10 亿美元企业的高管，全部正在试点或部署 AI 代理和自主系统。方法并不奇特。结论才奇特。
这一结果引人注目的并非方向，而是相关性的缺席。高 ROI 群组的员工削减率几乎和回报平平或为负的群组完全相同。裁员和 AI 回报沿着相互独立的轴运动。打着 AI 旗号的成本削减项目会把节省记到账上，但 AI 本来要产出的战略成果——更好的决策、更快的周期、可防御的优势——正在别处发生。
这对中型市场运营尤其相关，因为该领域里成本削减的叙述占主导。代理 AI 软件支出正在从 2025 年的 864 亿美元爬升到 2026 年预计的 2065 亿美元、2027 年的 3763 亿美元，迅速"证明 ROI"的预算压力是结构性的（Gartner, 2026 年 5 月 5 日）。最显眼的证明就是员工栏。Gartner 的数据说，那项证明与 AI 部署是否真的奏效无关。
AI ROI 的算式真正长什么样
成本削减的视角不是非理性的。它只是在回答错误的问题。在代理式 AI 周期的当下，正确的问题不是"这套系统替代了什么"，而是"这套系统必须与什么配对才能产出一个可用的决策"。答案几乎总是一个人，但与刚刚被裁掉的那个角色不同。
McKinsey 对人-AI 协作的分析把这一点具体化了：率先突围的企业并不是任务自动化最多的，而是重新设计工作以放大人的优势的——「生产力上升不是因为人做得更少，而是因为组织在人做不同工作的同时取得了更多。」（McKinsey Global Institute, 2026）机制是结构性的。一个缺少判断层的代理，要么自信地交付错误答案，要么没有上下文就升级。判断层才是你应该投资的角色，而不是你刚砍掉的那个。
跟踪 AI 采用的 MIT Sloan 研究人员在他们称之为生产力悖论的标签下观察到同样的模式：采用 AI 的组织通常先经历初期生产力下滑，随后在生产力和市场份额两个维度上跑赢同行——但只在更长的时间跨度上，且只在 capability building 与部署同步推进时（MIT Sloan, 2026）。下滑也是结构性的。它是角色重设计的成本。跳过重设计，就跳过了回升。
把两项发现并排放在一起，画面就稳定下来了。Gartner 的高 ROI 群组和 McKinsey 的超额表现群组从不同角度描述了同一类组织：在自动化之前——或至少与之并行——投入了判断力的那些。两个数据集里的成本削减群组也是同一类。它数量庞大，并且是没拿到回报的那一类。
People Amplification 的溢价
Gartner 对赢家所做事情的措辞——「people amplification」——值得照字面理解，而不是当作口号。它意味着运营模型内部的三个可衡量转变：
转变 1 — 投资从工具转向判断角色
高 ROI 群组把 AI 预算中相当一部分花在决定哪些工作应交给代理、哪些不交的人身上。这个角色在大多数中型市场组织结构图里并不存在。它看上去像一位资深运营人员：能拆解 workflow、定义验收标准、为故障模式负责。招聘的经济学：这样一位运营人员通常成本是 process engineer 的 1.5–2 倍，且不替代任何人。他是净增量，也是代理投资得以复利的方式。
转变 2 — 运营模型重新设计先于部署
在录得 ROI 的群组里，运营模型的讨论发生在采购之前。在没有 ROI 的群组里，工具先到，组织结构再围着它适应——通常通过去除人来适应。前一个序列把 AI 收益集中到一个被重新设计的 workflow 里。后一个则把它分散到一个未被重新设计的 workflow 上，然后从员工栏里找节省。前者会复利；后者在第一个成本周期就耗尽。
转变 3 — 计分从"删除的 FTE"转向"判断吞吐量"
领先的群组按周追踪高判断决策的吞吐量——成交合同、解决的例外、推进的合格交易——并把变化归因于 AI。落后的群组追踪删除的 FTE 等效数，把成本栏归因于 AI。前一个指标是耐久的。后一个在裁员轮次结束时也就结束了。
为中型市场重塑 AI 预算对话
一支 200 FTE 的运营职能没有六个季度 capability building 项目的奢侈。中型市场的约束是真实的，问题是如何以业务实际拥有的速度和预算去应用 people amplification 的逻辑。
两个重塑做了大部分工作。
重塑一：颠倒员工问题。 不要问"代理能替代哪些角色"，而问"代理只有在某个特定人类角色坐在旁边时才能执行哪些决策"。这个问题把运营模型对话推到前面，产出招聘计划而不是裁员计划。它也是可辩护的：每一美元代理支出都与一个被命名的人类角色配对，那位人类的判断是承重元素。
重塑二：更换 AI 计划的计分卡。 把"每季度删除的 FTE 等效数"换成一张两行的计分卡：每周执行的判断决策数量，以及高风险工作的决策时间。两者在任何 50 FTE 以上的运营职能里都可直接观察。两者都与员工数量无关。两者会因为 AI 部署是否与真正的判断角色配对、或是直接砸在未被重新设计的 workflow 上而走出不同曲线。
McKinsey 的研究异常直接地说明了为什么这一点在 2026 年尤其重要：「招聘决定了人类判断在组织里安放在哪里，而 capability building 决定了 AI 是放大那个判断还是绕过它。」（McKinsey, 2026）对正在敲定本季度计划的 Head of Operations 而言，这句话就是规划约束。你在本季度做出的招聘决定，就是你未来两年的 AI 战略。反过来不成立。
Gartner 的数据没有说什么
值得画出两条边界，因为这一核心发现已经被两个方向引用，而源数据并不支持任何一个极端。
Gartner 调查没说 AI 部署不产出 ROI——它们在那把部署与 people amplification 配对的群组里就是在产出。它也没说在重新设计后的工作下游做出的员工削减就不合适——调查对那种顺序问题保持沉默。它说的更窄、更有用：员工削减作为主要机制用来兑现 AI ROI 时，并不产出 ROI。成本削减的假说在十亿美元以上规模、n=350 的样本中失败。它会在 5000 万至 5 亿美元规模、n 更小的样本中失败，而且很可能更尖锐，因为中型市场运营吸收"跳过重新设计"惩罚的余地更小。
第二条边界：「people amplification」并不等于「不变更角色」。在高 ROI 群组里，角色发生了实质性变化。它们只是向更多判断、更多 workflow ownership、更多决策权变化——而不是走向裁撤。区分在于组织年底是带着更多还是更少的整体判断能力收尾。Gartner 的数据说，高 ROI 群组以更多收尾。
本季度的决定
对一位从现在到 2026 年 Q2 末批准代理 AI 预算的 Head of Operations 来说，运营含义可以压缩成一句话：
在请求团队为代理所放大的人类角色命名、定义本次部署将推动的判断吞吐量指标、并对工具投资旁边的角色投资作出承诺之前，任何代理采购请求都不予签字放行。
如果供应商的方案无法回答这三个问题，它就是披着 AI 外衣的成本削减项目，Gartner 的数据说，它不会兑现业务案例承诺的回报。如果供应商的方案能回答这三个问题，它就是那一小撮真正会复利的 AI 部署候选之一。分诊的成本是每个方案多开一场会。跳过分诊的下游成本，按 Gartner 对未来 24 个月支出水平的预测，是预算的大部分。
80% 这个数字不是预测。它已经发生。尚未回答的问题是，下一波运营负责人会以"AI 削减了什么"还是"AI 放大了什么"来给 AI 计分——这道题的答案落在你本季度签字的招聘单上，而不是你明年要讲的战略 deck 里。
