荷蘭政府擬削減 25,000 個職位，AI 計劃仍待公布

荷蘭政府於 10 月 26 日公布的裁員計劃，目標是削減估計 25,000 個全職等值職位，而 AI 是建議提升效率的措施之一。內閣的計劃延續至 2035 年。其人手目標已經公開，但有關 AI 生產力及節省成本的詳細計劃，仍安排於 2027 年初公布。

這個先後次序十分重要。削減人手的目標反映部長希望政府成本降至甚麼水平，以及預期政府如何運作；但這並不能證明 AI 能可靠地提供哪些服務，或這些系統能取代多少人力工作。

英國提供了一個有用參考：使用 Microsoft Copilot 的公務員表示節省了時間，但這些結果並未證明人手需求可以相應減少。荷蘭面對的核心矛盾亦相似。部長希望政府規模更小，同時更好地服務市民。各部門必須先說明這兩個目標如何兼容，才可將預期的生產力視為可動用的產能。

荷蘭政府裁員計劃實際涵蓋甚麼

這項公布描述的是廣泛的政府重組，而不是一項已完成、以 AI 取代個別員工的計劃。

內閣的公務員制度改革估計會在數年內削減 25,000 個全職等值職位。全職等值職位衡量的是工作能力，因此這個數字未必代表相同數目的個別僱員。警察及國防是獲豁免的範疇之一。

這項分別改變讀者應如何理解標題。人手估算不同於即時解僱通知、已獲批的部門凍結招聘措施，或技術部署合約。每一項都是獨立決定，對僱員及公共服務帶來不同後果。

百分比同樣需要審慎看待。Reuters 將擬議削減形容為約 20%，而所提供的 Engadget 標題則使用 16%。政府公布本身只提出估計削減職位數目，並未列出百分比。因此，讀者不應將這些百分比視為對完全相同勞動力的可互換精確量度。

Reuters 的勞動力削減報道亦將這項公布放在過往削減人手的承諾背景下理解。報道指出，儘管有這些目標，政府僱員人數在 2018 年後仍大幅增加。這段歷史說明，應檢視執行情況，而非假定目標必然會成為結果。

對僱員而言，尚未交代的細節是削減將落在哪些範疇，以及部門會如何處理。退休、離職、調任、懸空職位及裁員，帶來的影響各有不同。公布中的整體估算不應被描述為確認任何特定組合。

對市民而言，關鍵問題是哪些工作會改變。取消不必要的行政要求，可以在不降低服務質素下減少需求。若在保留所有要求的同時削減人手，則會帶來另一種營運挑戰。

評估這項計劃時，這些可能性應分開歸類。否則，較簡化行政帶來的改善可能會被歸功於 AI，即使軟件只發揮有限作用。同樣地，一項有用的 AI 應用亦可能因與其無關的人手決定所造成的服務問題而受責難。

最清晰的解讀是，部長已訂立方向及估計的人手影響。各部門仍須將這個方向轉化為可讓市民評估的決定。在這些決定出現前，荷蘭公務員削減仍只是帶有後續執行流程的一項目標。

部門先要作出產能決定，才是技術決定

即時壓力落在管理人員身上，他們必須將人手決定連結到機構仍須完成的工作。

人手目標會透過預算、職位空缺、職責及服務承諾影響一個機構。AI 策略則透過採購、培訓、存取權限及日常工作改變發揮作用。這兩個流程必須在實際工作層面交匯。

以假設的福利辦事處為例，助理工具或可協助員工查找指引或準備信函。即使人員仍須評估資格、處理相互矛盾的證據及解釋決定，這些功能仍可能有用。

更快寫好一封信，未必代表個案處理得更快。若延誤發生在收集欠缺資料的階段，起草文件對整體等候時間的作用可能不大。管理人員在估算技術可釋放多少產能前，必須先找出限制所在。

這亦為技術團隊帶來壓力。他們需要一個足夠明確、可供評估的營運問題。要求改善文件檢索是可測試的；要求達成全國人手削減中某個未明確界定的比例，則留下關鍵假設未解決。

採購團隊面對相關挑戰。供應商可以在受控環境中展示令人印象深刻的回應，卻不能證明其產品在一個機構的日常工作量下如何表現。評估應包括棘手紀錄、資料不完整的申請，以及需要升級處理的情況。

員工代表對同一類證據亦有實際利益。如果預期的節省依賴僱員覆核 AI 輸出，這項覆核就應納入工作量計算。將其視為附帶工作，可能掩蓋仍然必要的工作。

若產能規劃的先後次序出錯，市民便會承受後果。一個部門可能因較快處理簡單申請而顯得更有效率，但複雜個案卻不斷累積。單靠平均完成時間，難以說明這種分布。

更廣泛的勞動市場背景使培訓變得重要。IMF 的荷蘭勞動力分析估計，約一半勞工因可能被取代或獲技術互補而受 AI 影響。受影響描述的是工作任務與技術之間的關係，並不代表一半職位將會消失。

對這個計劃而言，這項分別帶來一個更有用的規劃問題：哪些職責會變得較容易，哪些則會變得更具挑戰？花較少時間準備材料的僱員，可能需要更多專業知識去核實材料。

管理人員亦應區分過渡期工作與長期工作。培訓員工、清理紀錄、改變流程及評估系統，都需要在任何預期節省實現前先投入產能。一項可信的人手計劃必須為這段過渡期預留空間。

因此，荷蘭政府裁員計劃將考驗管理決策，程度不亞於技術能力。營運上的問題是，各部門能否在繼續履行市民提出的責任時釋放產能。

英國 AI 試驗說明，節省分鐘數仍須通過另一項檢驗

員工認為 AI 有用的證據支持採用，但並不自動支持削減職位。

英國的政府 Copilot 實驗涉及 20,000 名政府僱員，試驗期由 2024 年 9 月至 12 月。Microsoft Copilot 是整合於工作場所應用程式的 AI 助理。參與者表示平均每日節省 26 分鐘，82% 表示不希望回到原本的工作方式。

這些結果為公共部門採用技術提供正面參考。報告描述了例行工作中的好處，包括尋找資訊及起草材料；同時亦指出複雜、細緻或數據密集工作方面的限制。其節省時間數據由參與者自行申報。

與荷蘭作比較時，適當的焦點是證據類型，而非直接作出數字預測。英國僱員的經驗並不能證明荷蘭機構可節省多少。不同系統、職責、紀錄及工作方式限制了這種推論。

即使在同一機構內，時間亦有多個可能去向。僱員可能利用節省下來的起草時間回應另一項申請、調查困難個案，或改善解釋。這些結果可惠及市民，卻不會減少所需人手數目。

節省的時間亦可能分散於整個工作日。多項較短工作未必會形成可預測的整段時間，讓管理人員可以撤銷一個職位。人手配置取決於可用性、專業知識、服務時間及需求波動。

這不代表細小改善無關重要。更容易取得資訊可減少工作的挫折感，更快完成準備可讓人員更專注於作決定。重點是在將效益轉化為人手假設前，先準確描述其效益。

有用的評估應追蹤工作至完成為止，檢視 AI 協助是否改變總處理時間、所需覆核程度，以及需要修正的個案比例，然後再將結果連結至人手需求。

比較組有助分辨技術的貢獻與其他改變。更簡單的表格、更清晰的指示或更佳的紀錄存取方式，可能與 AI 一同帶來收益。若不計及這些改變，歸因便會變得不確定。

英國的例子亦讓荷蘭買方有一項具體應用可供檢視，而非只面對自動化的籠統承諾。他們可以問哪些工作受益、誰使用助理工具，以及使用者在哪些地方遇到限制。

這正是荷蘭政府 AI 計劃可汲取的實際教訓。所報告的時間節省可作為調查起點；有關長期產能的決定，則需要更多關於已完成服務、質素及剩餘工作的證據。

規模更小的政府與更佳服務需要分開衡量

較低的人手總數可以證明政府規模縮小，卻不能證明政府變得更有效。

荷蘭計劃將技術與簡化規則、聯合採購、標準化 IT，以及政府組織調整結合。這種組合提供多條減少工作的途徑，但亦令任何改善的來源更難辨別。

內閣論點最有力的版本很直接。如果政府不再要求可避免的工作，市民與僱員都會受益。如果技術再協助處理必要工作，各部門便多一個改善服務交付的機會。

困難在於分開量度這些影響。較簡化的流程可減少完成申請所需的聯絡次數。AI 助理可縮短準備回應的時間。削減人手則可能影響可獲得協助的程度。

所有這些改變都可能同時發生。一項有用的評估應在證據容許的範圍內說明它們各自的貢獻。否則，計劃可能淪為單一的成功或失敗標籤，掩蓋不同服務之間的重要差異。

需求同樣重要。若新增請求的速度快於完成工作的速度，部門即使完成更多工作，積壓量仍可能增加。相反，若工作量下降，部門即使沒有提高生產力也可減少人手。單憑人頭數目，無法理解任何一種情況。

因此，服務指標應反映使用系統的人之實際體驗。相關問題包括：請求是否獲正確完成、人們是否得到易明的解釋，以及複雜個案是否交由合資格人員處理。

錯誤修正尤其值得關注。快速的初步處理看似吸引，直至機構把投訴、重開個案及上訴計算在內。任何評估都應追蹤工作至足以反映這些後果的程度。

無障礙性是另一項考驗。數碼流程或許適合紀錄簡單且有信心使用網上服務的人。面對不尋常情況的人，可能需要難以在平均交易中反映的協助。

對知識工作者而言，同樣的問題體現在資訊存取上。快速找到文件，只有在員工能判斷它是否最新、相關及具權威性時才有幫助。搜尋速度與決策質素應一併納入評估。

研究這個問題的團隊可使用知識管理作為整理及維護員工所需資訊的框架。這項考量並不代表任何產品適合處理敏感的政府工作。

經合組織（OECD）的公共勞動力指引同樣將 AI 採用與勞動力能力及機構策略連繫起來。技術與組織準備必須同步發展。

若荷蘭政府在公布人手變動的同時公開服務成果，公務員削減才會更具意義。屆時讀者便有依據判斷，就業人數減少是否反映不必要工作變少、服務交付改善，或是能力被削弱。

最大風險是在衡量工作之前先計算節省額

當機構在確立新流程可持續承擔甚麼工作之前，便承諾永久削減人手，預期生產力便會帶來風險。

英國有一個已有記錄的相似案例。2026 年 3 月，公共帳目委員會主席 Geoffrey Clifton-Brown 質疑所報告的 AI 節省工時所依據的基礎。他的AI 效率審查亦問及預計效益將如何計入實施成本、培訓、維護及保安。

這些問題並不能證明荷蘭計劃將會失敗。它們指出一項節省聲稱需要解釋甚麼。機構必須了解技術所消除的工作，以及使用技術所帶來的責任。

審核便是一個明顯例子。助理可迅速準備看似合理的回覆，但仍可能需要有人核實來源資料及推理過程。若審核人員缺乏相關專業知識，潤飾完善的草稿反而可能令錯誤更難察覺。

因此，工作流程應列明誰人核查輸出內容、他們檢視哪些證據，以及何時拒絕結果。這些都是營運決定，會影響服務質素及應用程式所需的人力。

當市民質疑某項決定時，責任同樣重要。機構需要清楚交代所涉事實、規則及人為判斷。若員工無法解釋結果如何得出，單靠速度並不能帶來多少保障。

資訊存取帶來另一組選擇。讓助理取得更廣泛的存取權限，或可提升其效用，卻可能暴露超出原定用途的資料。限制存取可保護資訊，但亦會限制系統可執行的任務。

正確平衡取決於應用場景。草擬公共通知與審閱個人個案，要求並不相同。評估應反映這些差異，而非將單一的生產力假設套用於所有用途。

人手決定亦會改變機構監督技術的能力。移除有經驗的員工，可能減少能辨識不尋常個案或評估複雜輸出的人員。這種可能性應納入過渡規劃。

審慎的推行方式會保留足夠能力，以比較結果及回應問題，亦會界定系統不可用或不適用時的應對方法。在這些期間，服務仍須對請求負責。

即使不公開供應商價格，仍存在財務層面。技術支援、整合、培訓及監督都會消耗資源。員工人數減少本身，並不能證明總營運需求出現相應減幅。

實際標準應是持續的淨改善。部門應證明，在計入審核及支援後，新流程能以可接受的質素完成必要工作。這項標準既能讓有用的應用程式獲得公平測試，亦能揭示薄弱的節省假設。

在人手目標成為營運計劃之前應留意甚麼

下一項有用的證據，將會把部門責任、AI 應用及可量度的服務成果連繫起來。

首先，留意部門的人手方案是否指出哪些工作會消失、改變或轉移至其他地方。若人手配置沒有交代工作量，便無法回答核心的能力問題。

較有力的方案會說明管理人員如何在應對人員離職的同時保留關鍵專業知識，並會識別受影響的責任，以及描述餘下團隊如何承擔。這種細節程度會令估算更容易審閱。

第二，留意荷蘭政府的 AI 計劃有否列明應用項目及評估方法。內閣已把生產力目標及節省計劃安排於 2027 年第一季提出。這項承諾超出眼前的報告期，因此初步細節應視為初步資料。

圍繞具體服務制定的計劃，會加強推行的理據。讀者可以檢視預定用戶、所需資訊、審核流程及預期營運成果。廣泛採用目標則較難回答人手能力方面的問題。

第三，留意機構是否在重大變動前建立服務基線。基線記錄介入前的表現，讓其後可與可識別的起點比較。沒有基線，改善與惡化便更容易被選擇性描述。

有用的報告會追蹤已完成的工作，並同時記錄等候時間、修正、投訴及複雜個案。它亦會顯示，在初期部署支援結束後，表面上的收益是否仍可持續。持續表現比單次示範更重要。

這些訊號應一併解讀。應用場景清晰但服務證據薄弱，代表應進一步測試。服務結果強勁但缺乏可信的人手過渡方案，則仍存推行風險。一項連貫計劃需要兩者兼備。

對開發人員而言，含義是在提出系統建議前，先問清楚機構期望達致甚麼營運成果。對企業買家而言，問題是證據是否支持預期的組織變革。對員工而言，則是培訓及審核責任是否出現在工作量估算中。

荷蘭政府裁員如今為讀者提供一項可跟進的具體政策，而非關於 AI 就業的抽象辯論。先從建議的服務變動入手，再檢視把它們與人手決定連繫起來的證據。問問機構是否在報告節省工時的同時衡量已完成工作及質素。留意自動化輸出需要核查或市民需要協助時，責任是否清晰。追蹤部門如何在過渡期間保留專業知識。當詳細計劃出台時，把其假設與員工實際處理的工作量比較。哪些任務已不再必要，哪些變得更容易，哪些仍需要有經驗的人員，才能提供可靠的公共服務？