top of page

Microsoft AI 自願離職計劃:Nadella 解釋轉變

18 分鐘前
讀畢需時 12 分鐘
Illustrative photograph. Photo: Yan Krukau / Pexels.

Microsoft 行政總裁 Satya Nadella 解釋了涵蓋約 60,000 名員工的自願離職方案背後思路:圍繞 AI 重組工作。Microsoft 的 AI 自願離職計劃涉及自願性方案,並非已確認有 60,000 人離職。他的論點聚焦於改變員工的工作內容,而非宣稱軟件工程師已不再需要。

根據所提供的報道,Nadella 形容員工將愈來愈多地指揮 AI 代理人,也就是會朝獲分配目標執行任務的軟件系統。這帶來一種艱難的張力。Microsoft 希望人仍然處於核心位置,同時改變工作所附帶的職責、團隊架構和期望。

這項區別的影響不止於 Microsoft。一間公司可以保留某個職業,同時大幅改變其僱傭關係中的條件。Nadella 的解釋挑戰了 AI 取代員工與 AI 只是協助員工之間的簡單二分法。他所描述的是一個要求員工接受不同工作模式的組織,並為考慮另覓路向的合資格人士提供離職選項。

Microsoft AI 自願離職計劃涉及方案,而非確認離職

最新發展是 Nadella 對重組作出的解釋,而非新公布的裁員措施。

時間線把原有計劃與最新討論區分開來。Microsoft 於 2026 年 10 月 26 日公布自願離職方案。TechCrunch 隨後於 11 月 18 日報道 Nadella 的解釋。本文的 11 月 20 日刊登日期並不改變這兩個事件的日期。

約 60,000 這個數字反映報道所指方案涵蓋的規模,並不能證明有多少員工接受、最終有多少人離職,或有多少職位消失。這些結果需要另行證據確認。

這項區別改變了讀者應如何理解標題。一項方案為合資格員工提供選擇;完成離職則記錄了一個結果。兩者均不能自動證明 Microsoft 是否取消該職位、重新分配其職責,或其後在其他地方招聘人手。

Microsoft 官方的自願離職方案指出,參與資格僅限於參與計劃的組織內合資格員工。公告列出加拿大、印度、英國及美國,亦表示參與安排會因應業務需要和對客戶的承諾而有所不同。

公司將該計劃定位為另一種調整勞動力的方式,並表示會向選擇離職的合資格員工提供財務支援及職涯規劃資源。公告亦提及技能發展和 Microsoft 內部的機會。

這些細節確立了計劃所宣示的設計,但未能證明員工如何經歷這項選擇,或內部機會是否符合他們的需要。自願機制與容易作出的決定是兩回事。

Nadella 其後的解釋,將組織變革置於這項決定的核心。在所提供的說法中,他形容未來員工會把指揮 AI 系統納入工作的一部分。其隱含挑戰在於調整職責,而非單純再安裝一個應用程式。

這使方案與仍預期自己職業會存在的人相關。有人可以相信軟件工程有未來,同時決定不接受某一僱主版本的未來。他們的決定不必代表反對 AI 本身。

現有證據並不支持將每位合資格員工視為抗拒改變,也未能證明接受方案的人就代表其工作可被 AI 取代。個人決定可以反映企業解釋未有涵蓋的處境。

因此,眼前的新聞焦點是管理層的理據。Microsoft 正在解釋,為何勞動力彈性應成為其 AI 轉型的一部分。最終的就業影響仍是另一個需要報道的問題。

壓力落在留下來的人身上

離職方案處理的是離開,而更大的組織挑戰則關乎留下來的員工。

對這些員工而言,核心問題是重組後成功完成工作將會是甚麼模樣。一個熟悉的職銜可以掩蓋職責上的重大轉變。編寫程式碼、審核生成的修改,以及監督自動化工作需要重疊的技能,但並非相同活動。

Nadella 的說法更強調指導。員工將愈來愈多地決定系統應完成甚麼,以及判斷結果是否符合期望。這仍然需要專業知識,特別是在輸出內容尚未經檢查前已顯得合理的時候。

壓力也延伸至管理人員。要求團隊使用 AI,比界定其工作方式應如何改變容易得多。管理人員必須區分有用的授權與只會產生更多材料、讓其他人檢查的活動。

設想一個維護既有商業應用程式的假設工程團隊。一個代理人生成了建議修改,但團隊仍須為其後果負責。必須有人判斷修改是否符合既有行為、保障客戶資訊,並且維持可維護性。

如果審核成為交付中最慢的一環,生成更多修改並不能解決問題。組織需要改善審核流程,否則自動化只是轉移瓶頸,卻沒有改善最終成果。

這就是為何若只把 Microsoft 自願離職計劃解釋為人手決定,便會忽略更廣泛的管理問題。離職機制顯而易見;日常工作的重新設計則較難觀察,也可能更難執行。

員工也需要一個可信的晉升說法。若直接產出變得較不核心,組織必須說明哪些職責會帶來認可和晉升。否則,員工面對不斷改變的期望,卻沒有清晰方法展現進展。

培訓本身不能回答這個問題。課程可以介紹工具,但無法決定誰要為一次失敗的發布負責;它也無法決定績效評估應如何認可那些防止問題發生的審慎監督。

同樣的不確定性也適用於資深專家。他們的價值往往包括辨識例外情況、記住過去的失敗,以及知道哪些看似快捷的方法會製造日後麻煩。只衡量可見產出的組織,可能會忽略這些貢獻。

這將勞動力變革與機構記憶連繫起來,即人們用以理解決策和避免重複犯錯的累積知識。若員工離開,他們所掌握的脈絡不會隨檔案自動轉移。

可搜尋的工程知識庫有助保留已記錄的脈絡,但不能完全取代理解文件為何包含特定警告之人士的判斷。

對知識工作者而言,眼前含意很實際。AI 經驗的價值,部分取決於對周邊工作的理解。要有效指揮代理人,必須知道甚麼重要、有哪些約束,以及何時需要更仔細檢視其答案。

因此,Microsoft 面對的挑戰不只是鼓勵採用 AI。它必須令改變後的工作足夠容易理解,讓員工能在掌握充分資訊的期望下參與。這才是「選擇」措辭背後的營運實質。

軟件工廠改變判斷發生的位置

Nadella 的例子描述的是不同的生產流程,並非證明軟件工程已變得不必要。

所提供的說法指出,Microsoft 365 應用程式內的 AI 代理人 Cowork,是 Nadella 提出的具體例子。他形容一個由 11 名開發人員組成、圍繞使用 AI 運作的團隊。這個數字是他對特定團隊的說法,而非獨立確立的人手配置基準。

最令人印象深刻的部分關乎這些開發人員據稱建立甚麼。Nadella 形容他們是在建立能夠生產產品的系統。他所說的「They build a software factory that builds the product」概括了報道中的這項區別,見其代理人管理解釋。

這個比喻把焦點由個別輸出,轉移至產生輸出的流程。開發人員的貢獻包括塑造指令、定義檢查機制,以及改善自動化工作達至可接受結果的方式。軟件仍然是交付成果,但生產系統成為工作中更大的一部分。

這既是組織層面的主張,也是技術層面的主張。更好的生成能力不會自行決定誰審核修改或批准發布。這些決定取決於團隊如何分配責任。

一項有用的區分,是把產生候選答案與接受答案分開。前者可以變得更容易,後者仍然要求甚高。公司仍需要能辨識看似可信、卻違反重要要求結果的人。

這為評估生產力創造不同基礎。計算生成的修改數量,衡量的是生產活動;衡量獲接受且有用的修改,則更接近業務成果。這兩項衡量之間的落差,正是監督和判斷變得可見的地方。

工廠的框架也引出維護問題。在熟悉條件下生成可接受工作成果的系統,必須處理不斷變化的要求。當客戶需要、安全期望或底層軟件行為改變時,必須有人更新流程。

對一個假設產品團隊而言,這代表自動化工作流程本身就是工程責任。不良指令可以反覆產生不良修改;薄弱檢查可以反覆接受它們。改善流程需要理解產品,以及用來修改產品的機制。

這一切並不證明每位員工都會成為傳統意義上的管理人員。指揮軟件不一定涉及監督人員、分配薪酬或處理人事決定。這個類比所指的是對獲授權工作的責任。

它也不表示一個 11 人團隊可以承擔支援大型產品的每一項職能。一個人手數字必須先有界線,才具分析價值。讀者需要知道該團隊負責哪些工作,以及哪些責任由其他地方承擔。

所提供的說法沒有提供與過往團隊架構相比、經獨立審核的比較資料,也未能確立採用 AI 與人手需求之間存在普遍關係。把這個例子套用至整個 Microsoft,將超出現有證據所能支持的範圍。

不過,這個例子確實釐清 Nadella 所指的方向。員工在委派更多中間工作的同時,仍須為結果負責。組織挑戰在於,如何讓這種安排在精選團隊以外同樣可靠。

小型團隊並不能證明全公司的結果

即使是 Microsoft 論點最有力的版本,仍需要證據證明新流程能在不同種類的工作中有效運作。

一支被挑選出來的團隊可以展現一種管理哲學,卻不足以證明其普遍成效。該團隊所處的情況同樣重要。其產品範圍、技術依賴、經驗,以及可獲得的支援,都會影響其人手數字所代表的意義。

成熟服務面對的限制,與新成立的項目並不相同。現有客戶依賴熟悉的運作方式。較舊的元件包含一些可能欠缺完善記錄的假設。某些改動需要與優先事項不同的團隊協調。

這些差異並沒有否定 Nadella 的例子。它們說明了為何該例子不能承載整個論證。要擴展一種生產方式,需要證據說明它在哪些條件下成功,以及哪些條件需要額外的人手投入。

Microsoft 的 2025 年度報告早已將 AI 創新與安全及品質並列為公司的優先事項。報告亦提及正適應新的工作方式。這為目前的說法提供歷史背景,而非證明這場轉型已經成功。

同一份文件亦說明為何監督很重要。Microsoft 營運客戶所依賴的產品及服務。公司本身對安全及品質的重視,意味著生產力主張需要考慮的不只是開發軟件的速度。

核心張力仍然是組織抱負與已證實成果之間的落差。一家公司可以在尚未有足夠證據證明某模式在各處均有效之前,清楚描述其偏好的營運模式。這是轉型中不同的階段。

人手歸因亦存在問題。如果一家公司同時改變人員、優先事項、工具及匯報架構,便很難把隨之而來的表現變化歸因於 AI。多個因素可以同時發揮作用。

較小的團隊可能因為範圍縮小或決策流程改善而交付得更快。較大的團隊可能因需求增加而產出更多。單憑任何一項觀察,都無法分離出 AI 的貢獻。

同樣地,若沒有額外背景資料,離職人數對生產力的揭示亦十分有限。它無法證明留下來的團隊是否交付了可比的工作、是否更依賴承辦商,或是否把職責轉移到其他地方。相關的衡量單位是已完成的工作及其完整的支援要求。

對僱員而言,Microsoft AI 對勞動力的影響不能化約為符合資格的人數。工作量、自主權、學習機會及問責方式的改變同樣重要。這些影響可因團隊而異。

對企業買家而言,這個內部故事之所以值得關注,是因為 Microsoft 銷售的軟件旨在改變客戶的工作流程。不過,買家仍應區分高層的內部例子與可套用於自身營運的證據。相似的工具可能面對不同的資料、審批要求及錯誤後果。

有用的比較在於營運方式。一種做法是在既有流程中加入 AI 協助。另一種則圍繞委派執行及人類監督來重組流程。在沒有考慮工作性質前,任何一種做法都不應獲得普遍性的定論。

Nadella 所主張的是較深層的組織變革。尚待解答的問題是,Microsoft 能否持續證明這項變革帶來更好的成果。一個有說服力的比喻,本身無法提供這些證據。

生產力研究令肯定式主張變得更複雜

獨立研究支持對普遍生產力主張保持審慎,包括過度肯定的負面主張。

AI 評估機構 METR 於 2025 年 7 月 10 日發表一項資深開發者研究。研究檢視了 16 名資深開源開發者處理 246 項任務的情況。在可使用研究所涵蓋的 AI 工具時,參與者完成任務所需時間長了 19%。

這項發現涉及特定環境及較早一代的工具。它並非對 Microsoft Cowork 團隊的衡量,也沒有證明 AI 會拖慢所有開發者,或無法改善其他類型的工作。

它在此的相關性在於方法論。主觀上感到有幫助,與量度所得的任務表現可以不同。高層例子、員工熱情及受控研究,各自回答不同問題。

把 2025 年的結果視為最終定論,同樣會忽略後續證據。在 2026 年 2 月 24 日的生產力實驗更新中,METR 說明量度較新工具時遇到的困難。參與者愈來愈抗拒在沒有 AI 的情況下工作,因而造成選擇偏差問題。

該機構認為,開發者獲得的速度提升很可能高於早前研究所顯示的水平。然而,它警告較新的數據只為改善幅度提供薄弱證據。它亦指出開發者同時使用多個代理時會出現複雜情況。

METR 的更新討論了包括 Claude Code 及 Codex 在內的工具採用情況。這提供了相關的行業比較:研究人員正面對編碼工具帶來的工作模式變化,而不是評估只屬於 Microsoft 的現象。

平衡的解讀比成功故事或一概否定都更具要求。工具能力會改變,用戶會適應,研究人員亦必須重新思考如何衡量由此產生的工作。當這些條件變動時,固定的生產力主張可能變得具誤導性。

對 Microsoft 而言,這意味著其偏好的營運模式值得按自身條件衡量。如果僱員監督並行進行的工作,狹義地衡量個人打字時間便不再那麼有參考價值。然而,更廣泛的衡量仍必須計及品質及總投入。

以下評估是一項分析要求,而不是有關 Microsoft 的已報道發現。有用的評估會把已發布的工作與審查工作量、維護負擔及客戶成果連結起來。它亦會檢視收益是否能在最初示範後持續存在。

它還會區分個人改善與團隊改善。一個人可以更快完成獲指派的任務,同時為同事帶來額外工作。團隊可以產生更多候選方案,卻花更多時間決定採納哪一些。

這項區分在管理層改變期望時尤其重要。僱員需要證據證明修訂後的流程改善了他們實際執行的工作。一般性的熱情無法解決其團隊特有的瓶頸。

因此,懷疑者的問題很明確:有甚麼證據顯示,指揮代理能改善 Microsoft 多元職責下的完整工作流程?答案不只需要一個被挑選出來的人手例子,也不只需要一項顯示其他地方存在困難的較早研究。

這為可觀效益留下空間,但不會把它們視作已在各處確立的事實。Nadella 的說法描述了一個方向及其理據。獨立評估必須釐清所宣稱改善的界限、成本及持久性。

下一批訊號應連結人員、產出與客戶

最有用的證據將把勞動力決策與持續交付連結起來,而非把兩者任何一項視作獨立的成功指標。

未來一至三個月,首個值得留意的訊號是有關自願計劃結果的披露。其中包括已確認的接受人數及離職人數,如有資料可得,亦包括參與組織如何重新分配職責的說明。

這些數字可釐清符合資格與實際勞動力變化之間的差距。它們本身無法證明 AI 是否提升生產力。當 Microsoft 說明哪些工作持續進行、改變或停止時,其價值便會提高。

若職責維持清晰,交付亦持續進行而未有報道指品質惡化,便會加強組織層面的論證。若重要工作變得無人負責,或反覆在團隊之間轉移,則會削弱論證。這些是評估主張的條件,而非對目前成果的斷言。

第二個訊號是來自額外團隊、可重複驗證的證據。若 Microsoft 能描述不同職責下可比較的成果,Cowork 的例子便會更具參考價值。有用的披露會說明各團隊的工作範圍及所採用的衡量方法。

單憑產品發布不足以解決問題。讀者應尋找將改變後的流程與可靠交付連結起來的證據。其中包括該組織是否說明仍需多少人手審查及支援工作。

來自不同團隊的證據,會加強 Microsoft 已建立廣泛適用營運方式的論點。僅限於有利環境的例子,會令更廣泛的主張仍未獲解答。差別在於代表性,而不是被挑選的團隊是否取得了有價值的成果。

第三個訊號是客戶使用代理驅動工作方式的體驗。Microsoft 的內部轉型與其客戶的轉型是相關問題,但兩者不能互相替代。客戶有自身的資訊、審批流程及期望。

持續使用比成功完成一項任務的示範更重要。買家需要知道僱員在遇到例外情況後,是否會繼續依賴某個工作流程。他們亦需要了解由誰解決錯誤,以及仍需多少監督。

若客戶證據顯示,在可管理的監督下完成了有用工作,將會支持 Nadella 的核心論點。若用戶經常回到人手流程,則會揭示內部例子未能捕捉的限制。任何一種結果都會令討論更具體。

Microsoft AI 對勞動力的影響,最終將取決於這些連結。就業變化揭示誰離開或轉移。交付證據揭示組織完成了甚麼。客戶體驗則揭示最終產品是否能在 Microsoft 自身環境以外帶來幫助。

對正在評估這項轉變的僱員而言,應問清楚哪些職責會改變、表現將如何衡量,以及由誰支援過渡。對買家而言,應要求供應商把生產力主張與獲接受的工作及監督要求連結起來。對關注 Microsoft AI 買斷方案的讀者而言,應保留原有的區分:方案描述可作出的選擇,而離職及營運成果則需要獨立證據。閱讀未來公告時,應緊記這些類別。對這場轉型最有力的說明,將會解釋人們現時負責甚麼、代理能可靠完成甚麼,以及客戶得到甚麼。Microsoft 會把其中哪些成果說明得足夠清楚,以供評估?

 
 

為每個智能代理提供更完整的背景,提升工作表現

讓智能代理連接 remio 已整理好的知識、決策和歷史紀錄。

remio 目前支援 Windows 10+(x64) 及配備 Apple 晶片的 Mac。

你的 AI 工作夥伴
和 remio 一起高效工作

規劃、創作、交付
一站式完成

bottom of page