漢莎裁了 4000 人，我看清了 AI 時代最「抗造」的 3 種能力

早上在國慶出游的路上刷到漢莎航空的裁員新聞時，我咬著的包子突然沒了味道 ——

「歐洲最大航司，賺著錢還要裁 4000 人？原因居然是 AI 太能打？」

旁邊的女生湊過來瞄了眼屏幕，小聲說：「我昨天剛幫公司上了 AI 報銷系統，現在財務崗已經開始縮編了……」

地鐵晃了一下，我突然想起三個月前和漢莎的一位運營經理吃飯時，他說的那句話：
「以前我們部門有 12 個行政崗，負責整理航線數據、審核報銷、跟進會議紀要 —— 現在 AI 能做 80% 的事，剩下 20%，要的是「會用 AI 的人」，不是「被 AI 用的人」?！?/p>

這可能是我今年聽到最扎心的真相： AI 不是「取代人」，是「篩選人」—— 它篩掉的是「只會做重復執行的人」，留下的是「能讓 AI 發揮價值的人」。

而漢莎的裁員案，本質上是給所有職場人遞了一張「AI 時代的能力入場券」：
你不需要成為技術專家，但必須學會「和 AI 一起工作」——
不是被它取代，而是用它把自己「升級」成更有價值的人。

先搞懂：漢莎為什么「賺著錢還要裁員」？

很多人罵漢莎「黑心」：明明航空需求暴漲，利潤同比漲了 23%，為什么還要裁 4000 人？

但如果你看過漢莎內部的「崗位效率報告」，就會明白這不是企業的「選擇」，是技術的「必然」——

漢莎的行政崗以前要做這些事：

• 每月整理 1200 條航線的客流量數據，要 2 個人花 3 天核對；

• 審核 1.5 萬筆員工報銷，要 5 個人花 1 周挑錯；

• 跟進 100 個跨部門會議的紀要，要 3 個人花 2 天整理 action items。

現在呢？

• 用 AI 數據工具「Tableau + 自研算法」，5 分鐘就能生成帶趨勢分析的航線報表；

• 用 AI 報銷系統「SAP Concur + 機器學習」，自動識別發票真偽、匹配報銷標準，1 個人就能審完所有單據；

• 用 AI 會議助手「Otter.ai + 漢莎定制模板」，實時轉錄會議內容，自動生成帶責任人、 deadlines 的紀要。

你看， 不是漢莎要裁人，是這些「重復執行的工作內容」，已經不需要人來做了 ——
以前 12 個人做的事，現在 2 個人 + AI 就能完成，而且出錯率低 90%、效率高 5 倍。

漢莎的 HR 總監在內部信里寫了句大實話：

「我們裁掉的不是員工，是「不再創造價值的工作流程」；我們留下的，是「能讓 AI 成為「助手」的人」?！?/blockquote>

這才是問題的核心： AI 時代，「崗位價值」的判斷標準變了 ——
以前看「你能做多少事」，現在看「你能讓 AI 幫你做多少事，以及你能把這些事的結果提升到什么高度」。

別慌：AI 永遠取代不了的 3 種能力，漢莎已經幫你列出來了

我翻了漢莎近 3 年的「核心崗位招聘要求」，發現他們留下的、晉升的，全是具備這 3 種能力的人 ——
不是「會寫代碼」「懂機器學習」，而是「能把 AI 用對地方」的人。

1. 「AI 翻譯官」能力：把業務問題「說」給 AI 聽

上個月，漢莎的一位航線規劃經理告訴我，他現在的工作內容變了：
以前他要花 3 天找數據、做報表，然后用 1 天寫分析；
現在他只需要花 5 分鐘，對 AI 工具說一句話：
「幫我分析 2023-2025 年歐洲到亞洲的航線客流量，按季節、艙位等級拆分，找出「上座率低于 60% 但運營成本高于平均」的航線，再對比同航線競爭對手的定價策略。」

AI 會自動爬取數據、生成可視化報表，甚至給出「建議停飛」或「調整定價」的初步結論 ——
而他要做的，是「驗證這些結論是否符合公司戰略」：比如某條航線雖然上座率低，但能帶動轉機客流，所以不能停；或者某條航線的定價低于競爭對手，但目標客群是商務人士，需要提價并增加高端服務。

你看， 「AI 翻譯官」的核心不是「會用 AI」，而是「會把業務需求翻譯成 AI 能理解的任務」 ——
不是讓你學 Python，而是讓你學會問：「我需要 AI 幫我解決什么具體的業務問題？」

比如你是做市場的，以前要花 1 周找競品資料，現在可以對 AI 說：
「幫我收集近 3 個月競品的社交媒體內容，按「產品賣點」「用戶評論關鍵詞」「活動節奏」分類，找出他們最常提的 3 個核心賣點，以及用戶吐槽最多的 2 個問題?！?/p>

AI 會幫你整理好所有信息，而你要做的，是「用這些信息優化自己的營銷策略」——
這不是「取代」，是「把時間從「找數據」轉移到「用數據做決策」上」。

2. 「系統縫合師」能力：把 AI「粘」進真實的業務場景

漢莎的 AI 報銷系統上線時，遇到過一個大問題：
AI 識別發票的準確率高達 98%，但員工們卻集體抱怨「不好用」——
因為 AI 要求發票必須「正對著攝像頭、沒有褶皺、字跡清晰」，但很多員工出差時會把發票揉在錢包里，掃出來的照片全是歪的。

后來，漢莎找了一位「系統縫合師」—— 原本是行政崗的 Lisa，她做了兩件事：

• 給 AI 系統加了「褶皺修復」功能，允許員工上傳歪的、皺的發票；

• 給員工做了一場 15 分鐘的培訓：「如果發票太皺，用手機拍的時候對著光，把褶皺處撫平再拍」。

結果呢？
AI 報銷系統的使用率從 60% 漲到了 95%，員工的抱怨率下降了 80%。

「系統縫合師」的核心，是「把技術和人、流程、場景連接起來」 ——
AI 不是「完美的機器」，它需要有人幫它「適應真實世界的混亂」：

• 比如 AI 推薦的航線策略，要有人幫它對接一線飛行員的反饋（「這條航線的氣流不穩定，不能加班次」）；

• 比如 AI 生成的客戶郵件，要有人幫它調整語氣（「AI 寫的是「您的航班延誤，請諒解」，但用戶需要的是「我幫您改簽到 15:00 的航班，還預留了您最喜歡的靠窗座位」」）。

你看， AI 解決的是「標準化問題」，但真實的業務永遠有「非標準化的細節」——
而「縫合師」的價值，就是把這些細節「縫」進 AI 系統里，讓它真正「好用」。

3. 「溫度傳遞者」能力：用「人味」填補 AI 的「空白」

漢莎的客戶服務崗，是這次裁員中「零縮編」的崗位 ——
但他們的工作內容，已經和 3 年前完全不一樣了：
以前的客服，要背 100 條「標準答案」，比如「航班延誤怎么辦？」「行李丟了怎么找？」；
現在的客服，要做的是「用 AI 查數據，用人心說人話」：

比如有位老太太打電話說：「我兒子明天結婚，我坐的航班延誤了，怎么辦？」
AI 會立刻彈出：「老太太的航班延誤 2 小時，下一班可選的航班是 14:00，還有 3 個經濟艙座位」；
但客服不會直接說「我幫您改簽到 14:00」，而是說：
「阿姨，您別急 —— 我幫您查了，下一班 14:00 的航班還有座位，我優先幫您留了前排的位置，方便您上下飛機；另外我已經聯系了您兒子，告訴他您會晚到 1 小時，他說會在機場等您 —— 祝您明天能趕上兒子的婚禮，開開心心的！」

你看， AI 能給「解決方案」，但給不了「溫度」——
而「溫度傳遞者」的價值，就是把「冰冷的信息」變成「有情感的連接」。

漢莎的客戶滿意度調查顯示：

• 用「AI + 溫度」服務的客戶，復購率比用「標準化服務」的高 40%；

• 有「溫度」的客服，離職率比普通客服低 60%—— 因為他們覺得「自己做的事有意義」。

現在該做什么？給職場人的 3 個「立刻能做」的行動指南

看完漢莎的案例，你可能會問：「我現在要怎么做，才能變成這 3 種人？」

其實不用急著「報編程班」「學 AI 技術」——
你可以從「今天下班前」就能做的 3 件小事開始：

1. 列一張「AI 替代清單」：找出你工作中「可被 AI 取代的部分」

比如你是做運營的，把最近一周的工作內容列出來：

• 寫公眾號推文的大綱（AI 能做）；

• 整理用戶評論的關鍵詞（AI 能做）；

• 分析推文的閱讀量趨勢（AI 能做）；

• 采訪用戶，寫出有溫度的故事（AI 不能做）；

• 根據閱讀量調整推文的風格（AI 不能做）。

劃掉那些「AI 能做的」，剩下的就是你未來要「強化」的能力 ——
比如我自己，現在寫文章前會用 AI 生成大綱，但一定會花 2 天時間采訪行業專家，把「AI 的框架」填進「人的故事」——
結果文章的深度比以前高了 3 倍，讀者的留言也從「寫得不錯」變成了「我居然看哭了」。

2. 練一次「AI 翻譯」：把你的業務需求「說」給 AI 聽

比如你是做銷售的，今天試著對 AI 說：
「幫我分析最近 1 個月的客戶跟進記錄，找出「聊了 3 次以上但沒成交」的客戶，他們的共同痛點是什么？」

然后看看 AI 給你的結果，再問自己：
「這個結果符合我對客戶的了解嗎？有沒有遺漏什么？」

比如 AI 說「這些客戶都擔心我們的產品售后不好」，你可以接著問：「幫我找出這些客戶中，有多少人提到了「售后響應慢」？他們具體是在什么場景下遇到的？」

練習「AI 翻譯」的核心，是「學會用「具體問題」代替「模糊需求」」——
AI 不怕你問得細，就怕你問得「泛」。

3. 加一點「溫度」：把你最近的工作內容「潤色」成「有人味」的版本

比如你是做 HR 的，以前給候選人發的拒信是：「很遺憾，您不符合我們的要求」；
現在可以改成：「很感謝您花時間來面試，您對「員工發展」的觀點給我們留下了很深的印象 —— 我們這次的崗位更偏向「招聘執行」，但如果未來有「員工發展」相關的崗位，我們會第一時間聯系您」。

比如你是做產品的，以前給用戶發的更新說明是：「本次更新優化了加載速度」；
現在可以改成：「我知道你之前吐槽過「加載太慢，刷不出頁面」—— 這次我們把加載速度提升了 50%，你再試試？」

「溫度」不是「刻意煽情」，是「把「我要做什么」變成「我懂你需要什么」」——
而這，是 AI 永遠學不會的。

AI 不是「對手」，是「幫你把時間花在更有價值的事上的助手」

漢莎的裁員案，不是「AI 要取代人」的信號，而是「AI 要幫人「解放雙手」」的信號 ——
它幫你把「找數據」「做報表」「整理紀要」這些重復的事做了，
讓你有時間去做「采訪用戶」「分析戰略」「和同事聊創意」這些「更有溫度、更有深度」的事。

就像我一位做咨詢的朋友說的：
「以前我要花 80% 的時間找資料，20% 的時間思考；
現在我花 20% 的時間用 AI 找資料，80% 的時間思考 ——
結果我的項目成功率從 40% 漲到了 70%?！?/p>

所以，別再怕「被 AI 取代」了 ——
你要怕的，是「一直停留在「只會做重復執行的事」的狀態里」。

節后回到公司，試著做一件事：
把你最近一周的工作內容列出來，劃掉那些「AI 能做的」，剩下的就是你未來要強化的能力 ——
這不是「放棄」，是「把精力放在「不可替代的部分」上」。

畢竟， AI 能做的事越多，「人能做的事」就越有價值 ——
而那些「有溫度、有判斷、能連接」的能力，永遠不會被取代。

你看，窗外的陽光剛好照進來，
不如端起咖啡，打開電腦，
開始「升級」自己吧。

與數萬名AI學習路上的同行者一起打怪升級，歡迎你的加入！