汉莎裁了 4000 人，我看清了 AI 时代最「抗造」的 3 种能力

早上在国庆出游的路上刷到汉莎航空的裁员新闻时，我咬着的包子突然没了味道 ——

「欧洲最大航司，赚着钱还要裁 4000 人？原因居然是 AI 太能打？」

旁边的女生凑过来瞄了眼屏幕，小声说：「我昨天刚帮公司上了 AI 报销系统，现在财务岗已经开始缩编了……」

地铁晃了一下，我突然想起三个月前和汉莎的一位运营经理吃饭时，他说的那句话：
「以前我们部门有 12 个行政岗，负责整理航线数据、审核报销、跟进会议纪要 —— 现在 AI 能做 80% 的事，剩下 20%，要的是「会用 AI 的人」，不是「被 AI 用的人」。」

这可能是我今年听到最扎心的真相： AI 不是「取代人」，是「筛选人」—— 它筛掉的是「只会做重复执行的人」，留下的是「能让 AI 发挥价值的人」。

而汉莎的裁员案，本质上是给所有职场人递了一张「AI 时代的能力入场券」：
你不需要成为技术专家，但必须学会「和 AI 一起工作」——
不是被它取代，而是用它把自己「升级」成更有价值的人。

先搞懂：汉莎为什么「赚着钱还要裁员」？

很多人骂汉莎「黑心」：明明航空需求暴涨，利润同比涨了 23%，为什么还要裁 4000 人？

但如果你看过汉莎内部的「岗位效率报告」，就会明白这不是企业的「选择」，是技术的「必然」——

汉莎的行政岗以前要做这些事：

• 每月整理 1200 条航线的客流量数据，要 2 个人花 3 天核对；

• 审核 1.5 万笔员工报销，要 5 个人花 1 周挑错；

• 跟进 100 个跨部门会议的纪要，要 3 个人花 2 天整理 action items。

现在呢？

• 用 AI 数据工具「Tableau + 自研算法」，5 分钟就能生成带趋势分析的航线报表；

• 用 AI 报销系统「SAP Concur + 机器学习」，自动识别发票真伪、匹配报销标准，1 个人就能审完所有单据；

• 用 AI 会议助手「Otter.ai + 汉莎定制模板」，实时转录会议内容，自动生成带责任人、 deadlines 的纪要。

你看， 不是汉莎要裁人，是这些「重复执行的工作内容」，已经不需要人来做了 ——
以前 12 个人做的事，现在 2 个人 + AI 就能完成，而且出错率低 90%、效率高 5 倍。

汉莎的 HR 总监在内部信里写了句大实话：

「我们裁掉的不是员工，是「不再创造价值的工作流程」；我们留下的，是「能让 AI 成为「助手」的人」。」

这才是问题的核心： AI 时代，「岗位价值」的判断标准变了 ——
以前看「你能做多少事」，现在看「你能让 AI 帮你做多少事，以及你能把这些事的结果提升到什么高度」。

别慌：AI 永远取代不了的 3 种能力，汉莎已经帮你列出来了

我翻了汉莎近 3 年的「核心岗位招聘要求」，发现他们留下的、晋升的，全是具备这 3 种能力的人 ——
不是「会写代码」「懂机器学习」，而是「能把 AI 用对地方」的人。

1. 「AI 翻译官」能力：把业务问题「说」给 AI 听

上个月，汉莎的一位航线规划经理告诉我，他现在的工作内容变了：
以前他要花 3 天找数据、做报表，然后用 1 天写分析；
现在他只需要花 5 分钟，对 AI 工具说一句话：
「帮我分析 2023-2025 年欧洲到亚洲的航线客流量，按季节、舱位等级拆分，找出「上座率低于 60% 但运营成本高于平均」的航线，再对比同航线竞争对手的定价策略。」

AI 会自动爬取数据、生成可视化报表，甚至给出「建议停飞」或「调整定价」的初步结论 ——
而他要做的，是「验证这些结论是否符合公司战略」：比如某条航线虽然上座率低，但能带动转机客流，所以不能停；或者某条航线的定价低于竞争对手，但目标客群是商务人士，需要提价并增加高端服务。

你看， 「AI 翻译官」的核心不是「会用 AI」，而是「会把业务需求翻译成 AI 能理解的任务」 ——
不是让你学 Python，而是让你学会问：「我需要 AI 帮我解决什么具体的业务问题？」

比如你是做市场的，以前要花 1 周找竞品资料，现在可以对 AI 说：
「帮我收集近 3 个月竞品的社交媒体内容，按「产品卖点」「用户评论关键词」「活动节奏」分类，找出他们最常提的 3 个核心卖点，以及用户吐槽最多的 2 个问题。」

AI 会帮你整理好所有信息，而你要做的，是「用这些信息优化自己的营销策略」——
这不是「取代」，是「把时间从「找数据」转移到「用数据做决策」上」。

2. 「系统缝合师」能力：把 AI「粘」进真实的业务场景

汉莎的 AI 报销系统上线时，遇到过一个大问题：
AI 识别发票的准确率高达 98%，但员工们却集体抱怨「不好用」——
因为 AI 要求发票必须「正对着摄像头、没有褶皱、字迹清晰」，但很多员工出差时会把发票揉在钱包里，扫出来的照片全是歪的。

后来，汉莎找了一位「系统缝合师」—— 原本是行政岗的 Lisa，她做了两件事：

• 给 AI 系统加了「褶皱修复」功能，允许员工上传歪的、皱的发票；

• 给员工做了一场 15 分钟的培训：「如果发票太皱，用手机拍的时候对着光，把褶皱处抚平再拍」。

结果呢？
AI 报销系统的使用率从 60% 涨到了 95%，员工的抱怨率下降了 80%。

「系统缝合师」的核心，是「把技术和人、流程、场景连接起来」 ——
AI 不是「完美的机器」，它需要有人帮它「适应真实世界的混乱」：

• 比如 AI 推荐的航线策略，要有人帮它对接一线飞行员的反馈（「这条航线的气流不稳定，不能加班次」）；

• 比如 AI 生成的客户邮件，要有人帮它调整语气（「AI 写的是「您的航班延误，请谅解」，但用户需要的是「我帮您改签到 15:00 的航班，还预留了您最喜欢的靠窗座位」」）。

你看， AI 解决的是「标准化问题」，但真实的业务永远有「非标准化的细节」——
而「缝合师」的价值，就是把这些细节「缝」进 AI 系统里，让它真正「好用」。

3. 「温度传递者」能力：用「人味」填补 AI 的「空白」

汉莎的客户服务岗，是这次裁员中「零缩编」的岗位 ——
但他们的工作内容，已经和 3 年前完全不一样了：
以前的客服，要背 100 条「标准答案」，比如「航班延误怎么办？」「行李丢了怎么找？」；
现在的客服，要做的是「用 AI 查数据，用人心说人话」：

比如有位老太太打电话说：「我儿子明天结婚，我坐的航班延误了，怎么办？」
AI 会立刻弹出：「老太太的航班延误 2 小时，下一班可选的航班是 14:00，还有 3 个经济舱座位」；
但客服不会直接说「我帮您改签到 14:00」，而是说：
「阿姨，您别急 —— 我帮您查了，下一班 14:00 的航班还有座位，我优先帮您留了前排的位置，方便您上下飞机；另外我已经联系了您儿子，告诉他您会晚到 1 小时，他说会在机场等您 —— 祝您明天能赶上儿子的婚礼，开开心心的！」

你看， AI 能给「解决方案」，但给不了「温度」——
而「温度传递者」的价值，就是把「冰冷的信息」变成「有情感的连接」。

汉莎的客户满意度调查显示：

• 用「AI + 温度」服务的客户，复购率比用「标准化服务」的高 40%；

• 有「温度」的客服，离职率比普通客服低 60%—— 因为他们觉得「自己做的事有意义」。

看完汉莎的案例，你可能会问：「我现在要怎么做，才能变成这 3 种人？」

其实不用急着「报编程班」「学 AI 技术」——
你可以从「今天下班前」就能做的 3 件小事开始：

1. 列一张「AI 替代清单」：找出你工作中「可被 AI 取代的部分」

比如你是做运营的，把最近一周的工作内容列出来：

• 写公众号推文的大纲（AI 能做）；

• 整理用户评论的关键词（AI 能做）；

• 分析推文的阅读量趋势（AI 能做）；

• 采访用户，写出有温度的故事（AI 不能做）；

• 根据阅读量调整推文的风格（AI 不能做）。

划掉那些「AI 能做的」，剩下的就是你未来要「强化」的能力 ——
比如我自己，现在写文章前会用 AI 生成大纲，但一定会花 2 天时间采访行业专家，把「AI 的框架」填进「人的故事」——
结果文章的深度比以前高了 3 倍，读者的留言也从「写得不错」变成了「我居然看哭了」。

2. 练一次「AI 翻译」：把你的业务需求「说」给 AI 听

比如你是做销售的，今天试着对 AI 说：
「帮我分析最近 1 个月的客户跟进记录，找出「聊了 3 次以上但没成交」的客户，他们的共同痛点是什么？」

然后看看 AI 给你的结果，再问自己：
「这个结果符合我对客户的了解吗？有没有遗漏什么？」

比如 AI 说「这些客户都担心我们的产品售后不好」，你可以接着问：「帮我找出这些客户中，有多少人提到了「售后响应慢」？他们具体是在什么场景下遇到的？」

练习「AI 翻译」的核心，是「学会用「具体问题」代替「模糊需求」」——
AI 不怕你问得细，就怕你问得「泛」。

3. 加一点「温度」：把你最近的工作内容「润色」成「有人味」的版本

比如你是做 HR 的，以前给候选人发的拒信是：「很遗憾，您不符合我们的要求」；
现在可以改成：「很感谢您花时间来面试，您对「员工发展」的观点给我们留下了很深的印象 —— 我们这次的岗位更偏向「招聘执行」，但如果未来有「员工发展」相关的岗位，我们会第一时间联系您」。

比如你是做产品的，以前给用户发的更新说明是：「本次更新优化了加载速度」；
现在可以改成：「我知道你之前吐槽过「加载太慢，刷不出页面」—— 这次我们把加载速度提升了 50%，你再试试？」

「温度」不是「刻意煽情」，是「把「我要做什么」变成「我懂你需要什么」」——
而这，是 AI 永远学不会的。

AI 不是「对手」，是「帮你把时间花在更有价值的事上的助手」

汉莎的裁员案，不是「AI 要取代人」的信号，而是「AI 要帮人「解放双手」」的信号 ——
它帮你把「找数据」「做报表」「整理纪要」这些重复的事做了，
让你有时间去做「采访用户」「分析战略」「和同事聊创意」这些「更有温度、更有深度」的事。

就像我一位做咨询的朋友说的：
「以前我要花 80% 的时间找资料，20% 的时间思考；
现在我花 20% 的时间用 AI 找资料，80% 的时间思考 ——
结果我的项目成功率从 40% 涨到了 70%。」

所以，别再怕「被 AI 取代」了 ——
你要怕的，是「一直停留在「只会做重复执行的事」的状态里」。

节后回到公司，试着做一件事：
把你最近一周的工作内容列出来，划掉那些「AI 能做的」，剩下的就是你未来要强化的能力 ——
这不是「放弃」，是「把精力放在「不可替代的部分」上」。

毕竟， AI 能做的事越多，「人能做的事」就越有价值 ——
而那些「有温度、有判断、能连接」的能力，永远不会被取代。

你看，窗外的阳光刚好照进来，
不如端起咖啡，打开电脑，
开始「升级」自己吧。

与数万名AI学习路上的同行者一起打怪升级，欢迎你的加入！