Meta 想用 AI 代理人取代員工，計畫在四個月內崩掉：程式碼多了 220%，上線功能只多 36%

五月二十日清晨，Meta 的第一波裁員名單已經進到最後確認階段。距離通知信寄出只剩幾個小時，馬克・祖克柏（Mark Zuckerberg）做了一個決定：把原訂十一月的第二波全公司裁員計畫整個取消。

這件事外界過了三個多月才知道。路透社在八月底揭露了這個內部代號 Project OT（Organization Transformation，組織轉型）的計畫，以及它為什麼會在短短四個月內從「公司未來」變成「悄悄收起來」。對所有正在盤算用 AI 代理人取代人力的企業主管來說，這是一份難得的、有數據的失敗案例。

事件背景

Project OT 的起點是 2026 年 1 月，Meta 在夏威夷舉行的領導層閉門會議。核心構想是把 Meta 改造成一家「AI 原生」公司——不是加上 AI 功能，而是把日常工作本身交給 AI 代理人執行，人類只保留在真正需要判斷的位置。

規模設定得相當激進。根據路透社的報導，部分團隊的人力縮減幅度上看六成，整體裁員規模預計達到甚至超過 2023 年那一次——當年 Meta 砍掉了四分之一的員工。計畫分兩波執行，五月一波、十一月一波。部分員工不會被裁，而是被調去做「生產 AI 模型訓練資料」這類新職務。

聽起來像是一場豪賭，實際上也是。祖克柏押的是「agentic development」——讓 AI 代理人自主完成開發任務——會在 2026 年內成熟到足以撐起公司的產出。

本次重點

路透社取得的內部數據，把這場賭注的結果攤在陽光下：

• 程式碼變更量年增 220%：AI 代理人確實在寫東西，而且寫了非常多
• 實際推到使用者面前的新功能或改良只增加 36%：產出與成果之間出現巨大落差
• 技術與資安事故增加 40%：東西寫得多，但品質沒有跟上
• 員工處理問題所花的時間增加 70%：人力沒有被釋放，反而被拿去擦屁股
• 內部員工情緒指數下滑 19 點：導入的員工追蹤軟體引發強烈反彈，工會組織活動明顯升溫

祖克柏本人在七月的說法是，agentic development「沒有以我們預期的方式加速」。這句話很客氣，數據講得更直接：程式碼產出翻了三倍多，能用的東西只多了三分之一，事故卻多了四成。

最後 Meta 仍然裁掉了約 10% 的員工，但十一月那一波被取消。

市場影響分析

對台灣使用者

這件事跟一般人的關聯，在於它戳破了一個流傳很廣的說法：AI 代理人已經可以「自己寫完整個功能」。全世界資源最多、工程文化最強的公司之一，用了半年時間、在真實生產環境裡測試，得到的結論是產出量爆增但價值產出沒有等比例成長。

如果你是工程師或設計師，這個數據值得記下來。不是因為它證明 AI 沒用——程式碼變更增加 220% 顯示 AI 確實大幅提高了「生產」速度——而是因為它證明了瓶頸不在生產。瓶頸在整合、驗證、除錯與判斷，而這些恰好是 AI 目前最弱的環節。

對企業應用

台灣不少企業主管這兩年都在問同一個問題：導入 AI 之後，人力可以省多少？Meta 的數據給了一個很殘酷的參考答案——短期內可能一個都省不了，還會多出 70% 的時間在處理 AI 製造出來的問題。

值得注意的另一個細節是員工反彈。Meta 為了衡量 AI 導入成效而部署的員工追蹤軟體，直接讓內部情緒指數掉了 19 點，並且加速了工會組織。這提醒我們一件事：AI 轉型的失敗，有時候不是技術問題，而是它被員工正確地理解成「準備汰換我們」之後產生的抗拒。當團隊認定這套系統的目的是取代自己，你不會得到配合，只會得到消極。

我自己的看法是，Meta 的錯誤不在於嘗試，而在於順序。先設定裁員規模、再驗證 AI 能不能撐起來，這個順序讓整件事變成一場沒有退路的賭博。合理的做法應該倒過來：先在小範圍證明產出品質，再談組織調整。

對開發者

事故量增加 40%、處理問題的時間增加 70%，這兩個數字放在一起看非常有意思。它描繪的是一個典型的局部最佳化陷阱——你把「寫程式」這個環節加速了三倍，但整條價值鏈的其他環節（審查、測試、部署、維運）沒有跟著擴容，結果就是壅塞往下游堆積。

對正在導入 Cursor、Claude Code 或 GitHub Copilot 的團隊，這是很實用的警示：如果你的程式碼審查與測試流程沒有同步升級，AI 帶來的產出增加會直接變成技術債與線上事故。真正需要投資的，可能是自動化測試與 AI 程式碼審查工具，而不是再多買幾個代理人授權。

未來發展趨勢

Project OT 被取消，不代表這個方向被放棄。路透社的報導也提到，Meta 只是取消了十一月那一波，並沒有宣布放棄 AI 原生的目標。合理的預期是：這類計畫會從「一次到位的組織重整」轉向「逐個流程驗證後再調整」。

更值得觀察的是揭露本身帶來的效應。過去兩年，企業談 AI 導入時幾乎只公布正面數字——省下多少工時、提升多少效率——負面數據極少見光。Meta 這份內部數據流出後，我預期會有更多企業在董事會層級被要求提出「整體價值鏈」的數字，而不是只看單一環節的產出量。這對整個產業其實是好事。

另一個趨勢是員工監控的反作用力。當 AI 導入伴隨著更細緻的員工行為追蹤，勞資關係的緊張會直接吃掉效率紅利。這在工會傳統深厚的歐美市場尤其明顯，台灣企業雖然環境不同，但員工的觀感一樣會反映在流動率上。

TheAI學院 總結與評語

我看這則新聞的第一反應不是「AI 果然不行」，而是「終於有人把整條鏈的數字攤出來了」。

過去兩年談 AI 導入，最常見的說法是「工程師產出提升 30%」，但幾乎沒有人問下一句：那產品出貨速度提升了多少？Meta 的數據把這個斷層講得非常清楚——生產端 220%，出貨端 36%。中間那 184 個百分點沒有消失，它變成了審查排隊、變成了測試不足、變成了增加 40% 的線上事故。

評語：AI 讓「寫」變快了三倍，但沒讓「對」變快。真正的瓶頸從來不在打字速度。

給台灣讀者的具體建議有三點。第一，如果你是主管，別把 AI 導入的 KPI 設成「產出量」，設成「交付到使用者手上的成果」，兩者的差距就是你的真實瓶頸。第二，如果你是工程師，現在最值錢的能力不是寫得快，而是快速判斷 AI 產出的東西對不對——審查、測試與架構判斷的價值正在上升。第三，如果你的公司正在規畫類似的組織調整，請務必先跑三個月的真實數據再做人力決策，不要像 Meta 一樣先訂好裁員規模再回頭驗證。

想找對應的工具，可以看看站上的 AI 程式開發工具、AI 任務情境 與 提示詞範本。

資料來源

• Meta reportedly abandoned an AI-focused restructuring plan that would have laid off thousands — Engadget（引述路透社獨家報導）
• How Meta's Plan To Replace Workers With AI Agents Fell Apart — Slashdot

本文依公開資訊整理，數據以路透社原始報導與 Meta 官方說法為準。文中涉及企業經營與人力決策的討論僅供參考，不構成投資或管理建議。