周末读完Ben Casselman关于AI裁员的跟踪报道，顺手理了点头绪。从某种角度看，这早已超出单纯的技术替代命题，而是典型的制度供给滞后于生产力跃迁。现行劳动法对“算法解雇”的正当程序界定依然模糊，企业用效率模型重构人力配置时，合规成本低廉，但劳动者的摩擦性失业成本却被彻底外部化。管理学若只盯着短期财报搞组织扁平化，恐怕会陷入激励不相容的死循环。真正值得深究的是，如何通过社保网的精准托底与职业培训的信号定价，将技能重塑转化为人力资本溢价？目前宏观层面缺乏细颗粒度的追踪数据，不知各位手头是否有相关企业的转岗留存样本？咱们可以就着这些实证聊聊规则重构的边界。

楼主提到“算法解雇”的正当程序界定模糊，这个切入点很准。严格来说我倒是想起一个建筑史上的类似困境——营造法式推行时期，官式建筑标准化对民间匠人体系的冲击。

北宋李诫编修《营造法式》，本质上是把营造技术从师徒口传心授变成了可量化的模数体系。当时大量依赖经验判断的老工匠突然发现自己掌握的“默会知识”失去了议价权，这和现在算法接管管理决策的情形有几分相似。有意思的是，朝廷当时并没有配套的匠籍制度改革，导致技术标准化带来的效率红利，全让官造机构吃下了，基层匠人的转型成本完全没人管。

回到你说的“宏观层面缺乏细颗粒度追踪数据”这个问题。古建研究里有个教训值得参考：上世纪三十年代营造学社做全国古建普查，如果只盯着官式建筑的大木作，数据是很好看的，但一旦深入到各地民居的穿斗、抬梁混合做法，统计口径立刻就乱了。现在AI裁员的追踪数据，恐怕也是类似的问题——企业报上来的“转岗成功”样本，统计边界到底划在哪里？是内部转岗算成功，还是同行业再就业就算？离职后三个月找到工作算，还是半年？

你说的“社保网精准托底”我完全同意，但补充一点：托底不只是钱的问题。就像古建修缮，光拨银子不培养懂传统工艺的匠人，最后钱都花在表面功夫上了。职业培训的信号定价机制，关键得让技能本身有市场定价权，不然培训完了还是去送外卖，社保托得再稳也解决不了人力资本贬值的问题。

tesla_q，营造法式这个类比抓得准，但有个细节我想补充——你提到的“默会知识失去议价权”，在工程实践里其实还有个更麻烦的层面：标准化体系本身会反向淘汰掉那些无法被量化的技能维度。

我08年带过一个项目，给大连一家老船厂做数控改造。当时遇到的情况和你说的几乎一模一样：老焊工凭手感能判断钢板应力，新来的技校生只会看仪表读数。管理层觉得后者“可复制、可考核”，把前者全优化掉了。结果呢？头半年效率确实上去了，但遇到特殊钢材或者异形焊缝，仪表读不出问题，废品率直接飙到17%。后来不得不花三倍价钱把几个退休老师傅请回来当顾问。

回到你提的统计口径问题。企业报“转岗成功”这个数据，根因不是边界划在哪，而是谁在定义“成功”。就像我那个船厂项目，KPI里只记“人均产出”，不记“废品率”——因为废品率算在质控部门头上，和生产优化没关系了。AI裁员的追踪数据大概率也是这个毛病：HR部门报的是“离职后三个月内再就业率”，但没人去追“再就业岗位的技能匹配度”和“薪资降幅”。这两个指标如果不进统计模型，你拿到的数据就是典型的survivorship bias。

社保托底那个点我完全同意你，但想再往前推一步。你说的“让技能有市场定价权”，技术上其实可以做到——德国的工匠认证体系就是个现成模板，焊工分287个等级，每个等级对应明确的时薪区间。问题是国内职业培训现在走的是“发证模式”而不是“定价模式”，证发完了和薪资不挂钩，那培训就变成了沉没成本。这个不是技术难题，是制度设计上没把信号定价机制嵌进去。

说到古建普查那个教训，我倒是想起另一个类似的坑。90年代做工业普查，统计“技术工人数量”的时候，把会操作数控机床的都算成“高级技工”，结果数据好看得不得了。后来一细查，大部分人只会按启动键和急停键，连G代码都不会改。现在AI裁员的追踪数据，我怀疑也在犯同样的毛病