停止为每一个AI趋势雇佣大批全职员工，使用专业化的"附加"团队来构建你的技术，然后在项目完成资产资本化、计入资产负债表后，相应弹性团队完成缩偏。
图源： Austin Distel
如果你想看清企业组织规划的近期未来，不要看英伟达的股价，看看Chegg的遣散费方案。
2025年末，这家教育巨头削减了45%的员工，员工总数从两年前的近2000人锐减至不足500人。原因何在？他们一直在"出租智能解决方案"来提供作业答案。当AI让这种智能变得免费时，他们的固定成本商业模式瞬间崩塌。他们建立了一个庞大的永久员工队伍来交付一种突然成本归零的商品。
Chegg是极端案例，但对每一位首席信息官而言，它就像是煤矿中的金丝雀（比喻提前预警潜在风险的信号）。
走进当今大多数财富500强企业的董事会，你会发现高管们误判了形势。他们痴迷于"硬件后遗症"（指的是由于过度依赖特定硬件而带来的问题）的概念——仅2025一年就在GPU和数据中心上豪掷4000亿美元的惊人数字。他们认为"资本支出"就是购买服务器，但真正的战斗并不是在硅片上，而是在软件自主权上。
大多数公司目前正深陷租赁陷阱。你为SaaS工具支付月度订阅费，为API调用按token付费，还要雇佣全职员工将它们拼凑在一起。一旦停止付费，相应的智能服务即刻终止，而你一无所有。
到2026年，聪明的首席信息官们正在转变这一模式，从租赁能力（运营支出）转向拥有知识产权（资本支出）。他们不是通过雇佣500名新的数据科学家来实现这一目标，而是借助模块化、弹性化的劳动力队伍来构建资产，然后功成身退。
一、我们能从Intuit的技能置换之痛中学到什么？
2023-2024年AI招聘热潮的根本问题在于它将AI技能视为静态不变的。在AI时代，技能贬值速度比硬件更快。
我们在Intuit见证了这一幕。2024年中期，他们裁员1800人（约占员工总数的10%），同时宣布计划招聘1800个新岗位以支持AI转型。尽管数字对称，但这并非简单置换，而是一次痛苦的结构性重置。他们必须剥离传统岗位，为能够利用AI的"面向客户"和产品岗位腾出空间。雪上加霜的是，Intuit的股价如今正在自由落体，因为AI正在"吞噬"他们的软件。
那么主要教训是什么？如果你将战略锁定在全职员工数量上，唯一的转型方式就是通过创伤：裁员、遣散费和文化毁灭。
二、既然可以随时附加，何必大动干戈地解雇再招聘？
我在科技行业担任人才招聘负责人期间通过惨痛教训认识到，增加员工数量并不能解决所有人员配置问题。与单一化的全职员工团队相比，拥有核心团队并在招聘高峰期辅以合同制支持始终更符合我们的预算。如今这一原则适用于所有团队，但对软件工程和AI/ML部门尤为关键。
将其视为零工经济2.0模式，在这种模式下，我们将承包商定义为"资本支出催化剂"，而非临时劳动力。
简单解释如下：
旧模式：你永久支付薪资来维护一个系统。
新模式：你支付一个专业化小组在90天内构建专有系统。当他们完成时，人力成本归零，但资产仍留存于你的资产负债表。
三、会计现实：为何不确定性要求模块化
多年来，首席信息官们希望会计准则能让AI实验的资本化变得更容易。2026年的现实恰恰相反，这使得模块化模式更为关键。
2025年末，FASB（财务会计准则委员会）发布了ASU 2025-06。虽然简化了软件会计的某些方面，但它引入了"重大开发不确定性"门槛。简而言之：如果你的项目是"新颖的"或"未经证实的"（几乎所有创新型AI都是如此），你可能需要在不确定性解决之前将成本费用化，不能资本化。
对于想要招聘的首席信息官而言，这是一个危险陷阱。
如果你雇佣50名全职工程师来构建一个新颖的AI自主智能体，而FASB认定该项目存在不确定性，你只能被迫将其全部薪酬视为费用（运营支出）。你正在用固定成本为实验加载损益表，如果项目失败，你的EBITDA（未计利息、税项、折旧及摊销前的利润）将遭受重创并且你将被困在人员配备上，董事会不会喜欢这样。
新模式规避了这一陷阱。通过使用专项工作组应对不确定性阶段，将创新阶段视为沙盒：
情景A（失败）：新的AI未能奏效。你解散小组，费用即刻停止，无需裁员。
情景B（成功）：小组证明了概念。不确定性消除，现在你可以将其内部化或资本化剩余构建，因为已知该资产是可行的。
四、理解弹性人才容量配比
要执行这一策略，你需要全新的人员架构。我称之为弹性人才容量配比，采用70：30的配比：
70%核心团队：这些是全职员工。他们是产品负责人、数据治理者、战略制定者；他们确保AI与公司价值观一致；他们的工作不是编写每一行代码，而是设定战略方向并管理现有基础设施。
30%附加团队：这些是高性能小组，他们带着特定使命来构建特定资产。
这种结构让你免受市场波动冲击。经济下行时，你缩减30%而不触及核心；经济繁荣（或新模型发布）时，你无需等待人力资源部门耗时六个月招聘即可扩充。
关键的是，这也解决了AI人才的"保质期"问题。我们行业的创新周期已压缩至约六个月，今天，你可能需要一个专注于超低延迟语音AI的小组来彻底改造客户服务；下季度，优先事项可能转向物流车队的预测性维护或某个尚未发布的全新推理模型。
如果你试图为每一波新浪潮雇佣全职员工，最终只会拥有一支为上一场战争而建的团队。模块化方法允许你换入特定细分领域最前沿的专家。你无需永久拥有这项技能，只需租赁足够的专家知识来构建能力并将其资本化，然后转向下一个突破。
五、准备好灵活应变，2027年只会进一步加速
2026年的赢家不会是薪资支出最大或裁员最多的公司，他们将是那些能够为特定问题集结最佳人才、解决问题并实现规模化的公司。
会计准则、市场波动和技术节奏都指向同一结论：敏捷性是唯一会增值的资产。
停止向科技巨头租赁你的未来，停止用永久性风险为临时问题加载资产负债表，开始采用零工经济2.0方法来构建资产经济。
睿观：
企业渴望拥有专属AI知识产权，而非深陷无休止的SaaS“租赁陷阱”。痛点在于：AI技能迭代极快（周期仅约6个月），盲目为新趋势招聘全职员工，会导致固定成本激增。这不仅面临严格会计准则下的研发费用化风险（严重拖累企业利润），且一旦技能贬值，还将引发如Chegg、Intuit般惨痛的大规模裁员与架构动荡。
现在可以推行“70:30弹性人才配比”的模块化用工模式（零工经济2.0）：
70%核心团队（全职）：把控产品战略、数据治理与底层基础设施。
30%附加团队（外包专班）：针对特定AI任务组建高绩效专家小组，在90天内快速构建专有系统，资产交付后即刻解散。
企业要实现从运营支出（OpEx）向资本支出（CapEx）的跨越。通过外包专班构建“试错沙盒”，失败能即刻止损；成功则将成果转化为资产负债表上的永久资产。赋予组织极致的敏捷性，免受市场波动与技术快速折旧的冲击。
CIO要停止为临时性的AI技术浪潮背负永久性的人力包袱。立即落地模块化专班模式，用外部弹性专家攻克技术不确定性阶段，让内部全职团队专注战略牵引与业务增长。
核心洞察
大前提：任何高速贬值、充满开发不确定性的生产要素，都应通过弹性、轻资产的模式获取，以规避长期的沉没成本陷阱。
小前提：当前AI应用技能的更新与折旧速度远超硬件，且新项目的成功率与回报具有极高的不确定性。
结论：因此，企业必须摒弃传统的“全职堆人”模式，转而利用“模块化弹性专班”来执行AI开发，从而在最小化财务风险的同时，将短期的技术突击沉淀为企业永久的数字资产。
