智能体没顶用、员工又反弹，Meta 的 AI 换人计划内爆

路透社周三发表的一项调查披露，Meta 曾秘密计划用 AI 智能体替代某些团队中最多 60% 的岗位 —— 项目代号 Project OT，即「组织转型」（Organization Transformation）—— 但在 5 月 19 日晚间、距离执行仅剩数小时之际放弃了该计划的第二波，原因是智能体未能带来可衡量的生产力提升。这场崩塌根据数十份内部文件和录音还原而成，提供了迄今最详尽的一份记录：当一家大型科技公司试图用 AI 员工取代人类员工、却发现技术还没准备好时，会发生什么。

这项调查出现在扎克伯格发表那篇 6500 字文章、预言 AI 将创造「工作的富足」之后三周。路透社拿到的文件显示，他自己用来证明这一转变的实验，那时早已陷入停滞。

Project OT：在一月务虚会上搭起来的 AI 原生公司

扎克伯格和他的高管团队是在 2026 年 1 月于他夏威夷宅邸举行的年度务虚会上，酝酿出这项计划的。计划建立在一个结构性信念之上：由 10 到 20 名专才组成的常规软件团队，从设计上就是低效的；而更少数量的、能力极强的人 —— 计划中称之为「人才密度高」的小组 —— 可以去监督处理底层工作的 AI 智能体。

落到实处，Project OT 设想把 Meta 重建为由三到五名通才组成的小型「pod」，用一个统一而灵活的称谓「builder」，取代产品设计师和工程师的专门头衔。Pod 负责人向可能管辖 30 到 50 人的资深单元主管汇报，把中间的管理层级压扁。每日优先级不再由经理设定，而是由一份内部文件所称的「智能体辅助分析」决定。四周一个冲刺，取代多年来主导 Meta 工程流程的六个月产品规划周期。

包括首席数据官 Alex Schultz 和产品负责人 Naomi Gleit 在内的高管，曾花时间观察亚洲科技创业公司如何围绕 AI 工具组织自身，随后回来在 Meta 推动这套方法。该计划被定为高优先级，被赋予代号，并被安排了两波实施时间表 —— 2026 年 5 月和 2026 年 11 月。

延伸阅读：新研究给 AI 智能体一个有理有据的公式：何时该主动索取上下文

Meta 确认这些设想确实被探讨过，但强调 60% 这个数字只适用于特定团队，不适用于公司整体员工数。Project OT 把团队层面的裁员，与取消在招岗位、内部再配置和清退低绩效者组合在一起 —— 这是一套四管齐下的做法，目的是在不给出任何一个全公司数字的情况下缩减人数。

智能体干不了这活

到 5 月 20 日裁员启动时 —— 8000 名员工收到通知，另有 6000 个在招岗位被取消、7000 名员工被转入新组建的 AI 单元 —— 表明该计划核心前提正在失败的内部证据，其实早已积累起来。

最刺眼的一个数据点来自 CTO Andrew Bosworth 在 6 月的一篇内部帖子，路透社查阅了该帖：随着员工采用 AI 编程工具，对 Meta 软件平台和基础设施的代码改动同比增长了 220%。而其中真正让新功能或功能升级抵达用户的改动，只增长了 36%。这个落差，是对企业级智能体 AI 核心生产难题的一次直接测量：AI 工具生成的代码多了太多，但测试、评审、与遗留系统集成以及部署 —— 也就是最后一公里 —— 几乎仍然全是人的工作，而这份工作正被激增的代码量压着。

可靠性的图景更糟。路透社查阅的内部帖子早在 3 月就描述过与 AI 编程激增相关的「可靠性预警信号」。4 月的一篇帖子警告，未受管束的智能体正在执行「人类不太可能去做的大规模破坏性操作」。重大技术与安全事故 —— 包括服务中断和可能的数据泄露 —— 比上一年增加了 40%，而员工处理这些事故所花的时间跳增了 70%。AI 的扩张非但没有把工程师解放出来去做更有生产力的事，反而生成了一个全新且不断增长的清理工作品类。

Meta 内部的半年度 Pulse 调查记录下了员工对这一切的看法。正面情绪从 74% 跌至 55%。员工开始在 Meta 内网上发布愤怒的帖子、玩笑和大象的图片 —— 那是把裁员比作「房间里的大象」。还有人把梗图印成传单，贴在 Meta 的美国办公室里，嘲讽公司的 AI 野心。

那个成了引爆点的监控项目

与 Project OT 并行推进的，是后来成为它最显眼负债的那项计划。2026 年 4 月，Meta 悄悄在美国员工的办公笔记本上部署了一款软件，项目名为「模型能力计划」（Model Capability Initiative，简称 MCI）。该软件记录击键、录制鼠标移动、追踪点击位置，并定期截屏 —— 全都发生在公司配发的设备上，且没有退出选项。Meta 在内部把 MCI 描述为一种收集「人们实际如何使用计算机的真实样例」的方式，用来训练能够自主执行办公任务的 AI 智能体。

员工的理解则不同。他们把 MCI 与 Project OT 联系起来，得出的结论是：自己正在被监控，以便生成那些将被用来打造自身替代品的训练数据。超过 1600 名员工签署了一份要求彻底取消该项目的内部请愿。英国的员工开始了正式的工会组建行动。一段据称是扎克伯格为该项目辩护、称其为竞争必需，并承认向员工完整解释它不符合公司「战略利益」的录音，在内部流传开来。

随后的一次安全审查发现，MCI 捕获的数据 —— 包括 AI 提示词、私人对话和员工绩效记录 —— 在数千张内部数据表中可被访问，远超预期的受众范围。Meta 暂停了该项目。CTO Andrew Bosworth 后来告诉员工，审查结论是没有任何员工数据被用于 AI 模型训练。他说，如果 MCI 重启，参与将是自愿的 —— 相较此前不设退出选项的部署，这是一次重大反转。

监管层面的风险敞口在地理上是不对称的。欧洲员工从一开始就被豁免：欧盟《通用数据保护条例》禁止在没有明确同意的情况下监控员工的计算机活动，而于 2026 年 8 月 2 日生效的欧盟《人工智能法案》高风险系统条款，也对与员工交互的 AI 系统规定了具体义务。使用公司配发设备的美国员工则没有对等的联邦保护；加州、康涅狄格州和特拉华州要求书面告知，但不要求提供退出选项。耶鲁大学法学教授 Ifeoma Ajunwa 指出，美国法律对员工监控没有设定联邦层面的限制。7 月在美国加州北区联邦地区法院提起的一项歧视诉讼指控，5 月裁员中所使用的行为遥测评分，无法把处于受保护的医疗假、育儿假或伤残假状态的员工计算在内 —— 这可能是《家庭与医疗休假法》之下针对 AI 辅助裁员筛选的第一次法律检验。

AI 智能体为什么在生产层失败

Meta 的经历，与独立研究记录到的企业级智能体 AI 在规模化时的表现是一致的。要理解原因，得先简要说明这些系统实际是怎么运作的。

一个 AI 智能体运行在持续的「感知—规划—行动—评估」循环中。它接收一个高层目标，把它分解成子任务，选择并调用外部工具 —— API、数据库、代码执行环境 —— 评估结果是否推进了目标，然后再迭代。与处理单个输入、产出单个输出的聊天机器人不同，智能体理应自主管理整个工作流：接收请求、检索数据、起草文档、安排跟进、记录结果，而不需要人类逐步审批。

这套架构在受控条件下运转可靠。而生产环境会引入演示中不会暴露的失败模式。当长任务链撞上 token 上限时，上下文窗口会在持续负载下退化。当多个用户同时命中同一个系统时，工具调用的模式会变得不一致，导致智能体误读 API 响应。最关键的是，错误会沿多步骤任务链累积：一个十步工作流里第二步的误分类，不会在第十步产出一个小错误；它会产出一条断掉的工作流，而且往往需要人工审查才能诊断。Meta 2026 年 4 月的那篇内部帖子描述智能体在执行「人类不太可能去做的大规模破坏性操作」—— 正是生产级智能体系统至今尚未可靠解决的那种错误累积行为。

行业数据证实这个缺口是结构性的，而不是 Meta 独有的。据 Gartner、麦肯锡和标普全球的研究，截至 2026 年第一季度，约 31% 的企业至少有一个 AI 智能体在生产环境运行，其中银行业以 47% 领先，医疗为 18%。麦肯锡 2026 年的一份后续研究发现，在尝试过智能体的企业中，把某个智能体扩展到能带来可衡量价值的不到 10%；而一项被广泛引用的麻省理工研究发现，95% 的企业 AI 试点没有显示出可衡量的财务回报。Gartner 预测，到 2027 年底将有超过 40% 的智能体 AI 项目被放弃，主要原因是投资回报不明、成本攀升和治理不足。

Meta 绕开的那条「前置驻场」路线

整个行业得出的结论 —— 也是扎克伯格 7 月 2 日全员会那一周里 AWS 和微软的公告所明确表达的 —— 是：生产级的 AI 智能体部署，无法仅靠组织重构来实现。它需要密集的人类工程支持，嵌入到智能体本该工作的那些组织内部。

亚马逊云科技于 6 月 30 日宣布成立一个新的前置驻场工程组织，投入 10 亿美元，把数千名工程师直接派驻到客户公司内部去构建并运营智能体系统 —— AWS 称这能把周期「从数月压缩到数天」。次日，7 月 2 日，微软宣布成立 Microsoft Frontier Company：一个投入 25 亿美元、配备约 6000 名工程师的运营单元，明确为把技术人员嵌入企业客户现场、让 AI 智能体在生产环境中真正跑起来而设立。Anthropic 和 OpenAI 也推出了结构类似的项目。

前置驻场模式由 Palantir 首创，该公司发现数据基础设施只有在专家进驻客户组织内部、把它适配到具体工作流时才能产生价值。AI 行业通过同样的机制抵达了同样的结论：那些失败的生产部署，暴露出通用模型能力与「让智能体可靠所需的、依赖具体情境的工程」之间的落差。

Meta 的 Project OT 代表的是另一套理论：仅靠内部重组，就能压缩从模型能力到生产产出的这段路。扎克伯格在 7 月 2 日的内部全员会上承认了结果，他在路透社获得的一段录音中告诉员工，「至少过去四个月里智能体开发的轨迹，并没有像我们预期的那样加速」，而押在新结构上的赌注「还没有开花结果」。

文章与数据之间的落差

2026 年 8 月 10 日，扎克伯格发表了《未来属于每一个人》，一篇 6500 字的文章，论证广泛分布的超级智能 AI 将产生「工作的富足」而不是消灭工作，并把 Meta 的开源模型战略定位为防止 AI 权力集中于少数人之手的一道保障。

这篇文章发表于 7 月 2 日那次全员会承认之后 39 天，距离路透社的调查还有 17 天，而该调查所依据的内部文件，恰恰覆盖了文章所谈论的那段失败期。这种并置 —— 关于 AI 驱动工作富足的公开乐观，写在一份关于 AI 智能体扰乱而非替代人类工作的私下记录之上 —— 如今已成为公开记录的一部分。

Meta 确实推进了 5 月的裁员：8000 名员工，第二季度记入 11.8 亿美元遣散费，截至 6 月 30 日员工数为 75472 人。扎克伯格 6 月 12 日的备忘录承认了「错误」，并承诺 2026 年余下时间不再进行全公司范围的裁员。数千名员工被重新配置而非解雇，而 Project OT 关于「更小的、由 AI 辅助监督的团队」的构想，以修改后的形式延续了下来。

对 Project OT 这套论述的真正检验，并不随路透社的调查到来。它到来于 2026 年第四季度 —— 当扎克伯格在 7 月 2 日全员会上给出的三到六个月窗口期届满，投资者可以直接追问这次重构是否产出了当初据以立论的生产力回报。面对 2026 年最高 1450 亿美元的资本开支，以及全行业生产级 AI 智能体部署卡在同一个结构性瓶颈上的普遍模式，问题不是 Meta 会不会再试一次 —— 而是到那时智能体是否已经进步到足以填平 Project OT 挖开的那道沟。