Uber 近日裁減全球客戶服務相關部門約 10% 職位，首次公開將人力調整與「擁抱 AI」直接掛鈎。這次措施不只是控制成本，也反映平台企業正把人工智能由後台效率工具，推進至客戶服務流程、組織設計及人才配置的核心環節。
Uber 於 7 月 22 日宣布，受影響員工來自負責客戶支援的全球社群營運（Community Operations）團隊。公司同時要求部分原可遙距工作的員工搬遷至指定樞紐辦公室，以配合重返辦公室政策。Uber 表示，調整旨在簡化營運、加強實體協作及持續推動 AI 應用，是次裁員約佔客戶服務營運職位 10%。
事件關鍵在於，Uber 不再只以「重組」或「提升效率」形容裁員，而是明確承認 AI 策略已開始影響人力結構。
AI 效率開始重塑客戶服務成本結構
客戶服務一向是平台企業最依賴人力、亦最難完全標準化的環節。用戶遇到行程爭議、退款、帳戶安全或外賣問題時，通常需要即時回應。不過，重複性高的查詢、個案分類、資料核實及初步處理，正是生成式 AI 與自動化代理工具最容易介入的工作。
Uber 把裁員集中在客戶服務營運團隊，反映公司目標不只是以聊天機械人取代人手，而是將 AI 嵌入整個問題分流及決策流程。
Uber 全球社群營運副總裁 Megha Yethatika 在內部備忘錄指出，現有組織架構已變得複雜且分散。雖然團隊在引入 AI 方面已有進展，但若要真正釋放技術潛力，不能在零散流程上直接擴大部署前沿技術。
這項說法反映企業採用 AI 的現實：技術未必是最大障礙，部門權責重疊、資料割裂及流程不一致，才可能令自動化投資未能帶來預期回報。
對香港共享出行、外賣、電子商務及金融服務企業而言，Uber 案例帶來的警示是，AI 客戶服務轉型不應只聚焦減少前線人手。企業若未先整合知識庫、建立轉介規則及設定人工覆核門檻，AI 即使能迅速回覆，也可能增加錯誤退款、投訴升級及品牌信任風險。
換言之，AI 可降低部分處理成本，但客戶服務質素仍取決於資料管治，以及人員處理例外個案時的判斷。
管理層把焦點放在流程而非模型
Uber 是次重組伴隨重返辦公室要求，顯示公司將 AI 部署與內部協作納入同一管理議程。企業若希望 AI 代理處理更多客戶互動，產品、營運、風險、法務及客戶服務團隊便要更快修正規則、監測錯誤及更新回應內容。
Uber 認為，集中辦公有助減少部門各自為政，提升跨團隊協作效率。
這也是 Uber 近月第 2 輪以簡化組織為目標的人事調整。公司今年 6 月在人力資源及招聘相關的 People 部門裁減 23% 人手，當時明確表示裁員並非由 AI 驅動，受影響職位不足全球約 34,000 名員工的 1%。
相比之下，7 月客戶服務團隊裁員首次把提升 AI 效率列為公開理由，反映管理層的措辭及策略均有轉變。
Uber 行政總裁 Dara Khosrowshahi 在今年首季業績電話會議表示，約 10% 程式碼修改已由自主代理工具產生，公司亦正透過放慢招聘速度，為 AI 投資提供資金。技術總監 Praveen Neppalli Naga 則透露，公司用於 Claude Code 的 2026 年預算已經用盡。
由工程部門到客戶服務營運，Uber 釋出明確訊號：AI 已不再是單一實驗項目，而是涉及招聘、預算及工作設計的企業級投資。
香港平台業者須防止服務落差
AI 導入會帶來客戶服務裁員，原因在於大量標準化個案可先由系統識別用戶意圖、查詢紀錄及提出處理方案，讓每名客戶服務人員可集中處理更複雜事件。
不過，AI 客戶服務裁員不只代表職位減少，也意味職位能力正在轉變。企業仍需要人員處理詐騙、歧視、安全事故、監管投訴及高風險客戶投訴，但這些崗位將更重視判斷力、資料理解能力及跨部門協調。
對以香港為基地或服務香港客戶的平台而言，粵語、繁體中文及英文並用的語境，加上消費者對退款時效及人工支援的期望，都增加全面自動化的難度。
企業若只把 AI 視為削減成本的工具，容易在高峰時段或爭議個案中出現服務斷層。若把 AI 定位為前端分流、後端輔助及質素監測工具，則較有機會同時提高回覆速度及準確度。
Uber 的調整將成為一項重要測試：AI 能否把客戶服務效率轉化為更佳體驗，而非只減少人手。
未來 1 年，更多企業或會把 AI 成效與凍結招聘、內部調職及外判策略連動。市場更值得持續觀察的是，Uber 縮減客戶服務團隊後，能否維持投訴處理質素、回應速度及用戶信任。這些指標才是 AI 重組能否創造長期價值的關鍵。
來源：Bloomberg
