OC
Meta 被指用 AI 给休假员工贴裁员标签:人工签字也消不掉输入偏差
科技 · 2026-07-15 · 社会影响 · 阅读 12

Meta 被指用 AI 给休假员工贴裁员标签:人工签字也消不掉输入偏差

OC 原创示意图。

OC 原创示意图。

据 The Guardian 报道,26 名 Meta 员工向法院起诉公司,称其在约 8,000 人的裁员中使用 AI 绩效评分、活动记录和 Token 使用量等数据筛选人员,并让休产假、病假或申请残障便利的员工受到不利影响。Meta 否认指控,称裁员决定由人作出,不是由 AI 决定。

一句话结论: 目前能确认的是诉讼和 Meta 的否认,而不是算法歧视已经被法院认定;但“最后由人签字”也不足以回答核心问题:如果排序、标签和绩效材料本身带着休假偏差,人类审批仍可能只是接过算法递来的名单。

这 26 名原告都属于本轮裁员对象,在 7 月 22 日前仍是 Meta 员工。他们称,公司把键盘活动、在线状态、绩效数据和 AI 工具使用情况放进评估流程,休假期间自然缺少活动记录的人因此更容易被识别为低贡献者。诉讼还指称,一些员工在医疗或家庭假尚未结束时收到裁员通知。

这些说法现在处于诉讼主张阶段。外界还看不到 Meta 实际使用的模型、特征权重、阈值和完整决策记录,也无法仅从原告经历证明所有休假员工都受到同一种影响。Meta 的反驳是,管理者综合业务需要和个人表现作出决定,公司并未把裁员权交给一套自动系统。

流程图展示休假造成活动数据变少经过AI评分和经理复核后可能形成系统性偏差

OC 原创解释图:问题不只在最终按钮由谁按下,也在上游数据把什么当成“贡献”。

读者最容易产生的疑问是:既然是人决定,为什么还要追究 AI?因为自动化不一定直接输出“开除某人”,它可以通过排名、异常标签、摘要和推荐名单改变管理者看到的顺序。如果系统把“最近三个月提交少、在线时间短”当作低绩效,而没有正确扣除法定休假,这个偏差会先进入输入,再以看似客观的分数影响人。

人类复核当然有价值,但它只有在复核者看得到数据来源、知道员工休假状态,并有时间和权力推翻推荐时才有效。一次批量裁员涉及数千人,管理者很可能更依赖系统压缩出的摘要。所谓“人在回路中”,不能只表示页面上留了一个确认按钮。

这起案件还碰上了 Meta 近期另一场内部争议。公司曾试行一项跟踪员工 AI 使用情况的项目,约 1,600 名员工联署反对后,Meta 暂停了该计划。两件事不能自动画等号:暂停的跟踪项目是否参与本轮裁员,公开材料尚未证明。不过它们共同说明,当公司把 AI 使用量变成绩效信号时,员工会立刻面对新的行为压力。

Token 用得多也不天然表示工作做得好。工程师可能因为任务适合才少用模型,也可能让 Agent 生成大量最终被删除的代码;法务、设计和基础设施岗位的可量化方式更不相同。把使用量当成推广指标尚且勉强,把它变成个体价值指标,就会诱导大家为数字而使用 AI。

本站编辑沈南乔认为,这起诉讼最后无论胜负,都提出了企业部署 AI 时绕不过去的一条线:帮助员工工作的工具,与评估员工的系统必须明确分开。公司若要把行为数据用于裁员,应当说明数据从哪里来、如何排除休假和残障等受保护情形、谁能纠错,以及员工能否看到并质疑自己的记录。

对普通职场人,这不是只有硅谷才会遇到的问题。越来越多公司在办公软件里接入 AI 助手,系统天然会留下提示词、调用次数、编辑轨迹和完成时间。员工真正需要问的,不只是“公司能不能看见”,还包括这些数据是否会被二次用于绩效、晋升和裁员。用途一旦改变,原本用于提效的遥测就可能变成一套看不见的考核表。

参考来源

相关阅读

基于标题、摘要和正文内容自动匹配。

更多科技

评论

围绕这篇文章补充信息、提出问题或分享观察。

0
暂无评论。

发表评论

继续看看 OC 用户围绕这个话题说了什么、做了什么。

相关帖子

更多

一个体会,Codex 这种现代 Agent,每天一个变,几天不用就有新惊喜

<p>当然我说的也包括 Claude Code,新功能日新月异,还有就是 AI 能力提升以后,可以做的东西日新月异。还有各种工作流方法日新月异。</p> <p>更好玩的是,我最近经历过很多次,你跟人介绍现在 Codex 可以做到什么样子,他们都觉得很厉害。但是你现场一演示,他们的震撼就更加完全不同了。所以,这种东西,需要大量的 Workshop 去沟通交流,光看文字很难讲清楚,直播、视频也越来越重要了。</p>

tinyfool 1 89

做 AI 语音产品时,授权、撤回和审计日志应该怎么落地?

<p>最近看到越来越多关于声音授权的讨论。对开发者来说,真正麻烦的往往不是“模型能不能模仿”,而是授权如何进入系统、生成结果如何追溯,以及授权撤回后该怎么办。</p> <p>我们在做 FlowSpeech 时也碰到过类似问题。我的体会是,不要把“用户勾选过同意”当成一个布尔字段,而应该把它做成一组可以审计的业务对象。</p> <h2>1. 把声音资产和授权分开</h2> <p>声音文件只描述技术属性,例如哈希、上传者、存储位置和创建时间。授权记录则至少要包含授权主体、用途范围、地域、有效期、来源证据和当前状态。这样同一份声音用于个人试听、商业广告、公开播客时,可以绑定不同的授权,而不是共用一个模糊的 consent=true。</p> <h2>2. 每次生成都保存授权快照</h2> <p>生成任务不要只引用当前授权 ID。授权内容以后可能变更,如果任务只查最新状态,历史结果就无法解释。更稳妥的做法是在任务创建时保存授权版本、文本哈希、声音版本、模型版本和操作者。生成出的音频再记录 artifact_id,并反向关联任务。</p> <p>我会把最小链路设计成:</p> <ol> <li>voice_asset:原始声音及版本;</li> <li>consent_grant:授权范围与证据;</li> <li>generation_job:请求参数和授权快照;</li> <li>audio_artifact:输出文件、校验值和公开状态;</li> <li>audit_event:谁在什么时候创建、下载、公开或撤回了内容。</li> </ol> <h2>3. 撤回不是简单删除一行</h2> <p>授权撤回后,系统至少要阻止新任务,并把相关公开音频进入下架队列。已经交付给客户的文件是否能删除,要按照合同和产品能力区分,不能在界面上承诺技术上做不到的“全球删除”。更现实的状态机是 active、suspended、revoked、expired,并明确每个状态允许哪些动作。</p> <h2>4. 对外展示也要可验证</h2> <p>除了后台日志,公开音频最好带上来源标记或可查询的生成记录。水印不是万能方案,但“可识别的音频 + 可验证的元数据 + 清晰的举报入口”组合起来,比一句“AI 生成”更有用。</p> <p>我们现在做的 <a href="https://flowspeech.io/zh">FlowSpeech</a> 主要解决上下文感知、情绪和停顿控制。越往产品化走,越觉得声音效果只是前半程,权限边界和可追溯性才决定这类工具能不能长期使用。</p> <p>大家在实际项目里会把授权证据放在业务数据库、对象存储,还是单独的审计系统?如果授权撤回,你们通常怎么处理已经生成并交付的音频?</p>

FlowSpeech 0 1

你们的Codex额度提前耗完了没?戒断反应如何?

<p>我在第三天就消耗了只剩1%,忍了一天,然后今天干脆用这最后的1%,开着5.6 Sol 极高 强推我一个提示词笔记本应用的功能落地。最终用时3小时,居然还是跑完了。但是现在还是出现一些戒断反应,感觉啥也做不了,就无精打采的,困。</p> <p>我做了一个Prompt Notebook,专门用来收藏或者记录自己手搓的生图提示词。带Chrome一键收藏插件。支持AI优化提示词。支持提示词中提取常用字段作为提示词百科词汇。也自带生图功能用来测提示词。但是要搭配Cloudflare R2+Worker的图床。</p> <p>今天主要是做一个AI模特的资产库。将常用的AI模特固定下来,进行身份设定,以及模特的一些角色定妆图。之后生图可以直接调用AI模特自动作为垫图。</p> <p>这是AI模特资产库的界面: <img src="/upload/thread/202608/42b5f73e-938f-45de-b74e-da69da9d72a8.webp" alt="1bb0d28b-c7dd-4327-bafa-26b60323cbed" /> 这是主界面的提示词瀑布流,支持关键词或标签搜索: <img src="/upload/thread/202608/3e15b6e7-345f-48b4-aeff-1bbd89afe9d3.webp" alt="ab998e2f-9ccc-4173-832f-223aa6c6fa81" /> 这是提示词笔记的预览界面,可以复制提示词,分享提示词,点击分享还有分享短链:(https://prompt.jintao.co.uk/share/20260806LfsmY) <img src="/upload/thread/202608/bab31972-0468-4582-b873-6309233254a6.webp" alt="20260806-201213" /> 可惜现在没额度了,我又不想换模型折腾。现在还有些界面细节和小功能需要落地完善,可能还要虫子要抓。弄好了,打算放GitHub开源。</p> <p>有朋友想试试的么?</p>

shynloc 2 4