Ai快讯 近日，北京大学相关课题组在研究中国某装备制造企业时发现，在工业4.0加速推进，制造业生产愈发依赖自动化技术的当下，技术岗位员工的离职会引发“隐性震荡”，甚至导致留任员工次月平均收入减少198元。
这项由北京大学团队撰写、发表于《经济管理学刊》的研究《自动化时代的员工离职冲击》，基于中国一家装备制造企业333名一线技术工人的样本数据，涵盖7087条月度工资记录展开。研究结果显示，技术经验丰富的员工离职，不仅会造成即时的协作断裂，还会在高度自动化的岗位上引发长达数月的“认知连锁反应”。
论文作者、北京大学博士生马铭泽在接受《中国经营报》记者采访时指出，高自动化岗位对“隐性知识”的依赖是关键所在。这类岗位涉及设备调试的“手感”、异常处理的“经验库”以及复杂系统的“认知地图”，这些非标准化知识难以通过培训快速复制。当技术岗位员工离职后，留下的员工需重新构建信息加工路径，承担更大的认知负荷。相比之下，低自动化岗位因操作弹性更大、社会支持网络更密集，恢复能力明显更强。
研究表明，同事离职后，留任员工的生产力呈现“V型”波动轨迹。以计件工资为指标，离职次月留任员工收入平均下降4.4%，相当于直接损失198元（按样本平均工资4500元/月估算）。生产力恢复周期长达2.5个月，每月仅回升受波及前水平的1.7%，需到第三个月才能完全弥补损失。这种“短期阵痛+长期滞缓”的特征，在自动化程度较高的岗位上尤为突出。高自动化岗位员工在遭受离职冲击后，其生产力恢复曲线明显平缓，甚至出现多月停滞，形成典型的“自动化双刃剑效应”。
马铭泽认为，这一研究结果对企业人力资源管理提出了新的警示。企业在面对人员流动时，不能仅停留在“岗位替补”层面，而应从信息加工系统角度出发，优化离职后的任务重组机制和认知支撑结构。具体而言，企业应建立更具弹性的“过渡机制”，如多角色覆盖、交叉任务熟悉与动态反馈通道，以提升系统对关键节点变动的吸收能力；强化对留任员工的过渡培训和心理支持，降低其信息再加工成本，提升认知适应效率与恢复节奏；构建具备技能冗余与跨职能协作能力的团队，增强组织在突发变动下的抗扰动能力，提升整体运行韧性；打造有助于信息共享、反馈顺畅与学习循环的工作环境，在人员变动、任务升级等动态情境中，保持员工的认知稳定性与信息响应能力，加速组织生产力恢复并提升适应性。
（AI撰文，仅供参考）
重要提示：本文仅代表作者个人观点，并不代表乐居财经立场。 本文著作权，归乐居财经所有。未经允许，任何单位或个人不得在任何公开传播平台上使用本文内容；经允许进行转载或引用时，请注明来源。联系请发邮件至ljcj@leju.com，或点击【联系客服】
