中经记者索寒雪北京报道

　　“在工业4.0加速推进的当下，制造业生产越来越依赖自动化技术。”北京大学相关课题组在研究中国某装备制造企业时发现，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。

　　这项研究由北京大学团队撰写，并发表于《经济管理学刊》，题为《自动化时代的员工离职冲击》。

　　研究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（每人每月为一条记录）。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》记者采访时表示，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。”马铭泽指出，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。

　　研究发现，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。

　　马铭泽指出，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”。

　　他认为，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。”马铭泽说。

　　具体而言，企业应建立更具弹性的“过波机制”，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。

　　同时，应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，也有助于增强组织在突发变动下的抗扰动能力，提升整体运行韧性。”他补充道。

　　此外，企业还应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，将有助于加速组织生产力恢复并提升适应性。”马铭泽最后表示。