AI时代的"排班幻觉"——上5休1上5休3上3休7，为什么越调越乱

今年这波调休方案一出来就炸了："上5休1上5休3上3休7上3休1"。段子手写到，看完排班表得先做一遍数学题才能知道自己哪天上班。

大家普遍在骂"折腾"。但我琢磨的是另一层：这套排班方案本身是"优化"出来的——它要凑出连续的假期、要拉平各月工时、要满足各种规则约束。它不蠢，它是被算出来的。它的问题恰恰在于，它太"算得漂亮"了。

这跟眼下很多公司在干的事一模一样。AI排班、智能调度、算法优化工时——这些工具最大的诱惑就是"让数字变好看"，可它同时会把组织推向一个"排班幻觉"：产量、工时、覆盖率全都更优了，人的状态却更乱了。

一、本质：可以被算出来的排班，不是排班，是资源装载

先把话说透。排班的本质从来不是"把工位填满"，而是"把一群会累、会烦、需要连续性的活人，安排进一段有节奏的时间"。

这两者天差地别。前者是资源装载，可以纯数学求解——你有一批槽位，一批人，求覆盖最大化。后者是人类节奏，它有一大堆数学不认的约束：人需要连续休息才恢复得回来；人对"哪天休"有预期，预期乱了就焦虑；人记不住"上3休7上3休1"这种反直觉的排布，一旦记不住，就得靠工具天天提醒——这本身就是隐性成本。

AI排班的陷阱就在这儿：它把"人类节奏"这个约束降权甚至忽略了，只优化那些能被量化的指标。结果你得到一个数学上近乎满分、体验上近乎崩溃的排班表。就像那个热搜：工时总量一算没毛病，可人的脑子彻底乱了。

二、三道代价：为什么"更优的排班"往往更伤组织

代价一：用"碎片化的休"冒充"真正的休"

调休的经典套路是把假期切碎再拼接，看起来总天数没少，实际是一堆"上3休1"的碎休息。碎片休息恢复不了精力，人只是从工作里抽身一天，第二天带着没缓过来的疲惫继续上。AI排班同样如此——它能把你的工时分布算得极均匀，却算不出"连续三天完整休息"对一个人的价值。均匀不等于健康。

代价二：把组织节奏打散，协作成本被隐藏了

当每个人的班次被算法优化到"各自最优"，团队反而凑不到一起。你优化了每个人的负荷，却牺牲了那群人"同时在场"的机会。而很多关键的事——临时的判断、非正式的沟通、问题的当面说清——恰恰发生在"同时在场"的时候。这笔协作成本，算法不会替你记在账上。

代价三：可预期的节奏也是一种尊严

人对自己时间的掌控感，是最基础的尊严之一。当你的休息日由算法随机分配、还不提前稳定下来，人会活得很被动。这种被动感会一点点侵蚀员工的主动性——一个连"哪天能喘口气"都说不准的人，很难对工作有主人翁感。你做的是排班优化，员工感受到的是"我的人生被系统切成了碎片"。

三、破法：给算法排班加三道"人的约束"

• 把"连续休息"设成硬约束，而不是可优化的变量。先保底：每周至少保证一段完整的、不被打断的休息。这条不能被任何"覆盖率最大化"的算法突破。宁可产能掉一点，也要让人的节奏完整。
• 排班表要"人记得住"。一个排班方案如果员工必须天天查它才知道今天上不上班，它就已经失败了。好的排班有周期规律、有可预期性，人闭着眼都能排出下个月。可预期，本身就是一种巨大的隐性效率。
• 保留一块"团队同时在场"的锚点时段。哪怕AI认为错峰更高效，也要人为地锁住几段所有人必须重叠的时间，用来做那些只能当面发生的事。效率可以错峰，关系不行。

四、老邓的判断

调休被骂不是因为它不算，恰恰是因为它太会算了。当一张排班表上只剩数字、没有节奏，那它就成了一张把人当零件的清单。

AI时代的排班，真正的考验不是"你能把资源利用到多满"，而是"你能不能在算得漂亮的同时，还给人留一口能喘匀的气"。那张让所有人先做十道数学题的排班表，输的不是公平，是温度。

省下来的效率，别都花在收拾混乱上。