老邓游戏化 | 2026年5月15日
AI排班的初衷是公平高效，但员工一旦摸清算法，排班就变成了新一轮博弈。算法优化的不是排班，是人情世故。
朋友阿伟，在连锁餐饮做店长。
去年他们公司上了AI排班系统，说是能根据客流预测、员工偏好、技能匹配自动生成最优排班。
"效果怎么样？"我问。
"刚开始挺好的。"阿伟说，"公平了，效率也上去了。但三个月后，我发现排班表开始变得奇怪。"
"怎么奇怪？"
"有些人永远排在好的时段，有些人永远排在差的时段。"他说，"我问系统，系统说是根据算法公平分配。但结果就是不公平。"
我问："为什么？"
"后来我才知道，"阿伟叹气，"有些员工把算法研究透了。他们知道怎么填偏好、怎么请人调班、怎么让系统以为他们是最优选择。"
AI排班的初衷是公平，结果是制造了新一轮不公平——不公平在于谁更懂算法。
01 员工怎么"玩"排班算法
阿伟给我讲了个例子。
他们系统有个参数叫"技能匹配度"——系统会优先把技能高的员工排到对应岗位。有个服务员小李，平时干活一般，但她在系统里把自己的技能全部设成"精通"。
"系统不会去验证吗？"我问。
"不会。"阿伟说，"系统只看数据，不看真假。小李就这么成了'技能最强'的员工，排班优先级最高。"
更离谱的是调班机制。
系统允许员工互相调班，但需要双方同意。有些员工结成了"调班联盟"——互相帮对方调班，保证大家都能拿到想要的时段。
AI看到的只是数据，但数据背后是人玩的规则。
02 为什么传统排班没有这个问题
阿伟说，以前人工排班的时候，不公平是明面上的。
店长喜欢谁就给谁排好班，不喜欢谁就给谁排差班。虽然不公平，但至少大家心里有数——知道不公平在哪、为什么不公平。
但AI排班不一样。
AI排班的不公平是隐形的——你不知道算法怎么算，也不知道为什么别人比你排得好。系统说这是"公平"的，结果却明显不公平。
最可怕的不是不公平，而是以公平之名行不公平之实。
阿伟后来做了件事：他恢复了部分人工干预权。
"我每个月会看一次排班数据，发现异常就手动调整。"他说，"比如小李，她的技能评级被我调回去了。"
我问："员工不闹？"
"闹了。"阿伟说，"但我告诉他们，AI是工具，人做决定。你想排好班，不是研究算法，而是把活干好。"
03 算法透明化是解药吗
有些公司选择把算法逻辑完全公开——让所有员工都知道系统怎么排班。
这有用吗？
阿伟试过。结果是有用的员工开始针对性地优化自己的数据——技能评级、偏好设置、请假时机。算法越透明，被玩的概率越高。
透明化的前提是数据真实。如果数据可以被玩家操纵，透明就是帮玩家更好地玩系统。
阿伟后来找到了一个平衡点：
算法逻辑透明，但数据权重不透明。
员工知道系统怎么排班，但不知道每个参数的权重是多少。这样，员工知道方向（干好活能排好班），但不知道怎么"钻空子"。
04 结语
2026年，AI排班已经是标配。
但它带来的不只是效率，还有新的博弈——员工与算法之间的博弈。
算法是死的，人是活的。人会研究算法、利用算法、甚至操纵算法。
管理者的责任，不是把排班完全交给AI，而是监督AI、校准AI、在AI被玩的时候人工干预。
阿伟最后说了一句话："AI排班不是为了消灭店长，而是让店长有更多时间做人的事——比如识人、激励人、培养人。"
AI干脏活累活，人干人的活。
1. AI排班的不公平，是隐形的不公平——以公平之名行不公平之实。
2. 算法透明的前提是数据真实，否则透明就是帮玩家更好地玩系统。
3. 管理者的责任是监督AI、校准AI、在AI被玩的时候人工干预。