以AI之名，一場浩蕩的職場自我感動正在發生

1、來自Meta和多鄰國的先進表演經驗

最近兩件事，給正在搞 AI 轉型的公司潑了兩盆冷水。尤其是那些把“全員上 AI”貼在墻上，掛在 OKR 里，寫進老板講話里的公司。

一件來自 Meta。

媒體披露，Meta 內部曾經流行過一個叫“Claudeonomics”的排行榜。它追蹤 8.5 萬多名員工的 AI Token 消耗量。誰用得多，誰排得高。

用得猛的人，還能拿到一些很有游戲感的稱號。比如 Token Legend。比如 Cache Wizard。聽起來像技術極客的榮譽墻。實際更像大廠版“刷榜活動”。

結果，30 天，消耗了60 萬億 Token。榜首員工一個人消耗了 2810 億 Token。按公開價格粗算，這已經不是員工“積極試用工具”。這是財務總監會突然坐直的數字。

更有意思的是，排行榜一出，員工很快就學會了游戲規則。有人讓 AI agent 連跑幾個小時。有人故意用高能耗任務沖榜。有人不再關心解決了什么問題，只關心數字夠不夠大。

這很正常。你考什么，員工就演什么。你曬什么，組織就刷什么。工具沒有變。激勵一變，AI 立刻從生產力工具，變成了辦公室里的電子游戲。

另一件來自多鄰國。

2025 年 4 月，多鄰國 CEO Luis von Ahn 發了一封內部備忘錄。核心意思很簡單：公司要 AI-first。如果 AI 能做，就逐步減少外包。團隊想招人，先證明這件事不能被 AI 自動化。

這話放在今天，聽起來很有未來感。但真正刺耳的地方，不是公司想用 AI。而是它把 AI 從工具，抬成了一種組織信仰。翻譯一下就是：人先自證還有用。崗位先自證沒過時。團隊先自證不該被機器替掉。AI 不再是扳手。它成了門禁。

于是輿論反彈很快來了。用戶說，AI first 其實是 people last。員工自然也緊張。后來，多鄰國 CEO 在采訪里把口徑往回收。他說自己沒想到反彈這么大。他說 AI 是加速工作的工具，不是為了取代員工。

這當然是一次修辭上的剎車。但問題在于，信任這種東西，不是發一封新 memo 就能立刻修回來的。更微妙的是，多鄰國并沒有馬上變成經營失敗案例。TechCrunch 的報道甚至提到，它的財務和增長數據依然強勁。

這恰恰說明問題更復雜。一家公司可以暫時扛住市場波動，但很難長期扛住三件事：員工不再信你。用戶覺得你變味。組織開始把焦慮包裝成戰略。

這兩件事放在一起看，暴露的不是某幾家公司太激進。而是很多企業做 AI 轉型時都會得的一種病：把手段當成果。把活躍度當價值。把焦慮包裝成先進。

2、最危險的偽命題，是把 Token 當績效

管理學里有個老提醒，叫古德哈特定律。一旦指標變成目標，它就不再是一個好指標。Meta 這件事，幾乎就是這條定律的現場教學版。你考 Token，員工就刷 Token。你獎勵消耗，組織就制造消耗。你把排行榜掛出來，大家就開始研究排行榜。這和當年用代碼行數衡量程序員水平，沒有本質區別。也和用加班時長證明團隊奮斗，沒有本質區別。

代碼寫得多，不代表產品好。燈亮得晚，不代表事情對。Token 燒得多，也不代表價值高。油門踩得很響，不等于車開到了地方。

The Decoder 對這件事有個很準確的比喻：這就像用卡車燒了多少汽油，來評估司機業績。它只能證明發動機在轟鳴。不能證明貨已經送到。

很多公司現在的問題就在這里。它們太需要一個看得見的 AI 轉型指標。最好能進周報。能進大屏。能在老板會上截圖。

于是 Token、Prompt、調用次數，就成了最方便的東西。因為它們好統計，好匯報，好包裝。但也最容易騙人。真正的價值，往往沒那么漂亮。

它要看收入有沒有增加。成本有沒有下降。錯誤率有沒有減少。客戶體驗有沒有變好。流程有沒有真的被重寫。

這些東西難看。也難講。但它們才算數。

能進報表的，叫價值。只能進周報截圖的，很多時候只是熱鬧。

3、帶著 AI 光環的組織空轉

而是組織把“使用 AI”本身變成任務。這句話聽起來繞。但很多公司正在這么做。

它們不是問：這個業務問題能不能被 AI 改善？而是問：這個團隊為什么還沒用 AI？它們不是問：這條流程有沒有被重寫？而是問：這個月 Prompt 數量有沒有上去？

這就像健身房管理者不關心你身體變沒變好，只關心你每天有沒有刷卡。刷卡當然重要。但刷卡不是健身。Prompt 當然重要。但 Prompt 本身不構成生產力。

麥肯錫關于生成式 AI 的研究說得很直白：很多公司部署了工具，但真正規模化拿到業務價值的并不多。翻譯一下就是：裝上了，不等于用對了。用起來了，不等于賺到了。

全員開賬號，不叫轉型。全員會提問，也不叫轉型。真正的轉型，是工作本身變了。原來三天完成的事，現在一天完成。原來容易出錯的環節，現在錯誤率下降。原來靠人肉傳話的流程，現在被系統重新連接。原來客戶要等很久，現在等待時間縮短。

這才叫 AI 進了業務，否則，它只是進了匯報。

波士頓咨詢也提醒過，評估生成式 AI 影響，不能只看多少人用、用了多少次。要看任務完成時間、錯誤率、客戶體驗和流程改造。這話其實很樸素。AI 不是計步器。不能因為今天走了一萬步，就默認你到了目的地。

很多公司現在最容易犯的錯，是把“動起來”誤認為“走對了”。辦公室里很熱鬧。培訓很多。午餐會很多，海報很多，分享很多，周報很多。但產出沒有變，業務沒有變，客戶沒有變，成本結構沒有變。

最后只剩下一種很熟悉的東西：組織性空轉。而且是帶著 AI 光環的空轉。

4、AI放大的，正是你恐懼的

AI 最容易被高估的地方，是它看起來像通用替代品。但在現實里，它更像能力放大器。

這兩個東西差別很大。

替代品的邏輯是：有了 AI，人就可以少一點。

放大器的邏輯是：有了 AI，人可以做得更好一點。

Brynjolfsson 等人的研究發現，在客服場景里，生成式 AI 可以把整體生產率提高約 14%。但最受益的，不是最資深的員工。而是經驗不足、技能較弱的員工。

這很關鍵。它說明 AI 最擅長的，不是取代高手。而是拉高新手。它能擴散最佳實踐。能補齊基礎知識，能減少低級錯誤，能把組織里的平均線往上抬一點。但它沒有那么擅長替代經驗。也不太擅長替代判斷。更不擅長替代語境感。

尤其是最后那一下“拿捏”。很多管理層低估了這個“拿捏”。他們覺得它太軟。不可量化。不好寫進 KPI。但對內容平臺、社交產品、教育產品、游戲業務來說，這東西往往就是護城河。

什么內容該推。什么語氣會冒犯。什么社區氛圍正在變味。什么游戲體驗只是數值正確但不好玩。什么品牌表達看似高效但沒有人味。這些事情，AI 可以參與。但不能一鍵接管。

用戶留下來，很多時候不是因為你更像機器。而是因為你不像機器。這也是多鄰國爭議真正刺痛人的地方。用戶未必反技術。他們反的是一種感覺：這個產品正在把人味當成本。把效率當全部。把原來有溫度的部分，外包給一個永遠正確但沒有靈魂的系統。

這不是技術問題。這是審美問題。也是信任問題。

5、擁抱AI被默認是裁員預告

很多管理層還低估了 AI 轉型里的心理賬。他們以為員工害怕 AI，是因為員工保守。

這當然有一部分道理。但更重要的是，員工會看組織怎么說話。

如果公司說：AI 是幫你減負的工具，員工會觀察。如果公司說：以后凡事先證明 AI 做不了，員工也會觀察。前一句，是協作邀請。后一句，是生存測試。

麻省理工 Sloan 商學院的相關研究提到，成功的組織往往不是一味加強管控。

而是給一線團隊更多自主空間。讓他們自己摸索：哪里該用 AI。哪里不能用 AI。哪里要人審。哪里必須保留判斷。同時，還要制造一種“有益摩擦”。提醒員工檢查 AI 輸出，而不是盲信機器。

這很重要。因為 AI 轉型不是把人訓練成機器的附庸。而是讓人學會和機器重新分工。如果一家公司把 AI-first 解釋成“凡事先證明人不如機器”，員工不會把 AI 當伙伴。只會把它當裁員預告。

接下來會發生什么，不是創造力爆發，而是求生欲爆發。表面上積極擁抱，實際上消極配合。嘴上說轉型，手上忙刷量。匯報里全是案例。業務里沒有結果。

組織最擅長的，從來不是創新。而是在錯誤激勵下，迅速長出一套漂亮的空轉流程。

尤其是大公司。越大的公司，越擅長把一個錯誤指標，做成一整套流程。有培訓，有榜單，有標桿，有復盤，還有專項會議，有優秀案例。

最后大家都很忙。只有價值不太忙。

6、 AI 優先正變成 AI 唯一

這對正在做 AI 轉型的中國大廠，尤其值得警惕。

因為中國大廠最擅長兩件事。一是把戰略迅速運動化。二是把運動迅速指標化。

一旦老板說全員 AI，下面很快就會出現：

AI 使用率。

Prompt 數量。

人均調用次數。

AI 周報。

AI 標兵。

AI 大賽。

AI 榜單。

這套東西不是完全沒用。它能推動組織動起來，寧可以冒進，也不能保守。但它也很危險。因為一旦指標走在價值前面，組織就會本能地追逐指標。最后不是 AI 改造業務。而是業務配合 AI 表演。

真正該堅持的，是價值導向，不是數量導向。

不要問員工發了多少 Prompt。要問這個崗位的產出有沒有變好。

不要問團隊調用了多少次模型。要問流程有沒有縮短。

不要問 Token 消耗有沒有上升。要問成本有沒有下降。

不要問全員是否擁抱 AI。要問用戶有沒有感知到更好的服務。

AI 轉型的成果，不該長在排行榜上。應該長在收入、成本、留存、復購和口碑里。

能進入增長飛輪的，才叫成果。只能進入內部宣傳的，往往只是姿態。

其次，不能讓 AI 優先，變成 AI 唯一。

在客服、運營、代碼輔助、知識檢索、數據整理這些標準化程度高的場景，AI 當然應該大膽用。不用才奇怪。

但在內容品味、社區氛圍、游戲體驗、品牌表達這些高度依賴人類判斷的地方，不能急著把人清空。人不是流程里的噪音。很多時候，人就是產品里的信號源。

多鄰國遭遇的反彈，本質上不是用戶反技術。而是用戶在提醒公司：我買單的不只是效率。還有你是不是仍然像一個有人味的產品。

最后，要建立健康的組織預期。AI 轉型不是服從性測試。也不該變成一場讓員工自證“我還沒過時”的心理拉練。正確的做法，是把幾件事講清楚：

哪些任務可以交給 AI。

哪些環節必須人審。

哪些崗位會升級。

哪些能力要補課。

哪些質量責任不能甩給機器。

員工不怕學習，員工怕的是，公司把學習包裝成淘汰倒計時。只有當員工知道自己不是來給機器陪跑，而是來學習如何和機器分工，組織里的真實學習才會開始發生。說到底，AI 轉型不是燒 Token 的比賽。也不是辦公室里的新一輪行為藝術。

它更像一次基礎設施升級。最后要看的，不是水泥用了多少。不是機器響了多久。不是工地上有多少人戴著安全帽拍照。而是路修通沒有。車跑快沒有。事故少了沒有。收費站是不是真的開始掙錢了。

如果這些問題答不上來，那么“全員擁抱 AI”聽起來再先進，也可能只是一場昂貴的自我感動的職場空轉。

繼續看