1、来自Meta和多邻国的先进表演经验
最近两件事，给正在搞 AI 转型的公司泼了两盆冷水。尤其是那些把“全员上 AI”贴在墙上，挂在 OKR 里，写进老板讲话里的公司。
一件来自 Meta。
媒体披露，Meta 内部曾经流行过一个叫“Claudeonomics”的排行榜。它追踪 8.5 万多名员工的 AI Token 消耗量。谁用得多，谁排得高。
用得猛的人，还能拿到一些很有游戏感的称号。比如 Token Legend。比如 Cache Wizard。听起来像技术极客的荣誉墙。实际更像大厂版“刷榜活动”。
结果，30 天，消耗了60 万亿 Token。榜首员工一个人消耗了 2810 亿 Token。按公开价格粗算，这已经不是员工“积极试用工具”。这是财务总监会突然坐直的数字。
更有意思的是，排行榜一出，员工很快就学会了游戏规则。有人让 AI agent 连跑几个小时。有人故意用高能耗任务冲榜。有人不再关心解决了什么问题，只关心数字够不够大。
这很正常。你考什么，员工就演什么。你晒什么，组织就刷什么。工具没有变。激励一变，AI 立刻从生产力工具，变成了办公室里的电子游戏。
另一件来自多邻国。
2025 年 4 月，多邻国 CEO Luis von Ahn 发了一封内部备忘录。核心意思很简单：公司要 AI-first。如果 AI 能做，就逐步减少外包。团队想招人，先证明这件事不能被 AI 自动化。
这话放在今天，听起来很有未来感。但真正刺耳的地方，不是公司想用 AI。而是它把 AI 从工具，抬成了一种组织信仰。翻译一下就是：人先自证还有用。岗位先自证没过时。团队先自证不该被机器替掉。AI 不再是扳手。它成了门禁。
于是舆论反弹很快来了。用户说，AI first 其实是 people last。员工自然也紧张。后来，多邻国 CEO 在采访里把口径往回收。他说自己没想到反弹这么大。他说 AI 是加速工作的工具，不是为了取代员工。
这当然是一次修辞上的刹车。但问题在于，信任这种东西，不是发一封新 memo 就能立刻修回来的。更微妙的是，多邻国并没有马上变成经营失败案例。TechCrunch 的报道甚至提到，它的财务和增长数据依然强劲。
这恰恰说明问题更复杂。一家公司可以暂时扛住市场波动，但很难长期扛住三件事：员工不再信你。用户觉得你变味。组织开始把焦虑包装成战略。
这两件事放在一起看，暴露的不是某几家公司太激进。而是很多企业做 AI 转型时都会得的一种病：把手段当成果。把活跃度当价值。把焦虑包装成先进。
2、最危险的伪命题，是把 Token 当绩效
管理学里有个老提醒，叫古德哈特定律。一旦指标变成目标，它就不再是一个好指标。Meta 这件事，几乎就是这条定律的现场教学版。你考 Token，员工就刷 Token。你奖励消耗，组织就制造消耗。你把排行榜挂出来，大家就开始研究排行榜。这和当年用代码行数衡量程序员水平，没有本质区别。也和用加班时长证明团队奋斗，没有本质区别。
代码写得多，不代表产品好。灯亮得晚，不代表事情对。Token 烧得多，也不代表价值高。油门踩得很响，不等于车开到了地方。
The Decoder 对这件事有个很准确的比喻：这就像用卡车烧了多少汽油，来评估司机业绩。它只能证明发动机在轰鸣。不能证明货已经送到。
很多公司现在的问题就在这里。它们太需要一个看得见的 AI 转型指标。最好能进周报。能进大屏。能在老板会上截图。
于是 Token、Prompt、调用次数，就成了最方便的东西。因为它们好统计，好汇报，好包装。但也最容易骗人。真正的价值，往往没那么漂亮。
它要看收入有没有增加。成本有没有下降。错误率有没有减少。客户体验有没有变好。流程有没有真的被重写。
这些东西难看。也难讲。但它们才算数。
能进报表的，叫价值。只能进周报截图的，很多时候只是热闹。
3、带着 AI 光环的组织空转
而是组织把“使用 AI”本身变成任务。这句话听起来绕。但很多公司正在这么做。
它们不是问：这个业务问题能不能被 AI 改善？而是问：这个团队为什么还没用 AI？它们不是问：这条流程有没有被重写？而是问：这个月 Prompt 数量有没有上去？
这就像健身房管理者不关心你身体变没变好，只关心你每天有没有刷卡。刷卡当然重要。但刷卡不是健身。Prompt 当然重要。但 Prompt 本身不构成生产力。
麦肯锡关于生成式 AI 的研究说得很直白：很多公司部署了工具，但真正规模化拿到业务价值的并不多。翻译一下就是：装上了，不等于用对了。用起来了，不等于赚到了。
全员开账号，不叫转型。全员会提问，也不叫转型。真正的转型，是工作本身变了。原来三天完成的事，现在一天完成。原来容易出错的环节，现在错误率下降。原来靠人肉传话的流程，现在被系统重新连接。原来客户要等很久，现在等待时间缩短。
这才叫 AI 进了业务，否则，它只是进了汇报。
波士顿咨询也提醒过，评估生成式 AI 影响，不能只看多少人用、用了多少次。要看任务完成时间、错误率、客户体验和流程改造。这话其实很朴素。AI 不是计步器。不能因为今天走了一万步，就默认你到了目的地。
很多公司现在最容易犯的错，是把“动起来”误认为“走对了”。办公室里很热闹。培训很多。午餐会很多，海报很多，分享很多，周报很多。但产出没有变，业务没有变，客户没有变，成本结构没有变。
最后只剩下一种很熟悉的东西：组织性空转。而且是带着 AI 光环的空转。
4、AI放大的，正是你恐惧的
AI 最容易被高估的地方，是它看起来像通用替代品。但在现实里，它更像能力放大器。
这两个东西差别很大。
替代品的逻辑是：有了 AI，人就可以少一点。
放大器的逻辑是：有了 AI，人可以做得更好一点。
Brynjolfsson 等人的研究发现，在客服场景里，生成式 AI 可以把整体生产率提高约 14%。但最受益的，不是最资深的员工。而是经验不足、技能较弱的员工。
这很关键。它说明 AI 最擅长的，不是取代高手。而是拉高新手。它能扩散最佳实践。能补齐基础知识，能减少低级错误，能把组织里的平均线往上抬一点。但它没有那么擅长替代经验。也不太擅长替代判断。更不擅长替代语境感。
尤其是最后那一下“拿捏”。很多管理层低估了这个“拿捏”。他们觉得它太软。不可量化。不好写进 KPI。但对内容平台、社交产品、教育产品、游戏业务来说，这东西往往就是护城河。
什么内容该推。什么语气会冒犯。什么社区氛围正在变味。什么游戏体验只是数值正确但不好玩。什么品牌表达看似高效但没有人味。这些事情，AI 可以参与。但不能一键接管。
用户留下来，很多时候不是因为你更像机器。而是因为你不像机器。这也是多邻国争议真正刺痛人的地方。用户未必反技术。他们反的是一种感觉：这个产品正在把人味当成本。把效率当全部。把原来有温度的部分，外包给一个永远正确但没有灵魂的系统。
这不是技术问题。这是审美问题。也是信任问题。
5、拥抱AI被默认是裁员预告
很多管理层还低估了 AI 转型里的心理账。他们以为员工害怕 AI，是因为员工保守。
这当然有一部分道理。但更重要的是，员工会看组织怎么说话。
如果公司说：AI 是帮你减负的工具，员工会观察。如果公司说：以后凡事先证明 AI 做不了，员工也会观察。前一句，是协作邀请。后一句，是生存测试。
麻省理工 Sloan 商学院的相关研究提到，成功的组织往往不是一味加强管控。
而是给一线团队更多自主空间。让他们自己摸索：哪里该用 AI。哪里不能用 AI。哪里要人审。哪里必须保留判断。同时，还要制造一种“有益摩擦”。提醒员工检查 AI 输出，而不是盲信机器。
这很重要。因为 AI 转型不是把人训练成机器的附庸。而是让人学会和机器重新分工。如果一家公司把 AI-first 解释成“凡事先证明人不如机器”，员工不会把 AI 当伙伴。只会把它当裁员预告。
接下来会发生什么，不是创造力爆发，而是求生欲爆发。表面上积极拥抱，实际上消极配合。嘴上说转型，手上忙刷量。汇报里全是案例。业务里没有结果。
组织最擅长的，从来不是创新。而是在错误激励下，迅速长出一套漂亮的空转流程。
尤其是大公司。越大的公司，越擅长把一个错误指标，做成一整套流程。有培训，有榜单，有标杆，有复盘，还有专项会议，有优秀案例。
最后大家都很忙。只有价值不太忙。
6、 AI 优先正变成 AI 唯一
这对正在做 AI 转型的中国大厂，尤其值得警惕。
因为中国大厂最擅长两件事。一是把战略迅速运动化。二是把运动迅速指标化。
一旦老板说全员 AI，下面很快就会出现：
AI 使用率。
Prompt 数量。
人均调用次数。
AI 周报。
AI 标兵。
AI 大赛。
AI 榜单。
这套东西不是完全没用。它能推动组织动起来，宁可以冒进，也不能保守。但它也很危险。因为一旦指标走在价值前面，组织就会本能地追逐指标。最后不是 AI 改造业务。而是业务配合 AI 表演。
真正该坚持的，是价值导向，不是数量导向。
不要问员工发了多少 Prompt。要问这个岗位的产出有没有变好。
不要问团队调用了多少次模型。要问流程有没有缩短。
不要问 Token 消耗有没有上升。要问成本有没有下降。
不要问全员是否拥抱 AI。要问用户有没有感知到更好的服务。
AI 转型的成果，不该长在排行榜上。应该长在收入、成本、留存、复购和口碑里。
能进入增长飞轮的，才叫成果。只能进入内部宣传的，往往只是姿态。
其次，不能让 AI 优先，变成 AI 唯一。
在客服、运营、代码辅助、知识检索、数据整理这些标准化程度高的场景，AI 当然应该大胆用。不用才奇怪。
但在内容品味、社区氛围、游戏体验、品牌表达这些高度依赖人类判断的地方，不能急着把人清空。人不是流程里的噪音。很多时候，人就是产品里的信号源。
多邻国遭遇的反弹，本质上不是用户反技术。而是用户在提醒公司：我买单的不只是效率。还有你是不是仍然像一个有人味的产品。
最后，要建立健康的组织预期。AI 转型不是服从性测试。也不该变成一场让员工自证“我还没过时”的心理拉练。正确的做法，是把几件事讲清楚：
哪些任务可以交给 AI。
哪些环节必须人审。
哪些岗位会升级。
哪些能力要补课。
哪些质量责任不能甩给机器。
员工不怕学习，员工怕的是，公司把学习包装成淘汰倒计时。只有当员工知道自己不是来给机器陪跑，而是来学习如何和机器分工，组织里的真实学习才会开始发生。说到底，AI 转型不是烧 Token 的比赛。也不是办公室里的新一轮行为艺术。
它更像一次基础设施升级。最后要看的，不是水泥用了多少。不是机器响了多久。不是工地上有多少人戴着安全帽拍照。而是路修通没有。车跑快没有。事故少了没有。收费站是不是真的开始挣钱了。
如果这些问题答不上来，那么“全员拥抱 AI”听起来再先进，也可能只是一场昂贵的自我感动的职场空转。
继续看
热门跟贴