在当前的企业数字化转型浪潮中，人工智能无疑是最耀眼的明星。然而，当“全员AI”从一种技术愿景演变为一种行政命令时，我们往往容易忽视其中潜藏的深层危机。近期，Meta与多邻国发生的两起标志性事件，如同两记响亮的耳光，打在了那些急于求成、盲目跟风的企业脸上。这些案例并非孤例，而是整个行业在AI转型深水区内遭遇的典型病理切片。它们揭示了一个残酷的真相：当手段被错当作成果，当活跃度被等同于价值，一场声势浩大的职场自我感动便已悄然上演。
以Meta为例，其内部曾流行过一种名为“Claudeonomics”的排行榜。这套机制追踪并排名8.5万多名员工的AI Token消耗量。在这个看似充满极客精神的荣誉体系中，消耗Token最多的人可以获得“Token Legend”或“Cache Wizard”等称号。然而，这种激励机制迅速异化。短短30天内，全公司消耗了惊人的60万亿Token，榜首员工个人竟消耗了2810亿Token。这种数据背后，早已不再是员工积极试用新工具的热忱，而是一场精密的“刷榜”游戏。员工们心领神会地掌握了游戏规则：让AI Agent连续运行数小时，故意选择高能耗任务，只为让数字显得足够庞大。工具本身没有变，变的是激励导向。当KPI设定为消耗量时，员工的行为逻辑自然从“解决问题”转向“制造消耗”。
与此同时，多邻国的遭遇则从另一个维度展示了过度神化AI带来的副作用。2025年4月，其CEO Luis von Ahn发布了一封备受争议的内部备忘录，核心基调是“AI-first”。他明确要求团队先自证AI无法完成，才能申请招聘；如果AI能做，则逐步削减外包甚至内部岗位。这种将AI从工具提升为“组织信仰”的做法，瞬间引发了巨大的舆论反弹。用户批评这是"AI first, people last"，员工则感到深深的生存焦虑。尽管CEO事后试图通过采访澄清，强调AI是加速工具而非替代者，但信任一旦受损，修复绝非易事。多邻国虽然财务数据依然强劲，但这恰恰掩盖了更深层的危机：组织开始将焦虑包装成战略，用激进的技术口号来掩盖对人性价值的漠视。
这两起事件的共同点在于，企业患上了同一种病：将手段当成果。在管理学的视角下，这完美印证了“古德哈特定律”：一旦某个指标成为目标，它就不再是一个好的指标。Meta的Token排行榜与过去用代码行数衡量程序员、用加班时长证明奋斗，在逻辑本质上毫无二致。代码写得再多，不代表产品体验好；灯亮得再晚，不代表方向正确；Token烧得再猛，更不代表业务价值高。The Decoder对此有一个精辟的比喻：用卡车烧了多少汽油来评估司机业绩，这只能证明发动机在轰鸣，却无法证明货物已送达目的地。
许多企业在推进AI转型时，迫切需要一个可视化的指标来应对管理层汇报。Token数量、Prompt调用次数、活跃度等数据，因其易于统计、便于展示，迅速成为了首选。然而，真正的价值往往是“难看”的：收入是否因效率提升而增长？成本结构是否因自动化而优化？错误率是否显著下降？客户体验是否因为AI的介入而变得更人性化？这些指标难以量化进周报的大屏，却才是决定企业生死的关键。能进报表的才叫价值，只能进周报截图的，往往只是热闹的假象。
这种误区导致组织陷入了“带着AI光环的空转”。企业不再追问“这个业务问题能否被AI改善”，而是质问“这个团队为什么还没用AI”；不再关注流程是否被重构，只关心本月的Prompt数量是否达标。这就像健身房管理者不关心会员的体脂率是否下降，只关心打卡机的次数。麦肯锡的研究早已指出，许多公司部署了AI工具，但真正规模化拿到业务价值的并不多。波士顿咨询也强调，评估生成式AI影响，不能只看使用人数和次数，必须关注任务完成时间、错误率及流程改造等实质性指标。办公室里培训频繁、分享热烈、海报满墙，但若业务产出、成本结构、客户反馈毫无变化，那便是一场组织性的空转。
更深层次的问题在于，AI在组织中的角色被误读。许多人将AI视为通用替代品，认为有了AI，人就可以少一点。但现实数据表明，AI更像是一种“能力放大器”。斯坦福大学的研究显示，在客服场景中，生成式AI能将整体生产率提高约14%，但受益最大的并非资深专家，反而是经验不足、技能较弱的员工。AI擅长拉高平均线，能补齐基础知识，减少低级错误，但它并不擅长替代经验、判断力和语境感。对于内容平台、社交产品、教育产品而言，那种微妙的“拿捏”能力，如判断内容是否冒犯、社区氛围是否变质、品牌表达是否有人味，往往是核心护城河，AI难以一键接管。
用户反感的往往不是技术本身，而是那种“把效率当全部，把人味当成本”的冷漠感。当企业把“凡事先证明AI做不了”作为招聘前提时，员工感受到的不是协作邀请，而是生存测试。麻省理工Sloan商学院的研究表明，成功的组织转型不是加强管控，而是赋予一线团队自主空间，让他们探索何处该用AI，何处必须保留人工判断，并建立“有益摩擦”机制，提醒员工检查AI输出而非盲信机器。如果转型被解读为“人不如机器”的倒计时，员工爆发出的将不是创造力，而是求生欲：表面上积极拥抱，实际上消极配合，汇报里全是案例，业务里却无一结果。
对于正在探索AI转型的中国大厂而言，这一现象尤为值得警惕。中国企业擅长将战略迅速运动化，再将运动迅速指标化。一旦老板号召全员AI，基层便会迅速衍生出AI使用率、人均调用量、AI周报、AI标兵、AI大赛等一系列指标。这套机制虽能推动组织动起来，却极易导致业务配合AI表演，而非AI改造业务。真正的价值导向，不应是问发了多少Prompt，而应问岗位产出是否变好；不应问调用多少次模型，而应问流程是否缩短；不应问Token消耗是否上升，而应问成本是否下降。
AI转型的最终成果，不应挂在排行榜上，而应长在收入、成本、留存、复购和口碑里。只有能进入企业增长飞轮的部分，才叫真正的成果。同时，必须警惕"AI优先”异化为"AI唯一”。在客服、代码辅助、数据整理等标准化场景，AI应大胆使用；但在内容品味、社区氛围、游戏设计等依赖人类判断的领域，人不能缺席。人不是流程里的噪音，往往是产品里的信号源。用户买单的不仅是效率，还有产品的人情味与温度。
建立健康的组织预期至关重要。AI转型不应是一场服从性测试，也不应是让员工自证“我还没过时”的心理拉练。企业需要清晰地告知员工：哪些任务可交付AI，哪些环节必须人审，哪些岗位将升级，哪些能力需补课，哪些质量责任不可甩锅。只有当员工意识到自己不是来给机器陪跑，而是来学习如何与机器高效分工时，组织内的真实学习才会发生。说到底，AI转型不是烧Token的比赛，不是办公室里的行为艺术，而是一次基础设施的升级。最终要看的是：路修通没有？车跑快没有？事故少了没有？收费站是否真的开始盈利？如果这些问题的答案无法给出，那么“全员拥抱AI”无论听起来多么先进，终究只是一场昂贵的自我感动与职场空转。
