AI 提效的「神话」与「乱象」：token 成 KPI，同事变数字人

作者： 华卫 | 来源： InfoQ | 时间： 2026-05-02

一、AI 福利变 KPI：token 消耗成隐形考核指标

大厂AI福利内卷

公司	AI福利政策
阿里巴巴	全员发放专属 token 额度
腾讯	年度价值约 22 万元的 AI token 套餐
字节跳动	工作场景 AI 工具不限额度，业余体验费报销 50%
飞猪	工作场景 AI 费用报销，最高 1000 元/月

福利变 KPI的魔幻现实

好消息：不用再「氪金」上班了 坏消息：AI 福利正变成评估员工价值的隐形 KPI

国内某大厂 reportedly 将 token 使用量作为转正、晋升、裁人的依据之一。

海外巨头更早推行：

微软：评估绩效必须考量 AI 工具使用情况
Meta、OpenAI：内部 token 使用排行榜实时滚动
Shopify：AI 使用纳入绩效考核，加人前须证明 AI 做不了

二、「万物皆可蒸馏」：从同事到女娲

Skill 化浪潮

「同事.skill」走红后不久，「女娲.skill」登场——B站 UP 主花叔开源项目，将历史/公众人物思维方式蒸馏成 AI 技能模块：

已支持：乔布斯、马斯克等 17 位知名人物
无需编程即可调用

更现实的冲击：数字员工落地

国内游戏传媒公司大胆尝试：

离职人事专员 → 训练成 AI 数字人
当前能力：咨询、邀约、制作 PPT 和表格
员工感叹：「昨天还一起摸鱼的同事，今天变成了 AI 人」

对抗与反制：

有公司要求员工提交工作 Skill 总结
开发者推出「反蒸馏.skill」——将核心知识替换为「正确但毫无信息量」的话术

三、效率悖论：AI 让打工人更忙了？

一线声音

「被 AI 搞的简直乱上加乱」「花大量时间给 AI 纠错」「有了 AI，我反而更忙了」

专家解读

软风（前科技大厂 CTO）：

AI 经常写出问题代码 → 随着模型能力提升，需要大力纠错的场景减少
但传统流程为人的特点设计，若不能针对 AI 重构业务流，天花板不会高

谢劲松（飞猪高级技术专家）：

AI 对私有数据/业务流不熟悉 → 需要纠错，但不影响整体价值
关键是「上下文与知识的可治理性」

四、理想与现实：AI 提效的两种图景

管理层眼中的理想状态

软风实践：

业务分类：信任/情感连接 → 必须人做；标准化工作 → 交给 AI
为标准化工作重设计业务流
结果：人员缩减至原来的 20%，且觉得还能再减

飞猪实践：

交付周期缩短一半
从 idea 到落地周期大幅缩短
跨工种、跨角色并行推进，协同损耗下降
「以前一天只能单线程，现在四五个 Agent 同时开着」

关键瓶颈

软风：「token 可以花钱解决，但组织整体的进化至关重要」

谢劲松：「算力成本是硬约束，token 消耗是规模化全自动化的前提」

五、良性循环的标志

健康 AI 提效的衡量指标：

token 消耗持续增长 — AI 渗透度高
交付更快、质量更稳 — 进入核心业务流程
业务指标有可验证改善 — 不只是降本，而是突破天花板

良性循环的关键：「协同进化」—— 通过调度控制 AI Agent 协同工作，将精力投入「非机械化、高附加值的突破与创新」

六、人的未来：效率之外的深层问题

效率公式的冷酷

效率 = 总产出 ÷ 人员数量

产出不变 + AI 提效 = 人变少
找到新方向 + 业务扩大 = 人增加

更深层的焦虑：机会通道与人才断代

新生态机会：

用户行为变化（搜索→AI 对话）
能力出口优化给 AI，让 AI 直接使用业务
聚合分散在各渠道的 context，为 AI 提供支撑

人才断代隐忧：

底层原理不再需要个人思考
每步推导都可被 AI 替代
「没有人再经历缓慢而笨拙的认知爬坡，也就更难以拿出更高级的创新」

「技术越先进，人的思维越贫瘠；效率越高，未来越荒芜。」

七、核心洞察

维度	表面现象	本质问题
管理	token KPI、排行榜	组织形态未针对 AI 优化
效率	AI 写代码、做 PPT	业务流是否重构才是关键
成本	token 比人便宜	算力约束是硬天花板
未来	人变少还是被取代	如何构建新生态机会

跨越分水岭的关键：

长出懂业务、懂 AI、敢动流程的「新角色」
找到新的「机会通道」
警惕「技术越先进，思维越贫瘠」的隐形断崖

文章来源：InfoQ | 作者：华卫