公司因 AI 而恐慌的 3 种奇怪方式

하이라이트

• 部分公司通过内部排行榜追踪员工消耗的 AI 代币数量，将其作为衡量工作效率的指标。

• 麦肯锡等咨询公司提出 AI 代理劳动力叙事，甚至出现将 6 万名员工规模按 2.5 万名 AI 代理与 4 万名人类分配的案例。

• 过度追求 AI 代币消耗量容易导致员工提交毫无意义的提示词，这与评估代码质量或问题分析能力背道而驰。

• 部分企业强制要求在日常任务中必须使用 AI，旨在强迫员工尝试新技术以应对潜在的工作焦虑与技术落后。

• 最佳的 AI 应用方式是将专业知识与 AI 的快速行动能力、导师式交互功能相结合，而非盲目增加使用量。

타임라인

1. 02:08 - 04:47

   代币最大化误区

   企业将 AI 代币消耗量作为工作评估标准，这类似于仅通过代码行数衡量开发者能力，容易导致员工为了完成指标而发送无效指令。高效的开发者应当能够结合自身专业知识与 AI 提供的快速迭代能力，进行深度思考与分析，而不是仅仅生成大量无意义的输出。

   • 部分公司利用内部排行榜追踪员工消耗的 AI 代币量来衡量产出。
   • 代币消耗量是一个极易被操纵且无法反映工作质量的指标。
   • 相比盲目输出代币，深入分析代码和 AI 建议的逻辑能力更有价值。
2. 04:48 - 08:04

   AI 代理劳动力叙事

   一些咨询公司将 AI 代理纳入人员配比，例如将 2.5 万名 AI 代理计入 6 万名劳动者总数中。这种做法更多是出于营销叙事的目的。现有的自动化技术早已能够处理部署、备份和爬虫等流程，AI 代理在处理复杂、通用型业务逻辑时，其替代人类的能力仍然有限。

   • 麦肯锡等机构宣扬将 AI 代理视为劳动力的一部分。
   • 目前大多数 AI 代理仅能在特定领域执行专业化任务，而非通用的员工替代。
   • 自动化工作流与备份脚本在 AI 出现前已存在多年，AI 代理的使用并不等同于真正的员工。
3. 08:05 - 13:49

   强制使用 AI 与技术焦虑

   企业强制使用 AI 的初衷是希望员工发现其潜在价值并消除畏难情绪。然而，盲目强迫员工使用 AI 处理不适用的任务不仅降低了效率，还可能引发反感。在模型与框架快速演进的周期内，应每隔几个月重新评估 AI 的工具属性，将其作为提升效率的补充手段，而非强制的任务替代品。

   • 部分公司强制要求员工在所有任务中使用特定 AI 模型。
   • 员工对 AI 取代工作岗位的普遍恐惧导致了对新技术的被动抵制。
   • 应对技术变革的正确方式是持续尝试并评估 AI 在不同场景下的边界。