当员工消耗的 token 数开始进绩效

据 Gizmodo 转述《纽约时报》专栏，Meta、OpenAI 等公司的员工，已经开始在内部排行榜上比拼 LLM token 用量。Meta 和 Shopify 还把 AI 使用量纳入绩效参考，重度使用者会被奖励，使用少的人则会承受压力。

报道里提到，一名 OpenAI 工程师累计消耗了 2100 亿 token。OpenAI 总裁 Greg Brockman 也表示，GPT-5.4 上线一周后，日处理量已经达到 5 万亿 token。

这条新闻更值得注意的，不是数字本身有多夸张，而是企业管理正在把“AI 使用量”直接拿来做考核参考。

最容易统计的数字，最容易先进绩效

站在管理层视角，这套做法并不难理解。新工具刚推开时，团队最怕的是没人用、不会用，或者嘴上说在用，实际还是老办法。于是 token、调用次数、活跃天数这类可量化指标，就成了最省事的抓手。

问题在于，这些数字只能证明“工具被打开过”，却不能直接证明结果变好了。一个人高频调用模型，可能是在高效完成工作，也可能是在反复试错、低质量堆量，甚至只是为了让后台数字更好看。

把 AI 使用量写进绩效，短期确实能推动组织快速适应新工具。但一旦它被过度放大，团队行为也会跟着变形：原本该讨论的是问题有没有更快解决、方案有没有更稳、协作成本有没有下降，最后却容易滑成“今天又烧了多少 token”。

这和很多组织管理里的老问题是一样的：最容易被量化的指标，往往最先被当成结果本身。等大家都围着数字转，真实产出反而会被遮住。

如果 AI 已经进入日常工作流，更合理的考核方式，应该是把使用情况放在辅助位置，把结果放在核心位置。比如任务完成效率有没有提升，返工率有没有下降，文档、代码、分析这些具体产出有没有更好，而不是单看谁消耗了更多 token。

对科技公司来说，推动员工用 AI 是现实趋势；但如果连“用了多少”都开始变成奖惩依据，这条路很容易先把指标用歪。