共计 1146 个字符，预计需要花费 3 分钟才能阅读完成。
打工人, 开始“表演”AI 提效
2026 年只剩两个多月, 不少大厂员工回头复盘这一年 , 发现最耗神的不是把活干完, 而是让老板相信自己在用 AI。当“用没用”比“有没有用”更容易被考核, 表演就成了默认选项。
📌 考核口径两次切换: 从烧 Token 到算回报
- 重点: 不会用 AI 不要紧, 别让老板觉得你不会。
- 重点: 当前公开信息主要集中在产品、策略或节奏变化上。
- 重点: 后续仍需关注官方更新、落地范围以及实际反馈。
年初, 黄仁勋一句关于工程师 Token 消耗的表态被反复引用, 烧 Token 成了“工作到位”的证明 , 用得少就像没努力。6 月风向变了, 企业开始算账, 考核重点从用量转向回报率。门槛并未因此降低: 员工既要证明自己在用, 还要证明每个 Token 都产生了价值。
从已披露信息看, 这一变化更值得关注的, 不只是表面动作本身, 还包括其对后续行业节奏、用户预期和市场竞争的连锁影响。
🔍 周报里的“AI 含量”
杭州一家电商公司的产品运营李昭, 3 月接到“AI 深度应用”的 OKR, 双月会上领导挨个问上周用 AI 解决了什么, 答不上来会被主管私聊。当时组里有排行榜, 有人睡前让 AI 写全年规划, 跑完根本不看。6 月改看产出, 她开始凑案例: 把“让 AI 把老板半小时会议录音转成文字”写成“搭建语音信息结构化流程”, 这条后来还被评上优秀案例。
💡 Demo 跑不通, 姿态先立住
北京一位 27 岁的产品经理李默, 被要求学着用 AI 写代码 。他做的小 Demo 其实无法落地, 研发同事拿到手仍要重改一遍, 但领导相当满意, 交差反而更容易了。6 月换汇报线后考核细化, 他又把需求反馈、市场调研、产品框架都写成 Skill, 交付基本由 AI 直出。他的判断是, 写代码、写文档确实省时间, 硬套到别处只是添乱。
📊 70% 使用率与一堆没人用的 Skill
深圳活动策划小楠所在的公司, 把 AI 使用率写进绩效 , 不到 70% 要扣 20%。内部办起 AI 比赛, 比谁覆盖场景多、搭的工作流多。有价值的场景很快做完, 大家转向拼数量: 挑不重要的工作做成 Skill, 再取个唬人的名字。老板看到工具越来越多, 其实很多做出来没人用。
🚀 对着 AI 演戏: 字正腔圆, 微笑要听得见
山西一家软件公司的销售王敏说, 老板六十多岁 , 对 AI 的认知多来自营销号。绩效加入 AI 参与度后,AI 占比从 30% 一路卷到 80%, 干没干活不重要, 参与过就行。公司还上线 AI 客户管理系统, 电话自动录音、AI 旁听打分并生成日报, 员工于是学会演给 AI 看: 说话字正腔圆, 挂电话前先道谢。
🧭 被放大的管理, 被稀释的效率
把几位受访者的经历放在一起, 共性很清楚: 考核指标决定行为 , 考用量就有人空跑任务, 考案例就有人包装话术; 过程数据容易美化,Skill 数量和覆盖场景可以“做出来”, 省下的时间却难以量化。
