一、变化是怎么发生的

最早，AI 是少数人的玩具：有人自掏腰包买会员，有人私下交流提示词，确实尝到了甜头。后来风向变了——不少互联网大厂从"鼓励使用 AI"进入了"隐性强制使用 AI"的阶段。

表现形式很具体：

• 被统计每天消耗了多少 Token。
• 团队把 AI 使用情况和绩效挂钩。
• 被要求优先使用公司自研工具（理由是数据安全）。
• 要把自己的工作经验拆成流程、写成 Skills，交给 AI 反复调用。

二、一个真实的过程记录

一位运营岗员工要做一个分析客户与销售数据的看板。这在过去是技术部门的活，现在被要求"人人都会"。过程是这样的：

她算了笔账：反复调试、等待"抽卡"的时间，足够人工做完两遍。

三、三个结构性问题

1. 额度不够用：每人发放的调用次数有限，一边想办法用 AI 完成工作，一边还得精打细算省着用。
2. 能力不稳定：写文案还行，一旦涉及数据分析和复杂逻辑就开始出错。
3. 评价标准错位：踏实写代码的人成了"不活跃分子"，频繁调试提示词的人成了"积极拥抱新技术"的典型。

四、真正被消耗的是什么

不是算力，是人的判断力。当"用 AI"变成一种需要被看见的动作，人们会优先做"看起来在用 AI"的事，而不是"把事做成"的事。

更深一层的焦虑在于：当那些原本属于个人经验和工作习惯的东西，被一点点拆解、整理、上传、复用，人会不会一步步把自己变成可被替代的流程？

五、如果你也在这套考核里，三条自保建议

1. 先算总时间，不算单步时间：把"调试 + 返工"算进去再判断该不该用 AI。有些任务人工做更快，这不丢人。
2. 把 AI 放在它擅长的环节：起草、改写、归纳、格式化，这些稳定；精确计算、复杂逻辑、跨系统取数，风险高。
3. 留下"人做的部分"：你判断了什么、改了什么、为什么这么改——这部分才是不可替代的经验。

一句话收束：AI 提效是真的，但"为了证明用了 AI 而用 AI"，是这轮浪潮里最贵的一笔隐性成本。