商业情报公司Visier参与的一项调查显示，在1000名受访的美国全职员工中，48％承认向同事或上级夸大了自己的AI使用频率或专业知识。这一数据折射出当前企业AI推广过程中的一个普遍现象：当AI使用率与绩效考核挂钩，部分员工开始将”展示AI使用”本身作为工作目标，而非真正追求效率提升。
在国内互联网大厂，这一现象同样存在。据多位受访员工描述，2026年初，受英伟达CEO黄仁勋关于工程师Token消耗的言论影响，多家企业掀起Token消耗竞赛，AI使用量一度成为衡量工作投入度的隐性指标。至6月，随着Token成本上升，企业考核重心转向AI使用的回报率，员工需要同时证明AI产出价值与Token消耗的合理性，考核压力不降反增。
考核指标的变化直接影响了员工的日常工作方式。杭州一家电商公司的产品运营人员表示，公司OKR要求”AI深度应用”，组内设有用量排行，行政每周导出数据公示。为保持排名，部分员工让AI执行”竞品监控”等任务后并不查看结果。6月考核转向产出后，周报中的”AI提效案例”成为新的凑数对象，例如将”用AI转写会议录音”包装为”搭建语音信息结构化流程”，此类案例甚至被评为优秀案例。
在北京一家互联网大厂，产品经理被要求学习用AI写代码，以减少对研发团队的依赖。受访者称，其用AI生成的小型Demo实际无法直接使用，交付研发后仍需重写，但管理层对此表示满意。新Leader上任后，考核细化至AI产出与提效数据，该产品经理转而将需求反馈、市场调研等环节拆解为Skill交由AI处理，交付内容基本为AI直出。其自评称，流程表面跑通，实际效率未必提升，部分AI生成的需求存在逻辑错误，仍需开会重新对齐。
深圳一家企业的活动策划人员则透露，公司已将AI使用率纳入绩效考核，使用率低于70％将扣减20％绩效，内部还组织了AI应用比赛。AI在方案初稿、竞品分析、PPT制作等环节确有提效作用，但考核压力下，员工产出了大量实际无人使用的Skill工具。
从Token消耗竞赛到回报率考核，企业AI推广的指标不断调整，但考核与真实效率之间的错位尚未解决。当使用行为本身成为KPI，AI提效的度量方式或将持续影响企业AI投入的实际回报。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
