编者按：当企业AI投入屡创新高，一场关于效率的"数字暗战"已悄然展开——老板们想知道钱花得值不值，而员工则用代币使用量证明自己"没偷懒"。本文将揭示AI价值幻觉背后的真相：企业能精准追踪每次AI交互的"代币"成本，却难以回答核心问题——AI是否真让工作更高效？从微软到Salesforce，从Mercer到Globant，各方专家正在重新定义"生产力"的含义。当AI接管核心流程，当个人代币消耗量成为排行榜数据，这场博弈究竟是效率革命还是新型内卷？以下是本文的深度解读。

随着企业在人工智能上的投入创历史新高，他们也在以前所未有的细节跟踪员工如何使用AI。然而，众多CEO希望知道AI是否提高了工人的生产力，却依然无法确知。

根据AI生命周期管理和治理平台ModelOp对100位高级AI企业领导的2026年调查，超过三分之二的企业仍然依赖估算（如节省的时间或预计的成本削减）而非可衡量的财务结果来评估AI的投资回报率。ModelOp将AI活动与可衡量投资回报之间的差距称为"AI价值幻觉"。

"几乎所有《财富》500强企业都在追踪整体的AI使用情况，"ModelOp首席技术官Jim Olson说，"但很少有企业真正关注董事会关心的问题：这些投入是否带来了投资回报。"

通过微软的工具，企业客户可以追踪其组织内AI工具的使用情况，包括活跃用户、提示词量和AI代理活动的时间趋势。"客户从采用和参与度指标入手，然后逐步将这些洞察与更广泛的生产力和业务成果联系起来，"一位微软发言人表示。

每次交互都伴随着成本。该成本以"代币"计量——即AI公司对处理的每段文本或数据收取的单位费用，这使每个提示词都变成可追踪的开支。但尽管企业对AI的使用量和成本了如指掌，他们对谁在有效使用AI或它是否改善了绩效却知之甚少。

许多组织仍处于实验阶段，而非大规模部署AI。尽管如此，据麦肯锡报告，64%的企业称AI在推动创新，但仅有39%报告了可衡量的利润影响。

安永美洲金融服务AI负责人Sameer Gupta表示，基于经验，企业更倾向于在团队或角色层面衡量AI使用。"重点是结果和有效性，而不是监控个人，"他说。

这通常意味着比较跨团队或角色模式，而非直接评估个人员工。

"最大的挑战不是衡量使用，而是证明归因，"Gupta说。"领导者可以看到AI在哪里被使用、生产力哪里似乎提升，但将AI孤立为主要驱动因素很难。"

'代币最大化'与AI劳动力的新开支项

在一些工作场所，AI使用开始更像一场证明员工生产力的竞赛：内部系统通过排行榜按AI使用量对员工分类，并突显个人用户使用量的极端激增。这种透明度催生了行业所谓的"代币最大化"现象——员工试图增加AI使用以表明生产力。但批评者警告，更多的提示词并不一定带来更好的工作，这增加了AI成为活动而非结果替代指标的风险。

"AI使用是生产力的一个非常糟糕的替代指标，"美世高级合伙人兼全球转型负责人Ravin Jesuthasan表示。

"他们看到代币使用量……但并非真正了解这些代币被用于什么，"Olson说。

数字转型咨询公司Globant北美首席技术官Esteban Sancho表示，随着AI在企业中更广泛部署，员工可能感到积累代币的压力，这有其合理原因。"如果你不使用代币，你很可能没在工作，"他谈到那些AI代理现在处理核心流程的业务部分时说道。

AI使用正被嵌入工作的交付、定价和评估方式中。"代币成本现已成为我们投资回报计算的标准开支项，"Sancho说。这些成本与劳动力和基础设施一样，被视作公司商品成本的一部分。所有AI活动都通过一个内部平台流动，该平台跟踪团队和项目的代币消耗、使用模式和成本。

"项目负责人可以访问按团队成员细分的用量数据，"Sancho补充说，低使用量不会自动被视为绩效问题，而是用于识别低效环节。

代币使用直接计入项目预算和投资回报计算，公司可根据AI产生最大价值的环节持续调整模型、预算和工作流。团队也可围绕AI重组，形成Globant所谓的"AI小组"——即技术带来最可衡量收益的地方。

这些变化已为Globant带来收入。Sancho表示，一年前未产生收入的AI驱动服务在2025年达到2060万美元的年化运行率，公司预计这一数字将增长至1亿美元。

Coinbase周二宣布裁员14%并取消多层管理层，重组将包括CEO Brian Armstrong所说的采用"AI原生小组"，由更有限的人类人才管理AI代理群。他还在一份致员工信中写道，将"实验"单人团队——例如由一人担任工程师、设计师和产品经理的职位。

衡量AI代理比衡量工人更容易

在AI部署初期的焦虑日子里，一个讽刺现象是：当工作由AI系统而非人类完成时，企业更容易衡量产出。

在Salesforce，高管们认为，AI代理的角色正引领行业超越简单追踪AI使用，转向衡量工作是否真正完成。Salesforce AI执行副总裁兼总经理Madhav Thattai表示，这两个指标都很重要，但最终必须映射到可衡量的投资回报——如成本节省、收入增长或客户成果改善。

随着代理采用规模化，追踪活动正从员工层面转向评估整个工作流中的AI。这种衡量有三个层面：AI被使用了多少、是否端到端完成任务、以及这些工作是否转化为真实业务成果。"力量来自连接它们，因为只有这样才能在代理型企业中完整理解'工作'的真正含义，"Thattai说。

Salesforce表示，其平台已生成24亿个工作单元，包括单季度7.71亿，环比增长57%。在客户服务领域，AI代理一季处理1.29亿个任务；在公司内部，它自动化了96%的支持案例，节省了超过5万小时的销售工作。

同样的转变也在客户部署中上演。例如，旅游公司Engine在12天内部署了一个AI代理，现在处理50%的聊天量，同时将处理时间减少15%。据Salesforce称，希思罗机场因AI驱动代理实现了30%的数字收入增长，而OpenTable的解决率提高了40%。

即使有了这些更先进的指标，追踪工作与追踪员工之间的界限仍然模糊。

据CNBC查阅的内部文件，meta正在测试内部系统以追踪鼠标移动、点击和键盘敲击，用于在各种网站和应用上训练AI系统。这一努力是更广泛推动的一部分——训练AI系统学习员工实际工作方式，从导航模式到键盘快捷键。该公司表示，数据将用于改进模型而非评估个人绩效，但监控程度正引发对工作场所追踪可能走多远的担忧。

"虽然许多员工确实有这个意识，但相当一部分人没有，他们当然应该知道，"Jesuthasan说。"组织有责任确保这一点得到清晰沟通和广泛理解。"