最近,一个关于大厂将绩效与Token消耗挂钩的职场帖子,在开发者圈子中引发了广泛讨论。

据帖子内容描述,某大厂部门开始统计员工三月份的“Token消耗排行榜”,老板直接在群内宣布:未来的试用期转正、年度KPI评估乃至晋升,都会参考这个数据。
戏剧性的是,发帖者本人恰好是这个榜单的第一名。别人或许羡慕他被老板点名表扬,但他自己却深感焦虑——因为这背后的“水分”根本没法细说。他心知肚明,自己消耗的大量Token,并非都用于所谓的“高效工作”,相当一部分是用来整理个人笔记、测试各种工具,甚至是做一些自己的小项目。
更关键的是,他那些真正高效、能自动化处理工作的“干货”——比如精心调试的自动回复脚本、用于抢会议室或系统巡检的自动化流程、以及生成技术文档的提示词技巧——他一个都不愿意分享出去。
在讨论这种考核方式是否合理之前,我们先思考一个更现实的问题:如果一个程序员想把Token消耗量提上去,难吗?
答案是一点也不难,甚至方法多到数不过来:
- 把一个问题拆成十句来问。
- 明明可以一次性交代清楚的需求,偏要发起多轮对话。
- 对同一个问题反复修改措辞、反复测试。
- 能在本地运行的小任务,非要丢给大模型处理。
- 自己能写的简单代码,硬要让AI生成后再手动修改。
- 甚至,写个脚本自动调用API,Token消耗量分分钟就能冲上榜首。
这像什么?就像当年的微信步数排行榜。有人是实打实每天走一万步,有人却买了“摇步器”挂在墙上自动晃。最终榜单上显示的结果都是“步数惊人”,但只有当事人自己清楚这数据是怎么来的。
问题的核心在于:当一个中性指标被选定为考核目标时,它就注定会变形。 Token消耗量本只是一个工具使用数据,但一旦与绩效、晋升等核心利益挂钩,它就不再是简单的数据,而变成了一套“游戏规则”。而只要是规则,就一定会被人研究、利用,甚至寻找漏洞。
于是,一个荒诞的局面可能出现:真正善用AI提高效率的人,Token消耗量未必最高;而Token消耗量名列前茅的人,也未必真的高效。最终出炉的榜单,很可能完全失真,失去了衡量价值的初衷。
这种“形式主义指标”长远来看意义不大。当所有员工都意识到“高Token消耗等于职场安全感”时,自然会出现“为了消耗而消耗”的行为。工作的目标不再是解决问题、创造价值,而是让某个数据变得好看。久而久之,真正重要的事情反而被边缘化。
至于工作本身有没有做好?项目难题有没有被攻克?这些反而变得不那么“重要”了。重要的是,你要在领导看来“很努力地在使用AI”。
所以,回到最初的问题:将Token消耗与绩效挂钩,这种考核方式合理吗?
从短期、强推AI工具普及的角度看,它或许有些作用,能倒逼一部分人去接触和使用AI。
但从长期和本质来看,这种考核意义有限。因为它衡量的不是员工的“解决问题能力”或“创新效率”,而仅仅是“使用行为”的表象。而只要是表象,就一定能被制造出来。就像步数可以“摇”出来,Token消耗量也一样可以“刷”出来。
最后留一个现实的问题给大家:如果你的公司也开始搞Token消耗排行榜,你会选择认真研究如何用AI提升工作效率,还是会默默琢磨,怎么让Token数据变得“更漂亮”?
答案,或许每个人心中都已有数。关于AI工具在职场中的应用与思考,欢迎来云栈社区的开发者广场一起聊聊。
|