2026年11月14日，Meta人力资源主管珍妮尔·盖尔（Janelle Gale）发布内部备忘录：从2026年起，”AI驱动影响”（AI-driven Impact）将成为员工绩效评估的核心期望。用AI工具取得业务成果、开发提升生产力的AI应用，都会直接影响绩效等级。
这份备忘录点燃了整个硅谷的讨论。微软高管在6月对经理们明确表态，使用AI”不再是可选”。谷歌CEO桑达尔·皮查伊在7月全员会议上要求员工积极运用AI。亚马逊也在推动AI从”辅助”走向”核心”。AI使用正式从个人习惯变成KPI。
考核指标正在变形
Meta的动作分三步走。
第一步是2025年度评估，个人AI使用量不进入量化指标，但自我评估里要突出”AI燃料的胜利”。第二步从12月8日开始，绩效周期上线”AI绩效助手”，员工可以用内部AI助手Metamate或谷歌Gemini撰写审查报告。第三步是2026年，AI驱动影响直接与绩效挂钩。
国内大厂的步子迈得更早。年初，黄仁勋那句”年薪50万美元的工程师，一年Token消耗不到25万美元会令我深感不安”，带起一波Tokenmaxxing浪潮，各公司开始统计用量排行。6月风向转变，考核从Token用量转向AI使用回报率，周报里必须写”AI提效案例”，要有数据。
深圳一家活动策划公司走得更远：AI使用率达不到70%，绩效扣20%。杭州一家电商公司搞起了AI用量排行，行政每周导出数据发到群里，榜上掉队的人会被主管私聊。
48%的人承认在”演”
指标一硬，动作就变形。
商业情报公司Visier的一项调查显示，1000名受访美国全职员工中，48%承认向同事或上级夸大过AI使用频率或专业知识。接近一半的人承认自己在”表演式用AI”。
表演的花样不少。杭州那位电商运营把”让AI把老板半小时会议录音转成文字”，包装成”搭建语音信息结构化流程”，这条还被评上年度优秀案例。北京一位大厂产品经理用AI写demo，代码根本不能落地，研发同事要重新改一遍，领导却特别满意。深圳那家公司的员工专门挑不重要的场景做Skill，包装一个听起来厉害的名字交差，做出来的工具根本没人用。
最讽刺的一幕发生在周报环节：员工把想法发给AI，AI写完周报发老板，老板用AI生成几个问题发回来，员工再发给AI回答。整条汇报链路全是AI，人只负责转发。虎嗅报道里那位销售岗位的受访者说，自己每周用AI干得最多的事，是”让AI帮我编这周用AI干了什么”。
AI没省时间，反而造出新工作量
表演之外，考核还催生了一笔更难看的账：AI在制造新工作。
一份AI生成的活动方案，PPT精美、数据漂亮，老板看完当场拍板推进。执行阶段才发现方案漏洞一堆，团队只能逐条补漏。领导审完方案还要丢给AI再审一遍，AI甩出一堆修改意见，有些不符合实际，员工得逐条检查、解释、返工。快速生成的方案漏洞越多，审核成本越高，一轮下来总耗时未必比以前短。
提效的红利也难落到员工头上。效率提升之后，领导的第一反应是加活。提效数据越好，下个周期的任务量越重。不少员工算完账发现，认真用AI的结果是多干活，于是选择把精力花在汇报上。
监控跟着考核一起上线
考核是明面上的，暗地里的监控也来了。
山西一位软件公司销售描述了他们公司的AI客户管理系统：电话自动录音，AI旁听、总结、给建议，通话结束生成日报，说错一句话后台记一笔。老板没事就刷APP回放通话，听到不顺耳的直接截图甩进大群。员工们学会了”演给AI看”：说话字正腔圆，微笑要听得见，挂电话前先道谢。演技越好，AI评分越高。
《卫报》10月报道，英国零售集团Co-op等企业也在用AI逐键监控员工。Knowable Magazine的报道指出，AI让”每分钟、每次击键”级别的追踪变得极其便宜，问题在于这类监控并没有带来期望中的产出提升。
监管层面也开始收紧。美国伊利诺伊州、纽约市已出台针对AI用工决策的透明度与偏见审计要求，欧盟AI法案对高风险AI用工场景设定了合规义务。算法透明度、人工审核，正成为AI绩效系统的法定底线。
数据泄露是压垮信任的最后一根稻草
那家山西软件公司还出过一次事故。人事把考勤、绩效、工资表全传上内部AI机器人，一天搭完。然后有人在公司群问了句工资情况，AI直接把明细甩了出来。
同岗不同薪被问出来了，绩效压分被查出来了，还有人扒出三个工资照发、从没来上班的名字。老板没批评人事，反而夸她执行效率高，散会后悄悄联系AI厂商加了权限限制。
这件事暴露的不是AI的能力问题，是公司数据权限管理的常识缺失。绩效系统、监控录音、薪资数据，全部塞进一个没有分级权限的AI里，出事只是时间问题。
给职场人的三条实操建议
指标失控的公司短期改不了，普通人能做的是把自己那部分账算清楚。
第一，用结果说话，别堆用量。把AI用在有明确产出的环节：分类整理40多条客服投诉十分钟出表、会议结束五分钟发出纪要、初稿框架直接生成。这些真实可验证的提效案例，比周报里的”AI含量”经得起追问。
第二，给AI分工划清边界。润色、整理、初稿这类活攒起来集中处理，需要专业判断的内容绝不外包给模型。杭州那位运营的做法值得参考：做A任务时坚决不用AI同时跑B，避免屏幕来回切换拖垮专注力。
第三，守住自己的数据。往内部AI系统上传任何东西前，先确认权限分级和保密范围。工资表、绩效数据、客户录音进不进系统，是管理问题，但泄露的代价由每个员工承担。
Meta备忘录里写着一句话：AI的最终目标是”放大人类潜力”。这句话成立的前提，是考核考的是真实产出，不是表演功底。48%的夸大率说明，这套前提眼下还没成立。企业把AI写进KPI之前，先得回答一个问题：你要的是真提效，还是全员演戏的样子。
苏公网安备32010502011527号
发表回复