AI帮你每周省6.4小时，公司为何还是没赚到钱：Tokenmaxxing揭开的职场效率真相

2026年，AI办公的账本出现了一组矛盾数字。

麦肯锡全球AI调研2026给出中位数：每个知识员工每周省下6.4小时。Salesforce的数字是6.7小时，Slack劳动力指数6.1小时，Anthropic企业遥测数据7.2小时，微软Work Trend Index对Copilot用户的统计是5.9小时。

BCG《2026全球AI at Work报告》调查了近1.2万名一线员工，42%的受访者每周省出8小时，相当于一整个工作日。

硬币的另一面：Apollo首席经济学家Torsten Slok直言，”AI无处不在，唯独宏观经济数据里看不到它。”美国劳动生产率数据在2026年一季度不升反降。

省下的时间去了哪里？钱被谁烧掉了？这篇拆开算。

一、时间确实省出来了，各部门差距巨大

部门之间的差距高达3.4倍。BCG生产力指数给出实测倍数：

软件工程：每周11.3小时，3.6倍产出提升，头号场景是代码审查和测试生成
客服：每周8.7小时，4.2倍，一线工单处理
营销运营：每周6.1小时，3.1倍
销售开发：每周5.4小时，2.7倍
法务：每周2.9小时，1.4倍
临床：每周1.8小时，1.2倍

成本端的降幅同样夸张。Forrester TEI研究显示，AI客服处理一张工单成本0.46美元，人工处理4.18美元，差9倍。代码审查Agent完成一个常规PR花费0.72美元，资深工程师的时间成本48美元，差66倍。

Bain的Agentic AI基准测试给出回本周期：客服4.1个月，营销运营6.7个月，工程9.3个月，整体中位数6.7个月，比2025年的11.4个月缩短41%。

数字看着都很美。问题出在人身上。

二、Tokenmaxxing：为了KPI狂刷token

《金融时报》今年5月报道了一个新词：tokenmaxxing。亚马逊员工为了完成公司下达的AI使用指标，疯狂刷token，把对话撑长、把任务拆碎反复喂给模型。

Meta搞过一张员工AI使用排行榜，后来又下线了token仪表盘。D.A. Davidson技术研究主管Gil Luria评价得干脆：你给什么激励，就得到什么行为。告诉员工多用资源就能成功，他们当然会拼命用。

账单很快爆了。微软砍掉大批Claude Code直接授权，微软AI主管Mustafa Suleyman公开说Anthropic的模型太贵。Uber更狠，2026年全年AI编程工具预算，4个月烧完。英伟达应用深度学习副总裁Bryan Catanzaro的说法最扎心：在他团队，计算成本已经远超员工薪资成本。

省时间的工具，最后演变成烧钱的速度竞赛。

三、省出的8小时，66%的人不知道干什么

BCG报告里最扎眼的一组数据：66%的受访者表示，公司对”省下来的时间用来干什么”几乎没有给出任何指引。一半的人没有把省出的时间投入更有价值的战略性工作。

BCG人才与组织业务全球负责人David Martin对Fortune直言：高管层讲不清AI的愿景和战略。员工因此更焦虑，目标更模糊，采用率和使用深度全部打折。

Gartner的Agentic AI Pulse 2026补了一刀：只有41%的Agent部署能在12个月内转正ROI，19%永远收不回成本。原因几乎全部落在评估体系缺失、治理缺位、返工没人统计上，模型能力反倒是次要因素。

四、钱从三个口子漏掉了

把各家数据拼起来，漏钱的口子有三个。

口子一：考核指标错位。 刷token数量、数对话次数，这类指标只能催生tokenmaxxing式表演。遥测数据与自报数据的差距普遍在30%-40%，麦肯锡的调查里销售开发岗的自报膨胀高达44%。

口子二：时间没有重新分配。 省下的6.4小时如果没有明确去处，就会被会议和琐事吃掉。BCG那组66%没指引的数据，指向的就是这个黑洞。

口子三：评估投入不足。 MIT Sloan的统计显示，头部AI团队把18%-24%的预算花在评估基础设施上，是行业平均的2倍。Deloitte的数据同样佐证：厂商成型的Agent（Salesforce Agentforce、微软Copilot、Glean）平均38天见效，自建方案要94天。

五、普通团队可以立刻做的三件事

第一，把考核从”用没用AI”换成”任务结果成本”。盯每张工单、每个PR、每份报告的单价，别盯token。

第二，给省下的时间指定去处。每周6小时，明确分配给哪些高价值产出，写进OKR。

第三，先搭评估再上规模。Gartner那19%收不回成本的案例，缺的全是度量层。

AI把执行层的价格压下来了。指挥层要是还在裸奔，这笔账永远算不平。