昨晚刷内网，看到一篇帖子，一个互联网大厂的朋友分享了他们团队的现状。

新人进来不是先学业务，而是先学写 prompt、写 skill、建 agent。整个团队的氛围不是“怎么把事情做好”，而是“怎么证明自己很 AI”。

评论区一片共鸣。很多人说自己公司也差不多，有的要求每周提交 AI 提效案例，有的把“AI 工具使用时长”做成了仪表盘，有的在卷谁的 skill 写得多、谁的 agent 搭得漂亮。

我看完之后的第一反应不是共鸣，是觉得哪里不对。

想了一会儿，想明白了。这不是 AI 的问题，这是管理的问题。只不过这次，管理的焦虑穿了一件科技的外衣。

一个很简单的判断标准

先说一个我自己用的标准，很粗暴但很好使：

某个 AI 工具，用上之后，节省的时间大于学习和维护它的成本，值得用。

如果用完之后输出看起来更体面了，但你自己其实没想清楚，谨慎用。

如果用它的主要目的是让日报里多一行”AI 辅助完成”，丢掉别用。

就这么简单。

工具是手段，不是目的。这个道理放在任何时代都成立。二十年前公司推 ERP，ERP 本身有没有价值？当然有，它打通了财务、供应链、生产的数据流，很多企业的运营效率就是被它系统性地拉上来的。但问题是，推着推着，考核指标就从”业务流程有没有跑通”变成了”ERP 使用率有没有达标”。工具是好工具，尺子量歪了。十年前推中台也一样，OKR 里写的是”业务中台化率提升 40%”，但中台到底有没有让前端业务跑得更快，没人追问，数字好看就行。

AI 只是这个故事的最新一章。

但”建工具”是另一回事

上面说的标准，适用于”用”。用一个现成的工具，算账就行，省的时间比花的时间多，就值得用。

但”建”不一样。建工具、写 skill、搭 agent，这些事情本质上是探索，而探索天然算不清短期的账。

你不知道这个 skill 写出来有几个人会用，不知道这个 agent 搭完能不能跑通真实的业务场景，甚至不知道这条路本身通不通。如果拿”节省时间大于学习和维护成本”这把尺子去量，结论几乎永远是”不值得”，因为大部分探索在短期内都是亏本的。

但总得有人去亏这个本。

AI 工具的生态现在还在早期，哪些场景能跑通、哪些是伪需求、什么样的抽象粒度是对的，这些问题不是想出来的，是试出来的。需要有人去写那些可能没人用的 skill，搭那些可能跑不通的 agent，然后从失败里攒出判断力。

所以”建”的判断标准应该反过来：不看短期 ROI，看这次探索有没有沉淀出对团队有用的认知。哪怕工具本身失败了，但搞清楚了”这条路为什么不通”，那也是收益。怕的不是建了没人用，怕的是建完之后既没人用、也没人从中学到任何东西，纯粹为了在周报里多写一行”搭建了 AI agent”。

用工具，算效率账；建工具，算认知账。两把尺子不能混着量。

管理层的焦虑，不该让一线买单

那篇帖子里最让我在意的一句话是：”每天开日会要汇报 AI 使用情况。”

你品品这句话。

一个一线员工，每天花时间想”今天用什么 AI 工具做了什么”，然后组织语言在日会上讲出来，再被主管点评两句。这个过程本身就在消耗生产力，而且消耗的是最贵的那种：注意力。

谁在推动这件事？不是一线员工自己。没有哪个干活的人会主动要求”请每天考核我用没用 AI”。这是管理层在推。

为什么推？因为焦虑。

CEO 看到竞对在搞 AI 转型，看到行业媒体每天都在写”不拥抱 AI 就会被淘汰”，于是层层传导：VP 给总监压指标，总监给经理定 KPI，经理给一线排日会汇报。最后落到每个人头上的不是”用 AI 把活干好”，而是”证明你在用 AI”。

焦虑从上往下传，但活还是从下往上干。一线员工需要同时完成两件事：把业务做好，以及表演”我在用 AI 把业务做好”。后者不产生任何业务价值，但占用了真实的时间和精力。

这就是那篇帖子里那个朋友说的”又受益又害怕”的真正含义：受益于工具本身，害怕的是围绕工具建起来的那套考核体系。

新人的困境：还没学会走，就被要求飞

帖子里还提到了一个我觉得特别值得展开说的点：新人。

以前一个新人进大厂，成长路径大概是这样的：先跟着 mentor 做脏活累活，在”dirty work”里慢慢建立对业务的手感。写过烂代码才知道什么是好代码，踩过坑才知道坑在哪。这个过程笨拙、低效，但不可替代，因为判断力是从犯错里长出来的，不是从文档里读出来的。

现在呢？新人进来，工作流已经被 AI 接管了大半。日常工作变成了：写 prompt、调 skill、跑 agent，看 AI 输出，微调，提交。效率确实高，产出确实快。但问题是，他不知道 AI 给的东西对不对。

这就像让一个没学过开车的人直接上自动驾驶。高速公路上没问题，一切平稳顺畅。但遇到施工路段、遇到突发情况、遇到导航地图没更新的路口，他完全不知道该怎么接管方向盘。

更麻烦的是，这种能力缺失在短期内是看不出来的。新人用 AI 交出来的东西可能比老员工手写的还漂亮。PPT 格式完美，报告逻辑通顺，代码跑得过测试。但这些都是 AI 的能力，不是他的。哪天 AI 输出了一个似是而非的结果，需要人来判断”这个对不对”的时候，他没有那个底子。

以前的成长路径是：先笨拙地学会走路，再慢慢跑起来。现在的路径是：直接坐上了一辆快车，但不知道目的地在哪，也不会自己看地图。

真正该考核的是什么

我不反对在团队里推广 AI 工具。事实上我觉得不用才是浪费。但”推广”和”考核”是两件完全不同的事。

推广的意思是：这里有个好工具，你试试，好使就用，不好使就换。

考核的意思是：不管好不好使，你必须用，而且要让我看到你在用。

前者是信任一线员工的判断力，后者是不信任。

如果一定要考核，该考核的不是”你用没用 AI”，而是”你的业务结果有没有变好”。工具是黑盒，结果是白盒。你用什么工具达成结果的，那是你自己的事。你用 AI 也好，用 Excel 也好，手搓也好，只要结果到了、质量过了、效率提了，关我什么事你用什么工具？

反过来说，如果你天天在日会上秀 AI 使用案例，但业务指标一塌糊涂，那这些 AI 使用案例的意义是什么？给领导看的 PPT 素材？

一线团队的核心价值是交付业务结果，不是成为 AI 研究员。这两件事偶尔重合，但大多数时候是两条路。

表演性使用，比不用更浪费

最后说一个我观察到的现象：表演性 AI 使用。

什么意思呢？就是为了”看起来在用 AI”而用 AI。

比如，一个写周报本来十分钟就能写完的人，现在要先跟 AI 对话三轮生成一个”更专业”的版本，然后截图对话过程贴到周报里证明”AI 辅助完成”。总耗时从十分钟变成了二十分钟，产出质量没有实质提升，但汇报材料里多了一个 AI 使用案例。

再比如，一个数据分析师本来对业务数据烂熟于心，SQL 信手拈来。现在要求用 AI 工具做”智能分析”，结果 AI 生成的分析报告里有两个指标口径是错的，他还得花时间去验证和修正。效率不升反降，但日报里可以写”使用 AI 工具完成数据分析”。

这种事正在很多团队里发生。大家心知肚明但没人说破，因为说了等于质疑管理层的决策。

表演性的 AI 使用，比不用还浪费时间。它消耗的不只是工时，还有一线员工对管理层决策的信任感。当一个员工意识到”这件事的目的不是提效，而是让老板觉得我们在提效”的时候，他对整个组织的信任就裂了一条缝。

一个时代的阵痛，不是你的错

话说回来，我理解管理层的焦虑。

AI 发展太快了。去年还在讨论”能不能写个像样的邮件”，今年已经在讨论”能不能重新定义一个团队的工作方式”。这种速度放在任何一个管理者面前，不焦虑才不正常。

但焦虑归焦虑，应对方式不能是把焦虑转嫁给一线。让每个人都变成 AI 专家不是解法，让 AI 自然地融入已有的工作流才是。

好的 AI 落地应该像自来水，打开水龙头就有，不需要每天汇报”今天用了几升水”。

如果你正在经历这些：每天被要求汇报 AI 使用情况，绩效里多了一项莫名其妙的 AI 考核，周围同事都在卷谁的 prompt 更精细、谁的 skill 更多、谁的 agent 更花哨，我想说：这不是你的错，也不是 AI 的错。这是组织还没学会怎么跟新工具相处的阵痛。

阵痛会过去。就像当年没有人再考核”你会不会用电脑”一样，总有一天也不会有人考核”你会不会用 AI”。到那时候，AI 就只是一个工具，跟你桌上的水杯一样自然。

在那天到来之前，保护好自己的判断力。工具会迭代，技能会过时，但”能看清楚问题是什么”的能力不会过时。

该用的工具大方用，该学的业务踏实学。别为了汇报而用，别为了表演而卷。你的价值不是”会用 AI”，而是”知道什么时候该用、什么时候不该用”。