在员工电脑上装软件统计 AI 代码量:推 AI 最贵的一种做法

10 月 29 日，404 Media 发了一篇调查，讲的是瑞士那家做加密邮箱的公司 Proton，怎么在公司内部推 AI。

报道基于 8 名在职员工、1 名前员工的访谈，以及内部聊天记录、会议录音和一份备忘录。里面有几件事很具体：

· 公司设了一个专用邮箱，让员工报告「任何阻碍你使用 AI 的障碍」；· 在员工设备上装了软件，用来统计 AI 工具生成了多少代码；· 告诉员工，会重新面试他们，评估他们怎么在工作中用 AI；· 内部消息提到，今年是最后一年以传统方式招软件工程师。

报道还提到一次内部争论：新代码发布前要不要做安全渗透测试。有人认为留给测试的时间不够；CEO 的回应是速度和安全可以并存，并敦促团队不要再手写代码。

Proton 对媒体的回应是：部分员工对公司的方向不满意或没有完全理解，很多人感到焦虑；管理层在推动速度时，有时过于直接，或者解释得太慢。

我不评价这家公司的做法对不对。我只拆机制，因为这三个动作，很多中国企业正在照做。

动作一：统计生成代码量。

这个指标的问题在于，它测的是「产出」而不是「结果」。

代码量上去很容易——写得啰嗦、多复制、把简单逻辑拆成五层，都能让数字变好看。而真正该看的是「这些代码上线后，缺陷率和维护成本是多少」。

任何被按下属头上的「使用量」指标，最终都会变成一场数字游戏。这不是人品问题，是指标设计问题。

动作二：重新面试，评估 AI 使用。

这一招的杀伤力比监控大得多。

因为面试是「评价」，而评价决定去留。一旦员工认为「我对 AI 的态度会影响我的饭碗」，他就不会再说真话。

而 AI 落地最需要的恰恰是真话——哪一步不好用、哪个输出不可靠、哪个环节风险大。这些话，只有不怕的人才说得出来。

动作三：把安全测试的时间压缩。

对一家做加密产品的公司，这一条最危险。因为它卖的本来就是「安全」。

但这个问题不只属于它。所有企业都会遇到同一个取舍：AI 让产出变快了，那么「检查」这一环，是被一起加速了，还是被跳过了？

这篇报道里有个细节我印象很深：那个「报告障碍」的邮箱。

设计者的意图是好的——想知道哪儿卡住了。但当推动者是一把手时，这个邮箱就变味了：报障碍，等于说「老板你想的这个东西有问题」。

于是邮箱会收到两种东西：无关紧要的小问题（证明我配合），和沉默。

这是权力结构决定的，不是员工不诚实。凡是由最高层直接推的「意见通道」，收到的都是经过修饰的意见。

解决办法不复杂，但很少人做：把反馈渠道放到中层手里，或者匿名。老板要看的不是「有多少条反馈」，是「有没有一条让你不舒服的反馈」。

第一步：把「使用量」指标全删掉。

调用次数、生成字数、活跃天数——这些指标只在推广第一个月有用，之后全是噪音，而且会诱导造假。

第二步：换成三个「结果型」指标。

· 返工率：AI 产出的东西，有多大比例要人重做· 周期：一件事从开始到交付，时间缩短了多少· 缺陷外溢：AI 产出的问题，有多少流到了客户那里

这三个数不好看，但它们能对上账。而且它们不会因为「不用 AI」而变差——一个团队选择不用，只要结果达标，就应该允许。

第三步：给「不用 AI」留一个合法位置。

有些活儿就是不该用 AI：涉及最高密级的数据、需要承担法律责任的判断、一次性的重要沟通。

在制度里明确写出这几类，等于告诉员工：不用，不是落后。这一条能换回的心理安全感，比任何动员会都多。

第 4 条那个问题，几乎所有管理者都会被问住。

我的答案是：不该管，但要看得见。不管，是因为结果达标就是达标；看得见，是因为你要知道他是「判断后不用」还是「根本不会用」——这两件事，明年会差很远。

翻车一：把「用不用」当成「服不服」。一旦这么理解，员工就会表演。而表演的成本，最终由业务承担。

翻车二：监控装上去，信任就没了。监控可以短期提升数字，长期会让人只做「能被统计到的事」。那些真正重要的、没法被统计的工作，会被悄悄放弃。

翻车三：一把手亲自盯进度。老板越重视，坏消息越传不上来。这不是员工的问题，是位置的问题。想听真话，就得让说真话的人不必面对老板。

这篇报道里最让我停一下的，不是监控，是那句「很多人感到焦虑」。

焦虑的来源不是 AI 本身，是「我不确定公司希望我成为什么样的人，也不确定我说真话会不会有事」。

一个组织如果在推 AI 的过程中，把这两件事搞清楚了，速度慢一点，最后也会更快。

如果你身边有人在公司里负责推 AI、最近感觉团队开始说场面话，把这篇转给他。