夜雨聆风当今所有科技公司都谈AI和大模型，一些朋友将公司的政策称为AI大跃进，人人都要使用大模型，甚至将员工的token使用量和AI生成代码占比等作为KPI考核指标。一些公司"AI提效"这种搞的员工怨声载道，大家形象描述为“AI大跃进”，一线员工没有因为AI提效而减少工作时长，反而天天加班硬憋一堆注水skill。
在这场“大跃进”中，普通员工与管理层的期待存在着巨大的错位。普通员工想的是什么？是我每天8小时工作，通过利用AI可以每天6小时完成工作，剩余两个小时可以提前下班。退而求其次，即便没法提早下班，可以把额外多出来的每天2小时为公司做更多创造性的实验尝试，不论okr，只求员工自我升华。AI提效对员工来说是"创造价值"，是提升幸福指数，是为公司创造更多突破点。管理层想的是什么？是员工可以通过AI把以前16-40小时的工作在8小时内完成，在相同时间内创造更多收入。然后用Token来替代员工，毕竟token虽然也不便宜，但相比员工的工资还是便宜太多了。
AI大跃进本质是公司对如何进行AI赋能业务不够清晰，战略上比较焦虑，担心公司现有业务可能被AI给颠覆，于是采取"全面押注大模型"的激进策略。但大模型并不是万能的，这样造成的结果是人浮于事甚至屎上雕花，坦白来讲我参与和了解到的不少项目实际上用传统小模型也能做甚至比大模型做的更好，但在公司考核政策的导向下，我们不少项目都不管三七二十一先往大模型方向套再说，只有这样才可以对外吹嘘和向领导邀功。比如大模型在用户行为挖掘、相似图片挖掘、用户分层聚类、强规则生成等场景我们实践后对比结果来看不如传统的小模型，大模型天然对结构化数据处理、数据切分和局部数据分析上没有传统小模型效果好，但一些公司不不管到底效果如何，一切向大模型看齐。大模型应用效果最好的是NLP领域，非常适合处理非结构化的数据，我们取得效果最好的一个方向是内容审核，当时我们大模型内容审核上线后将审核人员减少了一半。
现在的AI大跃进热潮非常像当年的互联网泡沫或淘金热，整个行业弥漫着巨大的压力，大家都担心如果现在不全面拥抱AI，就会被时代淘汰。这种热潮下更需要我们冷静思考，这时候小步快跑才是王道，真正高效落地跑通的企业，往往不是全面铺开，而是在特定的高价值场景，比如智能客服、代码辅助、营销文案、内容审核等场景先做深做透，对AI有了不少实践经验后再进一步的有节奏的铺开。AI是工具，不是信仰，更不是枷锁。当Token消耗量成为KPI，当"用大模型"变成政治正确，技术就已经异化为枷锁。与其在焦虑中全面押注，不如冷静下来，找到真正适合AI发挥价值的场景，让技术回归服务业务的本质。
