亚马逊关停内部AI排行榜：企业AI转型应告别「Token崇拜」

近日，亚马逊悄然关停了内部AI使用量排行榜「Kirorank」。这个本意推动员工使用AI工具的排行榜非但没有达到预期效果，反而催生了一种被戏称为「Token最大化」的行为模式——部分员工为了在榜单上表现更积极，主动让AI系统执行大量不必要任务，以此刷高使用量数据。这一现象不仅带来了额外的算力成本，更暴露了企业在推动AI转型时面临的深层管理挑战。

从「排行榜激励」到「指标异化」：一个值得深思的案例

指标设计的艺术：从采纳到嵌入再到价值创造

亚马逊的实践揭示了一个普遍性困境：当企业将AI使用量作为核心考核指标时，员工的行为会自然而然地朝这个方向优化。表面上看，排行榜机制营造了积极使用AI的氛围，参与人数和使用频次都在上升。但仔细审视这些数据的生成过程，我们会发现大量「为用而用」的行为——AI并没有真正嵌入工作流程创造价值，而是沦为刷分工具。这种情况并非某家企业独有，而是当前企业AI转型中的普遍现象。当「用了多少次AI」「消耗了多少Token」成为评价标准时，理性行为人自然会想办法达标，至于这是否真正提升了工作效率、产生了业务价值，反而退居次要位置。

构建三层指标体系：个人、团队与组织效率的递进逻辑

组织行为学的基本规律告诉我们：你考核什么，就会得到什么。在AI转型的不同阶段，应该采用差异化的指标体系。第一阶段，关注采用率、覆盖率、活跃人数和Token消耗，这些指标能够说明员工是否开始接触AI工具。但随着AI应用的深入，指标必须切换到更接近业务结果的层面——AI是否进入真实工作流、是否形成有效部署、是否缩短交付周期、是否提升产出质量、是否带来可验证的投资回报。亚马逊在关停排行榜后，转向关注「标准化部署」这一指标，正是这种思路转变的体现。相比原始Token消耗，这一指标更关心AI是否真正进入有效场景和生产流程，而非员工消耗了多少Token、在排行榜上排第几。

真正成熟的AI组织需要建立分层指标体系。第一层看采用，即员工有没有开始使用AI、哪些团队覆盖率更高、哪些场景尚未启动——对应的是个人效率提升。第二层看嵌入，即AI有没有进入真实任务链、是否嵌入研发、客服、财务等关键业务流程——对应的是团队效率提升。第三层看价值，即AI是否带来周期缩短、质量提升、成本下降或客户体验改善——对应的是组织效率提升。Token正在成为一种新的组织资源，需要被预算、分配、追踪和治理。但Token本身不应成为目的，更不应成为新的「面子工程」。衡量一个企业AI成熟度的关键，不是消耗了多少Token，而是能否将Token转化为可量化的业务成果。

如有侵权，请联系删除。