AI组织 | 活儿都是AI干的，谁才是真正的人才？
Token烧的多就是人才吗？
每天看着自己的Token消耗，Vibe Coder在感慨今天没虚度的同时，是否有反思工作质量是否真正有提高？ 老板每月为公司的人才提供Coding plan的报销时，是否有对每天动辄上亿的token消耗产生过疑惑？ 看着隔壁的老张每天用着AI写代码，写PPT，写短视频脚本，写规章制度时，你又是否担心自己对AI的使用技不如人？
Token用的多就代表会用AI吗？这包含了问题的几个层面： 1.难的问题，是否一定要用很多token？ 2.类似的问题，是否有节省token的批量处理方式？ 3.哪些token消耗可以被归类为成果，试错算不算一种成果？ 4.不同的任务,一样的token消耗，如何比较？
结论看起来并不容易回答，但是回答上述问题的迫切性在日益增加。
大家都在用AI，处理的还是不同领域的业务，任务的难度本身也差异巨大，谁才是真正的AI人才？回答了这点，才能真正把价值创造分配给有真正贡献的人。
传统指标的困境
前面提到的Token的消耗获取难以体现人的贡献。那么用传统的指标，是否可以沿用到AI的时代，比如：
- 工作时长
- 工作日报
- 上级审阅
- 开会汇报
上述企业中常用的指标，在企业大面积使用AI的今天，传统工作方式里人与人的协作中的那些低效的却漫长的环节，都被压缩成了毫秒级的对话输出。因此，新的指标还没找到，但旧的尺子，已经确定用不了了。
人的核心价值
其实深究原因，在企业这种组织中，人往往具备两种属性——创造属性与工具属性。老福特曾说：“我明明只想要一双手，但却来的是一个人。” 很多时候我们甚至意识不到自己的工具属性，曾经以为花费了数年学习的复杂的excel技巧，积累了数年积攒的代码库。在遇到了可以全天24小时进行工作的AI面前毫无招架之力，那些能让人产生自卑感的技能，往往就是工作中人的工具属性的一面。
在人与AI共生的时代，人的工具属性被大大减弱了，也可以说被AI替代了。而人的另一面的能力，正在以前所未有的速度被放大 —— 创造。
用AI进行创造，取决于能否提出正确的问题。能否提出正确的问题，取决于头脑中对该类问题的认知模式。芒格把他成为“多元思维模型”， 乔布斯说它是“taste”， 丹尼尔·卡尼曼说他是系统1的专家直觉，亚里士多德称之为实践智慧（phronesis）。
总之，新的指标，最终要评价的，是运用AI的人头脑中对自己从事的工作领域里的内容的认知模式。
AI杠杆率的探讨
我们提出AI杠杆率这个指标，来评价人在人机共生系统中的贡献。
AI 杠杆率定义 :某人加入工作流后,系统整体产出价值相对于 AI 单独工作时的倍数。
公式:
AI 杠杆率 = (人 + AI 产出价值) / (AI 单独产出价值)
直观理解三个区间:
- 杠杆率 > 1 :这个人让 AI 产出更值钱。 他在创造价值 。
- 杠杆率 ≈ 1 :这个人加入与否对AI输出无影响。 他可被AI直接替代 。
- 杠杆率 < 1 :这个人在 拖累AI ——比如要求 AI 走错方向、加入低质量内容、引入混淆。 他是负价值 。
核心的5个维度：
维度1：方向选择：让AI解决正确问题的能力。
AI是加入了人类强化学习训练的产物，AI不会拒绝人类的需求，他只会想办法满足人类的需求，如果人提出了一个错误的方向，那么即使AI的解决方案是正确的，那么最终的成果也不会被集体所采纳.这时候此人在这件事上的杠杆率<1, 人这时获得了一种反思的机会，就像试过999次失败，才知道哪种材料能让白炽灯亮起来的爱迪生一样。更何况，人类要解决的很多问题，本来就存在多种答案。
维度2：质量过滤：从AI的工作中识别内在逻辑不一致。
尽管先进的模型会减少幻觉的产生，但大模型架构的注意力机制，决定了幻觉是不可避免的，而这个不可避免的问题，在长程工作中会更多地暴露出来。先进的模型，幻觉问题往往更为隐蔽。错误虽然是模型犯的，但代价却是实打实地需要个人和集体来承担的，哪怕没有产生经济方面的损失，但有一种损失是无法避免的 —— 时间损失。
维度3：可复用性：自己的工作可以被AI和其他人复用的水平。
Deeepmind的负责人哈萨比斯对人工智能的期待是，让人发明人工智能，人工智能解决其他所有问题。这是可复用的终极形态。而企业中的员工个人工作成果可以被企业内部甚至企业外部复用的程度，决定了人的工作成果与成效。复用意味着省时间，被更多人复用意味着帮助公司节省了员工薪资成本。
维度4：隐形知识：外行不一定懂，AI大概率不懂的知识。
每个领域都有自己的隐形知识，有的被称作行话，有的被称作“潜台词”，掌握了自己行业隐形知识的人往往被成为专家。隐形知识的掌握水平决定了人才运用AI的产出想比其他人会有多少额外的杠杆。
维度5：行动意愿：利用AI按自己意愿进行创造的能力
用AI创建了什么样的报告，与谁进行沟通，传递了何种价值观，承担了哪些责任，最终获得的成果千差万别。这是人在这个结构上的不可替代性。良好的行动意愿会增加人使用AI的杠杆率。
AI杠杆率的应用
谈完定义和维度，更迫切的问题是 —— 这个指标到底用在哪里？谁来用？
个人——把"我有多忙"换成"我的杠杆有多大"
过去十年，知识工作者最常挂在嘴边的口头禅是"我忙死了"。但AI让"忙"这件事的门槛接近为零 —— 给AI一个任务，它能让你看起来整天都在工作。可是忙完,方向是否正确？产出是否能复用？过滤住了多少幻觉？承担了多少别人不愿承担的代价？
把过去一个月的工作回放一遍，按5维给自己打1-10分。最强的维度，就是你在AI时代的立身之本，加倍投资；最弱的维度，就是就是你有最大潜力的成长点。这种自评不是为了制造焦虑，而是让自己看清 —— 我每天 8 小时投入的方向，到底是在加固我的杠杆，还是在原地踏步。
老福特那句话还有下半段值得我们补上：他想要一双手，但来了一个完整的人 —— 那个时代的人不知道怎么用自己的"完整"。AI 时代的好消息是，你的工具属性那"一双手"已经不被需要了，但你的"完整"，第一次有了被精确定价的可能。
组织——从"卷加班"换成"卷AI杠杆率"
老板们眼下最焦虑的问题是：AI 时代如何降本增效、如何把价值分配给真正的人才、如何精准地指导员工进行提升？
传统的 KPI、OKR、绩效面谈，本质上都在测量人的工具属性 —— 完成度、按时性、产出量、规范性。这些指标在AI出现之前是有效的，因为人的工具贡献和价值贡献基本相关。但AI让几乎所有工具属性指标全部失真。
新的考核方式不是"我们再发明一套KPI"，而是把每个团队成员放进5维坐标里观察。更关键的是 —— 组织在不同阶段，5 维权重完全不同 。
早期创业期，方向和隐形知识权重最大，因为选错领域代价巨大。 快速增长期，质量过滤和可复用性权重最大，因为不断扩大的组织会快速增加协作的复杂度。 成熟运营期，行动意愿权重最大，因为关系、承担、决策能力决定组织能否保持可持续发展。 衰退收缩期，可复用性和行动意愿最关键，因为业务收缩，留下来的必须是能扛、能能让别人和AI复用自己的知识成果的人。
这意味着，人才在不同阶段的杠杆率是会变的。一个早期方向高手到了成熟期可能反而是低杠杆。所以好的组织设计，是让人在合适的阶段做合适的事，而不是固化每个人的角色。
招聘——AI时代面试人才的核心关键问题
AI让所有简历都漂亮起来。所有人都"会用 ChatGPT和Claude"。所有人都"用AI把效率提升了10倍"。
拿什么筛选？
传统的笔试、面试、技术题，AI都能在15秒内给标准答案。未来的招聘要直接考察5维：
给候选人一个模糊问题，不是"如何实现 X"，而是"我们要不要做X" —— 这是在考察方向。 给一段AI生成的、看起来很对的方案，让他指出哪里不对、为什么不对 —— 这是在考察过滤。 让他展示自己沉淀过的方法论、文档、复盘，不是"我做过什么"，而是"我做完之后留下了什么" —— 这是在考察知识成果的可复用性。 在他声称的专业领域里追问到底，看AI不知道的地方他知道多少 —— 这是在考察隐形知识。 问他最近一次主动承担"如果错了我背锅"的决策是什么 —— 这是在考察行动意愿。
这种面试AI没法替候选人作答，因为它考察的都是AI不会的东西。
个人职业规划——"一专多能"改成"成长利他"
如果你接受AI杠杆率作为长期评估自己的指标，那么每个知识工作者都该重新审视自己的职业方向。
杠杆率最低的人是这样的：技能浅、领域泛、不沉淀、不担责。这些工作AI已经能做不少，明天或许还会跟更便宜。 杠杆率最高的人则相反：在某一维度有AI难以追上的深度，同时在某些维度愿意承担AI永远不能承担的责任。
过去的职场常说"一专多能"。在AI时代这句话得改成"成长利他" —— 在某个具体领域持续成长获得AI难以追上的深度（这是隐形知识），同时愿意承担AI不能承担的责任（这是行动意愿）。这两件事AI短期赶不上，长期也赶不上。
剩下的三维（方向、过滤、可复用性），AI 会一点点追上，但永远追不上用好AI的人的深度与行动意愿。
警惕——Goodhart 法则的反噬
最后一个应用，也是最容易被忽视的 —— 任何指标一旦成为强制考核 KPI，都会立刻被博弈。
如果一家公司明天宣布"按 5 维 AI 杠杆率考核绩效"，几乎可以预料到 —— 为了"可复用性"指标乱写 skill 刷数量，为了"方向"指标抢着提需求不管对错，为了"行动意愿"指标抢着承担决策不管自己能不能扛。
经济学家 Charles Goodhart 早就讲过这件事： 当一个度量变成目标，它就不再是好的度量 。
所以5维AI杠杆率的正确用法，并不是"做成强制考核 KPI"。它更适合用在四个地方 —— 自我反思、角色匹配、发现盲区、设计组织结构。
至于真正适合做考核机制和价值分配的是什么，我们以后可以继续展开。