文章核心观点 - 互联网大厂正从鼓励使用AI转向隐性强制使用AI 工作方式发生根本性变革 员工面临效率提升与工作异化的双重体验[4][5] - AI工具的应用在提升部分工作效率的同时 也带来了新的工作负担和考核压力 并引发了员工对自身价值及可替代性的普遍焦虑[5][18][25][33] - 企业正通过制定战略、监控使用量、设定考核指标等方式自上而下推动AI深度融入业务流程 目标是实现效率的倍数提升和流程自动化[23][27][46][47] - 这场变革正在重塑劳动力市场 标准化岗位面临冲击 而具备深度思考、需求分析和规划能力的人才价值凸显 同时可能伴随岗位减少和招聘策略调整[40][47][49][58] 大厂推行AI的策略与考核 - 企业推行策略从初期鼓励使用、提供额度 逐步转向设定明确使用率指标、监控Token消耗量并与绩效挂钩[7][23][24][46] - 部分公司强制要求使用自研AI工具 理由是数据安全 并限制或禁止使用外部工具如Claude、ChatGPT[9][54] - 考核方式多样化 包括追踪员工AI使用频率、设定每周使用次数或Token消耗量指标、要求提交AI倡议并按季度打分 长期不达标者可能进入绩效改进计划[24][35][46] - 部门层面有具体考核指标 例如强制要求一定比例（如50%）的开发需求由AI Agent端到端生成 并计划在未来几年内提升自动化比例[27] 员工使用AI的真实体验与困境 - AI在处理重复性、标准化任务时能提升效率 例如快速生成代码片段、定位数据问题、输出产品需求文档 有案例将PRD输出周期从数周压缩到一天[5][39][43][49] - 但AI在涉及复杂逻辑、数据分析、工程判断时能力不稳定、出错率高 需要大量人工调试、校验和返工 有时反而降低整体效率[11][18][24] - 员工为满足考核要求可能出现“刷使用量”行为 例如删除代码让AI重写 但最终仍需人工修正 造成资源浪费[20] - 使用公司自研或指定工具时 常面临额度限制、能力不如外部工具的问题 员工需在“省着用”和完成任务之间权衡[10][24][28] AI对工作内容与岗位的冲击 - 企业要求员工将个人工作经验、流程、技术细节文档化、Skills化 并纳入考核 这被部分员工视为在将自己的技能SOP化 加速自身被替代的过程[27][32][33] - 效率提升的明确目标是员工个人效率提升3至5倍 企业已停止招聘数据分析、程序开发、财务分析等方向的新人 岗位减少成为可能[47][49] - 工作价值评估标准发生变化 踏实钻研底层逻辑的员工可能被视为“不活跃分子” 而频繁调试提示词的员工则被看作积极典型 引发员工对核心能力退化的担忧[5][25] - AI降低了创业和试错成本 案例显示个人创业者利用AI在半年内完成过去需百人团队开发的ToB教育系统 预示未来小型高效团队将成为可能[58] 不同岗位从业者的具体案例 - 运营岗位：为用AI完成一个数据看板任务 反复调试修改高达80次 耗时远超人工 但为满足“AI产出”要求不得不为之[12][18] - 工程师/程序员岗位：公司要求80%工程师每周使用内部AI编程助手 并追踪使用频率 但工具在处理高复杂度工程时能力不足 生成代码常为半成品[23][24] - 通信协议工程师：通过针对性研究让AI适配工作 AI帮助快速筛选无效信息 使其整体产出提升 绩效靠前 认为AI是人与人竞争的新工具[36][39][41] - 企业CIO：通过制定严格AI战略与考核 推动流程重塑 使AI深度介入核心工作流 自身工作重心转向与AI头脑风暴、规划顶层逻辑[43][46][49] - 高级研发：自费使用多种AI工具 月支出近500美元 月Token消耗量达30到40亿 但搭建规范AI使用的系统使其工作更忙[52][53] 行业趋势与未来展望 - AI应用正从辅助工具向驱动核心业务流程、重塑工作模式的方向发展 纯粹依赖人力和时长的工作时代正在终结[5][46] - 就业市场将遵循技术革命规律 标准化、重复性强的岗位必然受到冲击 而需要深度思考、创意策划和资源整合的岗位价值将提升[50][58] - 企业招聘逻辑转向抢占AI人才身位 而非单纯满足人力需求 同时AI将降低中小企业研发成本 催生新的团队和机会[58] - 全社会对AI能力的掌握程度将成为新的职业竞争力分水岭 同样的技术水平 是否会使用AI将在面试和薪资上拉开差距[40]