大廠“牛馬”，被迫用AI

定焦One（dingjiaoone）原創(chuàng)

作者 | 王璐 金玙璠 王漢星 雷晶 陳丹 李夢(mèng)冉

編輯 | 金玙璠

這股“AI提效”的風(fēng)，還是刮到了大廠打工人身上。

最開始，AI還只是少數(shù)技術(shù)極客和嘗鮮者的玩具。有人自掏腰包買會(huì)員，有人私下交流提示詞，把它當(dāng)成提高效率的新工具，確實(shí)從中嘗到了甜頭。

但現(xiàn)在，情況變了。國內(nèi)外的互聯(lián)網(wǎng)大廠已經(jīng)從“鼓勵(lì)使用AI”進(jìn)入了“隱性強(qiáng)制使用AI”的階段。有人被統(tǒng)計(jì)每天消耗了多少Token，有人所在團(tuán)隊(duì)把AI使用情況和績效掛上了鉤，有人被要求優(yōu)先使用公司自研工具，有人則要把自己的工作經(jīng)驗(yàn)拆成流程、寫成Skills，交給AI反復(fù)調(diào)用。

當(dāng)“用AI”、“燒Token”逐漸變成一種考核、一套要求，甚至一種新的工作模板，那些被卷進(jìn)這場(chǎng)智能化浪潮的大廠員工，真實(shí)處境到底如何？

這兩天，我們和六位來自不同公司、不同崗位的從業(yè)者聊了聊。他們的背景涵蓋了海外上市公司的CIO、國內(nèi)頭部大廠的高級(jí)研發(fā)、負(fù)責(zé)寫代碼的初級(jí)程序員，以及做運(yùn)營和市場(chǎng)商務(wù)的非技術(shù)崗。

有人靠著AI實(shí)現(xiàn)效率翻倍，將產(chǎn)品需求文檔的輸出周期從幾周壓縮到一天，甚至一個(gè)人干出了過去一個(gè)團(tuán)隊(duì)的成果；也有人為了應(yīng)對(duì)“智能化產(chǎn)出”的要求，把一份簡(jiǎn)單的數(shù)據(jù)看板手動(dòng)調(diào)試了80遍，硬生生把AI用成了需要不斷“擦屁股”的初級(jí)實(shí)習(xí)生。

大廠的工作氛圍也發(fā)生了微妙的變化。當(dāng)那些原本屬于個(gè)人經(jīng)驗(yàn)、工作習(xí)慣的東西，被一點(diǎn)點(diǎn)拆解、整理、上傳、復(fù)用，踏實(shí)寫代碼的人成了“不活躍分子”，頻繁調(diào)試提示詞的人則成了“積極擁抱新技術(shù)”的典型。新的焦慮也隨之冒了出來：我們究竟是在使用AI，還是在給AI當(dāng)燃料，一步步把自己變成可被替代的流程？

在這場(chǎng)自上而下的AI實(shí)驗(yàn)里，有人感到興奮，有人感到疲憊，也有人一邊配合，一邊不安。但幾乎所有人都意識(shí)到一點(diǎn)：時(shí)代的齒輪已經(jīng)轉(zhuǎn)動(dòng)，無論是主動(dòng)擁抱還是被動(dòng)配合，那個(gè)純粹依人力、拼時(shí)長的工作時(shí)代，正在“翻篇”。

為了交一份“AI成果”，我把數(shù)據(jù)看板改了80遍

好好 | 國內(nèi)某頭部互聯(lián)網(wǎng)大廠 運(yùn)營

三周前，領(lǐng)導(dǎo)在群里發(fā)通知，說以后“鼓勵(lì)大家用AI提效”，沒有KPI，不掛鉤績效，但在例會(huì)上，他對(duì)大家強(qiáng)調(diào)，以后所有工作產(chǎn)出，都可以讓AI先生成一版。

那一刻我明白了，這其實(shí)是隱性要求。

二十多天前，我們被統(tǒng)一要求使用公司自研的AI工具，理由是“數(shù)據(jù)安全”，但問題很快出現(xiàn)。

首先是額度限制。公司給每人發(fā)放的調(diào)用次數(shù)有限，我一邊琢磨著如何盡可能用AI完成工作，還得精打細(xì)算地“省著點(diǎn)用”。

其次是能力不穩(wěn)定。寫文案還行，一旦涉及數(shù)據(jù)分析和復(fù)雜邏輯，就開始出錯(cuò)。

上周，我用它做數(shù)據(jù)看板，直接把我整崩潰了。

這個(gè)任務(wù)很簡(jiǎn)單，是一個(gè)分析客戶和銷售數(shù)據(jù)的工具。過去是技術(shù)部門的活兒，現(xiàn)在需要“人人都會(huì)”。我之前用Gemini順利寫過一個(gè)小游戲，就天真地以為搭個(gè)數(shù)據(jù)看板應(yīng)該也不難。

第1次，AI直接給了我一個(gè)數(shù)據(jù)上傳模板，里面多了七八個(gè)根本用不到的字段，我只好手動(dòng)刪改。

調(diào)教到第13次，維度和數(shù)據(jù)總算對(duì)齊了，但顯示地區(qū)漏了三個(gè)，它還解釋說是“自動(dòng)篩選低價(jià)值區(qū)域”。

調(diào)整到第40次，數(shù)據(jù)格式開始混亂，小數(shù)點(diǎn)有的保留0位有的保留4位。

我強(qiáng)撐到第60次修改，結(jié)果上傳新數(shù)據(jù)后，圖表無法自動(dòng)更新，新舊數(shù)字疊加在一起，數(shù)據(jù)膨脹了近一倍。

熬到第80次修改，終于走到了PDF導(dǎo)出成功的最后一步，想著終于能松一口氣了，但打開后心又死了，費(fèi)了一下午的功夫收獲了一堆亂碼。

我仔細(xì)算了筆賬，無論是做數(shù)據(jù)看板，還是完成日常的工作報(bào)告，我反復(fù)對(duì)AI進(jìn)行調(diào)試、等待“抽卡”的時(shí)間，足夠人工做完兩遍。但領(lǐng)導(dǎo)想看到“AI產(chǎn)出”，我就得陪這位“AI初級(jí)員工”不斷試錯(cuò)。

對(duì)我來說，AI既是工具也是負(fù)擔(dān)，大概一半一半。它確實(shí)接管了一些重復(fù)性工作，但調(diào)試、校驗(yàn)、返工的時(shí)間又把省下來的精力填滿了。我最清晰的感受是，很多工作我明明可以自己做完，卻必須繞一圈，用AI“做一遍”。

為了湊AI使用次數(shù)，我刪掉代碼讓它重寫了一遍

Kevin | 美國某電商公司 工程師

我這周的Kiro（公司內(nèi)部的AI編程助手）使用次數(shù)還沒達(dá)標(biāo)。為了湊夠，我把一段參數(shù)校驗(yàn)的代碼刪了，直接丟給Kiro讓它改寫一版。它生成出來看著像那么回事，但少處理了一個(gè)異常分支，最后還得我自己補(bǔ)回去。

其實(shí)我之前用AI寫代碼用得挺勤的。我訂閱了ChatGPT Plus，后來又試過Claude，遇到一些繁瑣的基礎(chǔ)測(cè)試用例，或者需要快速查個(gè)不常用的API，丟給AI處理確實(shí)能省不少事。那時(shí)候是真的覺得能提效，大家也會(huì)互相交流提示詞。

但去年底開始，公司把Kiro定為公司“推薦的AI原生開發(fā)工具”，并且定了指標(biāo)：年底前，80%的工程師每周使用Kiro。

最開始說是為了讓大家在項(xiàng)目里順手把工具用起來，但沒過多久，內(nèi)部就上線了一個(gè)追蹤員工AI使用頻率的系統(tǒng)。誰在用、誰沒怎么用，后臺(tái)都能看出來。

最讓我們頭疼的是，Kiro不太好用。寫樣板代碼、測(cè)試、接口適配還行；但一旦牽涉到調(diào)用鏈、狀態(tài)處理或者部署約束，它生成的代碼就經(jīng)常只是個(gè)半成品。所以，大量工程師要求改用Claude Code，認(rèn)為Kiro不適合高復(fù)雜度的工程判斷。

大家對(duì)AI生成的代碼不放心是有原因的，去年底，公司有個(gè)團(tuán)隊(duì)就因?yàn)榕躃iro出了個(gè)不小的事故。事故之后，AI參與的代碼變更審批明顯收緊了。

但我還是會(huì)覺得有點(diǎn)恍惚。那些踏踏實(shí)實(shí)鉆研底層邏輯、手動(dòng)優(yōu)化核心代碼的人，在追蹤系統(tǒng)上不夠活躍；反而是那些頻繁調(diào)試提示詞的人，成了“積極擁抱新技術(shù)”的典型。

我原本以為，工程師的價(jià)值是處理那些真正復(fù)雜的問題。可現(xiàn)在很多時(shí)候，我負(fù)責(zé)寫提示詞、盯生成結(jié)果、補(bǔ)它留下來的坑。我最擔(dān)心的不是工作方式變了，而是長期這樣下去，自己從零實(shí)現(xiàn)、排查復(fù)雜問題的能力，會(huì)一點(diǎn)點(diǎn)退化。

全員寫Skills，等于自己“干掉”自己

Kelly ｜北京某互聯(lián)網(wǎng)大廠 后端研發(fā)（職級(jí)序列8）

作為一名后端程序員，我從去年開始就已經(jīng)在工作中高頻使用AI了，用的比較多的是內(nèi)部的無代碼編程工具。

今年春節(jié)前后，公司整體的AI應(yīng)用氛圍突然變得非常激進(jìn)?，F(xiàn)在，全部員工都能在系統(tǒng)里看到自己每天消耗了多少Token，我的直屬領(lǐng)導(dǎo)對(duì)我說的最多的一句話就是“這個(gè)事兒可以用AI試一試?！?/p>

目前公司沒有明確的Token消耗考核，但是每個(gè)部門有各自的考核標(biāo)準(zhǔn)。

具體到我所在的部門，近期鼓勵(lì)全員寫Skills，要求大家對(duì)日常的工作經(jīng)驗(yàn)、工作流程、技術(shù)細(xì)節(jié)以及常見問題進(jìn)行全面盤點(diǎn)，然后文檔化、Skills化。

Leader主要看兩個(gè)指標(biāo)：用公司內(nèi)部“龍蝦”工具每天的Token消耗量，以及Skills的產(chǎn)出量，對(duì)于后者，部門甚至有非常明確的考核指標(biāo)，每周強(qiáng)制要求產(chǎn)出。

不僅如此，目前部門里50%的開發(fā)需求，被強(qiáng)制要求由Agent生成，這意味著，產(chǎn)品、開發(fā)、測(cè)試環(huán)節(jié)被直接跳過，要求用“龍蝦”實(shí)現(xiàn)端到端的產(chǎn)出。

這個(gè)50%的比例還會(huì)在年內(nèi)逐步提升，目標(biāo)是到2026年底爭(zhēng)取實(shí)現(xiàn)全自動(dòng)化。

Token使用成本方面，我們部門技術(shù)序列目前Claude Opus的Token管夠，不強(qiáng)制使用內(nèi)部工具。但大部分部門Opus的額度有限，超出部分要自費(fèi)，使用內(nèi)部工具和自家模型的Token沒有限制。

全面AI化以后，我每天的工作時(shí)長反而更長了。不是因?yàn)楣ぷ髁孔兇?，而是因?yàn)榇蠹叶荚诰鞸kills，你也不得不卷。

比如在我們部門的群里，晚上11點(diǎn)以后還會(huì)有同事分享寫好的Skills。有時(shí)候看到同組的人寫出一個(gè)比較好用的Skills，我就會(huì)感到非常焦慮。

這種焦慮，一方面來自于部門對(duì)Skills產(chǎn)出考核的焦慮，另一方面，也害怕AI Agent正在一天天取代人的工作。

實(shí)際上，AI在解決單一問題時(shí)，效率不一定比有經(jīng)驗(yàn)的后端研發(fā)高。因?yàn)镾kill寫的簡(jiǎn)單流程不穩(wěn)定，要花大量精力去調(diào)試、修改，并且Token的消耗量也很大，但當(dāng)Skills越改越好用之后，AI就會(huì)逐步超過人類，并且以非常低的成本運(yùn)行。

作為打工人，大家心里也都清楚，在公司鼓勵(lì)全員寫Skills的背景下，藏著掖著肯定寫不出好的Skills，但是把自己所有的技能和經(jīng)驗(yàn)都SOP化、Skills化，其實(shí)離被AI取代的那天也就不遠(yuǎn)了。

AI對(duì)于工作效率的提升毋庸置疑，但效率上去了，也就意味著不需要那么多人了。目前公司的內(nèi)部活水通道已經(jīng)停了，未來會(huì)發(fā)生什么，硅谷的科技大廠已經(jīng)給了答案。

“被迫用AI”，但我靠它卷贏了組里的人

陳宇 | 國內(nèi)某手機(jī)廠商 通信協(xié)議工程師

最近半年，我們公司都在卷AI，從去年10月開始，工具開放、額度報(bào)銷、鼓勵(lì)人人用。以我們部門為例，每人Cursor每個(gè)月都有一定的使用額度要求。用不完會(huì)被認(rèn)為“浪費(fèi)資源”，賬號(hào)可能會(huì)被回收；用得多但產(chǎn)出沒跟上，又會(huì)被判定為濫用，同樣會(huì)被提醒。

所以，不用不行，用得不好也不行。在這種趨勢(shì)下，壓力肯定是有的。組里已經(jīng)有人因?yàn)椴辉敢饣〞r(shí)間學(xué)AI，加上工作狀態(tài)一般，被優(yōu)化了。

我對(duì)“用AI”的理解和很多人不一樣。濫用AI，浪費(fèi)那么多Token，還不如花錢買游戲玩。AI不是用得越多越好，而是要用得對(duì)。我一般每周抽一兩天，專門研究怎么讓AI更好地適配我的工作、幫我高效干活。

我的崗位是通信協(xié)議工程師，寫代碼只占一小部分，更多的時(shí)間是處理用戶數(shù)據(jù)、分析系統(tǒng)日志等。以前分析用戶手機(jī)卡頓數(shù)據(jù)問題時(shí)，有時(shí)候明明是運(yùn)營商網(wǎng)絡(luò)導(dǎo)致的問題，也要我們一點(diǎn)點(diǎn)排查，大量精力都耗在無效信息的篩選上。

現(xiàn)在，AI能幫我先快速定位并剔除無關(guān)干擾，讓我專注在真正需要優(yōu)化的地方。去年一年，我的整體產(chǎn)出提升很明顯，績效在組里排得比較靠前。

不過說實(shí)話，AI遠(yuǎn)沒到能替代人的程度。它的日志分析準(zhǔn)確率只有60%左右，必須人工復(fù)核。為了提升AI的能力，我們得不斷寫規(guī)則、優(yōu)化邏輯。所以，我近半年的工作量是增加的。但這個(gè)過程本身就是在“教育”AI，讓它服務(wù)于人。

這兩年，我能明顯感覺到公司招的人在變少，我覺得這背后肯定有AI的影響。身邊有朋友準(zhǔn)備換工作時(shí)，我都會(huì)勸他一定要惡補(bǔ)AI相關(guān)能力。同樣的技術(shù)水平，會(huì)不會(huì)用AI，在面試和薪資上能拉開明顯的差距。現(xiàn)在平臺(tái)逼著你學(xué)，也是幫你提前儲(chǔ)備了職業(yè)競(jìng)爭(zhēng)力。

我始終認(rèn)為，AI并不是用來代替人的，它是人和人之間一個(gè)新的競(jìng)爭(zhēng)工具而已。

我們沒裁員，但效率必須提升3至5倍

Ming Lu ｜澳大利亞 某上市公司CIO

作為CIO，我可能是公司里最早一批“AI原住民”。

在公司正式確立AI戰(zhàn)略之前，我已經(jīng)開始高頻使用AI工具。公司因?yàn)榕c微軟有長期合作，很早就接入了Copilot，后來，又將Copilot與Claude整合進(jìn)內(nèi)部工作體系。毫不夸張地說，我現(xiàn)在幾乎所有的核心工作都已由AI完成，效率翻倍。

但公司在內(nèi)部推進(jìn)AI工具的初期，并不順利。

一開始，采取的是鼓勵(lì)式策略，給所有部門和員工配備了近乎無限的Copilot使用權(quán)限和額度。但效果并不明顯，甚至在軟件開發(fā)和UX部門遇到了阻力。

這些團(tuán)隊(duì)并不是排斥AI工具，也愿意用AI做輔助性工作，例如寫代碼片段、生成設(shè)計(jì)草圖。但他們普遍不愿意更進(jìn)一步，比如，讓AI介入核心的SDLC（軟件開發(fā)生命周期）流程。這種心態(tài)可以理解，人們?cè)敢庾孉I幫忙，但不愿被AI主導(dǎo)。

但是，在公司的戰(zhàn)略框架里，只把AI當(dāng)作語法檢查器是不夠的，我們要的是流程重塑。

因此，今年年初，我與CTO共同制定了新的AI戰(zhàn)略：要求各部門在四月底前提交AI路線圖，并設(shè)定了嚴(yán)苛的考核機(jī)制——每位經(jīng)理需提交三個(gè)AI倡議（AI Initiatives），每季度按落地情況打分。我們還開始監(jiān)控Token使用量，考核AI使用率，長期偏低者可能進(jìn)入績效改進(jìn)計(jì)劃（PIP）。

調(diào)整后，效果立竿見影。

軟件開發(fā)的變化最明顯。過去，一份產(chǎn)品需求文檔（PRD）的形成，需要產(chǎn)品經(jīng)理與開發(fā)團(tuán)隊(duì)多輪溝通，周期長達(dá)數(shù)周甚至一兩個(gè)月?，F(xiàn)在，一位項(xiàng)目經(jīng)理可以在一天內(nèi)輸出，既有Markdown說明，也附帶界面原型圖的PRD。項(xiàng)目啟動(dòng)階段最耗時(shí)的“模糊地帶”被大大壓縮了。

如今，我的工作重心也變了。我每天會(huì)花大量時(shí)間與各部門經(jīng)理開會(huì)，討論AI可以在哪些環(huán)節(jié)介入；同時(shí)我自己也搭建了一個(gè)多智能體的Claude環(huán)境，先花大量精力與AI進(jìn)行頭腦風(fēng)暴，將方案拆解度，最后再交給AI去落地。

AI讓我把更多的時(shí)間花在了“如何把問題想清楚”上。如果需求文檔寫得不夠扎實(shí)、商業(yè)邏輯不夠清晰，AI的執(zhí)行就會(huì)徹底跑偏。這也倒逼我們更多思考商業(yè)邏輯的本質(zhì)。

當(dāng)然，效率提升的另一面是殘酷的：崗位可能會(huì)減少。雖然公司董事會(huì)決定先不裁員，但要求每個(gè)員工的效率提升3到5倍，同時(shí)，我們已經(jīng)停止了招收數(shù)據(jù)分析、程序開發(fā)和財(cái)務(wù)分析方向的新人招聘。這可能也是所有公司遲早要經(jīng)歷的事。

我不覺得自己被AI支配，相反，我感受到了前所未有的駕馭感?，F(xiàn)在真正感到壓力的，是那些工作內(nèi)容高度標(biāo)準(zhǔn)化、極易被AI直接替代的崗位。而那些具備強(qiáng)大需求分析和頂層規(guī)劃能力的人，反而更吃香了。

用AI后，我的工作反而更忙了

云天｜國內(nèi)某頭部大廠 高級(jí)研發(fā)

我是比較早一批自費(fèi)使用AI的人，每個(gè)月在各種工具上的支出接近500美元，從GPT到各類垂類模型，好用的就直接買年包，體驗(yàn)型的就先試月卡。

目前我們公司目前對(duì)Token使用量沒有強(qiáng)制要求，合規(guī)前提下，哪個(gè)好用用哪個(gè)，都是團(tuán)隊(duì)綜合考慮下來挑選覺得對(duì)工作最有幫助的。我現(xiàn)在每個(gè)月的Token消耗量大概在30到40億左右。

但即便如此，我的工作時(shí)間還是變長了。

原因很簡(jiǎn)單：用AI不僅是“讓它干活”，還要先把系統(tǒng)搭起來。就像蓋摩天大樓必須先搭架子一樣，我們要先構(gòu)建一套系統(tǒng)，去規(guī)范AI的使用邊界、降低它的出錯(cuò)率；甚至在AI出問題后及時(shí)“擦屁股”，把控它的影響范圍。這份工作遠(yuǎn)比單純用AI提效更繁瑣，相當(dāng)于一份工作干兩份活，適應(yīng)這套新要求，也花了我不少時(shí)間。

對(duì)于現(xiàn)在市場(chǎng)上普遍焦慮的“Token消耗量納入KPI”的問題，我倒是有不同的看法。

從我接觸到的老板或業(yè)務(wù)負(fù)責(zé)人來看，沒有一個(gè)人對(duì)AI是不上心的，個(gè)個(gè)都怕錯(cuò)過這個(gè)風(fēng)口。我了解的兩家頭部大廠，是會(huì)要求員工只能用自己家的大模型，不允許使用Claude、ChatGPT等其它工具。

其實(shí)我不太理解為何有些公司想將Token使用量納入KPI，這是管理者心智負(fù)擔(dān)最低的做法，但它衡量不了價(jià)值的核心。

但從另一個(gè)角度看，我認(rèn)為設(shè)立“保底門檻”是合理的。如果一個(gè)員工在現(xiàn)在的環(huán)境下，完全不燒Token、堅(jiān)決不用AI，這本身就說明他缺乏改造自身工作流的意識(shí)。

至于AI引入后會(huì)不會(huì)導(dǎo)致大面積縮招或裁員，我認(rèn)為整體就業(yè)市場(chǎng)本身就遵循工業(yè)革命規(guī)律。

大廠的招聘邏輯，從來不是單純看需要多少人干活，而是看利潤支撐和人才策略。把懂AI的人才招進(jìn)來，哪怕暫時(shí)用不上，也是在搶占身位。而對(duì)于中小企業(yè)來說，AI降低了創(chuàng)業(yè)和研發(fā)成本，以前100人做的事現(xiàn)在10人就能完成。

我認(rèn)識(shí)一位非技術(shù)背景的創(chuàng)業(yè)者，靠著AI，一個(gè)人花了半年時(shí)間，硬是敲出了一套完整的ToB教育系統(tǒng)，這在過去至少需要一個(gè)百人團(tuán)隊(duì)。當(dāng)全社會(huì)的試錯(cuò)成本都在降低時(shí)，短期內(nèi)必然會(huì)經(jīng)歷崗位調(diào)整的陣痛，但長期來看，整個(gè)市場(chǎng)的蛋糕會(huì)被做大，會(huì)涌現(xiàn)出更多新團(tuán)隊(duì)、新機(jī)會(huì)。

那些標(biāo)準(zhǔn)化、重復(fù)性強(qiáng)的崗位，被沖擊是必然的；但那些需要深度思考、創(chuàng)意策劃和資源整合的崗位，反而會(huì)因?yàn)锳I更加受歡迎。時(shí)代的車輪從不等人，有些舊崗位被淘汰是必然，但新世界的大門，也正在緩緩打開。

*題圖及文中配圖來源于pexels。應(yīng)受訪者要求，文中好好、云天、陳宇為化名。