10月16日，一篇小红书爆料帖把"公司AI绩效"顶上了讨论区：某公司OA首页挂出一则AI成效战报，直接公布了某部门自有研发和外包研发的裁减人数，大字报配文"研发人力成本压降473万元"。帖子528赞、150条评论，热评第一很扎心：“砍了16个人、就剩了473万？”小红书
一天后的10月22日，知乎又冒出一个新问题：「强制用AI办公，是提效还是折腾？」挂的话题是智能办公、办公效率神器、ai办公。知乎
把近两个月小红书、知乎、微博的同类帖子放在一起看，这不是一个公司的行为艺术：AI使用次数被统计、Token消耗被排名、绩效被绑定、裁员被写成战报。这篇内容就写给已经在用AI干活、但最近开始被要求"说清楚怎么用的"那批打工人——工具你已经上手了，现在要判断的是：这波考核是什么逻辑，汇报怎么写才不吃亏、不踩雷。
一、三个月时间线：从"要用"到"排名"到"战报"
第一阶段：要用。 4月那条3576赞的微博说得很直白：“怀疑全世界的老板都被AI夺舍了”——强制员工应用尽用、严禁手搓，把AI使用率和使用时长纳入考核。微博
第二阶段：排名。 8月微博一条1047赞的帖子写得很直白：公司搞AI考核，token消耗最少的绩效最低。7月小红书的吐槽是"不看你干了多少活，看你用了几次AI，统计调用次数、排名Token消耗"；同期有帖子称某大厂把Token消耗排行绑定试用期转正和年度KPI。更完整的一条来自V2EX网友晒出的公司公告截图（9月经微博转发）：从2025年12月到2026年9月，九个月内公告画风从"全员强制用Claude Code，使用深度纳入绩效考核"，变成"AI效率先锋大赛报名截止"，再变成"模型价格下调、每日额度调整"——先冲量，再办赛，然后开始算钱。微博微博
第三阶段：战报。 10月就是开头那出：OA首页大字报，把裁掉的人力成本写进AI成绩。评论里有句话流传很广：“发给老板看是喜报，发给员工看就是紧箍咒。”
这条三段链不是巧合。使用率证明不了价值之后，考核就只能找更醒目的数字。 海外已经有人退过这条路：6月知乎话题里传开，亚马逊关停了内部员工Token消耗榜单——员工为冲排名疯狂烧Token，业务效率没见涨，排行榜本身成了成本。知乎小红书
二、排名为什么必然失真：两组看不见的口径
口径一：写代码不等于做研发。 10月22日知乎专栏引用了TikTok CEO周受资在星展亚洲未来前瞻大会的说法：写代码只占大多数软件工程师工作时间约30%，剩下70%是规划、跟产品对需求、协调、复核。那篇文章算了笔账：一个需求全程8小时，编码1小时；AI把编码压到10分钟，环节内提效6倍，整体交付只从8小时变成7小时10分钟——全链路只提升约10%。考核只盯"AI写了多少代码"，等于只给那1/3计时。知乎
口径二：单件省时不等于总负担变轻。 知乎问题「怎么感觉有了AI更累了呢」下有个很冷的算术：原来每件活50分钟、一天做3件，共150分钟；用AI后每件35分钟，但一天要做6件，共210分钟。单位效率上去了，总量也上去了，你反而更累。 这还没算验证成本——"第一批靠AI提效的人"里有人复盘：AI整理的表格开头看着省事，最后耗回去的全是核对事实和改口吻。知乎
当企业只统计"调用次数"和"节省工时"两类数字时，员工侧的真实账目其实在反向增长。战报上的473万和工牌上的你，看的是两本账。
三、先别砸工具：需求本身是真的
唱衰AI办公也站不住。36氪10月21日的梳理引了QuestMobile三季度报告：9月AI办公赛道合计活跃用户达到1.42亿，同比增长50.6%；易观口径的桌面端办公智能体里，WorkBuddy月访问量从6月的2097万次增至9月的8534万次，三个月涨到4倍多。B站近一周的教程区、小红书的收藏榜也都在证明同样的事。36氪
同时，真实的红利也存在：知乎「第一批靠AI提效的人，现在怎么样了」下有高赞回答总结——“活没变少，变少的是返工”，视频行业最耗人的不是写稿而是改稿，改一次等于重做一遍，AI省掉的是这半程。知乎
所以矛盾从来不在"要不要用AI"，而在：工具已经进了工作流，考核还停在发工具、冲装机量的阶段。 三段变形本质是管理动作没跟上使用深度。
四、一条已经生效的判决线：什么数据别喂给AI
很多被强制用AI的人没意识到：自己和公司之间已经出现了一个此前不存在的灰色地带。北京朝阳法院近期审结的劳动争议案值得每个打工人读一遍——某保险公司法务吴女士，为提升PPT和数据分析效率，把自行整理加工后的稽核问题数据表上传第三方AI平台，两个月后被公司以"严重违反规章制度"辞退。法院认定公司违法解除，判继续履行劳动合同并支付年终奖差额、绩效工资、工资损失，判决已生效。知乎
法官给的三个认定前提，恰好是反向的操作清单：公司无明确禁止性规范（没出台AI专项制度、没做过专项培训）；员工无泄密主观故意（工具是领导推荐的）；公司举证不了实际泄密后果。但注意边界——吴女士赢的前提包括她上传的是"整理加工后"的非核心数据；文件如果是客户名单、原始稽核底稿这类真保密件，结论不会一样。
五、被要求交"含AI量"汇报前，先对完这四组口径
交成果，不交次数。 写"返工少了哪几小时"“初稿通过率的哪项指标动了”，不写"本月对话X次、消耗X万Token"——亚马逊已经替所有人验证过这条路是死胡同，你跟着报，只是在给对方的形式主义供数据。
报节省工时，附上新成本。 验证、改口吻、维护提示词、补流程，这些是AI工作流的隐性人力，50分钟变35分钟但多做了两件，就照实写。
放进全流程说。 参考"编码只占30%"那笔账：讲清楚你优化的是哪一环，哪几环AI帮不上。考核方最爱一个环节一个环节的百分比，你要给的是端到端。
留痕、守边界。 提示词和产出都留底（法院看过程），任何你不会贴进OA战报的文件——尤其是带姓名、金额、客户信息的原始件——不喂给没有企业授权的第三方平台。
最后：用一个信号判断公司这次是动真格还是做汇报
公司推AI绩效时，看它"配了什么"：配Token预算、配专项培训、制度规则先于考核落地，这是想把工具用起来；只配排行榜、战报和打卡式的案例征集，那你是别人述职PPT里的数据源——前一种值得认真搭工作流，后一种按上面第五节保护自己，然后把精力留给真正省时的环节。
至于那张"压降473万"的战报，评论区一条高赞说尽了："AI最大的成果也就是内部优化了，对外部业务扩展没有丝毫帮助。"考核变形的代价，最后还是要一线干活的人付。
