多邻国CEO认错：强推AI办公为何翻车

一家估值百亿美元的教育科技公司，把"用AI"写进KPI，一年后CEO亲自道歉——这不是段子，是多邻国（Duolingo）的真实剧情。

CEO路易斯·冯·安（Luis von Ahn）最近在播客里坦承：「我们试图强推一些在某些情况下并不合适的东西。」从"AI优先"的激进口号，到"能帮你完成工作就行"的务实回调，这场翻车给所有想靠行政命令推AI的公司上了一课。

强制AI办公的KPI，怎么设计的

多邻国的AI-first战略起初逻辑自洽：既然AI要重塑工作，员工就该用起来，公司也该追踪使用量确保不掉队。

具体执行层面，他们把AI使用纳入绩效评估。员工被期望在工作中主动调用AI工具，管理层则通过某种量化指标来考核这件事。

冯·安本人是技术乐观派的典型代表。作为卡内基梅隆大学教授、CAPTCHA验证码的发明者，他向来对技术变革持激进态度。2024年初，他在内部高调宣布AI-first转型，要求团队全面拥抱生成式AI。

但问题很快暴露。员工开始质疑：到底在测量什么？是AI的使用频率？使用时长？还是生成的token数量？

更麻烦的是，不同岗位对AI的需求天差地别。内容编辑可能用AI辅助课程脚本，但财务合规岗强行套用AI反而增加风险。一刀切地考核"用没用"，本质是把复杂的工作简化成虚假的数字化指标。

冯·安在播客里反思：「感觉我们不是在为实际结果负责，而是在强行推一个有时候并不合适的东西。」

为什么"用AI"不能成为KPI

多邻国的困境不是个案。过去两年，从摩根大通到沃尔玛，大量公司尝试过类似的强制AI使用政策，结果普遍遇冷。

核心矛盾在于：AI是手段，不是目的。当KPI锁定"使用行为"而非"产出质量"，员工会自然选择最小阻力路径——用AI完成考核指标，而非真正解决工作问题。

冯·安承认，部分员工为了达标，开始在并不合适的场景硬塞AI。「有些人明明手写更快，却非要让AI生成再修改，纯粹浪费时间。」

更深层的陷阱是技术成熟度的不均衡。2024年的生成式AI在创意写作、代码辅助场景表现亮眼，但在需要精确性、合规审查、跨部门协调的任务中，幻觉问题和上下文限制仍然明显。强行推广等于让员工为技术短板买单。

多邻国自身的业务特性也放大了矛盾。作为语言学习平台，其内容生产需要兼顾语言学准确性和文化敏感性——这正是当前AI最容易出错的领域。内部团队反馈，AI生成的例句经常出现微妙的文化偏差，人工复核反而比直接创作更耗时。

回调之后的新规则是什么

多邻国的修正方案可以概括为一句话：结果导向，工具中立。

冯·安明确表态：「最重要的是你把本职工作做到尽可能好。很多时候AI能帮上忙，但如果帮不上，我不会强迫你用。」

具体调整包括：取消AI使用量的量化考核，改为由员工自主申报AI辅助的具体成果；管理层评估时关注"任务完成质量"而非"工具使用比例"；允许团队根据实际场景选择技术栈，包括传统工具和人工流程。

这个转向的微妙之处在于，它没有否定AI的价值，而是否定了"强制使用"的管理逻辑。多邻国仍在投资AI基础设施，包括自研课程内容生成系统和个性化学习推荐引擎——但这些是产品层面的技术投入，而非对员工的工作方式绑架。

一个值得注意的细节：冯·安特别强调"我们后退了一步"（we backtracked）。在硅谷语境中，公开承认战略回撤需要相当的勇气。这种坦诚本身也是一种管理信号——承认试错，比硬撑面子更能重建团队信任。

给其他公司的四个清醒剂

多邻国的案例提供了几个可操作的教训。

第一，区分"AI能力"和"AI使用"。前者是组织层面的技术储备，后者是个人层面的工作习惯。强制后者往往适得其反，因为工具适配需要情境判断，无法靠行政命令标准化。

第二，警惕"数字化表演"。当AI使用成为可见的考核指标，员工会优先满足可测量的行为（如生成文档数量），而非不可测量但更重要的目标（如决策质量、客户关系）。这和当年"代码行数考核程序员"的荒谬如出一辙。

第三，接受技术采纳的非线性。Gartner技术成熟度曲线的残酷之处在于，从"期望膨胀"到"泡沫破裂"的下滑期，往往伴随组织层面的管理失误。多邻国的快速回调，某种程度上是缩短了这个痛苦阶段。

第四，CEO的个人技术信仰需要制度制衡。冯·安的学术背景和产品直觉推动了多邻国的早期成功，但也让他在AI-first决策中低估了执行层面的摩擦。健康的组织需要有人敢于对CEO说"这个方向可能有问题"——而多邻国的绩效争议，恰恰说明这种制衡机制曾暂时失效。

AI办公的真正瓶颈在哪

回到更宏观的视角，多邻国的故事揭示了2024-2025年企业AI应用的一个关键拐点：从"要不要用"转向"怎么用对"。

早期 adopters 的红利期正在结束。简单地把ChatGPT接入工作流、要求员工每天提问N次，这类低门槛策略的边际效益急剧递减。真正的差异化竞争，来自对特定岗位工作流的深度重构——而这需要比"强制使用"精细得多的组织设计。

冯·安的反思中有一句话值得划重点：「在某些情况下并不合适。」这个"某些情况"的界定，恰恰是当前企业AI战略最缺的能力。不是技术能力，而是对业务场景的理解能力，以及承认"这里暂时不需要AI"的管理诚实。

多邻国没有放弃AI。他们仍在开发AI驱动的语言学习功能，仍在探索生成式内容的生产管线。改变的是推进方式：从自上而下的行政指令，转向自下而上的场景验证。

对于正在制定AI政策的科技公司管理者，多邻国的回调提供了一个检验标准——你的AI战略能否经受住"冯·安测试"：如果一年后需要公开道歉，现在的设计哪里会出问题？

务实的答案通常是：少定几条关于"用不用"的规定，多留一些让一线员工判断"好不好用"的空间。