用了AI，大厂牛马更累更卷了

文｜财经故事会 桃晏昭

"都说AI让我们效率更高了，为什么我们反而更累了?"

"我每天教AI怎么工作，是在亲手训练自己的替代者吗？"

外滩大会这两个扎心的AI追问，戳中了不少大厂牛马。

以前卷加班卷KPI，现在要卷Token的投产比；有人每月消耗公司数千元的 Token 额度，一天烧掉上百万 的Token消耗量，也有人自费充值，用AI为工作提效；用AI少了被敲打，用AI多了要考核产出；有人蒸馏出 "AI 老板"，提前替真老板给自己挑刺，骂完拿到了部门最高绩效；

大厂牛马热情拥抱 AI，既怕AI不好用，又怕AI太好用，顶替了自己。

这场没有终点的提效竞赛里，几乎没有人敢停下来，唯有争当AI卷王。

一用得少怕被敲打，用得多被考产出

在字节做产品经理的晓琪，每天到工位的第一件事，就是唤醒几个"AI下属"。

豆包、ChatGPT、Claude Code，还有公司内部自研的Aime，多个AI一字排开时，一天的工作仿佛都更有底气。

AI刚普及时，晓琪感恩于生产力的解放：先打开有内网权限的办公助手Aime，让它分析这周刚开的实验效果并生成分析文档；再把一段SQL代码扔给豆包，让它参考原格式，改出替换字段的版本；最后把近期的工作沟通困境抛给ChatGPT，请它看看有没有破局方案。

给AI派完活儿，晓琪去茶水间接一杯咖啡，再回工位时，几份有模有样的结果已经躺在屏幕上了。

AI是助力，也成了新的压力。

老板开始在群里反复强调，"大家一定要把AI用起来"；公司和部门一场接一场地组织AI最佳实践分享，同事轮流展示自己如何搭工作流、搓网站，强调相比以前又省下了多少人力。

没人公开说"不用AI就会被淘汰"，但所有人都听懂了。

不少牛马已经开始付费上班：主动充好各大AI的会员、自费购买API，花自己的钱，帮公司提升效率。

不止产品岗、技术岗。在多家大厂，新闻通稿的撰写基本上也由AI代劳了。"我们部门训练好了Skill，告诉AI通稿的角度，喂上信息，基本上就能成文了，最后人才把关审核下，基本完活儿。"

如果公司本身就有AI产品，还能享受近水楼台的便利。一位阿里人士透露，阿里旗下AI办公产品千问办公和钉钉打通，能追踪她的工作日志，直接生成周报。"不止是我，我们部门都在用，Leader也在用AI读取我们的周报内容。"

AI从单点执行，到帮人系统地完成任务，这种趋势是全球性的。麦肯锡8月底的全球调查表明，年营收10亿美元以上的大企业中，40%的受访者已在至少一个业务职能中完成AI Agent规模化部署，比去年高出13个百分点。

AI不再只是员工自发找到的外挂，而是正在成为工作的基础设施。各大厂也在AI军备竞赛上，给足了打工人资源。据《经济观察报》报道，腾讯混元大模型团队员工月Token额度约7000元，阿里的产品、研发额度则约8000元；字节员工可以不限量调用内部AI产品，此外每年还可报销50%的外部AI支出费用，产研岗位年度报销额度上限为1000美元，其余岗位则是300美元；蚂蚁集团非技术岗位的一线员工，每月上限是二三百美元。

Token消耗量甚至一度进入了大厂部分团队的考评体系。据36氪报道，今年4月，阿里一名算法工程师因单月Token消耗量位居部门第一，而受到公开表扬，部门管理者曾表示，相关排名会作为绩效与晋升的参考之一。

晓琪所在的团队虽然没有公开排名，但她能感受到类似的压力：用得少，会收到来自老板的敲打，"为什么用得这么少？"；用得太多，又要被质疑，"花了这么多成本，对应产出如何？"

晓琪曾统计过自己的Token消耗量，大概一天50万到100万之间。她并不清楚这些Token在公司的实际结算里到底值多少钱，也不清楚自己在组织内的相对排名，但她知道，自己得拼命想着如何多用AI。

这种变化，晓琪在部门周报里感受得最直接。Q3周报上，用"Agent"作为关键词搜索，有超过20条结果。所有运行中的项目，都在强调如何用Agent解决问题；产品、运营、研发，人人都在搭自己的AI工作流。

原本需要3个人标注两天的上千条数据，现在用评测Agent，10分钟就能跑完一轮；0代码基础的文科生学会了Vibe coding，原本需要研发排期一周的工作，现在产品经理自己上手，3个小时就能用自然语言搓出样式精美的Demo。

晓琪跟同事调侃："如果到了8月，你还不会用Agent，跟猿人有什么区别？"

当AI开始替人完成任务，企业自然会重新计算：这件事，还需要几个人来干？

二80%的岗位要求AI能力，100%的牛马怕被AI替代

AI带来的压力，也在向招聘市场蔓延。

刚刚过去的外滩大会人才招聘会上，集中释放了1500多个岗位，七成以上与AI相关。

美团2027届校招的岗位中，超过80%明确要求AI相关能力；蚂蚁集团秋招的技术岗位中，八成以上与人工智能相关；携程的研发类笔试，也新增了AI Coding模块。

会用AI，正在从加分项变成必选项。同道猎聘集团副总裁把冉观察到："AI时代的人才需求正从单一技术导向转向‘专业+AI’的复合能力模型。"

但AI并不是平均地威胁所有岗位。与其讨论"哪个工种会先消失"，不如看看一个岗位里，到底有多少工作适合交给AI——一项工作越容易说清楚、越方便在线上完成、结果越能被验收，就越容易先被AI替代。

西二旗一家大厂的内容运营凌九，在担任业务面试官时，会明确考察候选人的AI能力。她把候选人的AI能力简单分为3层：只会写Prompt、会使用Skill、熟练调度Agent完成任务。

凌九想得很明白：运营工作中，大量时间消耗在信息搜集、基础数据复盘和脑爆第一版活动方案上。这些工作目标相对明确，容易被拆成标准步骤，最适合先交给AI。

工作3年的客户端研发子航，则明显感到饭碗被AI冲击。他戏称手动写代码的是"古法手搓手艺人"：以前接到需求，他得自己查文档、写代码、Debug，现在把任务跟AI说清楚，第一版代码很快就能生成。

更直接的信号是，组里最近又走了2个新人，也没有立刻补人。"以前适合给应届生练手的活儿，现在AI能干得又快又好。"

代码成为最早在AI面前"沦陷"的领域之一，正是因为它足够"机器友好"：任务容易拆解，过程完全线上化，结果还能通过测试快速验收。

同在字节工作的数据分析师珂珂，也经历过这种焦虑。以前业务方想看一个指标的波动原因，要在评审会上给数分提需求，然后等排期；排上期后，珂珂写SQL、跑数、分析。现在业务自己问Aime，5分钟就能拿到一份图文并茂、数据翔实的完整报告。

"那还要我干嘛？"

但在实践中，他发现自己依然有价值。由于数据基建不够完善，同一个字段命名，可能意味着不同的业务含义。口径是否对齐、底表是否可信，这些需要跟多个团队反复拉扯许久才能对清楚的东西，成了珂珂此刻的不可替代性。

这也是数据分析师工作的边界：只会写SQL容易被替代，但关联哪张表、统计时要不要去缓存、为什么选A指标而不是B指标，以及数据究竟说明了什么，仍需要人来判断。

"AI会写SQL又能怎样呢，毕竟它无法像人一样背锅啊。"珂珂自嘲。

把工作任务按结构拆分给AI，效率提升肉眼可见。BCG今年对1.2万名职场人的调查发现，在经常使用AI的一线员工中，42%的人每周至少能节省8小时工作时间。

但问题随之而来：省下来的这8小时，到底去了哪里？

三AI提效后，牛马们更卷了

AI把活儿干得更快之后，不少牛马却觉得更卷更累了。

在大厂，AI节省出来的时间并不意味着休息。这部分空隙不仅迅速会被新工作填满，还进一步拉高了管理者对效率的期待。

"这个场景能不能用AI？""为什么有了AI还交付这么慢？""先不用加人，搭个Agent试试"，不一定所有领导都懂AI，但他们都一定有资格挑战自己的下属。

老板的灵感，可能来自于前一天晚上睡前刷到的短视频。但不影响到了第二天开会，团队就多出一个AI方向。

更现实的是，个人效率提高了，不等于组织效率同步提高。

一份德勤8月对500多名美国企业和IT负责人的调查显示，只有5%的公司认为，现有业务流程可以高度适配AI Agent；真正能实现跨部门、多Agent规模化协作的，仅有15%。

这个结果并不意外。AI提升的是单个任务的效率，企业追求的却是组织流程效率的优化。

一名产品经理可以10分钟生成实验报告，但实验是否上线，仍要经过多方指标确认和管理层审批；程序员可以迅速写好代码，但需求是否值得开发、能否真正带来增长，依然没有答案。

当执行不再是主要卡点时，拍板决策和协作效率就可能成为新的瓶颈。

与此同时，AI也改变了资源分配的逻辑。

沾上AI的项目，往往更容易获得公司的资源倾斜，而不带AI的项目，则更容易被判定为"缺少想象力"。于是，很多团队开始拼命在原有工作场景中，试图套上AI，升华项目的价值，于是，大厂的所有业务都开始"All in AI"。牛马们的薪酬报酬也和AI挂钩，AI核心部门薪酬一再上涨，非AI部门却只能接受普涨。比如，传闻腾讯挖来姚顺雨，耗资上亿——虽然腾讯随后辟谣，但姚的年薪大概率过千万。

不过，一些公司很快发现，"多用AI"本身并不等于提效。

美团核心本地商业CEO王莆中透露，今年3月，美团的"养龙虾运动"走过弯路。"10万个人，8万只虾，两个星期10万个skill"，大家用龙虾聊天、发文件、做分析，代价是每天烧掉约上千万人民币，甚至AI带来的谬误还影响了真实经营。

当AI真正成为生产资料，Token消耗量就不再只是代表生产力水平的数字，而是一笔必须计算ROI的成本。

考核的标尺也在不断变化：最早问的是"为什么不用"，后来变成"用了多少"，最终公司不得不开始审视，这些投入到底换来了多少产出，最终交付物究竟是皇帝的新衣、还是业务大突破？

为了应对AI内卷，牛马们也开始玩起了邪修。

在又一次被老板喷了20分钟后，算法工程师小林决定用AI反击。他把过往跟老板的所有对话整理好，连同老板的决策风格和意见偏好，统统喂给AI，做出老板的Agent，彻底蒸馏了他。

在每次汇报之前，他会先跟老板的Agent分身模拟一遍，AI负责预判老板会问什么、反对什么，他再据此调整方案和话术。

"相当于老板还没骂我，我先让AI替他骂一遍。"

效果也立竿见影——在年中的绩效考核中，小林得到了部门的最高绩效。

而AI在绩效季也显示出了另一种用法。

在一些互联网大厂的绩效季，员工要邀请多个合作方参与360度环评。一个人往往会同时收到多位同事的评价邀请。

在前AI时代，大家要对着同事的自评开始找各种角度赞美，而现在，只需要把自评交给一套Skill，AI就能生成一份关于业务结果、软性素质的综合评价。不仅结构完整、措辞周全，还只需要2分钟。

一名大厂员工坦言，虽然公司没有明确鼓励这么做，但平时加班实在太忙。"AI写的跟我想表达的也差不多，就直接用了，甚至比我手搓的还条理清晰。"

于是荒诞的一幕出现了：员工用AI写自评，同事再用AI评价这份AI生成的自评，老板最后阅读一批由AI互相赞美的材料。

从写代码、揣摩老板到写360度评价，AI压缩了那些"必须做、却未必真正创造价值"的工作。可真正影响组织效益的决策、协作，并没有完全被AI替代。

四 人的剩余价值是什么？

在AI的加持下，执行变得越来越便宜。但真实的大厂工作，很少只是把任务做完。

晓琪可以让AI一次性生成5种策略，但在评审时，她仍要回答最朴素的拷问："为什么做这个，而不是另一个？怎么决定的优先级？"

珂珂可以让AI几分钟写完SQL，但当两张底表对同一个指标有不同统计口径时，还是需要有他结合实际情况决定最终用哪套。

小林可以创造出"AI老板"提前演练，却不能让这个分身替真正的老板拍板方案。

越来越多的"怎么做"被AI接管，而人的价值在于回答：定义为什么做、取舍做什么、协调资源，以及出了问题谁负责。

AI可以模仿老板说话，却不能决定哪个方向值得投入；可以写出滴水不漏的沟通话术，却不能让目标冲突的部门真正出钱、出人、出资源；可以完成任务，却不用为错误的决策担责，不用担心背一个差绩效，甚至团队解散。

AI加速了大厂齿轮转动的效率，晓琪每天依然会打开几个AI工具让它们互相校验，珂珂继续在不同部门之间核对数据，小林向老板汇报前，也仍会先找AI老板演练一遍。

在利用AI提效和被AI替代的恐慌之间，牛马们还要继续卷下去。