当 AI 使用从选修课变成必修课
背景：本文观点来自《The Wall Street Journal》记者 Katherine Bindley 与 Katherine Blunt 的报道（2026-02-25）。
看完 WSJ 这篇报道，我的第一反应是：终于有人把水面下的暗流说出来了。
过去一年，我们见证了科技公司对 AI 态度的微妙转变——从“鼓励尝试”到“纳入考核”，再到现在的“不会就别来”。Conductor 那家 300 人营销公司的做法尤其赤裸：给每个员工打 AI 能力分（1-5 分），5 分的标准是“做出能改善他人工作流的系统”；招聘时不会 AI 直接筛掉；面试要当场用 AI 解题，并解释为什么选这个工具、prompt 怎么写、以及“六个月前你会怎么做这道题”。最后那个问题设计得很狡猾——它不仅测试 AI 技能，更测试你是否真的理解工具带来的思维方式转变。
这让我想起一个悖论：公司越是高调谈论 AI 会让团队更精简，员工就越不愿意主动拥抱它。谁愿意亲手打磨那把可能砍掉自己饭碗的斧头？报道里提到的焦虑不是来自技术本身，而是来自 CEO 们那些关于“更小团队”的暗示。于是就出现了荒诞一幕：管理层疯狂推 AI adoption，基层员工疯狂装作很忙。数据也印证这点——虽然 42% 的科技从业者说直属经理期待他们日常用 AI（八个月前还只是 32%），但真正的使用深度是另一回事。
大厂的做法更值得玩味。AWS 给经理配 dashboard 实时监控工程师的 AI 工具使用，晋升时会看谁更 all-in；Google 首次把 AI 使用纳入部分工程师绩效；Meta 能追踪你用 AI 写了多少行代码，并把这些“洞察”喂给你的自评；Microsoft 在绩效讨论里直接问并要求量化；Salesforce 更绝，直接让某些流程强制走 AI agent——请假、绩效自评之类的事必须用 AI 处理，策略是“先试用→自然普及→到临界点强制”。这套组合拳打下来，AI 使用从一个软性倡议变成了硬性 KPI。
Autodesk 的案例透露出另一层真相。早期员工偷偷用被公司封禁的工具（比如 Cursor），说明真正的需求在那里，只是官方渠道没跟上。后来公司转向聚焦具体工作流，CEO 放话说少数 AI holdouts“长期活不下去”。这话听着刺耳，但可能就是现实——当你的同事都在用 AI 三倍速出活时，你坚持手工作坊，不是情怀，是拖累。
管理学者的观点倒是冷静：强制与测量确实能推进 adoption，但真正的长期采用更依赖鼓励试错与实验的文化，而大组织最不擅长的就是这个。这就是矛盾所在——那些最有资源推 AI 的大公司，恰恰最难培养出让人放心试错的土壤。你一边要求员工大胆创新，一边把每次 AI 调用都记进 dashboard，谁敢真的“试错”？
我倒觉得 Conductor 那个 5 分制里藏着一个被忽视的洞察：最高分不是“自己用得最溜”，而是“做出能改善他人工作流的系统”。这意味着 AI 能力的终局不是个人生产力的军备竞赛，而是你能否用它重构协作方式。从这个角度看，现在大多数公司的考核还停留在初级阶段——计算代码行数、监控使用频率，这些都是可量化的懒政。真正该问的是：你用 AI 之后，团队的瓶颈解决了吗？会议减少了吗？返工变少了吗？
给个人的建议：别等公司逼你。现在就找三个最耗时间又最重复的工作场景，逼自己用 AI 重构一遍。不是为了在绩效考核时有话说，而是因为半年后，这可能就是入场券。
给组织的建议：与其盯着使用率，不如建立一个内部的 AI 工作流案例库，让那些真正用 AI 解决了实际问题的人分享具体做法。强制能带来数字，但只有同伴效应才能带来真正的改变。毕竟，没人想被 dashboard 监控，但所有人都怕被同事甩开。