亚马逊关停AI用量榜：AI组织转型，应告别“Token崇拜”

亚马逊关停内部AI用量榜：告别“Token崇拜”，回归业务价值

最近，亚马逊在内部停掉了一个AI使用量排行榜，这件事看似不大，但给所有推动AI转型的管理者敲了一记警钟。

据《金融时报》5月29日报道，亚马逊正式停用了内部AI排行榜Kirorank。这个排行榜原本是为了鼓励员工多用AI工具，尤其是内部开发者平台Kiro。结果呢？一些员工开始让AI Agent执行根本不必要任务，只为了提高自己的AI使用分数。这种现象被称为“Tokenmaxxing”——通过制造更多Token消耗，让自己在排行榜上显得更积极。亚马逊高级副总裁Da ve Treadwell后来也承认，排行榜本意是好的，但确实带来了额外成本。公司已经开始从单纯看AI使用量，转向关注“normalized deployments”（标准化部署）等更有意义的产出指标。

事情虽小，信号很大。

过去一年，很多企业都在推动员工用AI。常见做法是统计AI工具使用次数、活跃人数、调用量、Token消耗，甚至搞排行榜、积分、竞赛。短期内，这些方法确实能制造氛围，让员工“动起来”。但问题也很明显：当指标被设成“用了多少AI”，员工就会优化自己的行为，让自己看起来更像在用AI。这不仅是亚马逊的问题——高盛1.2万名工程师的实践也显示，真正该看的是“团队速度”和产出，而不是表面热闹。

不是AI的问题，而是管理指标的问题。

组织里有个基本规律：你考核什么，员工就优化什么。考使用次数，大家就增加使用次数；考Token消耗，大家就制造Token消耗；设排行榜，大家就冲榜。而且这没有文化区分。最后，组织看到的是热闹的数据，未必是真实价值。

这正是亚马逊事件对管理者最大的提醒：AI转型不能只看使用率。

真正的问题不是“要不要看Token”，而是“怎么看Token”。

早期推动AI adoption，可以看使用率、覆盖率、活跃人数和Token消耗——这些指标能说明员工有没有开始接触AI。但进入第二阶段后，企业必须把指标切换到更接近业务结果的层面：AI是否进入真实工作流？是否形成有效部署？是否缩短交付周期？是否提升质量？是否降低重复劳动？是否带来可验证的ROI？

这也是“normalized deployments”这个概念值得注意的地方。可以理解为“经标准化后的有效部署指标”。相比原始Token消耗，它更关心AI是否真正进入了有效场景和生产流程，而不是消耗了多少Token、在排行榜上排第几。

对管理者而言，这里有个很直接的启发：AI转型需要指标，但不能被指标绑架。

如果只看“用了多少AI”，组织很容易制造使用热闹；如果只看“消耗了多少Token”，员工就可能制造Token消耗；如果只看“有多少人上榜”，排行榜就变成新的形式主义。

更合理的AI指标，应该至少分三层：

员工有没有开始使用AI？哪些团队覆盖率更高？哪些团队还没动起来？——对应个人效率。

AI有没有进入真实任务链？是否嵌入研发、销售、客服、HR、财务等关键流程？——对应团队效率。

AI是否带来周期缩短、质量提升、成本下降、客户体验改善，或者新业务能力？——对应组织效率。

AI时代，Token会越来越像一种组织资源。它需要被预算、被分配、被追踪，也需要被治理。但Token不应该成为新的面子工程。Token正成为新预算科目：公司培养人、评价人、管理人的方式，都要变了。

真正成熟的AI组织，不是Token消耗最多的组织，而是最能把Token转化为业务结果的组织。

最后一句话，可以送给所有正在推动AI转型的企业：AI转型不是让员工多消耗Token，而是让组织用更少的浪费，创造更大的价值。