别再用 Token 消耗量考核 AI 转型了

别再用 Token 消耗量考核 AI 转型了

最近企业用 AI，已经开始出现一个很现实的问题：工具刚铺开，账单先跑起来了。

Uber 原本按全年规划的 Token 预算，四个月左右就被消耗得差不多了。

亚马逊曾经推动过 AI 使用排行榜，后来又叫停了这类用量排名。

它传递的意思很简单：鼓励大家用 AI 没问题，但把“谁用得多”当成绩单，方向很容易跑偏。

很多公司推 AI，第一反应也是做榜单。

谁用得多，谁排名靠前；哪个部门 Token 消耗高，哪个部门看起来更积极；谁每天问 AI 几十次，好像谁就更拥抱变化。

但这里面有个很大的错觉：Token 消耗量，不等于 AI 转型成绩单。

一句话总结就是：你考核什么，员工就会集中精力干什么。

你考核用量，大家就会想办法把用量做上去。你考核结果，大家才会想办法把流程做对。

用量排名，最容易制造假繁荣

很多团队刚开始上 AI 工具时，确实需要看使用数据。

比如有多少人开通了账号，有多少人试过代码助手，有多少人用 AI 写过文档、做过客服回复、整理过会议纪要。

这些数据有价值，但它们只能说明“有没有开始用”。

一旦把它变成考核，就很容易变味。

员工每天多问 20 次 AI，可能只是把一个问题拆成了 20 轮。部门 Token 消耗翻倍，也可能只是提示词越写越长、资料越塞越多、Agent 在后台反复重试。

看起来热火朝天，账单也很热闹。

问题是，业务结果有没有变好？交付是不是更快了？返工是不是少了？错误率有没有下降？原来 3 个人做 2 天的活，现在能不能 1 个人半天跑完？

Token 本质上是成本单位

Token 本质上是大模型的计费单位之一。

你可以粗略理解成，模型读进去的字、吐出来的字，都会被切成一小段一小段来计算。输入要钱，输出也要钱；上下文越长，账单越容易往上走。

所以问题从来不在于员工用了 AI。

真正的问题是，公司把“用量”直接当成了“价值”。

这就像考核一个销售团队，只看他们打了多少通电话，却不看成交、不看客单价、不看复购。

电话越多，未必生意越好。AI 也是一样。

一个人每天消耗 100 万 Token，可能是在搭一个能复用的自动化流程，也可能是在让模型反复改一份本来 10 分钟能写完的周报。

这两种用法，在账单上都叫 Token。在业务上，完全是两回事。

同样的使用量，账单能差一大截

我们粗略算一笔账。

假设一家公司有 1000 名员工，每人每天 20 次 AI 请求。每次 8000 输入 Token，加 1000 输出 Token。一个月按 22 个工作日算。

总请求量是 44 万次。

按 Claude Sonnet 类价格粗算，一个月大概 17160 美元。

这个数字不算夸张。

但关键在后面：如果 80% 输入命中缓存，月成本大约降到 9557 美元，差不多能省 7603 美元。

这里用的是常见商业模型价格做量级估算，真实成本会随着模型版本、缓存折扣、输出长度和调用方式变化。

这段小账真正想说明的是：同样有 1000 人在用，同样每天 20 次请求，只要上下文复用、缓存、路由、流程设计不同，账单就会差很多。

所以用 Token 消耗量做排行榜，本身就很荒唐。

消耗高，可能代表业务复杂，也可能代表流程粗糙。

消耗低，可能代表没人用，也可能代表工具链设计得更聪明。

单看一个数字，很容易把好事看坏，也容易把坏事看好。

企业真正该看什么

如果我是团队 Leader，我不会把“谁用了多少 Token”放到核心考核里。

我更想看 5 类结果。

1. 节省了多少人时

一个原本需要 4 小时的任务，现在稳定缩到 1 小时，这就是结果。

不要只报“用了 AI”。要报节省了哪一步、多少时间、是否可复用。

2. 减少了多少返工

AI 介入需求澄清、测试用例、文档检查、客服质检之后，返工率有没有下降？

如果没有下降，说明工具可能只是多了一层热闹。

3. 交付速度有没有提高

代码评审、方案初稿、竞品分析、运营素材、数据分析，这些环节有没有更快进入下一步？

速度提升，比使用次数更接近业务价值。

4. 错误率有没有下降

AI 很适合做检查清单、边界条件扫描、格式校验、异常提醒。

这些场景不一定消耗很多 Token，但价值很实在。

5. 是否沉淀了可复用流程

这是我最看重的一项。

一次好的 AI 实践，不应该只停留在某个员工的聊天记录里。

它应该变成模板、脚本、Agent、工作流、知识库规则，下一次别人也能用。

这才是组织能力。

该怎么管 AI 成本

企业 AI 落地，不需要一上来就搞得特别复杂。

但至少要做 5 件事。

1. 设置预算上限

每个团队、每类应用、每个 Agent，都要有预算边界。

没有上限的自动化，最后很容易变成账单黑洞。

2. 做用例分级

不是所有任务都需要最强模型。

简单分类、格式转换、摘要清洗，可以用便宜模型。复杂推理、关键代码、重要客户回复，再上更强模型。

3. 做模型路由

同一个入口背后，可以根据任务类型自动选模型。

员工感知不到复杂度，但公司能把钱花在更该花的位置。

4. 管好数据权限

AI 不是一个万能输入框。

什么资料能进模型，什么客户数据不能进，什么文档只能在内网跑，要提前定清楚。

5. 做结果评估

每个 AI 项目都要回答一个朴素问题：它到底让哪个指标变好了？

节省时间、减少错误、提升转化、提高交付速度、降低客服等待时长，至少要选一个。

如果一个项目只能证明“大家用了很多”，那它还没证明自己有价值。

第二阶段，比的是用得准

AI 转型第一阶段，企业最怕没人用。

到了第二阶段，真正的风险会变成：大家都在用，但没人知道用得值不值。

这时候再拿 Token 排名、使用次数、活跃人数当核心成绩单，就会把组织带到一个很奇怪的方向。

员工为了排名多问几轮，团队为了数据多接几个场景，管理层看着曲线越来越高，以为转型很成功。

结果可能是：账单上去了，流程没变，交付没快，经验也没沉淀下来。

AI 真正有价值的地方，不是把每个人都变成高频提问者。

它应该把重复工作变少，把关键决策变清楚，把好流程固定下来。

下一阶段，企业真正要比的，是谁能把 AI 用得准、用得稳、用得划算。

我自己做 AI 工具和自动化时，也越来越在意这一点：一个流程如果不能减少等待时间、降低失败率、沉淀成下一次可复用的东西，再热闹也只是成本。

真正能留下来的，一定是结果。

延伸阅读

• X 算法改版后，我准备这样做推特：粉丝还值钱，但别再当保底流量：我最近研究 X 推荐算法后，整理了一套更适合新版 For You 分发机制的推特内容策略：选题、媒体化、发帖节奏、引用转发、负反馈和主页转化。
• 出海网站别等有流量了才装 Microsoft Clarity：为什么做出海网站、独立站、SaaS 官网的人，应该在上线早期就安装 Microsoft Clarity。它能帮你看清用户怎么点击、怎么滑动、在哪一步退出，也讲清了官网安装入口、三种接入方式，以及为什么 GitHub 开源库不等于完整自建版。
• AI 时代，我物理上变得更自由了，但心理上好像更忙碌了：AI 让执行变快，也让边界更容易消失。真正稀缺的不是会用 AI，而是在随时可开工的时代里保持清醒和节制。
• Hermes Skill 太多记不住？我做了一个活跃度统计插件：当 Hermes Skill 堆到几十个，真正的问题不是继续装，而是看清谁高频、谁吃灰、谁值得维护。我给 Hermes Web 补了一块活跃度统计面板，专门解决这个可见性问题。