【从堆代码行数到刷Token，职场考核陷入指标陷阱】

快速阅读：当公司开始用 Token 消耗量来衡量员工生产力时，荒诞剧就开演了。为了完成指标，工程师们被迫制造大量毫无意义的任务，让 AI 代理在原地空转，只为烧掉那些昂贵的 Token。

这事儿听起来像是个冷笑话，但它正在大厂里真实发生。

如果一个公司的考核逻辑变成了“谁消耗的 Token 更多，谁就更拥护 AI”，那结果必然是大家都在玩一场昂贵的“数字注水”。工程师们不再思考如何用最优雅的指令解决问题，转而研究如何制造出复杂的、冗余的任务流，好让 AI 代理看起来忙得不可开交。

这种现象本质上是 Goodhart's Law 的翻版：当一个指标变成目标时，它就不再是一个好指标了。

以前大家为了刷绩效会去堆代码行数（LoC），现在大家学会了用 AI 代理去刷 Token。有网友提到，甚至有人专门写脚本让 AI 去扫描文件、找 Bug、写文档，然后再把这些毫无意义的产出全部删掉，循环往复。这就像是在给一台高性能服务器喂食电子垃圾，只为了让仪表盘上的消耗曲线好看一点。

这种“指标驱动”的逻辑背后，其实是管理层对生产力定义的集体失能。他们无法衡量真正的业务价值，于是退而求其次，去抓取一些容易量化的、看起来很“硬”的数据。

有观点认为，这更像是一种资本的自我循环。大厂通过这种方式向 AI 服务商输送巨额资金，以此来支撑估值和财报上的增长。这不再是关于如何提高效率，而是关于如何通过消耗资源来制造一种“技术革命正在发生”的幻觉。

最荒谬的是，这种行为正在制造一种技术债。当大量由 AI 生成、未经深度思考的代码和文档充斥系统时，未来的维护成本将呈指数级上升。我们正在用一种极其昂贵的方式，把系统变得越来越臃肿。

如果衡量进步的标准变成了消耗的速度，那我们离真正的技术进步可能反而越来越远。

fastcompany.com/91541586/amazon-ai-workers-pressured-to-up-ai-usage-extraneous-tasks