“刷Token”：通往零工作日的捷径

如果你足够仔细地倾听，可能会在意识边缘听到一阵微弱而嘎吱作响的吱吱声。那是 JPMorgan Chase 内部“仓鼠轮”加速转动的声音。当然，也可能是你得了耳鸣。

随着越来越多公司开始将人工智能的使用与员工绩效挂钩，白领员工即将面临的处境，或许比耳鸣带来的不适感好不了多少。

今年三月，《商业内幕》报道称，JPMorgan Chase 已开始通过精细的仪表板追踪其工程师，将他们分为 GitHub Copilot 等人工智能工具的“重度”、“轻度”或“非”用户。这些工程师表面上收到了两大核心目标——提高编码表现，并利用人工智能完成更多工作。

需要澄清的是，这并非“卢德分子”的悲叹。如果你曾帮老板装过打印机，就会明白我们当中总有些人对技术进步抱持着怀疑，就像猫对新吸尘器怀有的戒心一样。

因此，员工有时确实需要一些督促，至少是为了确保他们不会被那些本应辅助他们的工具所超越。

然而，新技术无法消除古德哈特定律（Goodhart’s Law）这个古老的难题：“当一项指标成为目标时，它就不再是一个好的指标。”

随着越来越多公司将使用聊天机器人作为高效采用人工智能的替代指标，员工们会为了奖金而想方设法钻制度的空子，由此将催生大量意想不到的后果。

Meta 公司是诠释这一现象的最佳例子。作为以人工智能为中心的绩效指标的早期采用者，据报道，该公司已将其员工对人工智能的使用游戏化。至少你不能说它没有以身作则——据说其首席执行官 Mark Zuckerberg 正在开发一款人工智能代理来协助他完成自己的工作。

总之，在某个时候，一名 Meta 员工曾自发创建了一个排行榜，用于追踪公司员工使用了多少“Token”（即人工智能模型处理的数据量单位）。这种排行榜正是硅谷流行的“刷Token”（tokenmaxxing）热潮的一种症状。在那里，使用更多 Token 成了炫耀的资本和生产力的象征，尽管这种因果关系颇为可疑。

在30天内，该排行榜上的 Meta 员工总共使用了超过60万亿个 Token——排名第一的员工平均使用了2810亿个 Token。按最低的费率估算，仅这位“大神”一人每月在 Token 使用上的花费就高达约140万美元。

Meta 的首席技术官 Andrew Bosworth 显然对这笔开销毫不在意，他认为生产力的提升远超成本。Bosworth 说：“这简直是白捡的钱。继续做，上不封顶。”但我怀疑，各地的首席财务官们恐怕不会同意这种看法。

一个关乎生存的后果

也许这些公司能成功激励员工带来真正的生产力提升。但员工们紧接着将一头撞上一个更关乎生存的后果，因为每一次人机交互的增加，都会让机器更擅长于完成人类的工作。

绩效评估将使员工陷入一种奇特的、自我吞噬的逻辑，驱使他亲手为那台最终将砍下自己头颅的断头台上油、做准备。

就在最近，JPMorgan 的首席执行官 Jamie Dimon 预测，30年后人工智能会将每周工作时间缩短至三天半。

这听起来很美好，直到你意识到，对一些员工来说，这个数字可能会被削减到零天——原因要么是他们没能足够好地使用人工智能，要么是他们用得太好了。