当KPI变成了"Token消耗量"：AI裁员潮背后的管理失控
2026年7月6日，微软宣布裁员约4800人。同一周，Uber被曝4个月烧完全年AI预算，紧急给每个员工设置每月1500美元的Token消耗上限。米哈游的一个多智能体协作项目，13个小时烧掉200万人民币——什么都没干成。
而就在半年前，Klarna的CEO还是"AI替代人类"最激进的旗手。他裁掉了大批客服人员，用AI替代。结果呢？这个月他公开改口，开始重新招聘人工客服。
这些看似不相关的事件，指向同一个问题：当组织开始用错误的标准衡量价值，裁掉的人迟早得请回来——而且更贵。
Token崇拜是怎么变成一场管理灾难的
先讲清楚背景。2025年下半年到2026年初，大厂内部出现了一股"Token崇拜"的风气。简单说就是——把团队消耗的AI Token数量纳入KPI考核。消耗越多Token，说明AI用得越深入，团队的"AI化程度"就越高。
听起来是不是很荒谬？但它真实发生了。
亚马逊内部甚至设立了AI排行榜，排名靠前的团队被表扬，排名靠后的被暗示"不够拥抱AI"。直到高管亲自出面关掉了这个排行榜，留下一句原话——"不要为了用AI而用AI"。
这事的管理学本质是什么？是考核指标异化。 当Token消耗量从"衡量AI使用情况的参考数据"变成了"考核团队排名的KPI"，这个指标就立刻失去了任何管理意义——团队开始为了消耗Token而消耗Token。米哈游那200万是怎么花的？多智能体循环调用——AI调用AI、AI再调用AI，形成一个自我循环的Token黑洞。
你品品，这和"为了完成KPI而刷数据"有什么区别？只不过以前刷的是销售额，现在刷的是Token。
底层逻辑：为什么AI裁员会反噬
回过头来看那些裁掉人类、用AI替代的公司——Klarna、澳洲联邦银行、福特汽车。他们的共同剧本是：裁人→AI上线→出问题→撤回决定→重新招人。
澳洲联邦银行的例子最典型。他们裁掉了客服团队，用AI系统替代。结果AI系统瘫痪了——不是技术故障，是遇到复杂情况时AI不知道该把问题转给谁。因为人已经不在了。最后银行不得不撤回裁员决定，重新招人。
这里面的管理盲区是什么？AI接走了"执行"的环节，但"责任"被悬空了。 一个员工处理的不仅是事务——他还在承担判断、兜底、例外处理的隐性工作。这些东西在他被裁的那一刻全部蒸发，但没有人注意到——直到系统崩溃。
福特汽车的案例更直接。他们裁掉了一批工程师，用自动化替代。结果发现自动化搞不定的质量问题越来越多，只好重新聘用数百名工程师回来。裁员的成本 + AI系统的投入 + 重新招聘的成本 + 业务中断的损失——一笔账算下来，比不裁员多花了几倍。
所以问题不在AI，在"你用什么标准判断谁该留"
这波AI裁员潮背后有一个更深层的管理问题，比AI本身重要得多。
大多数公司决定"裁谁留谁"的标准是什么？看KPI。但KPI在这个场景里恰好是最不可靠的标准——因为AI最容易替代的恰恰是那些"KPI看起来很漂亮但实际贡献说不清楚"的岗位。
想想看：一个每天处理200个客服工单的员工——KPI满分。但他的工单解决率、客户复诉率、复杂问题升级率——这些KPI不显示。AI替代他之后，200个工单照样处理，但客户满意度崩塌了。
这说明一个反直觉的事实：在AI时代，KPI的欺骗性反而更高了。 因为AI可以轻松刷出漂亮的表面数据——Token消耗量、工单处理量、代码提交次数——但这些数字和"这个人对组织到底有多大价值"之间的关联，比任何时候都弱。
这里有一个解决方案：用"行为数据"补充"结果数据"。
什么意思？除了看他"完成了多少任务"，还要看他"做了什么AI做不了的事"。比如——主动帮同事解决了一个AI无法判断的边界问题、在AI给出的方案中发现了一个逻辑漏洞、在客户投诉升级之前主动打电话过去安抚了情绪。
这些行为AI做不了——至少现在做不了。而这些东西，恰恰是一个员工真正不可替代的价值。
这也是为什么我们一直建议企业把员工的日常贡献用行为积分（在这个体系里叫"金种籽"）的方式记录下来——不是等到年底翻KPI，而是每一天都在积累"这个人到底做了什么"。真到了要做裁员决策的时候，你看的不是一个抽象的数字，而是一个人的完整行为画像。
三点启示
第一，AI时代最危险的KPI，是那些"容易量化但没有真实价值"的指标。 Token消耗量、工单处理量、代码行数——它们最大的共同点不是"能衡量效率"，而是"能被AI刷"。任何能被AI刷的指标，都不应该成为考核人的标准。
第二，裁员之前先问一个问题：这个人的隐性贡献是什么？ 每个员工在组织里做了大量"KPI上看不见但组织运转依赖它"的事。这些事在他走之前你不会注意到——走了之后你会用真金白银来发现。
第三，好的管理不是"AI替代人"，而是"AI做AI擅长的，人做人擅长的，然后有一套机制能区分两者的贡献"。 如果你连人和AI各自贡献了什么都说清楚，那裁员就是盲猜——猜错了的代价，Klarna和澳洲联邦银行已经付过了。
作者：企业管理观察员 | 中小企业管理研究
10年以上企业管理咨询经验，长期关注AI时代的组织变革与管理范式转型。累计走访300+中小企业，持续追踪技术变革对管理实践的影响。
本文分析基于公开信息与行业观察。案例引用来源于央视财经、36氪、钛媒体等公开报道。文中论述代表作者观点，不构成具体的裁员或管理决策建议。每个组织的情况不同，AI转型策略需结合自身实际制定。