早期鼓励员工广泛使用人工智能（AI）的浪潮，催生了一种以AI令牌消耗量衡量生产力的新模式。在这种逻辑下，不使用AI的员工因缺乏“消费账单”而被视为落后，高消耗量则被当作积极信号，甚至成为某种荣誉勋章。

然而，这种“令牌最大化”现象导致了AI成本失控，并引发深层质疑：成功的AI采用究竟该如何定义？据媒体报道，最新的《2026年工作脉搏》研究报告揭示了采用率与实际价值之间的巨大鸿沟。

数据背后的采用困境

报告显示，虽然88%的员工认为AI有益，并估计每天平均节省2.3小时，但五分之四的人表示未充分发挥AI潜力，69%的人不完全了解AI如何应用于自身角色。与此同时，60%的员工感到无论AI是否为合适工具，都面临着必须使用它的压力。

这些发现印证了两个观点：第一，AI活动量是企业价值的糟糕代理指标；第二，组织需更审慎地决定AI的使用场景与方式。

更多AI并不等于更好工作

GoTo公司IT服务总经理Joseph George指出，将AI使用与成功直接划等号虽可理解，但当AI成为一种未经深思熟虑的“期望”，而非基于人类判断、模型适用性及成本的理性决策时，问题便随之而来。

若雇主在不明确AI真正价值的前提下盲目庆祝采用，便会形成错误的激励机制。员工可能过度依赖AI，忽视输出审查或成本比例。George强调，应鼓励实验，但必须配套培训，引导员工采取注重成本的方法：对大多数任务使用Gemini Flash和Claude Haiku等低成本模型，仅对复杂任务使用Claude Opus等高性能模型。

生产力取决于工作流设计

真正的生产力提升源于识别既能消除摩擦又不损害质量的场景。行政工作、日程安排和常规文档处理是理想的起点，能让员工腾出时间从事更高价值的工作。

在此基础上，AI应作为“人机伙伴”延伸员工能力，而非取代判断。由于财务、工程和客服等不同职能对治理和要求各异，组织不应期望员工独立探索最佳应用。相反，应围绕业务成果重新设计工作流，将获批的AI工具集成到日常系统中，减少员工寻找工具和摸索流程的时间损耗。

质量是缺失的关键指标

广泛采用AI的隐藏成本之一是审查负担。若员工需花费大量时间验证AI生成的答案，速度优势将荡然无存。未经充分审查的输出不仅可能引入错误，还会破坏对技术的信任。

因此，输出质量应成为AI架构的核心部分。这意味着在工作流中建立审查流程，在高风险决策点引入治理，并确保员工理解验证的重要性。通过自动化验证步骤和特定角色的参数设置，IT领导者可在不牺牲准确性的前提下提升生产力。

建立信心与文化转型

当前最大的转变在于文化层面。员工需要明确何时及如何正确使用AI，并获得做出适当决策的信心。这不仅涉及工具使用，更包括审查最佳实践、识别偏见以及判断何时应由人类主导。

对于IT领导者而言，负责任的采用意味着创造建立信心的条件：提供足够的可见性和监督以管理安全与合规，同时避免过多摩擦导致员工寻求变通方案。组织应将AI采用视为持续过程，随着工具演变同步更新指导方针。

最终，关注持久价值的组织将追问：工作是否更准确？决策是否更优？是否实现了可靠的质量成果并优化了成本？当领导者提供必要的工具、背景和信心时，生产力和投资回报率将自然显现。