最近，Amazon在内部的一个AI使用量排行榜被关停了。
据《金融时报》5月29日报道，Amazon已经停止使用内部AI排行榜Kirorank。这个排行榜原本是为了推动员工更多使用AI工具，尤其是内部开发者平台Kiro。但结果并没有完全朝着管理层期待的方向发展。
一些员工开始让AI Agent执行并不必要的任务，只是为了提高自己的AI使用分数。这个现象被称为“tokenmaxxing”，也就是通过制造更多Token消耗，来让自己在AI使用排行榜上看起来更积极。
Amazon高级副总裁 Dave Treadwell 后来承认，这个排行榜本意是好的，但确实带来了额外成本。公司也开始从单纯看AI使用量，转向更关注“normalized deployments”（标准化部署）等更有意义的产出指标。
这件事很小，但信号很大。
过去一年，很多企业都在推动员工使用AI。常见做法是统计AI工具使用次数、活跃人数、调用量、Token消耗，甚至做排行榜、积分、竞赛。短期看，这些方法确实能制造氛围，让员工“动起来”。但问题也很明显：当指标被设成“用了多少AI”，员工就会优化自己的行为，让自己看起来更像在用AI。AI考核别做成形式主义：高盛1.2万名工程师实践显示，真正该看“团队速度”和产出
这不是AI的问题，而是管理指标的问题。
组织里有一个很基本的规律：你考核什么，员工就会优化什么。你考核使用次数，大家就会增加使用次数；你考核Token消耗，大家就会制造Token消耗；你设置排行榜，大家就会想办法冲榜。且这没有文化区分。最后，组织看到的是热闹的数据，但未必是真实的价值。
这也是Amazon这件事对管理者最大的提醒：AI转型不能只看使用率。
真正的问题不是“要不要看Token”，而是“怎么看Token”。
早期推动AI adoption，可以看使用率、覆盖率、活跃人数和Token消耗，因为这些指标能说明员工有没有开始接触AI。但进入第二阶段后，企业必须把指标切换到更接近业务结果的层面，比如AI是否进入真实工作流，是否形成有效部署，是否缩短交付周期，是否提升质量，是否降低重复劳动，是否带来可验证的ROI。
这也是normalized deployments这个概念值得注意的地方。它可以理解为“经标准化后的有效部署指标”。相比原始Token消耗，它更关心AI是否真正进入了有效场景和生产流程，而不是员工消耗了多少Token、在排行榜上排第几。
对管理者来说，这件事有一个很直接的启发：AI转型需要指标，但不能被指标绑架。
如果只看“用了多少AI”，组织很容易制造使用热闹；如果只看“消耗了多少Token”，员工就可能制造Token消耗；如果只看“有多少人上榜”，排行榜就会变成新的形式主义。
更合理的AI指标，应该至少分三层：
第一层，看采用。员工有没有开始使用AI，哪些团队覆盖率更高，哪些团队还没动起来——对应个人效率
第二层，看嵌入。AI有没有进入真实任务链，是否嵌入研发、销售、客服、HR、财务等关键流程——对应团队效率
第三层，看价值。AI是否带来周期缩短、质量提升、成本下降、客户体验改善，或者新业务能力——对应组织效率
AI时代，Token会越来越像一种组织资源。它需要被预算、被分配、被追踪，也需要被治理。但Token不应该成为新的面子工程。Token正成为新预算科目：公司培养人、评价人、管理人的方式，都要变了
真正成熟的AI组织，不是Token消耗最多的组织，而是最能把Token转化为业务结果的组织。
最后一句话可以送给所有正在推动AI转型的企业：
AI转型不是让员工多消耗Token，而是让组织用更少的浪费，创造更大的价值。
