过去一年，不少企业开始把 AI 使用率、调用次数、Token 消耗量写进考核，理由是：用得越多，说明转型越积极。

但 Token 只是模型运行的计量单位，它记录的是花了多少成本，不是做成了多少事。

把 Token 消耗量写进 KPI，是把成本当成了业绩。

越容易统计的数字，越容易被当成价值

模型调用了多少次，后台记得清清楚楚；但一条线索提前几天被跟进、一个异常不用靠人工发现，很难变成一个整齐的数字。

看不清结果的时候，最好统计的用量指标，就会被拿来替代价值指标。

一旦成了目标，刷指标就是最理性的选择

Token 一旦从成本变成考核目标，行为就会跟着变：一次能办完的事，拆成几轮办；不需要 AI 的活儿，也要包装成“AI 任务”。

这是古德哈特定律——指标一旦成为目标，就不再是好指标。不是员工不理性，是他们在对错误的激励做出正确反应。

考核调用量，得到的只会是更多调用。

该看的是业务链条上发生了什么变化

Token 不是没用，可以用来发现异常消耗、比较效率，但它只能是分母，不能是结论。

销售该看线索是不是更快被跟进，财务该看核验是不是更快，运营该看问题是不是按期闭环——这些指标没有 Token 齐整，却更接近真实情况。

成本涨，只能说明机器更忙；结果涨，才能说明企业真的变强。

资料参考：钛媒体《大厂卷AI，打工人买单》；钛媒体《从“用了多少AI”到“Token效”：企业AI投入正在换尺子》。