AI 加速的人力成本：深入 Meta 的高压文化

人工智能的快速转型通常被视为生产力和创新的飞跃。然而，当这种转型在庞大的企业层级结构中由上而下强制推行时，结果可能远非乌托邦。来自 Meta 的近期报告和员工描述表明，该公司对 AI 的拥抱正在创造一种高压环境，这种环境将指标优先于有意义的工作，让许多员工感到痛苦。

这种紧张关系凸显了科技行业中一个更广泛的冲突：如何在将 LLMs 集成到知识型工作中，而不破坏职业满意度中的人性元素。

创意能力的指标化

Meta AI 集成中最具争议的方面之一是引入了内部仪表板来跟踪“token 消耗量”。在 LLMs 的世界里，token 是模型处理文本的基本单位。通过跟踪员工使用了多少 token，Meta 有效地将 AI 利用率转化为了绩效指标。

这种方法导致了所谓的古德哈特定律（Goodhart's Law）——当一个衡量标准变成目标时，它就不再是一个好的衡量标准了。据报道，感到有压力要展示高 AI 使用率的员工已经开始创建冗余的 AI agents，以虚增其数据。正如一段描述所言，情况已经退化成了一个循环，员工们在“创建 agents 来寻找 agents，并创建 agents 来评价 agents”。

恐惧与“唯唯诺诺者”的文化

除了 AI 使用的具体指标外，还存在关于领导层和企业文化的更深层次的系统性问题。批评者认为，Meta 的决策过程深受一小圈“唯唯诺诺者”（yes men）的影响，他们无论其可行性如何，都会验证 CEO 的愿景。这种动态此前被归咎于对 Metaverse 的巨额投入，而现在正反映在 AI 的热潮中。

员工证词描绘了一幅充满毒性的环境图景，其特征为：

• 政治性把关： 高价值项目被保留给政治宠儿，而其他人则被降级为“狗屁项目”（bullshit projects）。
• 甩锅行为： 一种基于恐惧的文化，员工们不断寻找 ways 转移责任。
• 短期任职： 平均任职时间不足两年，这表明了高倦怠率。

AI 与劳动力不稳定性之间的交集

Meta 的 AI 推进工作与大规模裁员同时发生，公司削减了大约 10% 的 workforce，以抵消 AI 支出。这创造了一种动荡的氛围，即 AI 被视为不是赋能工具，而是裁员的理由。

一些观察者认为，这些裁员是科技管理层的一个更大趋势的一部分。与其使用传统的绩效管理工具（如 stack-ranking），公司现在使用以宏观经济条件或 AI 进步为框架的周期性“裁员”（RIF）来淘汰低绩效者。

知识型工作中“AI 垃圾”的问题

在 Meta struggle 解决内部文化问题时，整个行业都在应对 AI 使用的社会规范。技术专业人士中一个反复出现的抱怨是“AI 垃圾”（AI slop）的兴起——即使用 LLMs 生成大量文本而不进行人工筛选，然后将这种综合的负担转移给接收者。

“她真的觉得通过花费 15 秒输入一个 prompt，然后让我花费接下来的 30 分钟去理清 AI 垃圾，是在帮我。”

这创造了一个悖论，即发送者获得的“效率”变成了接收者的认知税，进一步降低了专业环境中的沟通与协作质量。

结论：自动化 vs. 征服

Meta 的经历是一个关于自动化实施的警示故事。当 AI 被用于增强一名熟练工人的能力时，它能带来快乐和生产力——这是一种经常被自由职业者和小企业主所表达的情感。然而，当它被用作监控工具、绩效指标，或者作为证明裁员合理性的手段时，它就变成了一种征服工具。

随着行业向前迈进，探索如何定义一套价值体系，以确保技术让工作变得更具人性，而不是将人类还原为机器的附属品，将是一项挑战。