AI 加速帶來的代價：深入 Meta 的高壓文化

人工智慧的快速轉型通常被描述為生產力與創新的飛躍。然而，當這種轉型是在龐大的企業階層中由上而下強制推行時，結果可能遠非烏托邦。來自 Meta 的近期報告與員工描述顯示，該公司對 AI 的擁抱正在創造一個高壓環境，將指標優先於有意義的工作，讓許多員工感到痛苦。

這種緊張關係凸顯了科技業中更廣泛的衝突：如何在將 LLMs 整合進知識工作領域的同時，不破壞專業滿足感中的人性元素。

創意能力的指標化

Meta AI 整合中最具爭議的面向之一，是引入了內部儀表板來追蹤「token 消耗量」。在 LLMs 的世界中，token 是模型處理文本的基本單位。透過追蹤員工使用了多少 token，Meta 有效地將 AI 利用率轉化為了一項績效指標。

這種做法導致了所謂的古德哈特定律（Goodhart's Law）現象——當一個衡量標準變成目標時，它就不再是一個好的衡量標準。據報導，員工因感受到展示高 AI 使用率的壓力，已開始建立冗餘的 AI agents 來虛報數據。正如一位描述所言，情況已退化成一種循環，員工會「建立 agents 來尋找 agents，並建立 agents 來評分 agents」。

恐懼與「唯唯諾諾者」的文化

除了 AI 使用率的特定指標之外，還存在著關於領導層與企業文化的更深層系統性問題。批評者認為，Meta 的決策過程深受一小圈「唯唯諾諾者」（yes men）影響，他們不論其可行性如何，都會認可執行長（CEO）的願景。這種動態先前被歸咎於對 Metaverse 的巨額支出，而現在正反映在 AI 的競賽中。

員工證詞描繪了一幅充滿毒性的環境圖景，其特徵如下：

• 政治性把關： 高價值專案被保留給政治上的寵兒，而其他人則被降級到「廢物專案」（bullshit projects）。
• 推卸責任： 一種基於恐懼的文化，員工不斷尋找轉嫁責任的方法。
• 短期任職： 平均任職期不足兩年，顯示出極高的倦怠率。

AI 與勞動力不穩定性的交集

Meta 的 AI 推動計畫與大規模裁員同時發生，該公司削減了約 10% 的員工，以抵銷 AI 支出。這創造了一種動盪不安的氛圍，讓 AI 不再被視為賦能工具，而是被視為裁員的藉口。

一些觀察家指出，這些裁員是科技業管理趨勢的一部分。企業不再使用傳統的績效管理工具（如 stack-ranking），而是改用以宏觀經濟條件或 AI 進展為框架，將「人員精簡」（RIF）包裝成週期性的「人員精簡」來汰除表現不佳的者。

知識工作中「AI 垃圾內容」的問題

在 Meta 掙扎於內部文化時，整個產業也正在應對 AI 使用的社會規範問題。技術專業人士中反覆出現的一個抱怨是「AI 垃圾內容」（AI slop）的興起——即使用 LLMs 生成大量文本，卻不進行人工篩選，然後將這種整合的負擔轉嫁給接收者。

"She genuinely seemed to think she's helping me by spending 15 seconds typing in a prompt and having me spend the next 30 minutes untangling the AI slop."

這造成了一種悖論：發送者獲得的「效率」變成了接收者的認知稅，進一步降低了專業環境中溝通與協作的品質。

結論：自動化 vs. 壓迫

Meta 的經驗提供了一個案例研究，關於自動化實施的教訓。當 AI 被用來增強一名熟練工人的能力時，它能帶來喜悅與生產力——這也是自由職業者與小企業主常有的看法。然而，當它被用來作為監控工具、績效指標，或作為證明裁員合理性的手段時，它就變成了壓迫的工具。

隨著產業前進，挑戰將在於如何定義一套價值體系，確保技術讓工作變得更具人性，而非將人類簡化為機器的一個附屬品。