去年還在All in AI，今年就悄悄撤回KPI。多鄰國這場180度轉(zhuǎn)向，藏著大多數(shù)公司不敢說的真相。

從"AI優(yōu)先"到"結(jié)果優(yōu)先"，一場內(nèi)部實驗的翻車實錄

多鄰國CEO路易斯·馮·安（Luis von Ahn）最近在播客里罕見地認(rèn)了錯。

「最后我們退縮了，我們說：不。聽著，你績效最重要的是把工作做到最好。很多時候AI能幫你，但如果幫不了，我不會強迫你用?！?/p>

這話從他嘴里說出來，分量不輕。畢竟就在不久前，這位創(chuàng)始人還在高調(diào)推動"AI優(yōu)先"戰(zhàn)略，甚至把AI使用量寫進績效考核。

現(xiàn)在他坦承：「感覺就像我們不是對實際結(jié)果負(fù)責(zé)，而是強行推一個在有些情況下根本不適用的東西?！?/p>

一個以技術(shù)激進著稱的公司，為什么在AI這件事上踩了剎車？

清單：多鄰國AI考核實驗的五個關(guān)鍵教訓(xùn)

1. 工具使用量 ≠ 工作質(zhì)量

多鄰國最初的邏輯聽起來合理：AI要顛覆工作，員工就得用，公司得追蹤使用量確保不掉隊。

但員工很快發(fā)現(xiàn)問題——他們不知道到底在考核什么。

是用了多少次ChatGPT？生成的字?jǐn)?shù)？還是AI參與的任務(wù)占比？這些指標(biāo)和實際產(chǎn)出有什么關(guān)系？

馮·安的反思很直接：當(dāng)考核變成"用沒用AI"而不是"做得好不好"，指標(biāo)就異化了。

員工開始為了湊數(shù)而用AI，哪怕手工處理更快、結(jié)果更好。這種形式主義，恰恰是KPI設(shè)計最忌諱的陷阱。

2. 崗位差異被粗暴抹平

多鄰國的業(yè)務(wù)鏈條很長：課程設(shè)計師、語言學(xué)家、工程師、市場運營、客服支持。

AI對不同崗位的增益天差地別。工程師用Copilot寫代碼可能效率翻倍，但語言學(xué)家打磨一個語法點的教學(xué)邏輯，AI的輔助可能反而干擾判斷。

馮·安承認(rèn)，他們試圖"推一個在有些情況下根本不適用的東西"。

這句話的潛臺詞是：早期方案缺乏對崗位特性的細(xì)分，一刀切地要求"多用AI"，本質(zhì)是管理上的懶惰。

3. 員工開始質(zhì)疑考核的正當(dāng)性

當(dāng)AI使用量成為績效指標(biāo)，員工的第一反應(yīng)不是擁抱工具，而是質(zhì)疑規(guī)則。

「我到底為什么被評分？」這種疑問在多鄰國內(nèi)部蔓延。

績效管理的根基是信任。當(dāng)員工覺得考核標(biāo)準(zhǔn) arbitrary（武斷），就會從"我要做好工作"變成"我要應(yīng)付檢查"。

更麻煩的是，這種質(zhì)疑會外溢。多鄰國作為公開倡導(dǎo)AI優(yōu)先的公司，其內(nèi)部動搖會被行業(yè)放大解讀。

馮·安的"半尷尬的認(rèn)錯"（half-embarrassed mea culpa），某種程度上是在修復(fù)這種信任裂痕。

4. 從"AI-first"到"AI-when-it-helps"的語義降級

注意措辭的變化。

原來的口號是"AI優(yōu)先"（AI-first），隱含的意思是：默認(rèn)用AI，不用要解釋。

現(xiàn)在的說法是"AI在有幫助的時候用"（AI when it helps），默認(rèn)狀態(tài) flipped：手工處理是基準(zhǔn)，AI是可選工具。

這個語義降級，反映的是戰(zhàn)略優(yōu)先級重新排序。

多鄰國沒有放棄AI——馮·安明確說AI不會離開辦公室——但放棄了把AI作為組織變革的核心抓手。

工具回歸工具本位，而不是成為意識形態(tài)。

5. 激進實驗的價值：快速試錯比完美計劃更重要

多鄰國的轉(zhuǎn)向值得 respect，不是因為"知錯能改"，而是因為改得夠快。

從高調(diào)推進到公開撤回，周期可能不到一年。這種決策速度，在大型組織里罕見。

馮·安的實驗至少驗證了三個假設(shè)：

第一，AI使用量可以量化，但量化不等于有價值；

第二，員工對形式主義考核的容忍度，比管理層預(yù)估的更低；

第三，"AI優(yōu)先"作為口號可以激勵投資者，但作為內(nèi)部管理語言會失效。

這些結(jié)論花代價買到，但買得及時。

為什么這件事值得科技從業(yè)者關(guān)注

多鄰國的案例不是孤例。微軟CEO薩提亞·納德拉（Satya Nadella）最近也在提醒：要讓AI變得有用，否則人們會失去耐心。

兩位CEO的焦慮指向同一個現(xiàn)實：2024-2025年是AI工具落地的關(guān)鍵窗口期，但"落地"不等于"強行植入"。

對25-40歲的科技從業(yè)者來說，這個案例有幾個直接啟示：

如果你在設(shè)計團隊的AI考核方案，先問自己：這個指標(biāo)和北極星指標(biāo)（North Star Metric）的因果鏈?zhǔn)鞘裁矗?/p>

如果你在推動公司的AI轉(zhuǎn)型，警惕把"使用率"當(dāng)成成功標(biāo)準(zhǔn)——這可能是管理層最容易拿到的數(shù)據(jù)，也是最誤導(dǎo)人的數(shù)據(jù)。

如果你是普通員工，面對自上而下的AI要求，多鄰國的故事提供了一個談判籌碼：連最激進的AI公司都在回調(diào)，你的質(zhì)疑有先例支撐。

馮·安的最后表態(tài)很關(guān)鍵：「最重要的是把工作做到最好?！?/p>

這句話聽起來像常識，但在AI hype（炒作）周期里，常識往往是稀缺的。當(dāng)整個行業(yè)都在說"AI將改變一切"時，堅持"先問有沒有用"反而需要勇氣。

多鄰國買了這個教訓(xùn)，價格是一次公開的戰(zhàn)略回調(diào)。其他公司如果不想付同樣學(xué)費，現(xiàn)在就該重新檢查自己的AI考核指標(biāo)——到底是在測量價值，還是在測量存在感。