一家估值百億美元的教育科技公司，把"用AI"寫進(jìn)KPI，一年后CEO親自道歉——這不是段子，是多鄰國（Duolingo）的真實(shí)劇情。

CEO路易斯·馮·安（Luis von Ahn）最近在播客里坦承：「我們試圖強(qiáng)推一些在某些情況下并不合適的東西。」從"AI優(yōu)先"的激進(jìn)口號，到"能幫你完成工作就行"的務(wù)實(shí)回調(diào)，這場翻車給所有想靠行政命令推AI的公司上了一課。

強(qiáng)制AI辦公的KPI，怎么設(shè)計(jì)的

多鄰國的AI-first戰(zhàn)略起初邏輯自洽：既然AI要重塑工作，員工就該用起來，公司也該追蹤使用量確保不掉隊(duì)。

具體執(zhí)行層面，他們把AI使用納入績效評估。員工被期望在工作中主動調(diào)用AI工具，管理層則通過某種量化指標(biāo)來考核這件事。

馮·安本人是技術(shù)樂觀派的典型代表。作為卡內(nèi)基梅隆大學(xué)教授、CAPTCHA驗(yàn)證碼的發(fā)明者，他向來對技術(shù)變革持激進(jìn)態(tài)度。2024年初，他在內(nèi)部高調(diào)宣布AI-first轉(zhuǎn)型，要求團(tuán)隊(duì)全面擁抱生成式AI。

但問題很快暴露。員工開始質(zhì)疑：到底在測量什么？是AI的使用頻率？使用時長？還是生成的token數(shù)量？

更麻煩的是，不同崗位對AI的需求天差地別。內(nèi)容編輯可能用AI輔助課程腳本，但財(cái)務(wù)合規(guī)崗強(qiáng)行套用AI反而增加風(fēng)險。一刀切地考核"用沒用"，本質(zhì)是把復(fù)雜的工作簡化成虛假的數(shù)字化指標(biāo)。

馮·安在播客里反思：「感覺我們不是在為實(shí)際結(jié)果負(fù)責(zé)，而是在強(qiáng)行推一個有時候并不合適的東西?！?/p>

為什么"用AI"不能成為KPI

多鄰國的困境不是個案。過去兩年，從摩根大通到沃爾瑪，大量公司嘗試過類似的強(qiáng)制AI使用政策，結(jié)果普遍遇冷。

核心矛盾在于：AI是手段，不是目的。當(dāng)KPI鎖定"使用行為"而非"產(chǎn)出質(zhì)量"，員工會自然選擇最小阻力路徑——用AI完成考核指標(biāo)，而非真正解決工作問題。

馮·安承認(rèn)，部分員工為了達(dá)標(biāo)，開始在并不合適的場景硬塞AI。「有些人明明手寫更快，卻非要讓AI生成再修改，純粹浪費(fèi)時間?！?/p>

更深層的陷阱是技術(shù)成熟度的不均衡。2024年的生成式AI在創(chuàng)意寫作、代碼輔助場景表現(xiàn)亮眼，但在需要精確性、合規(guī)審查、跨部門協(xié)調(diào)的任務(wù)中，幻覺問題和上下文限制仍然明顯。強(qiáng)行推廣等于讓員工為技術(shù)短板買單。

多鄰國自身的業(yè)務(wù)特性也放大了矛盾。作為語言學(xué)習(xí)平臺，其內(nèi)容生產(chǎn)需要兼顧語言學(xué)準(zhǔn)確性和文化敏感性——這正是當(dāng)前AI最容易出錯的領(lǐng)域。內(nèi)部團(tuán)隊(duì)反饋，AI生成的例句經(jīng)常出現(xiàn)微妙的文化偏差，人工復(fù)核反而比直接創(chuàng)作更耗時。

回調(diào)之后的新規(guī)則是什么

多鄰國的修正方案可以概括為一句話：結(jié)果導(dǎo)向，工具中立。

馮·安明確表態(tài)：「最重要的是你把本職工作做到盡可能好。很多時候AI能幫上忙，但如果幫不上，我不會強(qiáng)迫你用?！?/p>

具體調(diào)整包括：取消AI使用量的量化考核，改為由員工自主申報(bào)AI輔助的具體成果；管理層評估時關(guān)注"任務(wù)完成質(zhì)量"而非"工具使用比例"；允許團(tuán)隊(duì)根據(jù)實(shí)際場景選擇技術(shù)棧，包括傳統(tǒng)工具和人工流程。

這個轉(zhuǎn)向的微妙之處在于，它沒有否定AI的價值，而是否定了"強(qiáng)制使用"的管理邏輯。多鄰國仍在投資AI基礎(chǔ)設(shè)施，包括自研課程內(nèi)容生成系統(tǒng)和個性化學(xué)習(xí)推薦引擎——但這些是產(chǎn)品層面的技術(shù)投入，而非對員工的工作方式綁架。

一個值得注意的細(xì)節(jié)：馮·安特別強(qiáng)調(diào)"我們后退了一步"（we backtracked）。在硅谷語境中，公開承認(rèn)戰(zhàn)略回撤需要相當(dāng)?shù)挠職狻＿@種坦誠本身也是一種管理信號——承認(rèn)試錯，比硬撐面子更能重建團(tuán)隊(duì)信任。

給其他公司的四個清醒劑

多鄰國的案例提供了幾個可操作的教訓(xùn)。

第一，區(qū)分"AI能力"和"AI使用"。前者是組織層面的技術(shù)儲備，后者是個人層面的工作習(xí)慣。強(qiáng)制后者往往適得其反，因?yàn)楣ぞ哌m配需要情境判斷，無法靠行政命令標(biāo)準(zhǔn)化。

第二，警惕"數(shù)字化表演"。當(dāng)AI使用成為可見的考核指標(biāo)，員工會優(yōu)先滿足可測量的行為（如生成文檔數(shù)量），而非不可測量但更重要的目標(biāo)（如決策質(zhì)量、客戶關(guān)系）。這和當(dāng)年"代碼行數(shù)考核程序員"的荒謬如出一轍。

第三，接受技術(shù)采納的非線性。Gartner技術(shù)成熟度曲線的殘酷之處在于，從"期望膨脹"到"泡沫破裂"的下滑期，往往伴隨組織層面的管理失誤。多鄰國的快速回調(diào)，某種程度上是縮短了這個痛苦階段。

第四，CEO的個人技術(shù)信仰需要制度制衡。馮·安的學(xué)術(shù)背景和產(chǎn)品直覺推動了多鄰國的早期成功，但也讓他在AI-first決策中低估了執(zhí)行層面的摩擦。健康的組織需要有人敢于對CEO說"這個方向可能有問題"——而多鄰國的績效爭議，恰恰說明這種制衡機(jī)制曾暫時失效。

AI辦公的真正瓶頸在哪

回到更宏觀的視角，多鄰國的故事揭示了2024-2025年企業(yè)AI應(yīng)用的一個關(guān)鍵拐點(diǎn)：從"要不要用"轉(zhuǎn)向"怎么用對"。

早期 adopters 的紅利期正在結(jié)束。簡單地把ChatGPT接入工作流、要求員工每天提問N次，這類低門檻策略的邊際效益急劇遞減。真正的差異化競爭，來自對特定崗位工作流的深度重構(gòu)——而這需要比"強(qiáng)制使用"精細(xì)得多的組織設(shè)計(jì)。

馮·安的反思中有一句話值得劃重點(diǎn)：「在某些情況下并不合適?！惯@個"某些情況"的界定，恰恰是當(dāng)前企業(yè)AI戰(zhàn)略最缺的能力。不是技術(shù)能力，而是對業(yè)務(wù)場景的理解能力，以及承認(rèn)"這里暫時不需要AI"的管理誠實(shí)。

多鄰國沒有放棄AI。他們?nèi)栽陂_發(fā)AI驅(qū)動的語言學(xué)習(xí)功能，仍在探索生成式內(nèi)容的生產(chǎn)管線。改變的是推進(jìn)方式：從自上而下的行政指令，轉(zhuǎn)向自下而上的場景驗(yàn)證。

對于正在制定AI政策的科技公司管理者，多鄰國的回調(diào)提供了一個檢驗(yàn)標(biāo)準(zhǔn)——你的AI戰(zhàn)略能否經(jīng)受住"馮·安測試"：如果一年后需要公開道歉，現(xiàn)在的設(shè)計(jì)哪里會出問題？

務(wù)實(shí)的答案通常是：少定幾條關(guān)于"用不用"的規(guī)定，多留一些讓一線員工判斷"好不好用"的空間。