刷量是怎么发生的
逻辑链条堪称管理学反面教材：公司想推动 AI 落地，需要可量化的指标，于是盯上了最容易统计的「使用量」；用量进了考核，员工的理性反应就是刷，让 AI 总结根本不用看的文档、把一句话能写完的代码拆给代理慢慢生成。token 消耗上去了，仪表盘漂亮了，真实生产力原地不动，还白白多烧了算力账单。
古德哈特定律又赢了
「指标一旦成为目标，就不再是好指标」，这条定律在 AI 推广上的应验来得又快又典型。讨论区里不少其他大厂员工认领了同款现象，说明这不是亚马逊独有，而是所有用仪表盘管理 AI 转型的组织的通病。真正有效的度量应该盯结果而不是动作：缺陷率、交付周期、返工量。但结果指标慢、难归因，管理层等不及，于是继续数 token。这场闹剧最大的成本可能是员工对「AI 转型」这四个字残存的信任。
via: Hacker News