洞察
AI生产力绩效悖论
如果你们团队中最有价值的人，恰恰是那个看起来生产力最低的人呢？
发表在《Organization Science》上的一项实地实验追踪了750名使用GPT-4的知识工作者。在模型能力范围内的任务上，使用AI的工人速度快了25%，产出的成果质量也更高。但在一个刚好超出该能力范围的任务上——此时AI表现得自信满满但完全错误——依赖AI的工人得出正确答案的可能性比不使用AI的人低19%。让人感到难受的是：那些慢下来去核实AI产出、对它提出质疑、捕捉到错误的人——按照任何传统指标来看，他们的生产力都显得更低。每小时产出更少。交付成果更少。周转速度更慢。但他们正是贡献最多价值的人。
绩效悖论
《哈佛商业评论》将此称为绩效悖论。组织仍然在使用AI普及之前的指标来评估员工——生产力、目标完成度、每小时任务量——而这些指标现在奖励的却是错误的行为。它们奖励的是盲目的速度，而不是审慎的判断。想象一下这在宏观层面意味着什么。盖洛普2026年的《全球职场状态》报告（调查了160个国家的263,000名受访者）发现，只有20%的员工在工作中保持投入。80%的员工处于不投入或主动不投入状态。我们倾向于将此解读为一个动力问题。我却在想，这其实是一个衡量问题。
当组织衡量产出时
当组织衡量产出时，他们得到的就是产出。当他们衡量工时时，他们得到的就是工时。当他们衡量合规性时，他们得到的就是合规性。他们唯独得不到的是思考。他们得不到那个注意到系统性缺陷却选择保持沉默的工程师，因为指出问题会拖慢她的数据表现。他们得不到那个看到了跨部门战略联系却无处分享的分析师。他们得不到那个本可以重新设计流程、却忙于应对旧指标考核的经理。每一个组织都充满了未被利用的智力资本。这不是因为人们缺乏想法——而是因为系统中的任何机制都没有向他们索取这些。这就是我不断回想起的转变。两个世纪以来，组织围绕着执行构建了它们的操作系统。绩效曾是衡量价值的标准。而且它确实奏效——在执行曾经稀缺的年代。
瓶颈在于贡献
但AI正在让执行变得无比充裕。麦肯锡的全球管理合伙人报告称，AI在短短一年内为其公司节省了1,500,000小时的搜索和综合时间。25,000个AI代理在六个月内产出了2,500,000张图表。执行能力已不再是瓶颈。瓶颈是贡献——那是没有任何模型能够复制的思考、质疑、联结与判断。然而，我们的衡量系统仍然指向相反的方向。我禁不住在想，未来十年最重要的组织创新或许不会是一项新技术或新战略。它可能是一个全新的衡量单位。不是产出。不是生产力。甚至不是绩效。而是更接近于：这个人有没有让整个组织进行更好的思考？我们目前还没有这样的指标。但那些率先搞清楚这一点的组织将拥有非凡的优势——因为它们将是最终了解其80%的员工一直在等待贡献什么的组织。