度量什么就得到什么：激励怎么重写

“所有动作不等于进展，token 用量本身不是任何影响的度量。”

Andrew Bosworth，Meta 首席技术官，2026 年内部备忘录

关于 AI 与激励，最流行的一句话是“AI 让每个人更产出，所以激励该更大”。这话错在把激励当成产出的放大镜。激励真正的职能是方向盘，它决定组织把努力投向哪里。经济学里这条直觉早有名字：Goodhart 在 1975 年指出，一个统计规律一旦被用于管控目的就会失效；Campbell 在 1979 年给了更锋利的社会科学版本，Strathern 在 1997 年浓缩成一句话，每个管考核的人该把它裱在桌上：当一个度量变成目标，它就不再是好度量。AI 没有发明这条定律，它把适用力度放大了一个数量级。

放大发生在哪里。过去你度量产出，产出确实稀缺，多产一点对组织是正收益，所以计件、工时、活动量这些标的虽粗糙，至少方向大体不错。现在 AI 把草稿、代码、工单、分析这些可数产出，从“稀缺”变成“丰饶”。丰饶之后，度量产出不再鼓励创造价值，它鼓励对数字本身的博弈。这一层变化是本文全部论证的起点：激励度量对象必须重写，而重写的方向不在薪酬标签上，在行为指向里。

一、激励的第一性原理：度量对象决定行为，不是口号

先回到定义。激励是一套把“组织想要的结果”翻译成“个人会被奖励的动作”的机制。它成立需要两个条件：第一，被度量的对象稀缺，多投入真能多产出价值；第二，被度量的对象难以被低成本伪造，否则理性人会去优化数字而不是结果。这两条在工业革命和信息化时代大体站得住，所以 KPI、计件、工时、活动量能跑几十年。

AI 同时击穿了这两条。它让可数产出不再稀缺，也让伪造产出变得近乎免费。一个设计师用 AI 一天能出过去一周的稿量，一个工程师用 AI 一天能提过去几倍的 PR。此时如果你继续奖励“稿量”“PR 数”“工单数”，你奖励的已经不是创造价值，而是“显得在创造价值”。度量对象从价值滑向动作，激励就从引擎变成失真器。

这里要分清楚两件事，否则讨论会糊。薪酬定价回答“一个人值多少钱”，它的范式转移是从岗位定价到技能定价。激励度量回答“组织鼓励谁朝哪里用力”，它管的是度量对象本身。一个组织可以把岗位拆成技能模块、把人按技能定价得很漂亮，只要考核标的还是活动量和可数产出，AI 一样会把行为引向刷数。本文只讲后者，前者是另一条线。把两条线混在一起，是这一轮 AI 激励讨论里最常见的偷懒。

二、产出被 AI 放大后，旧激励为何集体失灵

2026 年有一篇论文把“AI 放大产出后激励失灵”从直觉变成了可检验的模型。Qiu、Yu 与 Xu 在 arXiv:2604.22230v2 里，用达特茅斯、MIT、芝加哥大学三方的博弈论框架，把代理人的努力拆成两个边际。创造性努力是非例行认知劳动，回报与私人专长为互补，是委托人真正想要的稀缺投入；程式化努力是规则明确、AI 重度放大的可数任务，比如标准化草稿、模板化代码、可计件的重复操作。他们证明存在对称单调纯策略均衡，并且给出一个冷结论：只要评价里还保留足够的创造性成分，基于绩效的筛选仍然有效；可一旦 AI 能力大到把创造性努力挤出，整个筛选会塌缩成无信息的两类混同均衡，也就是说，你看不出谁真有本事，谁只是在刷程式化指标。

更扎心的是他们的实证设计。研究者用一种基于语言模型的方法，从近 1500 份 Kaggle 竞赛脚本里分别度量两类努力，结果支持模型预测：低类型代理人会系统性地把努力压到程式化一侧去刷分，高类型不会。这翻译到组织里就是一句话，只要你的激励标的里还躺着任何一个“AI 能瞬间放大”的可数指标，你的组织就已经在操纵它自己，而且是最低水平的人在最用力地操纵。

真实事故比模型更早到了。据 Meta 2026 年内部披露，员工 30 天烧掉 73.7 万亿 tokens，CTO Bosworth 的备忘录把话说透：所有动作不等于进展，token 用量本身不是任何影响的度量。背景是绩效把“AI 驱动影响”设成了核心期望，对顶尖者给出最高 200% 的奖金，于是有人自发搭建内部排行榜，让 AI agent 空跑刷分。据 Uber 2026 年披露，工程师每人每月在 AI 工具上花 500 到 2000 美元，按内部使用排行榜排名后，年度预算 4 月就烧光，CTO 承认 token 投入和交付给消费者的价值“还没有接上”。据 Starbucks 2026 年披露，约四分之一技术岗奖金与部门级 AI 采纳目标挂钩，定义为每周多次使用 AI 助手。这三件事的本质相同：把“使用 AI”当成了“产出价值”的代理，代理一接上奖金，理性人就去优化代理。

行业调研补上了广度。Harness《State of Engineering Excellence 2026》对 700 名工程从业者与管理者的调查显示，89% 的管理者称部署 AI 后生产力指标改善，但 94% 承认技术债、验证时长与倦怠根本不在指标里，约 31% 的开发者一天被复核、纠错、向同事解释 AI 产出这些事占满。管理者看到的是上升的曲线，开发者背着的是看不见的税。这正是旧激励在 AI 时代最典型的失真：它度量生成，不度量验收；它度量动作，不度量价值。

三、三条红线：AI 原生激励不能碰的度量

把上面的事故和模型叠起来，可以抽出三条红线。守不住任何一条，激励就会反向运转。这不是道德劝诫，是机制必然。

红线一：不把 AI 使用率当激励标的。token 用量、活跃天数、采纳次数、工具打开频次，这些都是动作不是结果。Meta 的 73.7 万亿 tokens 和 Bosworth 的备忘录已经把结论写在墙上：所有动作不等于进展。一旦这些数字进考核或奖金，组织收获的只会是使用率，代价是真实的算力和信任。需要警惕一种更隐蔽的变体，把“AI 采纳率”当转型 KPI，它奖励的是看起来在转型，不是真的转了。

红线二：不奖励任何可被 AI 瞬间放大的可数产出。草稿数、代码行、工单闭环数、报告页数、分析份数，只要进考核，就会被批量生成。Qiu 等的模型证明，低类型代理人会超额投入这类程式化努力，因为边际收益高、被识破难。一个组织如果还在用“本月产出 X 份 AI 材料”当亮点写进周报，它已经在为失真付钱。可数产出的稀缺性没了，拿它当激励标的，等于奖励丰饶。

红线三：不让激励只考核当期可见结果，忽略跨期与验证成本。AI 放大的是生成，没放大的是验收。Harness 2026 显示约 31% 的开发者一天耗在复核 AI 产出上，而 94% 的组织根本没把验证时长写进指标。一个只看“本周交付多少”的激励，会系统性地压低验证、压低探索、压低那些当期看不见但跨期要命的动作。跨期价值被当期数字吃掉的后果，要在几个季度后才以技术债、错误率、能力退化的形式回来找组织。

四、度量对象重写：从产出到判断力、看护、跨期价值

红线只说“不度量什么”，真正的重构是“该度量什么”。AI 难以直接放大、且正是组织稀缺的投入，集中在三类：判断力、stewardship、跨期价值。

判断力（judgment）是在不确定中做取舍、在 AI 给出够用答案时仍去质疑前提的能力。它对应 Qiu 等模型里被挤出的“创造性努力”，也是 AI 最不容易伪装的那部分。一个组织要问的不是“你用 AI 产出了多少”，而是“在 AI 给的答案里，你改了哪条前提、否了哪个选项、为哪个决定担了责”。判断力的度量必须是过程可见的：决策记录、被推翻的假设、留下来的推理链，而不是产出的字数。

stewardship 是对组织能力与记忆的看护。AI 让知识大量存进模型权重与黑箱提示词，不再以人能读取、复述、传授的形式存在。一个资深员工离职，带走的不再是一批显性方法论，而是一整套内化进私有 AI 工作流的 tacit knowledge，组织手里只剩一堆生成结果，解释不了来路。激励必须奖励那些把经验沉淀成可共享、可审计知识的人，奖励那些守住验证环、不让“机器定义真相”的人。否则组织记忆会被一种看起来很可靠的东西悄悄替换，而没人对此负责。

跨期价值（long-horizon value）是愿意为探索、为长期正确，牺牲当期可见数字。March 早就点明，组织最容易死于过度利用，而 AI 恰恰在放大利用的回报、淡化探索的成本。激励要专门留出不被效率指标考核的探索预算，并奖励那些“本期没产出、但守住了组织未来能力”的动作。这里有个反直觉但被模型支持的结论：Qiu 等证明，更陡峭、更偏向创造性成分的奖励结构，能跨参与者池引出更多创造性努力。也就是说，把度量对象挪到判断力与跨期价值，不只是纠偏，它在机制上更稳。

五、重构框架：把激励接回价值流

三条红线加一个方向，落到可执行的框架，是五件事。HR 和组织设计者现在就该接手，而不是等工具更聪明。

第一，以价值流而非活动量做锚。可度量的不是“生成了多少”，而是“被验收、抵达客户或运营流程、且没有制造抵消性返工或风险的那部分”。把业务生产力定义成“被接受的业务价值除以总成本与耗时”，而不是产出量除以人头。草稿、工单、代码、建议不会自动等于价值，它们必须 survive 验收、满足质量、避开风险，才算数。

第二，给每个主指标配一个反博弈护栏指标（counter-metric）。这是 2026 年 AI 度量讨论里最被低估的一条纪律。代码量配“通过评审并上线的占比”，工单闭环数配“重复联系率”，AI 使用率配“被采纳并产生业务结果的比例”。护栏指标要和主指标出现在同一块看板，藏在一层点击之后就等于没配。季度复盘时问一句：度量与目标之间的裂隙是不是又变宽了，如果是，先退休这个指标，别等它让组织难堪。

第三，把判断力与 stewardship 写进评价维度，可评价、可晋升。Islam 与 Rahman 在 2026 年对 HR 员工的研究已经证明，AI 使用能直接转化为学习成效，但前提是组织承认这是一种能力，而不是员工私下偷用的捷径。激励也一样：把“在 AI 答案里守住了前提”“把经验沉淀成可传承知识”写成明确的评价项，让它能进晋升讨论，而不是躺在工具清单里。

第四，拉长考核周期到跨期，专门留出探索预算。当期指标天然偏向利用，要保护探索，就得有一块不被当期效率考核的空间，并明确奖励那些跨期才兑现的动作。否则 AI 的利用偏好会把探索预算吃掉，组织会在既定轨道上跑得更顺，却离进化更远。

第五，把激励审计做成例行动作。每加一个 AI 相关考核项，先问三个问题：这个指标被 AI 放大后，组织会优化数字还是优化事；要配多大样本的人工抽检才能证明它仍跟踪真实价值；有没有留出的 holdout 评测防止教给指标。Meta、Uber、Starbucks 的事故都出在同一个缺口：没人定期问这一句。

六、HR 是激励重写的执行者，不是工具的采购方

结论不是“少用 AI”，而是把激励当成需要被设计的方向盘，而不是工具的自然副产物。HR 在这条线里的位置很具体：它管的是让激励回路真正指向价值，而不是买一个更聪明的系统。前面五件事，从价值流锚定到激励审计，没有一件是模型能替组织完成的，因为每一件都涉及“组织到底想要什么”这个前提的选择，而这个选择必须人来定。

一个该问的体检问题很直接：过去一个季度，我们因为 AI 改了哪条流程、否了哪条旧前提、守住了哪项组织能力。如果答不上来，说明 AI 在替组织跑产出，激励还在奖产出，而真正定义组织竞争力的判断力、看护与跨期价值，没人替它们计分。度量什么就得到什么，这句话在 AI 时代没有失效，它只是更贵：你度量产出，就得到被放大的噪音；你度量判断力、看护与跨期价值，才得到在 AI 时代还站得住的组织。

常见问题

为什么 AI 放大产出之后，旧的计件和工时激励会失效？

旧激励成立的前提是产出稀缺，需要被鼓励。计件奖励多产，工时奖励多投入，活动量奖励多动作，背后都假设“多做一点”对组织是正收益，且难以被机器免费放大。AI 把这条前提拆了：草稿、代码、工单、分析这些可数产出，现在能被一个人在一天内生成过去一周的量。Qiu、Yu 与 Xu 在 2026 年的研究里把这种现象正式建模为 performance manipulation，即代理人把努力从创造性（非例行、依赖专家判断）转移到程式化（规则明确、AI 重度放大的可数任务）。当可数产出不再稀缺，度量它就是在奖励“显得多产”，而不是“真的创造价值”。产出被放大，旧激励就从引擎变成失真器。

论文里说的 performance manipulation（绩效操纵）到底是什么，和我的组织有什么关系？

Performance manipulation 指代理人利用容易度量、规则明确的例行任务，去抬高可观测的绩效数字，却不贡献真正的创新或专家判断。Qiu 等（arXiv 2026）用近 1500 份 Kaggle 竞赛脚本做了实证：他们能分别度量“创造性努力”和“程式化努力”，结果发现 AI 越强，低类型代理人越系统性地把努力压到程式化一侧去刷分，而高类型不会。翻译到组织里：一个把“AI 生成草稿数”“代码行数”“工单闭环数”当考核标的的团队，会在 AI 的放大下集体优化这些数字，真正的判断、验证与跨期思考反而没人做。它和你有关，是因为只要你的激励标的里还躺着任何一个“AI 能瞬间放大”的可数指标，你的组织就已经在操纵它自己。

AI 原生激励的三条红线具体指什么？

红线一：不把 AI 使用率当激励标的。token 用量、活跃天数、采纳次数是动作不是结果，Meta 的 73.7 万亿 tokens 与 Bosworth“token 不是影响的度量”备忘录已经说明问题。红线二：不奖励任何可被 AI 瞬间放大的可数产出。草稿数、代码行、工单数、报告页数，一旦进考核，就会被批量生成。Qiu 等的模型证明低类型代理人会超额投入这类程式化努力。红线三：不让激励只考核当期可见结果，忽略跨期与验证成本。Harness 2026 显示约 31% 的开发者一天耗在复核 AI 产出上，而 94% 的组织根本没把验证时长、技术债、倦怠写进指标。这三条线守不住，激励就会反向运转。

新的度量对象为什么是判断力、stewardship 和跨期价值？

因为这三类东西 AI 难以直接放大，且正是组织稀缺的稀缺投入。判断力（judgment）是在不确定中做取舍、在 AI 给出够用答案时仍去质疑前提的能力，对应 Qiu 等模型里被挤出的“创造性努力”。stewardship 是对组织能力与记忆的看护：把经验沉淀成可共享、可审计的知识，而不是锁进模型权重与黑箱提示词。跨期价值（long-horizon value）是愿意为探索、为长期正确牺牲当期可见数字。Qiu 等的模型还给出一个反直觉结论：更陡峭、更偏向创造性成分的奖励结构，能跨参与者池引出更多创造性努力。也就是说，把度量对象从“产出”挪到这三类，既是纠偏，也有机制上的依据。

激励度量和薪酬定价是一回事吗，为什么本文不展开讲薪酬？

不是一回事，这是本文刻意划开的边界。薪酬定价回答“一个人值多少钱”，它的范式转移是从岗位定价到技能定价，那是一条单独的线（见《AI时代薪酬设计：从岗位定价到技能定价的范式转移》）。激励度量回答“组织鼓励谁朝哪里用力”，它管的是度量对象本身，而不是价格标签。一个组织可以把岗位拆成技能模块、把人按技能定价得很漂亮，但只要考核标的还是活动量和可数产出，AI 一样会把行为引向刷数。本文只讲度量对象怎么重写，不抢薪酬那条线的内容。

HR 在激励重写里具体要设计什么？

HR 管的是让激励回路真正指向价值，而不是买一个更聪明的工具。具体五件事：一是做激励审计，逐条问“这个指标被 AI 放大后，组织会优化数字还是优化事”，Meta、Uber、Starbucks 的事故都出在没人问这一步；二是为每一个主指标配一个反博弈护栏指标（counter-metric），比如代码量配“通过评审并上线的占比”；三是把判断力与 stewardship 写进评价维度，可评价、可晋升，而不是藏在工具清单里；四是拉长考核周期到跨期，专门留出不被效率指标考核的探索预算；五是把“组织是否因为 AI 改了做法、守住了能力”设成可度量项，而不是只看 AI 使用率。

相关阅读

• AI原生组织的度量体系：从KPI到价值流
• AI时代的绩效革命：从KPI到OKR到价值流
• KPI物理失效：AI原生组织的效能重构
• AI时代薪酬设计：从岗位定价到技能定价的范式转移
• 端到端组织革命：重写信息网络，更要重写利益分配网络

参考信源

• 【博弈论模型加实证、两类努力（创造性/程式化）迁移、AI 能力足够强时绩效筛选塌缩成无信息两类混同均衡、低类型代理人超额投入程式化努力、更陡峭偏向创造性的奖励结构可缓解；基于近 1500 份 Kaggle 竞赛脚本度量两类努力；arXiv 预印本，作者来自达特茅斯经济系、MIT Sloan 与 CSAIL、芝加哥大学计算机系】：Qiu X., Yu Y., Xu H.，《Performance Manipulation: Labor Market Implications in AI-assisted Era》，arXiv:2604.22230v2，2026 年 8 月 29 日。
• 【700 名工程从业者与管理者的调研，覆盖美英法德印；89% 管理者称生产力上升、94% 承认技术债/验证时长/倦怠不在指标里、约 31% 开发者一天耗在 AI 复核、仅 6% 认为框架足以胜任 AI 时代】：Harness，《State of Engineering Excellence 2026》，2026。
• 【86% 知识工作者将生成式 AI 作为任务起点，AI 把知识工作操作起点前移、可数产出被放大，旧激励“产出稀缺”前提不成立】：Microsoft，《Work Trend Index 2026》。
• 【员工 30 天烧掉 73.7 万亿 tokens；CTO Bosworth 备忘录“token 用量本身不是任何影响的度量”；绩效把“AI 驱动影响”设为核心期望、最高 200% 奖金后员工自建内部排行榜刷分；属 Campbell 定律显形；经媒体报道的一手内部披露】：Meta，2026 年内部备忘录与披露。
• 【工程师每人每月 AI 工具花费 500 至 2000 美元，按内部使用排行榜排名后年度预算 4 月耗尽，CTO 承认 token 投入与消费者价值“还没接上”，此后每人每月封顶 1500 美元；经 diginomica 等报道的一手披露】：Uber，2026 年 AI 预算披露。