最近看到1位朋友在社群上的抱怨，讓我忍不住笑了出來，但笑完又有點無奈。他說，公司最近的KPI（關鍵績效指標）已經從「AI Token使用量」進化到「建立Skill的數量」。

主管不斷提醒，現在公司平均每個人每週都會產出1個Skill，而他過去2個月只做出1個。於是某個忙碌工作的空檔，他決定順應制度。既然公司要的是數量，那就給數量。他用自己的AI工具，一口氣產出了十幾個幾乎沒有實際價值的Skill。

結果主管非常滿意。不只滿意，還特別表示內容有看過，認為都很有應用價值。

朋友說，當下他忽然理解了，為什麼大企業裡總是會出現那麼多看似努力、實際無效的工作成果。因為當指標變成目的，目的就消失了。

KPI原本是好工具，是管理學裡相當重要的工具。它的目的是把抽象目標具體化，讓組織知道自己是否朝著正確方向前進。

問題是，當1個指標開始被考核、被獎懲、被排名之後，人們追求的往往不再是目標本身，而是指標本身。

管理學有個很著名的概念，稱為「古德哈特定律（Goodhart’s Law）」：當1個指標成為目標，它就不再是1個好的指標。原本衡量成果的工具，最後反而扭曲了成果。

企業想知道員工是否善用AI，於是開始統計Token使用量。大家便開始想辦法增加Token消耗。後來發現這樣不對，於是改統計Skill數量，結果大家開始大量生產Skill。下一步，很可能是統計Skill被使用次數，於是又會出現另一批新的表演，數字越來越漂亮，價值卻不一定增加。

AI時代最大的風險不是落後，而是假裝進步。許多企業其實都面臨相同的焦慮：

  • 董事會在問AI策略
  • 媒體在談AI轉型
  • 競爭對手在發布AI計畫
  • 客戶也開始關心企業是否導入AI

於是管理階層產生一種巨大的壓力：我們一定要做點什麼。

問題是，真正的轉型通常很慢。它涉及流程重組、知識管理、文化改變、權責調整，以及工作方法的重新設計，這些事情既複雜又看不到立即成果。相較之下，制定1個KPI容易得多。因為數字立刻就能出現在報表上。

於是很多企業開始出現1種現象：不是AI在改變工作，而是KPI在改變行為。大家努力讓報表看起來像在轉型，但實際上，工作內容可能沒有任何本質改變。

很多KPI的本質，是管理焦慮。有位管理學者曾說過一句很有意思的話：人們傾向測量那些容易測量的事，而不是重要的事。因為真正重要的東西往往很難量化。例如：

  • 員工是否真的提升決策品質？
  • 團隊是否節省了重複性工作？
  • 客戶是否得到更好的服務？
  • 知識是否更有效率的被傳承？

這些都很重要，但很難在週報上呈現。於是最後變成：

  • 用了多少Token？
  • 建立幾個Skill？
  • 參加幾場AI課程？
  • 完成幾張證照？

數字有了，安心感也有了。只是價值不一定有。很多時候，這些KPI未必是在管理員工，而是在緩解管理者的不安。因為只要報表上的數字持續成長，就能產生一種「事情正在往前走」的感覺，即使真相未必如此。

AI真正該衡量的是什麼？如果AI導入後，1位員工原本需要3小時完成的工作，現在只要30分鐘；如果客服回覆速度提升1倍；如果新人訓練時間縮短一半；如果決策品質提高、錯誤率下降。這些才是真正的成果。

AI的價值從來不在於用了多少，而在於省下多少、改善多少、創造多少。可惜這些指標都比較難看見。

因此很多企業選擇了更容易統計的東西。於是我們開始看到各種荒謬又真實的場景：有人努力增加Token消耗量、有人大量生成沒人會用的Skill、有人天天參加AI課程卻從未改變工作流程，看起來都在進步，卻未必真的前進。

AI時代最有趣的現象，也許不是人工智慧有多聰明，而是它讓我們再次看見一件老問題：當組織焦慮的時候，最容易出現的不是創新，而是新的KPI。

而那些真正創造價值的人，往往不是做出最多Skill的人，而是那個只做了1個，卻真的被大家每天使用的人。

責任編輯：徐惠琬
核稿編輯：陳芊吟