本文來自微信公衆號： 快刀青衣 ，作者：快刀青衣，原文標題：《埃森哲內部錄音曝光：PDF轉PPT竟成Token燒錢大戶？》，題圖來自：視覺中國
最近，全球著名諮詢公司埃森哲的一段內部錄音被媒體曝光。
錄音裏，埃森哲負責智能體AI戰略的賈斯蒂斯·郭，正在跟同事討論一個很現實的問題：員工用AI用得太猛，公司賬單有點兜不住了。
這個問題其實很常見。畢竟這年頭，能把AI用出這麼大消耗量的公司，隱隱就站在鄙視鏈的最高層了。
但錄音最扎眼的地方是，Token消耗的大頭，並不是我們以為的工程師寫代碼，而是一群非技術員工在幹一件特別樸素、也特別常見的事：把PDF轉成PPT。
埃森哲客戶組負責人斯圖爾特·亨德森都笑了，他說自己也是最近才知道，PDF轉Markdown竟然也是Token消耗大戶。
你看，就這麼一個聽起來最像辦公行政雜活的任務，突然變成了一家跨國公司AI預算裏的燒錢大戶。這事剛一聽有點離譜，但仔細一想，一點都不奇怪。
01 先鼓勵用，再發現失控
2025年9月，埃森哲CEO朱莉·斯威特宣佈了一項8.65億美元的重組計劃，核心是把公司的人才和運營資源轉向數字化AI服務。
她當時說得很硬氣：無法重新培訓的員工將被迅速淘汰；高級員工的AI使用情況，也會跟績效考覈和晉升掛鉤。
其實這就已經能預見到現在的情況了。老大既然這麼說，員工會怎麼做？
很簡單，能用AI的地方都用AI。PDF轉PPT，讓AI來。文檔改格式，讓AI來。最理性的選擇當然是多用一點，至少別在跟同事的比拼中掉隊。
於是，前幾個月公司高層發愁的是「怎麼讓大家趕緊用AI」；幾個月後，內部會議討論的就變成了「怎麼把AI用量管住」。高管們都在追問同一個問題：我們在AI上花的錢，到底有沒有產生相應的價值？
這纔是很多正在轉型的公司碰到的尷尬：先把AI使用量，比如Token消耗量，變成績效信號，再發現大家真的開始刷使用量。
這就好像給每個員工都發了一輛車，先鼓勵所有人大力踩油門，油燒完了才收到天價賬單，然後又開始按每一腳油門單獨收費。
02 不只是埃森哲的問題
埃森哲不是孤例。Uber今年前四個月就把全年AI預算燒光了，只好對部分AI編碼工具設定每人每月約1500美元上限。
亞馬遜有員工搭了一個內部排行榜，叫Kirorank，專門追蹤同事消耗了多少Token——結果大家開始瘋狂刷榜，最後亞馬遜把排行榜刪了，副總裁還出來提醒員工：不要為了用AI而用AI。
Meta那邊更誇張，有員工自己搭了一個內部排行榜Claudeonomic，追蹤8.5萬名同事的Token消耗。榜一大哥30天燒掉2810億Token，摺合至少數百萬美元。
這些案例放在一起看，就不是某家公司管理粗糙了，而是一類組織病：先鼓勵大家多用，再把用量擺上台面，再把排行榜、晉升、績效這些東西接上去，最後發現成本失控，趕緊踩剎車。
03 古德哈特定律與蘇聯釘子
這事為什麼眼熟？因為這種事可不是AI時代纔有的。它其實是一個古老的管理陷阱，又一次被觸發了。
這個陷阱有個名字，叫「古德哈特定律」。內容簡單好理解：當一個指標變成目標，它就不再是一個好指標。
這話聽起來有點拗口，我跟你解釋下就明白了。
英國經濟學家查爾斯·古德哈特最早提出這個觀察的時候，說的是貨幣政策。也就是央行一旦盯住某個貨幣指標來調控經濟，這個指標就會開始失真。
但這個規律後來被發現放到哪裏都成立，比如企業管理、醫療、教育、軍事，都不例外。
你拿代碼行數考覈程序員，程序員就能把5行代碼寫成50行。你拿Token消耗量考覈員工AI使用情況，員工就能把一個PDF轉PPT的活兒燒出天價。
得到上還有本書叫《指標陷阱》，裏面有一個經典案例「蘇聯的釘子廠」：按重量考覈，工人就造超大的釘子；按數量考覈，工人就造細得像針的廢品。
每個時代都有自己的「蘇聯釘子」，AI時代的這個釘子，可能就叫Token消耗量。
當然，麻煩的還不僅僅是指標，AI工具的計費方式也在變。以前很多工具像自助餐，包月之後隨便用；現在越來越多工具按Token計費，設使用額度，每一道菜都單獨算錢。Token賬單會怎麼變？
可很多公司的管理方式還停留在自助餐時代，領導還在喊「多喫多喫」，KPI還在鼓勵「誰喫得多誰先進」。
你用自助餐的喫法，進了一家單點餐廳，預算肯定會炸。
04 馬拉汽車的隱喻
我今年特別喜歡一張歷史照片，在很多地方都提到過它，甚至把它打印了出來。
黑白照片裏，一匹馬套在一輛早期汽車前面，車身上印着U.S. MAIL。照片出自楠塔基特歷史協會。我覺得它恰好說明了剛纔說的指標異化：規則沒跟上技術。
▲ 馬拉汽車歷史照片
說實話，我第一次看到它的時候，還以為是AI做出來的，後來發現這是一張真實照片。
1910年代，美國馬薩諸塞州的楠塔基特島，是當時全美唯一成功禁止汽車的地方。島上有一位郵遞員叫克林頓·福爾傑，他要把郵件從鎮上送到島的另一端，但汽車不能在路上開。
於是他想了個辦法：先牽出一匹馬，把馬套在汽車前面，拉着汽車走過禁行路段；等到了郊外沒人管的地方，再把馬卸掉，自己開車繼續送信。
後來這種東西就叫「馬拉汽車」（Horsemobile）。你看着會覺得荒誕，但又特別合理。車已經來了，規則還沒變，所以馬不能撤。
我經常在做決策的時候看着這張照片，想一件事：這個項目裏，有哪些規則或者流程，是汽車前面的那匹馬？是不是正因為這匹馬還套在前面，AI才無法真正踩油門？
今天很多公司的AI轉型，就是這個狀態：工具已經是汽車了，考覈還是馬。你考覈什麼，員工就優化什麼。技術變了，組織慣性沒變，馬還是那匹馬。
舉個例子，如果你想要在Token消耗排行榜上排第一太簡單了。你拿《凡人修仙傳》，先讓AI把這部小說翻譯成英文，再讓AI把它變成分鏡頭腳本，最後把這些分鏡頭用可靈生成AI視頻。
別說在Token排行榜上名列前茅了，你甚至可能讓你們老闆直接破產。
更麻煩的是，在很多公司裏，這件事正在制度化。Token消耗量一開始只是看着玩玩，後來變成誰先進、誰落後，再往後可能就變成能不能留下的門檻。
過去的問題是「你的工作會不會被AI做掉」，現在又多了一個問題：你有沒有證明自己在用AI工作？
05 看工具，不看人
這裏，也和你分享一下我們自己的做法。
現在每天在得到和得到大腦裏大概消耗800億Token，公司內部同事每天大概消耗20億Token。當然，這裏只統計了通過公司內部AI工具或API接口消耗的算力。
這些數據我們會實時展示在公司前台旁邊的大屏上，但不掛任何人名，只展示Token主要用在哪些工具上，比如Claude Code、Codex、OpenClaw，還有我們內部的智能體牛小數、剪輯手愛德華等等。
我把我們6月某一天的大屏圖也放在下方了，你可以看看。
▲ 得到AI算力實況大屏
你看，把Token掛到人名下面，叫考覈人；把Token放到工具分佈裏，叫觀察工具。這兩個動作差別很大，前者會誘導刷量，後者能幫你看清楚，錢到底花在了哪裏。
06 三條落地建議
說了這麼多，你可能好奇到底該怎麼做，這裏我也和你分享三條落地建議：
看結果，不看Token
AI落地的第一條，不是看員工消耗了多少Token，而是看解決了多少問題。
Token消耗量跟士兵的斬首數很像，它是過程指標，不是結果指標。一個人有沒有用好AI，要看工作產出有沒有變化，交付速度有沒有變快，決策質量有沒有變高，以前做不了的事現在能不能做了。
如果這些都沒有，Token燒再多也是白搭。
先改考覈，再推工具
很多公司的順序是反的——先買工具，再喊大家用，再把用不用掛到績效上。結果工具買了，考覈還是老一套，員工自然會用老辦法對付新工具。
你先把考覈從「你用了多少」改成「你解決了什麼」，員工反而會主動去找AI，因為解決問題這件事，跟他的利益對上了。
別搞全員動員，先跑一個場景
全公司AI轉型這種話，聽起來很有氣勢，但落地時常常每個人都在等別人先試。
更穩的辦法，是先找一個痛點最明顯、改造成本最低的場景，三個月跑出結果。別人看到真效果，比聽十場動員會都有用。
最後說一句大實話：一把手要自己上手。創始人、部門負責人自己不用AI，卻天天要求員工用，這事很難成立。
你自己用過，才知道哪裏真的省事，哪裏只是看起來熱鬧；也才知道哪些KPI是正經指標，哪些純粹是在逼人套馬。
所以，如果你是管理者，現在最該問的不是「怎麼讓員工多用AI」，而是：
如果AI是汽車，我們公司前面套着的那匹馬，到底是什麼？
本內容來源於網絡，觀點僅代表作者本人，不代表虎嗅立場。如涉及版權問題請聯繫 hezuo@huxiu.com，我們將及時覈實並處理。
End
想漲知識 關注虎嗅視頻號！