TIL-AI 工具普及后的组织观察

Robert Glaser 在 这篇文章 里提出了一个观察：公司给全员配了 AI 工具之后，个人确实快了，但组织似乎没什么变化。

四个值得记住的点：

1. 个人效率提升不会自动变成组织能力 。团队里一个人用 Claude Code 把两周的根因分析压到一小时，但这个经验不会自动扩散。管理看到的只是 license 使用率和 prompt 调用数，看不到谁在用 AI 做什么真正有价值的事。
2. 同一公司里 AI 使用极度不均匀 。有人拿 Copilot 当自动补全就算了，有人已经跑起了带测试和审查的 Agent 循环。还有人悄悄把重复工单变成了自动化流程，但没人问过他们是怎么做的。这些事可以同时发生在同一家公司里。
3. 该度量的是 token-to-learning，不是 token-to-output 。数 PR 数、数 prompt 数是偷懒的度量。真正该问的是：哪些循环闭合更快了？哪些决策质量提升了？哪些团队沉淀出了可复用的模式？哪些产品想法因为原型暴露了弱点而被更早砍掉？
4. 不能变成员工考核 。一旦员工觉得 AI 使用量跟绩效挂钩，他们会把最好用的流程藏起来。最后组织看到的只有表面上的合规数据，真正有价值的经验全在地下。