引言：当AI不再是"选修课"，而是"KPI"
近日，金融巨头摩根大通（JPMorgan Chase）的一项新举措引发了全球企业界的关注：公司已开始正式追踪其约6.5万名工程师和技术人员使用人工智能（AI）工具的情况。根据内部披露的信息，管理层不仅鼓励员工使用ChatGPT、Claude Code等工具编写代码和处理日常任务，还将员工的AI使用频率划分为"轻度用户"和"重度用户"，并计划将其纳入绩效考核体系。
这一消息意味着，在经历了两年多的"生成式AI狂热期"后，顶尖企业对AI的态度正在发生根本性转变——AI不再只是一个提高效率的"加分项"，而是成为了衡量职场竞争力的"基准线"。
第一部分：从"盲盒"到"看板"，企业管理AI的必然逻辑
过去两年，大多数企业对员工使用AI的态度是矛盾的：既希望享受效率提升的红利，又担心数据泄露或合规风险。很多员工在悄悄使用AI，这种现象被称为"影子AI"（Shadow AI）。
摩根大通的举动，本质上是试图将"影子AI"转变为"透明AI"。
-
破解"采购效率悖论"
企业投入数千万美元购买算力、部署大模型，最怕的是"买了不用"。通过追踪系统，管理层可以清晰地看到AI工具在哪些部门落地最深，哪些环节产生了阻碍。这不仅仅是监控，更是一种数据驱动的资源配置过程。 -
建立"AI成熟度"评价体系
将用户分为"轻度"与"重度"，反映了企业对数字素养（Digital Literacy）的重新定义。在未来，一个拒绝使用AI工具的程序员，可能就像一个在2026年依然拒绝使用Google或GitHub的开发者一样，会被认为缺乏基本的职业适应性。
第二部分：金融行业的"深水区"试验
为什么是摩根大通走在最前列？
金融行业天然对数据敏感，且工作内容包含大量重复性逻辑、代码编写和文档审查。 摩根大通首席执行官杰米·戴蒙（Jamie Dimon）曾多次强调AI对公司的重要性，称其影响力不亚于蒸汽机或互联网。
对于摩根大通而言，这种追踪模式解决了几个核心痛点：
- 代码质量与安全： 通过内部平台追踪AI生成的代码，可以更好地进行审计，防止不符合安全标准的逻辑进入生产环境。
- 合规性闭环： 金融监管极其严格，通过追踪AI的使用路径，银行可以向监管机构证明，每一个由AI辅助的决策都是可追溯、可解释的。
第三部分：绩效考核的"双刃剑"
摩根大通最受争议的做法是将AI使用频率与绩效挂钩。这引发了一个深刻的伦理和管理思考：如果AI缩短了工作时间，员工是被奖励，还是被要求做更多的工作？
-
效率陷阱
如果员工发现"使用AI"本身就是一项考核指标，可能会导致为了刷数据而过度使用AI。比如，原本三分钟能写好的简单脚本，非要反复与AI对话产生冗长的Prompt记录。这种"为了AI而AI"的形式主义，是数字化转型中最昂贵的浪费。 -
衡量"好用"还是"多用"？
仅仅衡量使用频率是不够的。真正的挑战在于如何衡量"提示词工程（Prompt Engineering）"的质量。一个重度用户可能只是在反复纠结低级错误，而一个轻度用户可能只通过一个精准的提示词就解决了核心难题。摩根大通的考核系统如果不能区分这种质量差异，可能会误导人才导向。
第四部分：对更广泛行业的启示——工业智能与数据要素
作为一名深耕工业软件和人工智能领域的观察者，我从摩根大通的案例中看到了工业界的未来。
在制造业、电力、农业等实体经济领域，AI的落地往往比金融业更重资产。
- 工业软件的AI化： 当我们谈论PLM、CAD、仿真软件（如Siemens STAR-CCM+）时，AI不再是外挂插件，而是深度集成的内核。未来，工程师在进行流体仿真或机械设计时，他们的每一个参数调整建议是否由AI模型推荐，也将被纳入企业的"数字资产库"。
- 数据要素的闭环： 员工使用AI的过程，本质上是在产生高质量的"交互数据"。摩根大通追踪这些数据，实际上是在提炼企业内部的"集体智慧"。这些提示词和反馈，经过脱敏处理后，可以进一步微调出最适合企业自身业务的垂直模型。
第五部分：给职场人的三条建议
当AI追踪成为常态，职场人该如何自处？
-
主动拥抱，但保持独立思考
不要抗拒工具，但要成为工具的驱动者而非被动接收者。在摩根大通的语境下，做一个"重度用户"不仅是为了绩效，更是为了在实战中磨练与机器协作的能力。 -
建立自己的"提示词库"与方法论
未来的职业壁垒，不在于你会不会写代码，而在于你是否拥有一套高效驱动AI解决复杂业务问题的逻辑架构。这套架构是属于你个人的"核心资产"。 -
关注"结果导向"与"过程合规"的平衡
在受监管行业工作，必须理解企业追踪的初衷是安全与效率。在使用AI时，不仅要交付结果，更要确保过程符合企业的合规框架。
结语：数字化转型的终极考验
摩根大通的实验，实际上是在回答一个时代命题：人类在AI时代的"工作量"该如何定义？
如果工作不再以小时衡量，而是以"人机协同的效能"来衡量，那么现行的管理制度、法律框架和薪酬体系都需要重构。摩根大通迈出的这一步，或许在短期内会让员工感到焦虑，但从长远看，它强行推动了一个庞然大物完成从传统机构向"AI原生企业"的惊险跳跃。
对于其他企业来说，不必盲目模仿这种考核方式，但必须意识到：AI素养的沉默时代已经结束，AI管理的透明时代已经到来。