故事是这样的。

最近我看到一份关于亚马逊AI转型的内部复盘，看完整个人直接沉默。

你敢信？？？全球市值最高的那几家科技公司之一，亚马逊，1.8万亿美元市值，2025年正式宣布未来5年要砸2000亿美元搞全公司AI转型。从底层大模型到员工办公工具，全面铺开。

然后，搞出了一个让我看完愣在原地的事。

他们内部一群工程师，自己做了个叫KiroRank的AI使用排行榜，beta版，本来初心挺好，分享AI使用最佳实践。结果在公司要求80%开发者每周必须用AI的大背景下，这个排行榜彻底变了味。

为什么呢？因为排名唯一依据是token消耗量，排名高有内部曝光和隐性职业优势。

于是，一场全公司的token狂欢，就这么来了。

第一档，员工让AI生成几百页无意义的会议纪要，再让另一个AI去总结，循环往复刷高token量。

第二档，有人写了脚本，让AI 24小时不间断互相聊天，单日token消耗直接破百万。

第三档，部门之间开始恶性竞争，甚至出现了用团队预算购买他人AI额度的token代购业务。

我看完直接头皮发麻。

最终结果呢，亚马逊内部AI工具的月活三个月暴涨700%，但员工实际工作效率反而降了15%。2026年5月29号那天，亚马逊高级副总裁Dave Treadwell不得不亲自下场发了封全员邮件，原话是「请不要为了使用AI而使用AI」，然后把KiroRank关了。

坦率的讲，这种事你说它是段子，它又是真事。你说它是悲剧，又带着点荒诞的喜感。

但你要是笑完就过去了，那才是真的亏了。

因为这事背后藏着的东西，其实是把过去几十年里商业管理最经典的一个坑，放大到了极致。

这就是经济学里那个著名的古德哈特定律，When a measure becomes a target, it ceases to be a good measure。一个指标一旦变成目标，它就不再是好指标了。

亚马逊踩中的，是指标体系的三重致命陷阱。

第一代陷阱，盲目追求采用率。最早要求80%员工每周必须用AI工具至少3次。结果员工就是打开AI页面打个卡，根本没用。

第二代陷阱，过度迷信自动化。为了追求效率，大幅简化了AI辅助代码的审查流程，工程师普遍过度信任AI的输出。

第三代陷阱，排行榜竞技化。把AI使用变成全员竞赛，资源大规模空转，真正能产生价值的AI应用反而得不到资源支持。

我跟你说，这个逻辑其实不复杂。AI是用来解决问题的，不是用来完成KPI的。但一旦公司层面把使用本身变成了KPI，那使用就只剩下了形式。

说起来，这事最让我后背发凉的，不是亚马逊工程师的奇思妙想。是那个被关掉的KiroRank背后，有一整套指标体系在支撑它。

Dave Treadwell关掉的不是一个排行榜，他关不掉的是用AI量来衡量AI价值这个根深蒂固的执念。

顺着这个再聊聊。

如果说KiroRank是人为的荒诞，那接下来要说的630万订单事故，就是技术的灾难。

2026年3月5号，亚马逊北美电商平台发生了持续6小时的严重宕机，这是亚马逊历史上最严重的零售系统事故之一。内部估算，事故导致约630万笔订单流失，直接经济损失超过8亿美元。

事后调查结果让所有人都震惊了。

事故的罪魁祸首，是一份2020年的过时Wiki技术文档。一名工程师用亚马逊内部AI编码工具Kiro修改支付系统配置时，AI从这份三年没更新的文档里取到了错误的参数，工程师也没仔细验证就直接部署了。结果整个支付系统崩了。

这事你要是想甩锅，能甩的地方太多了。怪工程师没仔细看？怪AI瞎引用？还是怪那份三年前的Wiki没人更新？

但更本质的问题，是亚马逊在用AI之前，没有把内部的知识垃圾清理干净。

我后来想象了一下那个工程师。可能是西雅图总部的一个普通程序员，30岁出头，干了五六年。这天他接到一个支付系统配置变更的紧急需求，要赶在下班前部署好。他打开了Kiro，让AI帮他改配置。AI很快吐出了一段代码，引用了某份内部Wiki的参数。他大致扫了一眼，觉得没问题，部署上去了。然后整个支付系统崩了。

我不知道他具体经历了什么。但我能想象，事故发生的那6个小时里，他大概是一身冷汗坐在电脑前，看着监控面板上红色的告警一条条弹出来。

那个时候他心里反复想的可能是，我为什么会相信那个参数。

但这个问题其实问错了。

更应该问的是，那份三年前的Wiki，为什么还躺在AI的训练视野里。

麦肯锡2025年的报告显示，员工平均每天有20%的时间浪费在无效知识检索上。在AI出现之前，这些记忆垃圾最多让员工多走点弯路。但在AI时代，它们会被无限放大，变成随时可能引爆的定时炸弹。

事故发生后，亚马逊启动了90天安全重置计划，在335个关键业务系统中强制要求所有AI辅助变更必须经过双人审核。

这个补救措施听上去是负责的，但本质上是把AI扔回去了。

几百亿美元打造的自动化体系，一夜之间退回到了AI加人工的半自动化模式。不仅之前的效率提升全部归零，反而增加了大量的人力成本。

这就是全速推进、全面翻车、紧急刹车这种模式的典型恶果。

但是，亚马逊的所有失误，归根结底都源于同一个问题，就是转型路径的严重错配。

Gartner最新数据显示，目前全球超过70%的企业AI转型，都长期停留在最基础的播种期。管理层的全部注意力都集中在多少人用了AI、买了多少AI工具这些表面数字上，完全忽略了更重要的两个阶段。

健康AI转型其实应该走三个阶段。

第一个，播种期，看工具渗透率和员工认知度。核心是把工具铺出去，让大家知道AI能干嘛。

第二个，扎根期，看工作流重构度和AI任务占比。核心是让AI真正融入核心工作流，改变员工的工作方式。

第三个，结果期，看业务指标改善值和ROI。核心是让AI真的带来业务增长，降低成本或提高收入。

亚马逊的问题，是把90%的资源砸在了播种期，过度强化工具渗透率，完全忽略了工作流重构和价值转化。AI变成了公司内部的面子工程，除了好看的报表，什么都没留下。

这其实不是亚马逊一家的问题，是整个企业级AI转型的通病。

如果要给所有正在推进AI转型的企业，提三条建议，我觉得是这样的。

但我要先说一个前提，下面这些都是我自己的一些不成熟的经验，可能有些想法还比较粗糙，你也不一定要全听。但我会尽量把我能想到的都摊开讲清楚。

第一条，指标设计，永远不要测量不可变现的行为数据。

立刻废除所有以token量、使用时长、打开次数为核心的AI指标。真正有效的指标，必须是价值锚定指标。

不要看员工用了多少次AI，要看AI帮员工节省了多少时间。

不要看AI生成了多少内容，要看这些内容带来了多少业务转化。

不要看AI处理了多少任务，要看这些任务创造了多少收入。

Uber就是个好例子，他们放弃了所有过程指标，只用一个指标衡量AI成效，AI贡献的订单增量。这个简单的指标，让Uber的AI投资回报率超过了300%。

第二条，组织基建，知识治理永远优先于工具部署。

在购买任何AI工具之前，先完成两项基础工作。

文档有效性审计，全面清理公司内部的过时文档，建立谁创建谁负责的更新机制。

知识生命周期管理，为所有核心知识设置过期时间，定期审核和更新。

记住，垃圾知识喂不出聪明的AI。如果你的公司内部知识一团糟，那么越先进的AI，只会让你错得更快、更离谱。

第三条，转型节奏，拒绝全速急刹的极端模式。

不要试图在90天内完成全公司的AI转型。亚马逊那个90天安全重置计划，就是这种模式最典型的恶果。

正确的做法是建立试点、监测、推广的波浪式推进机制。先在一个小团队试点，跑通价值闭环后再逐步扩大范围，每一步都建立严格的监测和反馈机制。

说到这，你可能觉得我说的都是管理学常识。但你仔细想想，这些常识在AI时代反而被集体遗忘了。

我有时候觉得，我们对AI的狂热，其实掩盖了一个更深的问题。就是我们其实不知道使用AI和被AI使用的区别在哪里。

听起来有点像哲学对吧。我换个方式说。

19世纪末，电力开始进入工厂的时候，工厂主也不知道拿它怎么办。他们就干了一件事，把蒸汽机换成电动机，但保留了原来的中央驱动轴和皮带系统。结果生产效率几乎没提升。

这个状态持续了大概30年。

直到有人想明白一件事，电力的真正价值不是替代蒸汽，而是把那个巨大的中央驱动轴彻底拆掉，让每台机器单独装一个小电机。这样，工厂可以按工艺流程而不是按离动力源的距离来重新布置。

这个重新布置的过程，就是真正的工业革命。

你想想看，现在的AI转型，是不是在做类似的事？

很多企业的做法，就是把原来由人干的事情扔给AI，但保留了原来的工作流程。结果效率提升有限，甚至因为AI的错误反而倒退。

亚马逊2000亿美元花在了换电动机上，但没有花多少心思在拆掉中央驱动轴上。

回过头来再看开头的KiroRank，那个排行榜的本质是什么？是用一个看起来更AI的指标，去衡量一个老的管理问题。

员工为什么不认真干活？因为激励错了。

工程师为什么不验证AI输出？因为流程没给他时间。

公司为什么会有过时的Wiki？因为没人对知识的生命周期负责。

这些问题，在没有AI的时候就存在了。AI只是把它们全部放大而已。

所以啊，写到这，我其实想表达的就一句话。

AI转型的本质，是管理转型。

AI不是万能的解药，更不是企业转型的一键升级按钮。它是一把双刃剑，既能放大企业的优势，也能放大企业的所有管理缺陷。

亚马逊用真金白银换来的教训告诉我们，如果你的企业还在盲目跟风AI，只关心买了多少工具、多少人在用，而不关心管理体系的升级，那么下一个付出惨痛代价的，可能就是你。

回到最开始那个事。

那些让AI互相聊天的工程师，那些用团队预算买token的部门，他们真的是在偷懒吗？我不觉得。他们只是在用最容易想到的方式，去回应一个糟糕的指标。

如果你给他们一个好的指标，他们会用更聪明的方式去回应。

这件事，是AI教给我们的。

也是我看到亚马逊这份复盘，最想说的一句话。