职场认知与社会人文观察

职场成长方法论、教育思考、公共政策与社会文化深度观察。

超写派专栏

公司要AI的收益,却把成本留给员工

SSuperAdmin官方主理人2026年11月4日AI 专栏 · SupaWriter 深度研究工作流生成

字节封禁自费AI、昆仑万维强制使用并挂钩淘汰、创业公司让员工自购工具却不报销,这些相反做法共享同一逻辑:公司要AI的效率收益,却不愿承担工具成本与数据风险。文章拆解禁令、强推与自费上班背后的成本归属错配,并指出真正的变量是算力成本与治理责任由谁承担。

公司要AI的收益,却把成本留给员工

图片

禁令的逻辑:公司怕的不是你用AI,是你把核心资产喂给AI

L4代码库为什么碰不得

字节跳动被曝光的封禁措施,范围划得很具体:所有L4级别的代码仓库和飞书文档,禁止外部AI访问,员工个人采买的AI账号也在禁止之列。在字节的职级体系里,L4通常对应原3-1级别,是团队TL或初级经理,属于核心技术骨干与管理者的分水岭。这个层级的代码仓库,沉淀的是公司全线业务的核心资产与底层架构。封的不是普通员工写周报用的AI,而是能接触到核心资产的那批人手里的AI。

图片

字节技术副总裁洪定坤在内网回应时给出的理由很直接:L3及以上内容一旦有泄露,后果是非常严重的。这句话把禁令的逻辑讲清楚了——公司怕的不是员工用AI提高效率,而是核心代码和文档在员工无意识的情况下流出公司边界。

生成式AI的二次泄露机制

这种担心有技术上的依据。生成式AI服务通常会将用户输入的数据用于进一步训练,许多情况下这会导致数据在后续环节向外部泄露。员工把一段核心代码贴进对话框,本意是让AI帮忙排查bug或生成注释,但这段代码可能进入模型的训练数据,之后被其他用户以某种方式“问”出来。Samsung的案例已经验证过这条路径:工程师将机密数据上传至ChatGPT后导致数据意外泄露,Samsung随后限制了员工使用ChatGPT。

所以公司封禁自费AI,首要动机是数据资产保护,而非控制员工。这个判断需要说清楚,否则容易把禁令简单理解为管理层的保守或任性。

图片

禁令执行不了,但必须发

问题在于,这类禁令几乎无法真正执行。员工可以用个人设备、非公司网络或VPN绕过限制,组织即便决定禁用或限制LLM,也往往会发现相关措施很难落地。禁令的可见性极低,它拦得住老实人,拦不住想用的人。更隐蔽的后果是,原本在明面上的AI使用转入地下,Shadow AI的风险反而更难被治理。Okta的研究显示,超过半数企业在过去一年经历过与AI相关的安全事件或险情,这个数字背后有多少来自“禁止但管不住”的场景,值得追问。

字节的封禁消息目前来自爆料,未经官方确认,洪定坤同时表示“不应通过禁掉其他选择来推广产品”,说明公司内部也清楚一刀切的效果有限。禁令必须发,是因为数据资产泄露的后果公司担不起;禁令执行不了,是因为AI已经嵌进员工的工作流,靠行政命令拔不出来。这两个事实同时成立,矛盾就被推到了下一个环节:公司开始强推自己的AI。

图片

强推的逻辑:公司买的AI,为什么你用不惯

禁令的另一面是强推。公司堵住员工自选的工具,就得给出替代品,而替代品往往不是员工自己会选的那个。

图片

昆仑万维2026年3月1日的内部通知把这件事推到了极端:统一开通OpenAI Codex或Claude Code账号,每人每月100美元额度,所有技术研发人员含CTO必须强制使用,开发效率须提升至少50%,2026年6月纳入绩效考核,不达标者按5%到20%末位淘汰。这条政策至少承认了工具成本由公司承担,比“自己买”体面。但它同时把“使用AI”本身变成了考核对象——效率提升50%不是从员工实际工作流里长出来的目标,而是先定下数字,再要求人去够。工具好不好用、任务适不适合交给模型,都不在考核口径里。

更普遍的情形没有这么正式。一家20多人规模公司的员工说,公司强推Claude Code、Copilot、Cursor等编程工具,最初的口径是“大家先用起来,验证提效后再说”,至于报不报销没有明确说法;执行中变成必须用、必须提效、费用自己解决。这种模糊处理对公司有利:工具采购的账挂在员工身上,效率提升的收益记在公司账上。

支撑这套做法的是一个定义上的选择。有报道概括,不少公司把AI定义为“个人效率工具”而非“基础生产设施”。定义一变,责任就变了。电脑和服务器是生产设施,公司买;个人效率工具,按逻辑可以自己配。但排期按AI后的效率制定,人力预算按AI后的产能压缩,绩效默认已使用AI——成本和收益被拆到了两个口袋里。员工用不惯公司指定的工具,绩效受损;换成自己顺手的工具,钱自己出。两条路都通向同一个结果:效率压力归个人,提效收益归组织。

图片

这里需要划一条边界。昆仑万维是单一公司案例,政策刚出,执行效果未经验证,50%的效率红线能否落地、末位淘汰会不会真的执行,都还是未知数。多数公司也没有走到强制淘汰这一步。但“效率按AI后计算、工具成本自理”的模式在媒体报道中并非孤例,它不需要写成正式制度就能运转,靠的是预算和排期这两个更安静的工具。

工具选择权与绩效挂钩的错位,后果不只是多花一笔订阅费。员工被迫使用不趁手的工具,产出质量下降的风险由谁承担,政策文本里找不到答案。公司把AI当基础设施来要求产出,却按个人用品来分配成本,这个错配不解决,强推只会把“用不惯”翻译成“不达标”。

图片

自费上班:当AI从工具变成隐形基础设施

报销单上没有AI一栏

一位创业公司工程师对媒体说,以前公司买电脑、买软件、买服务器,现在变成员工自己买AI;工资没涨,效率要求却按用了AI之后来算。同一篇报道描述了更普遍的做法:AI被定义为“个人效率工具”而非“基础生产设施”,但排期按AI后效率制定,人力预算按AI后产能压缩,绩效默认已使用AI。成本和收益被拆到了两个账本上:省下来的工具开销记在公司一侧,多出来的产出要求记在员工一侧。

钛媒体的报道把这种局面写得更直白:一边把AI用量写进绩效,生成率、对话次数、Token消耗都有专人盯着;一边让报销单上的AI一栏空着。用得少挨骂,用得多费钱。员工面对的不是“要不要用AI”,而是“用多少、花多少、谁来认这笔账”。

图片

80%员工已在用未批准AI

这不是个别公司的财务习惯问题。Adaptive Security的调查显示,80%的员工已在工作中使用未经批准的生成式AI应用;Thomson Reuters的研究则发现,工作中使用AI的专业人士里,近半数表示即使雇主明确禁止,仍会继续使用。为Omnissa《2026年数字工作空间状况》报告所做的分析称,AI助手是去年职场增长最快的应用类别,增幅接近1000%。

这些数字需要打折扣看。它们多来自安全厂商或服务商的调查,卖方有动机把Shadow AI说得严重,以便推销治理方案;样本口径、地区和统计方法在公开报道中也往往缺失,“80%”不宜当成精确统计。但方向性结论并不依赖小数点:AI进入工作流的规模已经超出多数组织的审批能力,员工自费买Token是这个落差最直接的表现形式。

图片

成本归属的真空地带

Omnissa EMEA副总裁Ralf Gegg在AI Journal撰文提出,Shadow AI应被视为治理挑战而非纪律问题。他的判断是,问题不在于员工找变通办法——员工一直在找变通办法——而在于组织对这些变通缺乏可见性:不知道它们长什么样、发生在哪里、带来什么风险。

这个框架解释了自费上班为何普遍。组织看不见员工在用什么AI,就既无法有效管控数据风险,也无法把工具成本纳入预算;于是风险由员工自担,成本由员工自付,收益归组织。把这种现象当纪律问题处理,处罚的是被发现的人,剩下的人继续在暗处使用,成本归属的真空原样保留。

机制清楚了,变量也就不在员工身上。员工自费买AI,是对组织治理空白的理性反应;公司不报销,是因为账上根本没有这一栏。要改变这个格局,需要的是可见性和成本归属的安排,而不是更严的禁令或更强的动员。

图片

真正的变量:算力成本与治理责任由谁承担

把视线从工位抬到产业上游,会发现一个更硬的约束:AI工具的价格和供给,本身取决于AI公司能不能从算力投入里收回成本。Anthropic招股书披露的数据提供了一个观察窗口。2026年Q3其营收环比增长47%,而Q2是144%,增速大幅回落;经营业绩从Q2盈利9.74亿美元转为Q3亏损5.67亿美元。更关键的是每1美元算力投入带来的收入回报,从Q2的2.08美元降至Q3的1.72美元,降幅17.3%,是该指标跟踪以来首次下行。

图片

这个数字需要谨慎对待。来源自己解释,2.08的高点由现货算力供给宽松、折扣订单占比偏低、低价值蒸馏流量仍在承接调用等条件叠加而成,属于阶段性窗口,很难长期维持。同一来源也明确提醒,单季度信号不等于AI长期逻辑被证伪,资本回报中枢下移在产业扩张中并不罕见。所以不能把一次下行读成趋势确立。但它至少说明,AI服务长期维持低价甚至免费,并非理所当然。当算力投入的回报收窄,供应商要么提价,要么减少补贴,要么在模型调用上分层收费。无论走哪条路,下游企业采购AI的成本感知都会上升。

图片

成本感知一旦上升,公司对AI的定性就会摇摆。把它当基础生产设施,意味着要像水电和工位一样统一采购、统一治理、承担全部成本;把它当个人效率工具,则可以把采购责任和费用推给员工。两种定性之间的落差,正好对应员工感受到的荒诞:公司要求你用AI提高产出,却不愿意为工具买单。这不是某几个管理者的吝啬,而是成本压力沿着产业链从算力端传到组织端、再传到个人端的结果。辛顿在谈及AI的分配效应时担心,AI创造的财富可能流向富人,而非失去工作的人,他并不确信新增岗位能抵消被替代的岗位,因此支持考虑全民基本收入等安排。这个判断放在工具层面同样成立:当一项生产性技术的成本需要分摊时,分摊规则决定了谁受益、谁承压。

所以这场所有权战争不会以“工具归谁”收场。归属只是表象,真正要解决的是三件事的匹配:谁承担采购成本,谁承担数据与合规风险,谁获取效率收益。只要这三者继续错位,禁令和自费就都只是把矛盾往下推一层。员工自费买AI,是在组织治理空白处的理性反应;公司强推自研工具,是在数据风险不可控时的防御动作。两边都不算错,错的是没有一个把成本、风险和收益放在同一张表上的安排。

这种安排不会自动出现。它取决于行业竞争是否迫使供应商继续补贴,取决于监管是否对员工自带工具的数据责任作出界定,也取决于公司是否愿意把AI从“员工自己想办法”的灰色地带,挪进正式预算和治理流程。单季度算力回报下行不足以预言结局,但它提示了一个方向:低价窗口收窄时,公司让员工自费买AI的动力只会增强。打工人夹在中间的时间,恐怕比想象中更长。

想拥有高效的全自动内容生产力?

SupaWriter 打通热点选题、长文创作、智能语义配图、文章 4 维客观评分与浏览器扩展一键发布,助你提升 10 倍创作效率。