考核管理｜传媒集团AI治理专题

员工用AI摸鱼难查？传媒AI绩效八维考核

员工到底是在用 AI 提效，还是在用 AI 摸鱼？这是 2026 年摆在每一位传媒集团管理者面前的真实考题。当企业 AI 治理从口号进入考核表，AI 绩效考核已不是选择题；大模型统一管控呼声渐起、Token 成本一路走高，可 doda 最新调查清晰显示，54.7% 的大型企业已把 AI 活用纳入人事考核——而它们中大多数，至今连"谁在用、用得对不对、产出有没有被采用"都看不清。

这种"看不清"正在制造实实在在的管理焦虑。doda 在 2026 年 2 月针对 515 名来自 501 人以上、且已引入 AI 工具企业的 HR 与招聘负责人展开调研，结论相当有冲击力：除了 54.7% 已将 AI 活用纳入人事考核外，67.2% 的企业已经定义了 AI 技能水平，其中 58.4% 已经反映在组织或个人考核上。更值得玩味的是激励结构——当企业决定"奖励会用 AI 的人"时，奖金及特别津贴以 64.4% 排在首位，加薪 63.9%、晋升 60.9% 紧随其后；76.7% 的企业相信 AI 活用度与业务绩效"有关系"。

换句话说，方向已经定了：AI 能力要进考核、进奖金、进晋升。但怎么考、考什么，才是真正难啃的骨头。方向定了，方法却还在摸索——这正是本文要回答的核心问题。

一、传媒集团AI绩效考核落地难：员工用AI提效还是摸鱼？

对传媒集团而言，考核 AI 用的困境比一般行业更复杂。编辑部要写稿、内容中心要统筹、新媒体运营要追热点、视频组要剪片子——每个岗位都在用 AI，但"用得多"和"用得好"完全不是一回事。管理层最怕的不是员工不用 AI，而是两种极端：一种是假装用，把 AI 当摆设应付检查；另一种是滥用，把未核实的 AI 产出直接发出去，反而埋下合规隐患。

这就是为什么 54.7% 这个数据既是好事也是警钟。好事在于，过半大型企业已经迈出了"把 AI 纳入人事考核"的关键一步；警钟在于，大多数企业只做到了"统计用了没有"，却还没解决"用得对不对"。doda 的数据里藏着一个关键信号：67.2% 的企业已经定义了 AI 技能水平，但真正把它反映到考核上的只有 58.4%——也就是说，还有近一成企业"定义了标准却没落地"，标准的纸面化是第一步最容易翻车的地方。

更现实的痛点是过程不可见。在不少传媒机构，员工用私人账号、私有工具去调大模型，公司既看不到调用了哪些模型，也算不清产出质量，更谈不上与绩效挂钩。没有统一网关、没有调用审计日志，所谓"AI 绩效考核"就只能靠主观印象打分，最后要么流于形式，要么变成"谁汇报得好谁分高"。

二、大厂AI绩效考核怎么做：Amazon Clarity与Google非技术岗考核

把视线拉到全球，头部科技公司已经把"AI 使用考核"做成了可追踪、可量化的硬指标，很值得传媒集团借鉴。

先看 Amazon。据 The Information 2026 年 2 月独家报道，Amazon 内部搭建了名为 Clarity 的追踪平台，管理层可以清楚看到每位员工使用了哪些 AI 工具、使用频率，以及与自研 AI 模型 Kiro 的互动程度。这些数据直接影响晋升资格与绩效评分。更具体的是，Amazon 给开发人员设定了明确目标——每周至少使用一次 AI 辅助编码的工程师比例必须达到 80%，管理层可即时查看达标与落后名单。这套机制的核心不是"逼你用"，而是"把用量和互动质量变成可见信号"。

再看 Google。Business Insider 2026 年 2 月报道，Google 已告知部分销售、策略及其他非技术职能员工，其 AI 工具使用情况将纳入年度绩效考核——此前 2025 年 6 月它已要求软件工程师必须使用 AI 辅助编码。对传媒集团最有启发的是这一点：AI 考核不只属于技术岗，新媒体运营、内容策划、广告销售这些非技术角色同样可以、也应该被纳入。

日本样本则提供了"自下而上"的另一条路径。软银集团以 1000 万日元高额奖金举办内部 AI 竞赛，用真金白银的荣誉和激励把 AI 活用推向全员；博报堂 DY 控股则推动"AI 导师制"，由年轻员工反向指导经营层，既是培训也是考核——导师帮经营层提升 AI 熟练度，本身就是一项可量化的贡献。这两种做法分别解决了"动力"和"代际落差"两个考题。

三、为什么AI用得多不等于用得好：botsitting与衡量鸿沟

这是整篇文章最关键的分析。很多管理者误以为"考核用量"就够了，但数据告诉我们：用得多，绝不等于用得好。

Glean 旗下 Work AI Institute 发布的《Work AI Index 2026》，调查了美、英、澳共 6000 名知识工作者，结果极具反差感：87% 的员工已在用 AI，73% 说自己更有生产力，平均每周省下 13 小时——但只有 13% 认为公司因此表现明显更好。一边是人人都在用、人人都说省力，另一边却是公司层面感受不到质变。这个巨大的落差，正是考核设计必须直面的真相。

报告还提出了两个值得所有管理者记住的概念。第一个是 botsitting（替 AI 善后）：喂上下文、盯输出、帮除错、收拾烂摊子，员工平均每周要花 6.4 小时，约吃掉 AI 省下时间的一半。也就是说，你看到的"省 13 小时"，实际净收益可能只有一半。第二个是 botshitting（交 AI 差了事）：把活甩给 AI 就当完成，质量全靠运气。此外，36% 的 AI 对话会直接失败，员工必须从头来过或大幅修改——这部分隐性成本，在"只统计用量"的考核里完全看不见。

ADP Research 的《People at Work 2026》进一步揭示了一个更棘手的"衡量鸿沟"：每日使用 AI 的员工，感到"生产力下降"的可能性反而高出 4 倍。研究者强调，这衡量的是主观感受而非实际产出——员工被 botsitting 拖垮、被失败对话消耗，主观上觉得自己更忙更累，但公司在考核表里只看到一个"用了 AI"的正向标记。

结论很明确：只考核"用没用"，会催生 botshitting——交 AI 差了事、用数量掩盖质量。真正有效的 AI 绩效考核，必须升级为考核"用得对不对、产出有没有被采用"。量频次只是入门，量质量才是关键。对传媒集团来说，这意味着：与其看记者"调了几次大模型"，不如看"AI 成稿一次过审率"；与其看视频组"生成了几条脚本"，不如看"成片被采用的比例"。

四、AI超级用户两极分化：传媒人才梯队建设风险

如果考核只停留在"用没用"，组织内部的两极分化会被迅速放大，而这正是人才风险的来源。

doda 的调查早就预警：72.4% 的企业实际感受到了员工"能用 AI"与"不能用 AI"的两极化，即便提供研修也难缩小差距。这不是个别现象，而是结构性趋势。Writer 联合 Workplace Intelligence 发布的《AI Adoption in the Enterprise 2026》调查了 2400 名员工与 C 级高管，数据触目惊心：AI 超级用户每周省下近 9 小时，而极少或不用 AI 的员工只省约 2 小时，差距达 7 小时/周；87% 的企业领导认为超级用户的生产力至少是不用 AI 员工的 5 倍；超级用户过去一年同时获得晋升与加薪的概率是 3 倍。

更值得传媒集团管理者警惕的是后两条：92% 的 C 级高管正在主动培养 AI 熟练员工梯队，60% 的公司计划裁掉不能或不愿采用 AI 工具的员工。换句话说，市场正在用脚投票——AI 熟练度正在从"加分项"变成"生存项"。对编辑部、内容中心而言，如果一个团队里只有少数几个人会高质量用 AI，其他人只会 bot 一下交差，那么考核如果不把"熟练度差距"显性化，组织能力就会悄悄断层。

因此，AI 绩效考核的另一个隐藏价值，是把两极分化变成可管理的数据：谁已经是超级用户、谁还在门外、中间层如何进阶，全部用指标说话，再配合分层培训精准补位，而不是等人才流失了才后知后觉。

五、51Tokens八维AI考核引擎：对接HR绩效的人效看板

把前面的痛点串起来，需要一套能落地、能对接 HR 体系、且贴着传媒场景的考核框架。51Tokens 的八维 AI 考核引擎，正是为这个目的而设计——它不是又一个"统计调用次数"的工具，而是把员工 AI 使用拆成八个可量化维度，让"人效"真正看得见。

考核维度	量化指标	传媒场景示例
① 使用频次	日活 / 周活、任务启动数	记者每周 AI 辅助写稿 ≥ 设定篇数
② Token 消耗效率	单位产出 Token 量（输入侧自研保真压缩 30%-70%）	每千字成稿的压缩后 Token 成本
③ 任务完成率	AI 辅助任务按时交付比例	选题-成稿-发布全链路达标率
④ 成稿采用率	AI 产出被编辑 / 主编采用比例	新媒体文案一次过审率
⑤ 返工率 / botsitting 工时	替 AI 善后工时占比	视频组字幕 / 剪辑返修工时
⑥ 合规命中次数	请求侧敏感识别提醒命中数（提醒非拦截）	涉密稿件的脱敏提醒触发数
⑦ 模型选型合理性	任务与模型匹配度评分	长文用深度模型、快讯用轻量模型
⑧ 知识沉淀贡献	提示词模板 / 工作流沉淀数	编辑沉淀的选题提示词库被复用次数

这八个维度，前两个回答"用没用、贵不贵"，中间三个回答"用得好不好、产出有没有被采用"，第六个把AI 合规的边界管理纳入考核，第七个防止"杀鸡用牛刀"式的模型滥用，第八个则鼓励超级用户把经验变成组织资产。特别说明第六维：51Tokens 在请求进模型前做敏感特征识别，给出脱敏提醒与处理建议——这是把风险判断从个人记忆搬到系统提示，但必须讲清边界：它是提醒，不是运行时自动拦截，也不替代任何保密审查流程。

对接 HR 绩效时，八维引擎的输出不是一堆原始数字，而是一张可直接映射到 KPI 表的"人效评分卡"。例如，编辑的"成稿采用率 + 返工率"加权，构成内容质量分；新媒体运营的"使用频次 + 任务完成率"，构成交付效率分；视频组的"botsitting 工时"反向折算净人效。HR 只需把这张评分卡接入既有绩效系统，AI 考核就不再是临时动作，而是与奖金、加薪、晋升真正挂钩的常态化机制。

六、传媒集团AI考核落地方案：分级预算与分角色培训

框架有了，落地还要三件事配合，少一件都会让考核变成"纸面工程"。

第一，分级预算 + 双看板。51Tokens 支持按部门、按角色设置分级预算，并生成"人效 × 成本"双看板：一边看每个人、每个团队的 AI 产出质量，一边看对应的 Token 消耗。这样管理者既能识别超级用户加以激励，也能发现"高消耗低产出"的 botshitting 信号——注意，这里说的压缩是指请求侧（输入 Prompt / 上下文）压缩，51Tokens 采用自研保真压缩算法，压缩比 30%-70%，语义不丢、效果不打折，能直接降低单位产出的 Token 成本。

第二，分角色培训课程。考核要公平，前提是每个人都拿到"会用"的能力。51Tokens 的培训体系按记者、编辑、新媒体、视频四类角色分层：记者学 AI 辅助选题与事实核查，编辑学成稿质量把控与提示词精修，新媒运营学热点捕捉与多平台适配，视频组学脚本生成与剪辑工作流。能力分层了，考核标准才有可比性。

第三，咨询陪跑把指标写进 KPI 表。很多传媒集团卡在最后一步：框架懂了、工具有了，却写不出一行可执行、能被 HR 接收的考核条目。51Tokens 的咨询落地服务由顾问陪跑，帮企业把八维指标翻译成具体的 KPI 公式、权重与阈值，写进现有绩效制度，让 AI 考核从"试点"变成"制度"。

七、互动：你的团队AI绩效考核指标定好了吗？

聊了这么多数据和方法，最后把问题交回给你：你的团队，AI 绩效考核指标定好了吗？是只看"用了没有"，还是真正在考"用得对不对、产出有没有被采用"？编辑部和新媒体运营，该用同一套标准，还是分角色差异化？欢迎在评论区聊聊你所在传媒机构的做法——我们已经整理好分角色（记者 / 编辑 / 新媒体 / 视频）的八维考核指标清单，可私信领取参考。

记住一句话：AI 省钱靠的是看得见用量，AI 合规靠的是管得住边界，AI 考核靠的是量得准人效。三者合在一起，才是传媒集团真正落地、可执行的企业 AI 治理。

—— 51Tokens，让每一份 AI 用量都看得见、管得住、考得准