北京
出品 | 網易智能
作者 | 辰辰
編輯 | 王鳳枝
每天使用了多少次AI，正在淪為Meta員工最窒息的KPI。
在元宇宙里燒光了百億美元后，馬克·扎克伯格（Mark Zuckerberg）終于找到了折騰員工的新賽道。根據《商業內幕》（Business Insider，BI）最新曝光的內部文件顯示，他正以前所未有的激進姿態，強制要求全公司向AI原生（AI native）轉型。
各部門被精準下達了硬性數字：中心產品部門80%的中高級工程師被要求采用通用AI工具，且55%的代碼修改必須有AI代理輔助；維護核心創意的創作部門，65%的工程師被規定要用AI編寫超過75%的已提交代碼。為了配合這場運動，Meta不僅在推行扁平化和小團隊運作，甚至連員工頭銜都改了，強行加上了AI。
就像一位絕望的Meta員工在網上的神吐槽：本以為AI能解決所有問題，結果為了湊夠老板規定的這些奇葩指標，它反而帶來了更多的問題。
一、秘密文件流出：Meta的“AI指標”到底有多瘋狂？
根據BI披露的這份內部文件，Meta內部已經為各個部門量身定制了一套關于員工應該使用多少AI工具執行任務的硬性目標。這不再是那種鼓勵大家嘗鮮的溫馨建議，而是直接寫在考核表上的死命令。
首當其沖的是負責Messenger、WhatsApp和Facebook等核心產品的“中心產品部門（Central Products）”。扎克伯格要求，2025年第四季度這個部門80%的中高級工程師必須采用DevMate、Metamate甚至谷歌的Gemini等通用AI工具。文件特別備注稱，這里的重點是工具采用率，而不是AI編寫代碼的比例。更具體的一項指標是：整個中心產品部門軟件工程師的55%的代碼變更必須是智能體輔助的。
同樣的壓力也籠罩著“創作部門（Creation Org）”。這個部門負責維護Facebook和Instagram的核心創意體驗。文件明確規定，到2026年上半年，該部門65%的工程師必須使用AI編寫超過75%的已提交代碼（即在項目中保存并追蹤的代碼）。
專注于AI模型和基礎設施的“可擴展機器學習部門（Scalable ML）”同樣躲不過去。他們被強制要求在2026年2月實現50%到80%的代碼由AI輔助完成。盡管一位資深經理在文件中試圖緩和氣氛，備注稱目前不通過硬性指標跟蹤，但科技公司正在用各種讓人喘不過氣的方法（比如跟績效掛鉤或搞內部排行榜）來逼著員工用AI。
這根本不是什么美好的技術愿景，而是硬壓下來的死任務：扎克伯格正試圖通過這套嚴苛的考核，把Meta強行改造成他想要的“AI原生”公司。
二、CTO親自督戰，連職位名稱都改了
為了把這些指標強壓下去，Meta還對人事架構進行了一番調整。
Meta的首席技術官、被大家親切稱為“Boz”的安德魯·博斯沃思（Andrew Bosworth）已經正式接手了“AI for Work”計劃（此前由另一位高管Guy Rosen領導）。這個計劃的唯一目的，就是從內部硬推AI工具的普及，好讓Meta能在面對那些規模更小的AI初創公司時，依然保持競爭力。
更離譜的是，在Reality Labs的一個部門內，傳統的“軟件工程師”或“產品經理”等稱呼正在消失，換成了一系列聽起來很科幻但讓人摸不著頭腦的新標簽：
· AI Builder（AI構建者）
· AI Pod Lead（AI小組負責人）
· AI Org Lead（AI組織負責人）
正如一份內部備忘錄里打著官腔的宣告：“我們的最終目標是推動工程生產力和產品質量的階梯式飛躍。為此，我們正在從根本上重新布線我們的運營方式、結構方式以及我們互相支持的方式。”
三、Reddit上的怨聲載道：是“效率起飛”還是“純粹的混亂”？
然而，員工們對這種硬塞過來的AI轉型真的買賬嗎？
在社交媒體Reddit上，大廠基層的真實處境被徹底曝光。如果說老板們在辦公室里想象的是效率起飛，那么基層員工每天面對的就是純粹的混亂。
一名員工感嘆：“一位同事的觀察是，以為AI能解決所有問題，結果卻帶來了更多問題。”
這事兒之所以鬧成這樣，很大程度上是因為管理層搞了一種大撒把的策略：“讓百花齊放（Let flowers bloom）”。
在外面聽起來，這像是在鼓勵創新，但在員工眼里，這簡直就是一場沒苦硬吃的內耗。一位自稱不在產品端工作的員工吐槽道：“現在既然每個人都能寫代碼了，內部就多了很多搶功勞和惡性競爭。我每隔一周就能看到不同的團隊宣布開發出了同樣的Claude skill。”這種為了完成指標而瘋狂重復造輪子的行為，把本該高效的開發流程變成了一場荒唐的表演。
更打臉的是，AI確實讓干活變快了，結果卻把大家坑進了瘋狂加班的泥潭。
很多員工反映，AI確實讓寫代碼、跑測試變快了。但結果呢？另一位員工無奈吐槽：“似乎人們比以往任何時候工作得都多。”
這就扯出了一個荒唐的職場怪圈：當你用AI把原本需要三天干完的活兒縮短到三小時，老板絕對不會讓你休息兩天半，而是會毫不客氣地塞給你十倍的工作量。
在談到團隊是否在跟著AI計劃搞重組時，這名員工證實：“就我所在的部門而言，是的。同時也更加注重那些被期望交付更多成果的小型團隊。”
這種快到失控的節奏讓很多人根本受不了。一位在公司干了8年的老兵（ID:nesh34）憤怒地表示，現在的公司簡直瘋了：“這是我加入以來最糟糕的一段時間。純粹的混亂，糟糕透頂的激勵機制，有時簡直是瘋了。太多東西推得太快，卻沒有護欄，也沒有足夠的指導。與此同時，很多東西速度太快卻毫無質量，而另一些東西依然卡在毫無意義的官僚主義中。”
這種轉型對員工職業尊嚴的隱性打擊也是致命的。
即便是那些手握頂級名校機器學習博士學位的資深研究員，如今也陷入了深深的生存危機。一位從事內容推薦應用機器學習（Applied ML）研究的專家（ID:Worth Entrance 2939）坦言，雖然AI幫他把那些無聊的測試工作自動化了，讓他有80%的時間可以去琢磨新模型，但他和同事們心里依然發毛：“一方面，我正在學著享受與AI一起工作，希望能用更少的工作時間完成更多的事情。但另一方面，我甚至覺得自己很快就要過時了。我的隊友們似乎也有同感。”
而另一位叫muggylittlec的網友更是毫不留情地撕破了硅谷高管們的濾鏡：“這些科技大牛太盲目了，他們覺得全世界所有的公司明天都會轉向AI，但實際上，像英國國民醫療服務體系（NHS）這樣的全球最大雇主之一，到現在還在用傳真機！沒人想要那個糟糕的元宇宙，人們只會在AI能解決現實問題并幫他們賺錢時，才會想要它。”
四、硅谷的整齊步伐：一場全行業的“監工革命”
但這事兒不能全怪Meta。把目光放遠一點就會發現，整個硅谷甚至全球的大廠，都在演著同一出戲。AI正在從干活的幫手，變成盯著你干活的監工。
亞馬遜的做法更不留情面。他們上線了一套叫“Clarity”的內部系統。這東西就像一個連眼睛都不眨的賽博監工，死死盯著每個程序員調用內部AI模型Kiro的次數。亞馬遜定下的死規矩是，80%的開發人員每周必須至少用一次AI寫代碼，而且這些冷冰冰的數據會直接決定你能不能升職。
埃森哲就更狠了。他們直接拿高管開刀，要求高級管理層必須證明自己平時真的在用AI工具，不然別想升職。公司甚至會去查個人每周登錄AI平臺的數據，看看你是不是在裝樣子。他們的邏輯極其粗暴：如果你的賬號登錄次數不夠，就說明你跟不上時代，那你當場就沒資格帶團隊了。
而在前推特創始人杰克·多西（Jack Dorsey）領導的Block公司里，這種要求直接變成了明晃晃的威脅。公司高層已經放出話來：要么乖乖學會用AI，要么直接卷鋪蓋走人。
這正在形成一種畸形的職場新規矩。在這種環境里，沒人再鼓勵你去解決復雜的業務難題，大家都忙著去給AI刷數據。只要你用的次數多，用AI水出來的代碼量足夠大，你就是年度優秀員工，至于這些代碼到底有沒有用，反而沒人關心了。
五、被遺忘的代價：當“無聊”和“經驗”被徹底抹殺
在這場為了報表好看而發起的運動中，有些極其寶貴的職場財富正在被當成垃圾扔掉。
求職平臺Metaintro的首席執行官萊西·凱拉尼（Lacey Kaelani）說了一段特別清醒的話：“我們很多極具價值的產品創意，其實是工程師在干那些枯燥的數據驗證工作時，偶然發現的靈感。一旦把這些無聊的任務全都交給機器，咱們的自動化程度確實高了，但也把大家在干活時順帶學到的經驗給徹底抹殺了。”
這就是大廠強推AI必須咽下的真實代價：當你再也不用親手去搬每一塊磚，你也就永遠失去了搞懂這座大樓怎么承重的機會。
更嚴重的是安全隱患。前不久，亞馬遜AWS發生的兩次宕機，起因竟然是一個被工程師賦予了擴展決策權限的AI編碼智能體，私自決定關閉了某些關鍵的IT環境。這就是強行AI化的惡果：當員工在KPI壓力下放棄了對AI的嚴密監控，算法的幻覺和錯誤就會演變成災難性的事故。
另外，這種強制用AI的氛圍，也讓人和人之間的關系變得越來越冷漠。Upwork的研究發現，那些天天跟AI打交道的員工，更容易覺得和同事沒話聊，上班上得越來越心累。當所有的活兒都得讓AI插一腳時，辦公室就不再是個人待的地方，而變成了一臺只認指令的冰冷機器。
六、結語：員工還剩多少核心價值
扎克伯格搞的這場AI改革，說到底就是想把大家干活的方式徹底洗牌。他不僅是在追求報表上好看的效率，更是想把Meta變成一臺完全由數據和算法驅動的無情機器。
在Reddit上的焦慮，和小紅書上的恐慌如出一轍。國內的程序員們已經開始用“碼奸”這個詞來自嘲，大家就像當年砸毀機器的紡織工人一樣，心里憋屈的不是技術進步，而是被資本家無情拋棄的下場。
最殘酷的現實，正如網友所嘲諷的那樣：你以為你在用Token，其實Token就是你那剛剛被裁掉的同事。
無論再怎么抱怨，大廠降本增效的鐮刀都不會停下。當那些拿著高薪的Meta員工，被迫用AI水出一份代碼來保住飯碗時，這已經是他們最后的掙扎：當所有的經驗和技能都被封裝成工具，打工人到底還剩下什么真本事？
本文來源：網易智能
責任編輯：
王鳳枝_NT2541
