人工智能是价值变换器,而非员工:将人工智能置于组织价值流之中

全文

1 引言

采用 AI 工具的组织通常用人员配置的语言来描述这些工具。客服助手"处理"一定比例的请求。编码助手"承担"若干名工程师的工作。商业论证将模型订阅的成本与一名全职员工的成本进行比较。AI 系统被视为数字员工:它接收任务,完成任务,其贡献以完成的任务数或避免的人员编制数来计算。

本文认为,员工框架是一种范畴错误,而且这种错误并非无害。它把测量引向价值流的生产者一侧,即 AI 最擅长的一侧,而偏离了接收者一侧,即价值真正得以实现的一侧。其结果是一种常见的模式:仪表盘显示产出不断上升,而客户、同事和评审者却在承担返工,没有任何报告将这些返工归因于 AI 系统。

这里提出的替代方案来自价值管理理论(Value Management Theory,VMT)和 Æilus 方法论。在 VMT 中,转换器(transformer)是一种角色,而不是一个实体:担任该角色的行动者消耗价值,并为他人产生新的计划价值(A7)。AI 恰好契合这一角色。当 AI 系统作为转换器被置于价值流中时,它的输入是有成本的,它的输出在接收者消耗之前只是假设,而它的副产品可能是反价值。一旦如此定位,关于采用与测量的正确问题就变得清晰可见。

本文是关于在组织中应用 Æilus 的八篇系列论文中的第四篇;定义沿用第一篇论文"Value, Anti-Value and Value Flows: A Working Vocabulary for Practitioners"。VMT 的形式化体系和价值货币 Æ 在此不再重新推导;它们载于 Bolshakov (2026),"Value Management Theory and Employee-Centric Competitive Advantage: A System-Level Perspective"。本文是概念性的。文中不含实测数据,其中仅有的数字属于一个明确标注为假设的情景。

2 范围、价值系统与理论基础

2.1 测量的是谁的价值

VMT 认为,价值只存在于一个已界定的价值系统之内(A1),并且同一事件在不同的系统中可以有不同的解读(A2)。因此,在指明系统之前,关于"AI 的价值"的陈述都是不完整的。本文始终使用同一个价值系统:一个交付型组织及其直接接收者。其行动者包括组织的团队和职能、担任转换器角色的 AI 系统、审阅或纠正 AI 输出的人员,以及组织工作成果的外部接收者(客户、用户,或另一职能中的内部使用者)。其价值流是在他们之间流动的请求、工件和决策。AI 供应商、劳动力市场和整个社会处于边界之外,仅通过外部流来处理(A10)。

这一选择很重要。在供应商的价值系统内,每一个生成的 token 都是已实现的收入。在组织的系统内,同一个 token 究竟是价值、噪声还是反价值,取决于接收者如何处理它。正如 T15 所述,移动边界会改变结论,却不改变现实。下面的分析仅对此处声明的边界成立。

2.2 所用的公理与定理

论证依赖于 A4 和 T3(计划价值与实现价值相背离)、A5(反价值独立于价值)、A6(价值在消耗时实现)、A7(转换)、A8 和 T7(参与条件)、T4 和 T6(阻力和扭曲会累积)、T5(局部优化不保证全局改善)、T8(转换角色的冗余提高可持续性),以及 T16 和 T17(未经实现确认的解释是不稳定的,并会累积反价值)。

3 "数字员工"的范畴错误

3.1 员工框架计量什么

员工框架从人员配置中引入了一种测量习惯。员工依据某个角色被雇用,被分配一定的工作量,并按吞吐量和成本接受评估。当 AI 被置于同一框架中时,三个数字占据主导:处理的工作项数量、被"接管"的工作量比例,以及避免的全职当量(FTE)成本。这三者都是在工作离开生产者的地方测量的。

对于人类员工,这种习惯尚可容忍,原因却很少被提及:人类操作者会观察接收者。客服人员会听到客户仍然很生气。计划价值与实现价值之间的大部分差距,在任何指标记录之前,就已在个人内部被非正式地纠正了。生产者侧指标之所以有效,是因为生产者身上内置了接收者侧的传感器。

AI 系统默认并不具备这种传感器。它在价值的计划一侧表现得非常出色:流畅、快速、自信且数量庞大的输出。除非被明确连接,否则它不会观察输出是否改变了接收者的状态。因此,员工框架恰恰在 AI 看起来最好的地方测量 AI,而在计划与事实之间的差异出现之处停止了测量。

3.2 框架隐藏了什么

在员工框架下,有四件事从视野中消失。

1. AI 转换器的消耗一侧。人员编制的比较只计入模型的许可或算力成本,而忽略了该转换器同样消耗的人的注意力、审阅工作量和数据准备。
2. 接收者的裁定。"已完成"是由生产者宣布的。接收者的状态是否得到改善并未被记录。
3. 被转移的工作。AI 输出未能完成的工作会移到下游的接收者或审阅者那里。在生产者的报告中它消失了;在系统中它依然存在。
4. 累积。返工、信任流失和技能退化不是一次性成本。根据 T4 和 T6,它们会累积,并降低系统未来实现价值的能力。

FTE 替代的框架还假定人的角色与 AI 的角色是具有相同产出的替代品。按 VMT 的说法,它们是具有不同输入和输出特征的不同转换器。

4 作为转换器角色的 AI

4.1 是转换器,而非实体

VMT 和 Æilus 依据转换器在价值流中所做的事来定义它,而不是依据它是什么。一个人、一个团队、一项服务或一个工具都可以担任转换器角色;在价值系统图式(Value System Schema)中,该角色被画为一个转换节点(converter),这是 Æilus 对转换器节点的称呼。这一框架消除了"AI 是员工还是工具?"这个问题,代之以一个更有用的问题:这个转换器消耗什么,产出什么,谁接收其输出?

4.2 AI 转换器消耗什么

AI 转换器至少有四类输入。每一类都是从系统中某处消耗的价值要素。

• 数据与上下文。提示词、文档、工单、代码、客户历史。它们是由某人创建、整理和维护的,其质量为输出设定了上限。
• 算力与许可。可见的成本,通常也是商业论证中唯一的成本。
• 人的注意力。撰写指令、界定任务、引导交互。这些是从本可以去做其他工作的人那里消耗的。
• 审阅工作量。阅读、检查、纠正和批准输出。在许多用途中,这是最大的输入,并且它记在别人的预算上。

4.3 AI 转换器产出什么

其输出是本系列意义上的价值要素:草稿、回答、代码、分类、摘要、决策。每一项一开始都是价值假设。它承载着由生产者解释的计划价值,只有当下一个转换器消耗它时才变得可测量(A6)。AI 转换器也可能产生反价值:错误的回答、具有误导性的摘要、日后必须移除的代码,以及第 7 节所述的各种影响。

Æilus 对转换器效率的定义使这种平衡变得明确。转换器的效率为

E = (produced value - produced anti-value) / (consumed value - consumed anti-value)

所有项均以 Æ 表示,且处于已声明的系统之内。这个公式有两个特点对 AI 很重要。第一,分母包含审阅工作量和人的注意力,而不仅仅是算力。第二,分子要减去所产生的反价值,而员工框架从不记录这一项。一个产出量令人印象深刻的 AI 转换器,在做出这两项修正之后,效率可能很低甚至为负。同一个转换器在一个价值系统中可能是高效的,而在另一个价值系统中则可能是破坏性的。

5 AI 输出的计划价值与实现价值

5.1 为什么 AI 在计划一侧显得强大

A4 指出,计划价值与实现价值通常并不一致;T3 补充指出,零偏差是一种不稳定的特殊情形。对于人类的工作,这种偏差会因生产者对接收者的亲自观察而得到缓和。对于 AI 的产出,这种偏差则带有结构性偏向。生成的产出经过优化,目的是看起来像一个正确的答案。流畅性和自信程度属于计划一侧;正确性和适用性属于实现一侧。

AI 能够快速而廉价地提高计划价值。除非单独衡量实现价值,否则组织会把这种提高解读为进步:这正是 T16 所描述的结构性不稳定模式。

5.2 隐性返工

当实现价值低于计划价值时,这一差额并不会消失。它会在流中的其他位置转化为工作。客户再次联系客服。经理重写一封生成的电子邮件。工程师修正生成的代码。

AI 变换器的报告显示的是一个已完成的事项,而成本由接收方变换器承担:这是 T5 的一个实例:某一个变换器吞吐量的局部改善并不能保证系统得到改善。这也与基于流的管理中的一般观察相符,即隐藏在队列和返工中的工作对活动指标而言是不可见的(Reinertsen, 2009)。VMT 的解读增加了一点:这些隐藏的工作并非中性的延迟,而是反价值(anti-value),并且根据 T4,它会作为流动阻力(flow resistance)在 AI 变换器与其接收者之间的接口处累积。

6 接收方指标

如果价值在消费时实现(A6),那么进行验证的是接收者,而不是生产者。这是本文的核心度量规则:AI 产出的价值应在消费它的变换器处衡量,而不是在产生它的 AI 变换器处衡量。精益思想在从最终客户的立场定义价值时也提出了相关的观点(Womack and Jones, 1996);VMT 则将其推广到流中的每一个内部接收者。

接收方指标将每一项生产方的计数与对随后发生之事的观察配对。以下是一些示例:

两列之间的差距是 AI 项目可以追踪的信息量最大的数字。它估算了被转移的工作量以及在接口处产生的反价值。差距的扩大表明,该项目扩展解释的速度快于扩展实现的速度。

接收方指标还能防范一种可预见的失效。一旦生产方指标成为目标,就会通过生产更多被计数的东西来达成,这种动态通常与 Goodhart (1975) 联系在一起。AI 使这样做变得廉价。以"已关闭请求"为目标的助手就会去关闭请求。把目标锚定在接收者的状态上,则会使得在不交付价值的情况下更难满足目标。

7 AI 特有的反价值

A5 将反价值视为独立于价值:AI 变换器可以在同一时期既产生真实的价值,也产生真实的反价值,而在接收者的体验中两者不会相互抵消。以下几类反价值是 AI 变换器所特有的。它们是作为需要观察的类别列出的,而不是已测得的频率。

• 自信的错误。以与正确产出同样的流畅度呈现的错误产出。接收者无法依靠语气来区分二者,因此每一项产出都必须经过检查,否则错误就会传递到下游。
• 审查负担。验证产出所需的工作量。它随产出数量增长,而不随产出质量增长。
• 技能的侵蚀。当 AI 变换器接管工作的初稿时,过去负责撰写初稿的人可能会失去使他们成为优秀审查者的实践(practice)。根据 T6,这种累积的扭曲会降低系统未来实现价值的能力,包括发现 AI 错误的能力。
• 信任流失。每一次失败的交互都会降低接收者对该渠道的信任。根据 A8 和 T7,当参与条件(participation condition)被违反时,行动者会离开或改变参与的形式。
• 解释膨胀。AI 的产出可以被引用、概括和转发,其速度快于被检查的速度。根据 T17,未被实现所证实的有影响力的解释会累积反价值:一份在三项决策中被引用的生成摘要,会把其中的错误扩散三次。

这些都不会出现在 FTE 对比中。而只要对流的接收方一侧配备了监测手段,所有这些都是可以观察到的。

8 命名并安置 AI 角色

8.1 以产出和接收者来命名角色

"AI 取代了分析师"掩盖了流。"AI 产出每周报告的初稿;分析师验证结论"则点明了一个变换器、它的产出、它的接收者以及审查环节。一条有用的命名规则包含三个部分:

1. AI 产生的价值要素(草稿、答复、分类、代码变更);
2. 消费它的接收者(客户、审查者、下一个团队);
3. 接收者接受它所依据的条件(已验证、已批准、无需返工即可使用)。

8.2 负责人

AI 系统不能对价值承担责任,因为它不会把自身状态的变化解释为价值或反价值。用 Æilus 的术语来说,它占据的是变换器角色,而不是负责人角色。包含该 AI 的变换器的价值变换器负责人(Value Transformer Owner,VTO)对其实现价值和事后重新评估的价值、对其产生的反价值,以及对其在不使系统退化的前提下持续参与的能力负责。价值系统负责人(Value System Owner,VSO)负责确保增加 AI 变换器后系统整体仍然可持续,并确保其他行动者的参与条件保持完好,其中包括因此而负荷增加的审查者。

当 AI 变换器与其接收者之间的接口成为持续的阻力来源时,适用流负责人(Flow Owner)角色。

8.3 配对角色与冗余

根据 T8,变换角色的冗余会提高可持续性。让 AI 与一个人配对承担同一角色,使双方能够发现对方的失误,就是这样一种冗余。这种配对应当在图式中可见,以便把人的那一半计为一项输入,而不是视为免费。

8.4 在价值系统图式中的位置

在价值系统图式(Value System Schema,VSS)中,AI 角色被绘制为具有明确输入和输出的转换器。最基本的安置包括:

• 流入的流:数据和上下文、算力、人的指令投入、审查投入;
• 流出的流:所产生的价值要素,每一个都流向一个指定的接收转换器;
• 一条反价值流:被退回或传递到下游的自信错误和返工;
• 每条流出的流上以 Æ 计的计划价值和实现价值,其中实现价值记录在接收者处。

以这种方式绘制后,图式常常会揭示出商业论证中遗漏的一条流,通常是审查投入。根据 T9,如果结构无法解释观察到的成本,则存在潜在的流或边界划定有误。

9 对采用以及对衡量 AI 项目的启示

9.1 采用决策

变换器视角把采用问题从"AI 能做哪些工作?"转变为"在哪些流中,AI 变换器能够在扣除其增加的反价值和审查投入之后,提高接收者处的实现价值?"。

• 优先选择接收方能够低成本验证的流。如果检查一项输出的成本几乎与生成它的成本相当,AI 转换器几乎没有增加什么。如果接收方能够快速确认质量,转换器就能增加很多。
• 在错误不易被察觉的地方要保持谨慎。如果错误的输出很久以后才被发现,回溯价值可能在该项目已被宣告成功很久之后变为负值。
• 在部署之前核算审核预算。将要审核输出的人是拥有各自参与条件的行动者。违反这些条件的部署(A8)会失去这些人,或改变他们的参与方式(T7)。
• 仅在交付得到确认时才规划增长。Æilus 要求 VTO 仅在需求、流入和交付能力均得到确认时才提高计划价值(T16)。

9.2 衡量 AI 项目

对于项目评审,本文提出四项衡量指标,均在所声明的价值系统(value system)之内:

1. 接收方处的已实现价值,按每个流计,以 Æ 或明确说明的替代指标表示,由接收方转换器记录。
2. 计划与事实之间的差距:生产方的计数减去接收方的确认,随时间持续跟踪。
3. 完整消耗:算力和许可证,加上估算的审核投入和人的注意力。
4. 反价值指标:重复联系、被撤销的变更、被纠正的输出、投诉,以及技能退化或信任下降的迹象。

只报告数量和 FTE 节省的项目,报告的是计划价值。它可能是正确的,但尚未得到确认。

10 示例场景

以下场景是假设的。数字是为了计算方便而选取的,并不描述任何组织或测量结果。

一个产品组织在其支持流中引入了 AI 助手。在假设的某个月里,该流收到 1,000 个请求。助手将其中 700 个标记为已关闭,内部报告称助手"处理了 70% 的支持工作"。在员工框架下,这被理解为一个操作员团队十分之七的工作量被消除了。

现在把助手作为转换器来看,并审视接收方一侧。假设 700 个已关闭的请求中有 250 个在一周内因同一问题再次联系而回流,现在由人工操作员处理,而且客户比之前更加沮丧。再假设操作员在回复每个重复联系之前,都要花时间阅读助手的对话记录。

接收方视角并不是说助手失败了。在这个假设中,450 位客户的问题得到了快速解决,这是真实的已实现价值。它表明的是,700 次关闭所代表的计划价值中包含 250 个被接收方否定的假设。这 250 个转化为三种反价值:在比平均水平更难的案例上增加的操作员工作、审核对话记录的投入,以及客户对该渠道信任的下降。操作员的工作量下降幅度小于报告所暗示的,而且剩下的工作变得更难。

拥有该支持转换器的 VTO 会针对这一差距采取行动,而不是针对 70% 这个数字。可选措施包括:将助手限制在接收方确认问题已解决的请求类型上,更早地将不确定的案例转给人工,以及在请求被计为已关闭之前增加一项接收方侧的检查("这解决了您的问题吗?")。其中任何一项是否能提高净已实现价值,是一个经验问题;该场景只是表明回答这一问题需要哪些数字。

11 局限性

本文是一项概念分析,源自 VMT 的公理和定理以及 Æilus 方法论材料。它不报告任何实证数据。第 7 节中的反价值类别是作为可观察的类别提出的;它们在真实组织中出现的频率和规模,本研究并不知晓。

接收方侧的测量可能代价高昂,而且有些接收方无法报告自己的状态。将审核投入、信任和技能退化换算为 Æ,需要由 VSO 定义的聚合策略,而这些价值只是部分可通约的(A13)。不同的边界,例如包含 AI 供应商的边界,会得出不同的结论(T15)。本文还将 AI 系统视为固定的转换器,而从接收方反馈中学习的系统,其计划与事实之间的差距可能会随时间而变化。

验证需要对若干价值系统中的 AI 转换器进行纵向观察,并在同一批流上随时间记录计划价值、接收方侧的已实现价值、审核投入和反价值指标。

12 结论

把 AI 视为数字员工,是在流的生产方一侧对其进行衡量,而那里正是它最强的地方,同时却没有衡量价值得以实现的接收方一侧。把 AI 视为转换器角色(A7),则使完整的交换变得可见:它消耗数据、算力、人的注意力和审核投入,并产出价值元素,这些价值元素在接收方消耗它们之前一直只是假设(A6)。AI 输出的计划价值与已实现价值会出现偏离(A4、T3),而这种偏离会转化为隐性返工和不断累积的反价值(A5、T4、T6)。

实践上的结论是:声明衡量的是谁的价值。按输出及其接收方来命名 AI 角色。在价值系统图式(Value System Schema)中画出它的全部输入,包括审核。在输出被消耗的地方衡量价值,并跟踪生产方计数与接收方确认之间的差距。把所有权赋予 VTO,而不是系统本身。只扩大接收方已经确认的部分。按这种方式衡量的 AI 项目,其首份报告可能显得不那么亮眼,但在后续报告中会有用得多。

参考文献

• Bolshakov, V. Value Management Theory and Employee-Centric Competitive Advantage: A System-Level Perspective. ÆVRI, 2026.
• Bolshakov, V. Value, Anti-Value and Value Flows: A Working Vocabulary for Practitioners. ÆVRI, 2026.
• Bolshakov, V. Æilus Methodology v2.0. aeilus.tech, 2026.
• Bolshakov, V. Rethinking Efficiency: Value Systems, Flows, Converters, and Elements. aeilus.tech, 2026.
• Bolshakov, V. Value Elements: What We Actually Produce and Consume. aeilus.tech, 2026.
• Goodhart, C. A. E. Problems of Monetary Management: The U.K. Experience. 1975.
• Reinertsen, D. G. The Principles of Product Development Flow. 2009.
• Womack, J. P. and Jones, D. T. Lean Thinking. 1996.