AI 技能變基本要求，Meta、Google 與摩根大通納績效考核
一句話版本
大企業而家開始將「識用 AI」由加分變成基本要求，仲直接連到績效考核，代表 AI 已經唔再係實驗工具，而係正式進入公司管理同勞動評價體系。
點解重要
- 這不只是工具導入，而是工作標準改寫；一旦企業把 AI 寫進績效目標，員工要面對的就不再是「可試可不試」，而是會直接影響評價、資源分配同升遷機會。
- 軟體工程師會最早感受到壓力，因為公司最容易量化他們在速度、程式碼品質、產出量上的變化；這代表工程團隊之後很可能成為 AI 管理制度的第一批實驗場。
- 非技術職位都開始被要求用 AI，說明這波轉變唔係只關開發部門；策略、銷售、客戶洞察等知識型工作，之後都可能被重新定義「基本勝任能力」。
- 公司強推 AI，背後其實係投資回報壓力；企業砸咗大錢買模型、平台同授權，如果內部採用率上唔去，就很難向管理層或市場證明這些投入有價值。
- 內部採用本身已經變成一種對外訊號；尤其對有賣 AI 產品的公司來講，員工有冇用、用得幾深，會被拿來當成市場需求存在的證據。
- 摩根大通用儀表板分級追蹤使用強度，反映企業管理方式已由「鼓勵嘗試」走向「可觀測、可比較、可施壓」；這對員工信任感同組織文化影響會好大。
- 當 AI 使用被監控，問題就唔只係效率，而係誰有權定義「好好使用 AI」；如果指標設錯，團隊可能會為咗提高使用率而濫用工具，反而令決策品質下降。
- 員工對 AI 的抗拒，不一定是保守，而可能是很現實的自保反應；如果大家覺得自己愈熟 AI 就愈快被替代，企業再多培訓都未必換到真正投入。
- 所以企業開始用獎勵、遊戲化、訓練去推 adoption，重點其實不是教大家按哪個按鈕，而是想降低心理阻力，令組織先形成使用習慣。
- 專家提到要給時間、誘因同信任，這點很關鍵；因為 AI 導入失敗往往唔係工具不夠強，而係公司只要結果、唔處理風險感與公平感。
- 這篇訊號亦顯示，未來職場對 AI 能力的期待會越來越像文書能力或簡報能力；唔識用的人未必即刻失業，但會更難證明自己有同等產出效率。
- 對管理者而言，真正難題唔係「要不要推 AI」，而係點樣避免把 adoption 變成表演指標；否則最終衡量到的是使用痕跡，不是實際價值。
我哋點睇
- 我哋做 OpenClaw 時，要預設「AI 能力會被制度化管理」呢件事只會愈來愈普遍，所以系統設計唔可以只幫人生成內容，仲要幫團隊留下可驗證證據，證明 AI 介入之後實際改善咗乜。
- 呢篇文特別提醒我哋，不能把「有冇使用 AI」當成成功指標；如果之後要做營運面板，應該優先看任務完成質素、審核通過率、回復時間同回歸錯誤，而唔係單看使用次數。
- 員工會驚被取代，代表任何 AI 工作流如果太黑箱就會自然遇到阻力；所以我哋的流程更應該強調審批、驗證、review gate 同可追溯性，令操作者見到自己仍然有判斷權，而唔係只係配合機器出數。