围绕AI工具在企业内部的应用，谷歌正将"自愿尝试"转向"制度化推进"。据多名知情员工披露，管理层向非技术岗位员工明确提出：必须在日常工作中使用公司提供的AI工具，并将使用情况纳入年度绩效评估。这意味着谷歌推动AI融入公司运营进入新阶段——从研发环节扩大到销售、策略、运营等更广泛的业务链条。 从"局部试点"到"全员要求"，企业如何重塑工作方式 过去，AI工具首先在软件工程领域落地，用于辅助编码、排错、生成测试用例等。如今谷歌把类似要求延伸到非技术岗位：撰写战略文件、梳理销售通话并提炼客户洞察、自动生成会议纪要等。部分团队还设置了量化要求，包括必须使用工具记录通话、生成笔记，甚至设置周度使用次数目标。不同职级被赋予不同能力期待，高级员工通常被要求具备更高水平的工具使用与方法沉淀能力。 竞争压力、成本效率与组织治理的多重驱动 其一，行业竞争倒逼能力升级。全球大型科技企业在AI应用上竞速明显，"是否会用、用得好不好"逐渐成为组织能力的重要分水岭。谷歌管理层公开表达过对行业内广泛使用AI工具的关注——强调需要保持同步——以免在效率和产品迭代节奏上落后。 其二，规模化运营需要标准化流程。对超大规模组织而言，单点提升难以支撑整体效能跃升，必须通过制度与工具实现一致的工作规范。将工具使用写入岗位要求、纳入评价体系，有利于让分散的个人经验变成可复制的组织流程。 其三，成本与产出压力促使企业寻找新增长点。企业普遍面对经营环境不确定性上升、研发与人力成本高企等挑战。把AI工具嵌入文档、分析、客服、销售等高频场景，能在不显著增加人员规模的情况下提升单位产出。 岗位能力结构与管理逻辑或将发生变化 首先，工作流将被重构。工程侧更强调"工具生成—人工审核—持续迭代"的协作模式；非技术岗位则可能从以经验驱动的工作转向"数据结构化—要点提炼—策略生成"的流程化作业。这会提高组织的执行一致性，但也对员工提出新的学习与适应要求。 其次，绩效评价维度将更强调过程指标与可追溯性。将使用情况纳入考核有助于推动落地，但若过度追逐"次数"而忽视"质量"，也可能带来形式化使用、重复劳动等问题。如何把"用没用"与"用得对不对、带来什么结果"区分开，考验管理体系设计能力。 再次，数据安全与合规重要性上升。谷歌员工通常被要求使用内部工具或内部定制的第三方工具，以便在公司安全边界内处理敏感信息。安全、权限与审计将成为"全员使用"能否长期推进的关键底座。 从"硬性要求"走向"能力建设"，更需配套机制 一是明确分岗分层的使用规范与边界。不同岗位对工具的依赖程度不同，应形成任务清单式指引，明确哪些环节必须使用、哪些环节可以选择、哪些内容禁止输入，以减少误用与合规风险。 二是把评价重点落在业务结果而非简单频次。可将工具使用与可量化产出挂钩，如交付周期缩短、客户反馈改善、方案命中率提升等，避免"为了达标而达标"。 三是加强培训与案例沉淀，缩小能力差距。对新手员工提供可直接复用的提示模板与标准流程，对高级员工强调方法论输出与团队带教，推动组织层面的知识复用。 四是完善安全治理体系。包括权限管理、数据脱敏、日志审计与风险预警，确保在扩大使用范围的同时守住安全底线。 企业"智能化内生能力"或成为新竞争门槛 从行业趋势看，AI工具正从"提升个人效率的助手"演进为"嵌入流程基础设施"。除谷歌外，部分科技企业也已提出在未来绩效评估中衡量涉及的能力，显示"会用工具"正在被纳入组织能力框架。下一阶段竞争不止于工具本身，更在于企业能否把工具与流程、数据、治理、人才体系协同起来，实现可持续的效率提升与创新产出。同时，围绕安全合规、知识产权、责任归属等问题的制度建设也将加速推进。
谷歌将AI使用纳入员工绩效考核，反映了人工智能从前沿探索向生产实践转变的深刻趋势；这既是企业适应技术变革的必然选择，也预示着未来工作方式的重大转变。在AI能力成为职场竞争力核心要素的时代，企业和员工都需要主动拥抱该变化，同时思考如何在技术赋能与人的价值之间找到平衡点。对整个科技行业来说，这场AI融合浪潮才刚刚开始。