AI时代的"标准空心化"——当番茄AI文占比74.5%

知乎上有个问题在热榜上待了很久：番茄AI文占比74.5%，起点仅10%，数据可靠吗？

争论的焦点是"这数据准不准""起点会不会完蛋"。但我觉得真正值得管理者停下来看的，是一个更普遍的问题——当一个组织用来判断"好不好"的那把尺子，被AI批量生产攻破了，这把尺子还能用吗？

我把它叫"标准空心化"。不是标准被取消了，是标准还在，但已经不再能区分人了。

一、本质：标准的价值不在于"达标线"，而在于"区分度"

先讲清楚一件事：任何评价体系的真正功能，从来不是"划线"，而是"区分"。

考试划60分及格，公司设KPI达标线，平台给作品打推荐分——这些东西的价值，全在于"达标的人少，不达标的人多"。因为只有存在区分，组织才能据此做三件事：分配资源、兑现激励、识别人才。

AI做了什么呢？AI做的事，是把"达标"这件事的成本降到了接近于零。当人人都能一键生成一篇结构完整、语言流畅的稿子，那"结构完整、语言流畅"这个标准，就失去了区分度。

二、三重后果：空心化之后，组织靠什么运转

后果一：激励体系失效，努力变得没有意义

如果KPI是"每月产出10份报告"，AI让你一天就能完成，那么所有人的绩效都会变成"达标"，激励也就变成了一场人人有份的均匀分配。奖金的本质是"奖励差异"，当差异消失，奖金就失去了它最重要的功能——告诉员工，什么才是组织真正看重的。

后果二：组织的"认人"能力崩塌

评价的另一半功能是识别人才。可当所有人的交付物都长得一样漂亮，管理者就再也看不出谁真的强。于是"认人"这件事只能退回到最原始的路径：看谁更会表达、看谁关系更近、看谁更会在评审会上讲。标准空心化之后，组织最终只能靠"印象"和"关系"来做判断——这比AI偏见更糟。

后果三：员工反向学聪明，开始"生产达标"而不是"生产价值"

这不是员工的错，是制度的必然。当达标就能拿分，而超越标准得不到额外回报，理性人的选择就是：刚好达标，多一分不做。AI让"刚好达标"变得极其廉价，于是组织得到一大批"看起来都合格"的产出，却得不到任何真正的进展。

三、破法：重建"不可批量满足"的标准

• 把标准从"是否达标"换成"是否产生了改变"。不看产出长得怎么样，看产出带来了什么结果：客户有没有转化、问题有没有解决、决策有没有更快落地。
• 引入AI无法满足的维度。比如：这个方案在信息不全时怎么判断的？在反对意见面前怎么坚持或让步的？出问题时谁去处理的？过程性的、要承担后果的维度，AI无法批量复制。
• 用"相对差异"考核，而不是"绝对达标"考核。在同一批人之间比较真实贡献的区分度，而不是给所有人打分过关。
• 公开承认"标准会贬值"，并定期迭代。任何可被AI批量满足的标准，都设一个有效期。主动换尺子，比等着尺子失效要好。

四、老邓的判断

番茄AI文占比74.5%这件事，不是一个平台的问题，是所有组织即将面对的预演。

过去我们说的"标准化"，是提升效率的工具。AI时代，标准化反过来成了效率的敌人——因为标准化意味着可批量满足，而可批量满足就意味着没有区分度，没有区分度就没有激励，没有激励就没有真正的进步。

所以在AI时代，组织的核心竞争力正在变成一件事：你能不能定义出一个AI做不到、同行也抄不走的"好"。定义得出来，你就有标准；定义不出来，你有的只是一个人人及格的空壳。

当人人都能拿满分的时候，满分就不再说明任何问题。