最近重新重度用 Claude Code，我发现自己开始盯 quota。一个月其实也没花多少钱，但看到某个 AI 还有一大截额度没用，我脑子里居然会有一点“亏了”的感觉。

假设同时订四个 AI，每个 20 美元。慢慢很容易产生一种老板心态：钱都付了，怎么能让它闲着？

但换成 API 按量扣钱，我马上就会问另一套问题：这个 research 真的需要再跑三遍吗？这个页面需要五个版本吗？这个任务到底值不值得做？

AI 没变，只是计价方式变了，我对“什么叫浪费”的理解居然也变了。

更有意思的是，就算我们真的假设 AI 是一个永远不会累、不会辞职、凌晨三点也能工作的员工，100% utilization 可能仍然不是好管理。

Nohria 和 Gulati 研究 264 个跨国公司职能部门时发现，organizational slack 和 innovation 更接近倒 U 型。queueing theory 也有一个很简单的直觉：有波动的系统越接近满载，越难接住突然进来的任务。

AI 还有一个更麻烦的地方，它特别会制造“已完成”。2025 年一项覆盖 2,755 个开源项目、1,699 名开发者的研究里，core developers review 的代码量增加了 6.5%，自己的 original-code productivity 下降了 19%。

所以完全可能出现一个很好笑的场景：四个 AI 全部 100% utilization，一分钱 quota 都没浪费，最后老板本人 review 到凌晨三点。

我现在还是会看 quota。但我会多问一句：如果这一轮开始按 API 原价从我银行卡里扣钱，我还会让它做吗？

如果答案突然变了，我可能不是在管理 AI，只是在管理自己对“浪费”的焦虑。

#人工智能 #AI #管理 #职场 #商业
#AI员工 #Agent管理 #ClaudeCode #AI生产力 #组织管理