一句話結論
Amazon 改了軟體工程師職務指引,備忘錄直說 Token 用量(AI 的計費用量,跟你們的「使用率」是同一類數字)、程式碼量這類指標有嚴重缺陷,當成目標可能推高成本和複雜度。但別讀成「不用學 AI」:同一份文件要大家盡快學,也說這些指標目前跟成果相關,要小心當參考,不要當目標。最值得主管抄的是一句話:工作用 AI 幫不上忙,那是一項發現,不是失敗,要把原因寫下來分享。
「這個月全公司 AI 使用率多少?」
這可能是今年主管最常問的 AI 問題。因為它最好回答,有儀表板,有數字,可以做成一頁簡報。
Amazon 內部有人替這題做了排行榜,結局不太好看。
先發生的事:KiroRank
根據 iThome 引述《金融時報》的報導,今年 5 月 Amazon 內部有員工自己做了一個叫 KiroRank 的排行榜,依 AI 開發工具 Kiro 的 Token 用量排名。結果部分工程師為了衝名次,讓 AI 代理人跑不必要的任務。排行榜後來被關掉。
只要一個數字被拿來比,人就會開始優化那個數字。這不是工程師的問題,是所有 KPI 的宿命。
Amazon 這次寫了什麼
iThome 報導說 Amazon 在 10 月 27 日公布新版軟體開發工程師(SDE)職務指引,官方網站也放出給內部工程師的備忘錄。重點我整理成三段。
第一,指引本身不綁 AI。他們討論過要不要把 AI 寫進去,最後決定寫「不會變的東西」:對客戶、業務和團隊的影響。理由很實在:現在寫下的最佳做法,明年大概就過時了。
第二,對指標講得很直。Token 用量、AI 工具採用率、程式碼變更量,備忘錄說大家都知道這些指標有嚴重缺陷,因為跟真正重要的事脫節。如果當成目標,反而可能推高成本和系統複雜度。它還用了 tokenmaxxing(刻意衝 Token 用量)這個詞。
第三,但它沒有叫大家不要用。備忘錄說如果你還沒開始,應該盡快學;也說目前這些投入指標跟成果相關性不錯,沒有採用 AI 的團隊正在落後;思考個人職涯和組織表現時,「小心、帶判斷地」使用這些指標是適當的。

同一個數字,當目標可能出事,當訊號卻有用。差別不在數字,在你拿它做什麼。
值得抄的三個做法
做法一:看兩端,不看平均。Amazon 建議特別注意 AI 採用率的第 10 和第 90 百分位。最低那群,去了解為什麼沒有好好用;最高那群,去確認用量這麼大,交付有沒有跟著增加。注意這兩個都是去問問題,不是去獎懲。
做法二:允許「幫不上忙」。備忘錄的原文是 that is a finding, not a failing:如果你的工作用現在的 AI 工具沒有幫助,那是一項發現,不是失敗。把原因記下來,跟同儕分享,帶去找主管,一起想辦法。它甚至說,能講清楚 AI 哪裡還幫不上忙的工程師,正在展現公司要的判斷力。
我覺得這句話對企業培訓的意義很大。我上課時常看到的情況,是員工不敢說「這個我試過,沒比較快」,因為怕被貼上不願意學的標籤。於是表面上大家都在用,真實狀況主管完全不知道。
做法三:主管自己要用過。Amazon 替「足夠理解」下了很具體的定義:用這些工具做過實際上線的工作,能講出一件它幫上忙的、一件沒幫上忙的,並能跟團隊解釋你的判斷。

這三題我打算直接拿去課堂用。如果訂 AI 政策的人自己沒用過,現在有三題問得出答案,就別再用猜的。
誠實踩煞車
- Amazon 不是中立的。它賣 AI 工具(Kiro 就是自家產品),備忘錄前言也寫希望這套願景能給客戶當範本。它說「投入指標跟成果相關性不錯」,文件裡沒有附上數據,我無法驗證。
- 它沒有解決「成果怎麼量」。備忘錄自己承認,成果常常延遲、難量、很難跟其他因素分開,所以才會退回去用投入指標。它只說「會一起找到更好的指標」,沒有給答案。
- KiroRank 那段是二手來源。我是從 iThome 引述《金融時報》得知,金融時報原文我沒有讀到全文,也不知道實際影響多大。
- 這是工程師的指引。業務、行政、客服的工作性質不同。第 10/90 百分位的看法要先確認你的團隊夠大,只有八個人的部門,這兩端就是兩個具體的同事,照做會變成點名。
- 這是剛發布的文件,不是成效報告。新指引有沒有真的改變主管行為,現在還不知道。
對照:把用量當目標 vs 當訊號
| 當目標 | 當訊號 | |
|---|---|---|
| 看到用量低 | 要求提升 | 去問為什麼:工具不合、沒時間,還是不會 |
| 看到用量高 | 表揚 | 去確認交付有沒有跟著變好 |
| 員工說沒幫助 | 視為抗拒改變 | 記下來,當成一項發現 |
| 員工的反應 | 讓 AI 跑沒必要的任務 | 願意講真實狀況 |
| 主管的功課 | 看儀表板 | 自己用過,講得出一好一壞 |
所以你該做什麼
如果你是一般上班族:開一張小表,記下你試過 AI 的工作:哪件變快、哪件沒有、為什麼。下次主管問起,你拿出來的不是「有在用」,是具體的判斷。
如果你負責推動導入或人資:檢查你們的 AI 導入報告,如果第一頁只有「使用率」和「活躍人數」,下個版本加上「哪些工作用了之後真的變快」和「哪些工作試了沒有用」。課後調查也一樣,別只問滿意度。
如果你是主管:在下次部門會議先講自己的一好一壞。你先講「這件事我用 AI 反而更慢」,團隊才敢講真話。如果公司已經有 AI 排行榜,我建議考慮把它拿掉,或至少確認它不連績效。
你是機長,AI 是機組人員
沒有航空公司會用「自動駕駛開了幾小時」來評估機長。評估的是航班有沒有安全準點到達,以及遇到狀況時的判斷。
AI 用量就是自動駕駛的時數。可以看,可以問,但它不是你要交的成績。機長該回答的是:這趟飛得好不好,哪一段我決定不開自動駕駛,為什麼。
常見問題 FAQ
Q:Amazon 是叫員工少用 AI 嗎?
不是。備忘錄要員工盡快學、持續用,也說沒有採用 AI 的團隊正在落後。它反對的是把 Token 用量、程式碼量當成目標,不是反對使用。
Q:Token 是什麼?為什麼一般公司要在意?
Token 是 AI 處理文字的計費單位,可以想成用量。一般公司不一定直接看到它,但「使用率」「活躍人數」「生成次數」是同一類指標,道理相同。
Q:不看用量,那 AI 導入成效要看什麼?
Amazon 自己也承認這題難,成果常常延遲又難量。我的建議是先挑一件具體工作,量導入前後的時間與錯誤,再搭配員工回報哪些有用、哪些沒用。這是我的做法,不是 Amazon 的說法。
Q:第 10、第 90 百分位是什麼意思?小公司適用嗎?
就是採用率最低和最高的各一成團隊。Amazon 用它來決定去問誰。小團隊人數少,照做容易變成點名,我建議改成全員都回答同樣的問題。
Q:主管一定要自己會用 AI 嗎?
Amazon 對技術與組織主管的要求是要用在實際工作上,講得出一件有幫助、一件沒幫助的例子。其他公司不一定要照抄,但我認為完全沒用過的人,很難判斷同仁回報的是真是假。
資料來源
以下均於 2026 年 11 月 3 日查證:
- Amazon:〈An update from Amazon engineering leadership on the role of the developer in the age of AI〉(aboutamazon.com,作者 Terk Terkowitz,VP/Distinguished Engineer):備忘錄全文,包含指標缺陷、tokenmaxxing、第 10/90 百分位、finding not failing、主管足夠理解的定義。這是 Amazon 自己發布的文件。
- iThome:〈Amazon修訂軟體工程師職務指引,強調AI時代應重成果而非Token用量〉(ithome.com.tw/news/180025,文/陳曉莉):10 月 27 日公布時間,以及引述《金融時報》的 KiroRank 事件。
查證說明(誠實揭露):①備忘錄內容我直接讀 Amazon 官網原文;指引本身的完整條文頁面沒有公開在這篇裡,我讀到的是說明指引的備忘錄。②KiroRank 是二手來源:我透過 iThome 引述得知,《金融時報》原文未讀到全文,事件的實際規模不清楚。③Amazon 說投入指標與成果相關,文件未附數據,我無法驗證。④Amazon 販售 AI 開發工具,立場不中立,本文照實標註。⑤「當目標 vs 當訊號」的對照、自動駕駛的比喻、小團隊不要照做百分位、把排行榜拿掉的建議,以及課堂上員工不敢講沒幫助的觀察,都是我的判斷與教學經驗,不是 Amazon 的說法。⑥本文沒有收受任何廠商費用。
影片版:https://youtu.be/xr0S6YiYTxM
先量對東西,再談導入成效
我會把這類新聞拆成可以照著做的步驟,寫在電子報裡。電子報大約一到兩週一封 → startupforyou.substack.com
如果你是主管或人資:企業內訓可以帶部門把「試過有用/試過沒用」列出來,課後再對照實際工作,不只交一份滿意度。想聊聊寫信到 ai@autolab.cloud,或看看 AI 顧問教練團。
如果你正在規劃 2027 年的 AI 課程,不管你是 HR、訓練主管還是老師,都歡迎找阿峰老師聊聊,一起把課排對:https://autolab.cloud/corporate-training/?f=blog
通勤用聽的 → Podcast《下班學AI》
這篇哪裡寫錯、看不懂或過時了?→ 寫信告訴我
關於作者
黃敬峰(AI峰哥/阿峰老師),企業 AI 實戰培訓專家,服務客戶包含國泰人壽、工研院、士林電機、中嘉寬頻、電通、城邦媒體等。聯絡方式:ai@autolab.cloud