今天项目例会开始前，我先看了一眼团队的 token 消耗排名。
那一眼其实挺刺激的：我的 token 消耗稳居第一，而且已经比团队其他所有人的总和还多出一倍。这个数字当然不能直接代表能力，但它把一个很现实的问题摆到了我面前——嘴上接受 AI，和真的把AI 用进工作，是两回事。
我脑子里当时冒出来的，不是“大家为什么不用”，而是另一层更扎心的判断：想让团队真正把 AI 用起来，靠的不是反复讲价值，而是我得先把自己用成样板。
我为什么敢推团队，先因为我自己已经吃到红利
我本身算是那种比较容易接受新东西的人，也一直相信刻意练习的价值。
很多技能的掌握，底层逻辑都差不多：高频练习，持续投入，前期先别太计较投入产出。不是每个人都要走到所谓“一万小时”，但只要真的肯花时间，掌握速度通常比想象中快。
我大概用了两周时间，才把自己使用 Codex 的飞轮模型慢慢搭起来。
这个“飞轮”对我来说，不是装个工具、试几次 prompt 就算结束，而是真的把它嵌进日常工作里。你越用，它越能给你额外助力；你越持续，它越像一个越来越懂你的工作搭子。特别是加上自动化的定期复盘之后，这种感觉会更明显。每次复盘，它都会把我的薄弱点拎出来，也会提醒我哪些好习惯值得继续保留。它不只是帮我做事，也在帮我修正自己的工作方法。
还有一个变化特别现实：它开始补我“记忆”这块的短板。
很多工作不是不会做，而是信息太散、上下文太多、切换太频繁，人一忙就容易断。Codex 持续接入后，慢慢就不再只是一个问答工具，而是变成了我的工作助理。文档整理、系统提效复盘、汇报组织，这些原来要我自己来回切换、反复归拢的事情，现在它都能先帮我搭出骨架。
前段时间有件事，让我对这件事彻底上头了。
我电脑要安装代理，网络配置一直不顺。这个问题来来回回折腾了很久，连我们运维都没找到问题点。我后来抱着试一试的心态，把问题抛给 Codex，又把对应的软件路径给它。它就顺着线索一步步排，一点点试，最后真给我弄好了。我把一个真实、麻烦、跨环境的问题扔给它，它真的帮我解决了。
这件事比任何“AI 很重要”的口号都有说服力。
因为真正让人改变工作方式的，从来不是概念，而是结果。也是从那之后，我开始更主动地把更多工作交给它：文档整理、系统提效复盘、汇报组织，甚至一些以前我默认只能靠经验慢慢啃的事。
团队真正卡住的，不是认知，是还没形成习惯也正因为我自己已经拿到结果了，所以再回头看团队现状，我会更着急。
我当然是想鼓励大家赶紧用起来，所以很快做了个激励机制：排名前两位有正激励；原本我还想过，对排名靠后、总消耗量又没达到 5000 万的同事，配一套负激励。最后正式公布时，我还是收住了，只公布了正激励。对没达到 5000 万消耗的同事，我安排的是一次关于工作方式方法的交流。
我后来越来越确定，这么处理是对的。
因为现阶段最重要的，不是把大家训练成“刷 token 的人”，而是先让他们跨过“真正开始用”这道坎。真正难的不是立刻拿到结果，而是先养成“遇到事会想到 AI”这个习惯。
有个同事现在下班后也会用它，哪怕只是玩，我其实也不纠结他到底拿它做什么、短期有没有产出。因为我更在意的是，他已经开始把 AI 往自己的生活和工作里接了。这一步，看起来不大，但其实最难。
很多团队推进 AI，容易卡在一个误区里：总想先把 ROI 论证得很漂亮，再要求所有人马上出结果。但真实情况往往是，很多人根本不是卡在“AI 没价值”，而是卡在“不会起手、不顺手、不知道怎么把它接进自己的工作”。这个阶段如果一上来就只盯结果，很多人会在最前面那一段磨合期直接掉队。
所以我现在更倾向于一个朴素做法：先让大家用起来，再慢慢要求他们用得更深、更稳、更有产出。
我把运维当成了反面案例，也是在提醒自己但说实话，不是每个人都会因为你示范过一次就马上动起来。
比如我们运维，我之前已经强调过很多次了。结果今天下午会前，我在排名表里还是没看到他的名字，等于他几乎没用。这件事让我挺无奈的。因为他处理运维问题，基本还是完全靠经验和命令行，而我那次代理环境配置，就是一个很直接的现场：他折腾了很久没搞好，最后我让 Codex 处理，反而解决了。
都已经有这种“现场对比”了，他还是没动起来。
那我也只能先把他当成一个反面案例摆出来，希望这次之后，明天能有变化。不是说他不行，而是这种惯性太典型了：一个人越熟悉原来的工作方式，就越容易低估新的工作方法。
写到这里，我其实也会反过来问自己：我的管理水平到底怎么样？我不敢说自己做得多成熟，我们也只是一个十人团队，每个人都有自己的位置、节奏和惯性。但 AI 来了以后，我有个判断越来越明确：如果一个团队还固守自己的一亩三分地，不愿意主动尝试，它迟早会被新的工作方式甩开。
我不是想把 AI 神化。我只是越来越确认，AI 真正改变的，从来不只是某个工具，而是人的工作方法。你不让它进工作流，它就永远只是一个“听说很好用”的东西；你一旦让它真正参与日常，它才会慢慢长成你的助理、外脑和提效伙伴。
当我写完才发现，外部也有人在推类似思路，像 Meta 内部也在做 token 消耗排名。看到这个信息时，我反而更笃定了：很多组织在这件事上的思路，确实是相通的。
最后落回我自己的结论，其实很简单：让团队用起 AI，最有效的不是培训和口号，而是你先拿出结果，再用轻度机制把尝试变成习惯。
你在团队里推 AI 时，遇到的最大阻力是什么？
是大家不相信它有用，还是明明知道它有用，但始终没有把它真正接进自己的工作流？
如果你也在带团队，你会先做样板、先做激励，还是先做培训？我也很想听听你的真实做法。