智能体AI重塑工作方式：GitLab CIO拒绝Token滥用
在IT高管群体中，像GitLab CIO Manu Narayan这样能切身感知AI迭代脉冲的人实属罕见。履新近九个月，他掌管着一家年营收突破10亿美元、员工超2000人的软件开发平台。其核心任务十分清晰：将公司内部打造成客户所用技术的实战试验场。
"AI领域的变革速度令人咋舌，我们必须持续回溯审视目标与计划，"他在近期接受Computer Weekly采访时直言。
GitLab的产品开发归研发团队负责，Narayan的职责更侧重于内部：推动业务应用栈现代化、优化用户支持体系、强化数据分析能力。但他的目标并非简单地为现有流程叠加AI，而是从零开始重构运营逻辑。
"几个月前重新审视AI战略时，我关注的核心不是如何引入AI，"他说，"而是如何借助AI重新思考内部工作的本质。这意味着要从第一性原理出发重新设计流程，再用智能体AI来驱动执行。"
他举了客户成功经理（CSM）的案例：这个岗位的核心价值在于与客户建立深度关系，但实际操作中大量时间被行政琐事吞噬——制作季度业务回顾报告、整理会议纪要、在CRM系统、数据仓库与即时通讯工具间反复搜寻信息。
通过让AI智能体扛下这些重复劳动，GitLab希望将员工解放出来，专注更高战略价值的事务。"我们希望每位团队成员能把精力聚焦在最重要的事情上，即自身岗位的核心职责，"Narayan说，"我们利用AI来执行那些能帮助他们实现线性规模扩展的任务，而不是仅仅提升10%到15%的效率。"
为了有效管理AI落地，GitLab采用了"中心辐射型"运营模式：一支中央AI企业团队统一负责治理框架、技术构建与安全边界，同时各业务部门设有专属的"AI转型负责人"，由他们深入挖掘适合自动化的重复性、耗时任务。
该模式已在内部员工支持体系落地。公司为IT、人力运营与销售等部门的120名内部支持人员部署了AI智能体，帮助他们即时调取所需信息，或直接过滤处理常规工单。
拒绝"Token 滥用"
随着AI在企业内部渗透加深，CIO们自然要直面成本管控与效益衡量的挑战。但Narayan对"Token滥用"（tokenmaxxing）这类策略持谨慎态度。所谓Token滥用，即鼓励开发者和员工尽可能多地消耗AI Token数量。
"我们明确规避，也不打算走Token滥用的路子，"Narayan说，"游戏化机制确实能推动某些结果，但我认为它往往导向错误的行为。我们不应把'输入上下文、输出结果'当作衡量成功的标准。很难判断一个人是否在钻空子——他们可能根本不清楚自己在做什么，才发送了大量无效内容。"
与追踪Token消耗量不同，GitLab通过监测整个技术栈的日活跃使用情况，确保员工形成可持续的AI使用习惯。衡量实际投资回报率（ROI）时，Narayan坚持将AI部署锚定在传统业务指标上。以辅助销售拓展代表的AI智能体为例，成功与否不取决于生成了多少条提示词，而是看外呼消息数、会议预约数和销售管道转化率这些常规KPI。
自建与采购，以及SaaS的未来
随着AI不断降低内部工具的开发门槛，一种观点认为开箱即用的SaaS应用可能走向终结。对此，Narayan认为这个判断被严重夸大，尤其在治理与合规层面。
"我们可能会看到更多定制化界面的出现，以及交互系统与记录系统之间的解耦，"他说，"但核心SaaS工具中的底层治理控制能力不会消失。"
Narayan同时点出了定制化软件开发背后隐藏的高昂成本："自研应用做到90%并不难，但最后那10%——基于角色的访问控制、可审计性、不可篡改的日志记录——这些对上市公司或面向受监管客户的企业来说必不可少，但构建起来极其复杂。"
为确保自研工具与第三方工具均安全，GitLab基于严格的数据分类标准建立了AI治理体系：公开数据可通过自助服务平台流转，而涉及专有数据或客户数据的场景，需在接入大语言模型前完成更深入的安全审查。
尽管获得了高层大力支持与充足预算，变革管理对Narayan来说仍是挑战。弥合AI先行员工与适应较慢员工之间的差距，需要综合运用部门卓越中心建设与内部AI黑客马拉松等多种手段。
而对CIO而言，最大的压力或许来自那个不停走动的时钟。
"让我夜不能寐的，是我们的推进速度是否足够快，"Narayan说，"在AI时代，我们的决策周期必须压缩到以天和周为单位，而不是以月和季度来衡量。但我仍然担忧：我们是否真正在推动那些能为公司带来长期正向回报的正确举措。"
Q&A
Q1：GitLab为什么要拒绝"Token滥用"策略？
A：GitLab CIO Manu Narayan认为，鼓励员工尽可能多消耗AI Token的"Token滥用"策略会引导错误行为。单纯追踪Token消耗量，很难判断员工是否真正有效使用AI，还是在漫无目的地发送大量内容。GitLab更倾向于通过监测技术栈的日活跃使用情况，并将AI效果锚定在外呼消息数、会议预约数、销售转化率等传统业务指标上，以此衡量真实的投资回报。
Q2：GitLab的智能体AI是如何在内部落地应用的？
A：GitLab采用"中心辐射型"模式推进智能体AI的落地：中央AI企业团队负责统一治理与技术建设，各业务部门设有专属"AI转型负责人"，负责识别适合自动化的重复性工作。目前，公司已为IT、人力运营和销售等部门的120名内部支持人员部署了AI智能体，帮助他们快速获取所需信息或自动处理常规工单，从而将人力释放到更有价值的工作上。
Q3：GitLab如何看待SaaS软件被AI自研工具取代的趋势？
A：GitLab CIO Narayan认为"SaaS即将消亡"的说法被严重夸大。虽然AI降低了自研工具的门槛，但企业自建应用在最后10%的环节，如基于角色的访问控制、可审计性和不可篡改日志等合规要求上，构建难度极高。核心SaaS工具的底层治理能力短期内无法被轻易替代，尤其对上市公司或面向受监管客户的企业而言更是如此。