AnswersPublished18 sources
Meta lopetti tekoälyn käytön pisteyttämisen tokenmaxxing-ilmiön jälkeen
Meta ei tiettävästi enää arvioi työntekijöitä tekoälytyökalujen käytön tai AI Native statuksen perusteella. Uusien arviointiperiaatteiden mukaan esihenkilöiden ei pitäisi käyttää tokenmääriä tai tekoälyn käyttöönoton mittaristoja työn vaikutuksen arviointiin.
JulkaisijaMuokattu mallilla GPT-5.6 TerraKuvat luotu mallilla GPT Image 2
Research answer
Key takeaways
- Meta ei tiettävästi enää arvioi työntekijöitä tekoälytyökalujen käytön tai AI Native statuksen perusteella.
- Uusien arviointiperiaatteiden mukaan esihenkilöiden ei pitäisi käyttää tokenmääriä tai tekoälyn käyttöönoton mittaristoja työn vaikutuksen arviointiin.
AI Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: Why did Meta stop evaluating employees based on AI-tool usage and “AI Native” status after its 2026 “AI-driven impact” mandate fostered “tok. Article summary: Meta appears to be separating AI adoption from performance scoring because its earlier mandate produced a bad proxy: employees could raise token counts and leaderboard rank without necessarily creating better work, while. Topic tags: general, news, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts w
Metan suunnanmuutos kiteytyy tavalliseen johtamisongelmaan: tekoälyn runsas käyttö ei ole sama asia kuin hyvä työsuoritus.
Vuoden 2026 alkupuolella tekoälyn käytöstä tuli useissa teknologiayhtiöissä näkyvä työpaikkamittari. Metassa työntekijöitä arvioitiin tiettävästi tekoälyn käytön ja AI Native -statuksen kaltaisilla perusteilla, ja sisäiset tokenien käyttöä seuraavat rankinglistat tekivät mallien kulutuksesta kilpailun. Ilmiötä alettiin kutsua tokenmaxxingiksi: tavoitteeksi muodostui mahdollisimman suuren tokenmäärän käyttäminen oman aseman parantamiseksi. 2
3
7
Meta on sittemmin tiettävästi poistanut tekoälyn käytön ja AI Native -statuksen suoritusarviointien kriteereistä. Tarkoitus on arvioida työntekijän panosta ja aikaansaannoksia riippumatta siitä, onko työ tehty tekoälyn avulla vai muilla keinoilla. 7
9
Miksi tokenmäärä on huono työn mittari?
Token on pieni tekstin tai muun datan yksikkö, jonka kielimalli käsittelee. Se on hyödyllinen mittari esimerkiksi järjestelmäkuorman ja kustannusten seurannassa, mutta heikko mittari työntekijän suoriutumiselle.
Työntekijä voi kirjoittaa enemmän kehotteita, ajaa pidempiä tehtäviä tai käyttää mallia vähäarvoiseen työhön ilman, että lopputuloksen laatu, luotettavuus, nopeus tai liiketoiminnallinen hyöty paranee. Kun käyttömäärä yhdistetään tunnustuksiin tai arviointeihin, mittarista voi tulla itse tavoite. Alan raportoinnin mukaan työntekijät saattoivat kasvattaa tekoälyn käyttöä rankinglistojen vuoksi, samalla kun päättelykustannukset nousivat nopeasti. 1
11
16
Juuri tässä tokenmaxxingin ongelma on: se optimoi tuottavuuden korviketta, ei varsinaista tuottavuutta.
Meta kertoi tiettävästi rajoittavansa tekoälyn käyttöä kustannusten kasvettua ”eksponentiaalisesti”, ja raporttien mukaan Meta ja Amazon poistivat tokenien käyttöä seuranneet rankinglistat. 1
2 Tämä ei tarkoita, ettei tekoälystä olisi hyötyä työssä. Se tarkoittaa, ettei pelkkä kulutus osoita hyödyn syntyneen.
Arvioinnissa painopiste siirtyy vaikutukseen
Metan uusien, raportoitujen ohjeiden mukaan tekoälyn käyttö ei kuulu enää arviointiperusteisiin, eikä esihenkilöiden pidä käyttää tokenien kokonaismääriä tai tekoälyn käyttöönottoa kuvaavia mittaristoja työn vaikutuksen arvioimiseen. 7
9
Käytännössä kysymys muuttuu tästä:
Kuinka paljon henkilö käytti tekoälyä?
Tähän:
Mitä henkilö sai aikaan?
Vaikutukseen keskittyvässä arvioinnissa voidaan tarkastella esimerkiksi:
- työn lopputuloksen laatua ja oikeellisuutta;
- järjestelmien tai toimintatapojen luotettavuutta ja ylläpidettävyyttä;
- hyötyä asiakkaille tai sisäisille tiimeille;
- liiketoiminnallista tai operatiivista vaikutusta; sekä
- harkintaa siinä, milloin tekoälystä on hyötyä ja milloin ei.
Raportoitu muotoilu on olennainen: sama lopputulos voidaan hyväksyä ansioksi riippumatta siitä, onko sitä tukenut tekoäly vai jokin muu tapa. 7
9 Tekoäly säilyy työkaluna, mutta sen ei pitäisi enää olla työntekijän pistekortti.
Miksi Hatchia testataan silti?
Arviointikäytännön muutos ei välttämättä merkitse vetäytymistä tekoälyn käytöstä. Meta kannustaa tiettävästi työntekijöitään testaamaan Hatchia, yhtiön itsenäisemmin toimivaa tekoälyagenttihanketta. 7
Agentti, joka voi tehdä toimia verkkosivuilla ja sovelluksissa, on olennaisesti eri tuotetyyppi kuin pelkkä tekstiä tuottava keskustelubotti. Sisäinen testaus voi paljastaa ennen mahdollista laajempaa julkaisua, suorittaako agentti tehtäviä oikein, käsitteleekö se käyttöoikeuksia turvallisesti ja tarjoaako se käyttökokemuksen, johon käyttäjät voivat luottaa.
Hatchin kaltaisessa tuotteessa olennaista näyttöä ei siis ole se, kuinka paljon testaajat kuluttavat tokeneita. Tärkeämpää on, suorittaako agentti arvokkaan tehtävän luotettavasti, käyttäjän hallinta säilyttäen ja ilman virheitä, tietoturvaongelmia tai kallista jatkuvaa valvontaa.
Laajempi opetus työelämän tekoälystä
Metan muutos sopii laajempaan kehityskulkuun. Yritykset, jotka ensin kehottivat henkilöstöä käyttämään tekoälyä mahdollisimman paljon, joutuvat nyt vastaamaan vaikeampaan kysymykseen: syntyykö kulutuksesta mitattavaa hyötyä? Raportointi on kuvannut kasvavia tekoälykustannuksia ilman vastaavaa tuottavuusloikkaa. Tämä on ohjannut työnantajia käyttörajoihin, budjetteihin ja valikoivampaan käyttöönottoon. 1
10
11
Työnantajalle järkevämpi tapa on käsitellä tekoälyn käyttöönottoa kokeiluna, joka sidotaan tuloksiin:
- Määritellään työ, jonka pitäisi parantua.
- Mitataan laatua, säästettyä aikaa, luotettavuutta ja kustannuksia – ei vain työkalun käyttöä.
- Pidetään ihmisellä vastuu päätöksistä ja tuotoksista.
- Verrataan tekoälyavusteista työtä tarkoituksenmukaiseen lähtötasoon ilman tekoälyä.
- Lopetetaan kannustimet, jotka palkitsevat tarpeettoman mallien käytön.
Tekoälyn käyttödata voi edelleen olla hyödyllistä esimerkiksi kapasiteetin suunnittelussa ja kustannusten hallinnassa. Se ei kuitenkaan korvaa työntekijän todellisen panoksen arviointia. Metan raportoitu linjamuutos tunnistaa tämän eron: palkitse työn vaikutuksesta, älä siitä, kuinka paljon tekoälyä kulutettiin työn tekemiseen. 7
9
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "Meta lopetti tekoälyn käytön pisteyttämisen tokenmaxxing-ilmiön jälkeen"?
Meta ei tiettävästi enää arvioi työntekijöitä tekoälytyökalujen käytön tai AI Native statuksen perusteella.
What are the key points to validate first?
Meta ei tiettävästi enää arvioi työntekijöitä tekoälytyökalujen käytön tai AI Native statuksen perusteella. Uusien arviointiperiaatteiden mukaan esihenkilöiden ei pitäisi käyttää tokenmääriä tai tekoälyn käyttöönoton mittaristoja työn vaikutuksen arviointiin.
Sources
nytimes.comTech Workers Maxed Out Their A.I. Use. Now They're ...
wired.comMeta Pushes Its New AI Agent on Employees—but Eases Off on Tokenmaxxing
hr.economictimes.indiatimes.comMonths after Meta made AI tools mandatory for employees, company execs tell engineers performance reviews will not count AI use