Meta archivia il tokenmaxxing: nelle valutazioni conta l’impatto, non quanti token AI usi

Meta avrebbe cambiato rotta sulle valutazioni basate sull’intelligenza artificiale per un motivo di gestione molto concreto: usare più AI non significa automaticamente produrre un lavoro migliore.

All’inizio del 2026, in varie aziende tecnologiche l’uso dell’AI è diventato una metrica visibile sul posto di lavoro. In Meta, secondo le ricostruzioni disponibili, i dipendenti venivano associati a formule come uso dell’AI e status «AI Native», mentre classifiche interne sui token trasformavano il consumo dei modelli in una gara. Da qui il termine tokenmaxxing: massimizzare l’uso di token AI per migliorare la propria posizione. 237

Meta avrebbe ora eliminato l’uso dell’AI e lo status «AI Native» dai criteri delle performance review. Il nuovo approccio dovrebbe valutare contributo e risultati, sia quando il lavoro è supportato dall’AI sia quando è svolto con altri strumenti o metodi. 79

Perché i token sono una cattiva metrica di performance

Un token è una piccola unità di testo elaborata da un modello di AI. Il conteggio può essere utile per stimare domanda del sistema e costi, ma è un indicatore debole della qualità del lavoro di una persona.

Un dipendente può scrivere più prompt, eseguire attività più lunghe o applicare un modello a compiti marginali senza migliorare qualità, affidabilità, velocità o valore concreto del risultato. Se l’uso dello strumento viene collegato a riconoscimenti o valutazioni, la metrica rischia di diventare l’obiettivo. Le cronache di settore hanno descritto tentativi di gonfiare l’utilizzo dell’AI per scalare le classifiche interne, mentre i costi di inferenza aumentavano rapidamente. 11116

È il difetto centrale del tokenmaxxing: ottimizza un indicatore indiretto della produttività, non la produttività stessa.

Meta avrebbe comunicato ai dipendenti l’intenzione di limitare l’uso dell’AI dopo un aumento «esponenziale» dei costi; secondo le ricostruzioni, sia Meta sia Amazon hanno rimosso le classifiche basate sui token. 12 Non significa che l’AI non abbia valore nel lavoro: significa che il solo volume di utilizzo non può dimostrarlo.

Cosa cambia con le valutazioni centrate sul contributo

Le indicazioni attribuite a Meta eliminano l’uso dell’AI dalle valutazioni e chiedono ai manager di non usare totali di token o dashboard di adozione dell’AI per misurare l’impatto. 79

In pratica, la domanda dovrebbe cambiare da «Quanta AI ha usato questa persona?» a «Che cosa ha realizzato questa persona?».

Una valutazione orientata al contributo può concentrarsi, per esempio, su:

• qualità e correttezza del risultato;
• affidabilità e manutenibilità di sistemi o processi;
• utilità per clienti, utenti o team interni;
• impatto operativo o aziendale;
• capacità di giudizio nello scegliere quando l’AI è utile e quando non lo è.

La formulazione riportata è rilevante perché consente di riconoscere lo stesso risultato indipendentemente dal fatto che sia stato ottenuto con l’aiuto dell’AI o con altri mezzi. 79 L’AI rimane quindi uno strumento disponibile, ma non dovrebbe più essere il tabellone dei punteggi.

Perché Meta continua a testare Hatch

La revisione delle policy di valutazione non equivale necessariamente a un abbandono dell’adozione dell’AI. Meta starebbe anche incoraggiando i dipendenti a provare Hatch, un progetto di agente AI più autonomo. 7

La distinzione è importante: sperimentare un prodotto non richiede di misurare il valore dei dipendenti in base al consumo di token. Per un agente capace di svolgere azioni su siti e applicazioni, ciò che conta è verificare se completa compiti utili in modo affidabile, con controlli adeguati per l’utente e senza generare errori, problemi di sicurezza o necessità di supervisione troppo costosa.

La lezione per l’AI sul lavoro

Il cambio di Meta si inserisce in un ripensamento più ampio nel settore tecnologico. Aziende che inizialmente hanno spinto i dipendenti a usare quanta più AI possibile si sono trovate davanti a una domanda più difficile: quella spesa produce miglioramenti misurabili? Le cronache hanno segnalato costi in crescita senza un corrispondente aumento della produttività, spingendo alcune imprese verso limiti, budget o impieghi più selettivi. 11011

Per le aziende, un approccio più solido consiste nel trattare l’adozione dell’AI come un esperimento legato agli esiti:

1. definire quale attività deve migliorare;
2. misurare qualità, tempo risparmiato, affidabilità e costo, non solo l’attività sullo strumento;
3. mantenere la responsabilità umana su decisioni e risultati;
4. confrontare il lavoro assistito dall’AI con una base di riferimento appropriata senza AI;
5. eliminare gli incentivi che premiano un uso superfluo dei modelli.

I dati sull’uso dell’AI possono restare utili sul piano operativo, ad esempio per pianificare capacità e controllare i costi. Ma sono un cattivo sostituto della valutazione del contributo di un dipendente. Il cambio di policy attribuito a Meta riconosce proprio questa differenza: premiare l’impatto del lavoro, non la quantità di AI consumata per produrlo. 79