MetaがAI利用量を人事評価から外したと報じられた背景には、シンプルな問題があります。AIを多く使うことは、良い仕事をしたことと同義ではない、という点です。

2026年初頭、複数のテック企業ではAI利用が職場で目に見える指標になりました。Metaでは、AIの利用状況や「AI Native」といった位置付けが評価に関わり、社内のトークン利用ランキングも競争を促したとされています。その結果生まれたのが、評価を上げるためにAIのトークン消費を最大化する「トークン最大化（tokenmaxxing）」です。237

報道によると、Metaは現在、AI利用量と「AI Native」認定を人事評価の基準から削除しました。AIを使ったかどうかではなく、AIを使った場合も使わなかった場合も含めて、仕事が生んだ貢献や成果を評価する考え方へ移す狙いです。79

なぜトークン数は人事評価に向かなかったのか

トークンとは、生成AIが読み書き・処理するテキストの単位です。システムの利用量やコストを把握するには役立ちますが、社員の仕事ぶりを測る尺度としては弱いものです。

プロンプトを増やす、必要以上に長い処理を実行する、価値の低い作業にAIを使う――こうした行動でトークン数は増やせます。しかし、それだけで成果物の品質、正確性、仕事の速さ、信頼性、事業上の価値が上がるわけではありません。利用量が表彰や評価に直結すれば、指標そのものを目的にする行動が起きやすくなります。業界では、社員がランキングを有利にするため利用量を水増しする動きと、推論コストの急増が報じられました。11116

つまりトークン最大化は、生産性そのものではなく、生産性の代用品にすぎない数値を最適化してしまう問題でした。

Metaは「指数関数的な増加」と表現するコスト上昇を受け、AI利用に制限を設ける方針を社員に伝えたと報じられています。また、MetaとAmazonはトークン利用のリーダーボードを取り下げたとされます。12 これはAIに職場での価値がないという意味ではありません。単なる消費量だけでは、その価値を証明できないということです。

「貢献度重視」の評価は何を変えるのか

Metaの新たな評価ガイダンスでは、AI利用量を評価対象から外し、管理職はトークン総数やAI導入ダッシュボードで社員の影響度を判断しないよう求められていると報じられています。79

実務上、問うべきことは「この人はAIをどれだけ使ったか」から、**「この人は何を実現したか」**へ変わります。

貢献度を軸にした評価では、例えば次のような点が中心になります。

• 成果物の品質と正確性
• システムや業務プロセスの信頼性・保守性
• 顧客や社内チームへの有用性、利用の広がり
• 事業面・業務面での効果
• AIが有効な場面と、使わない方がよい場面を見極める判断

報じられた文言で重要なのは、成果が「AIによって支えられたものでも、他の手段によるものでもよい」とされている点です。79 AIは仕事のための選択肢として残る一方、評価表そのものではなくなる、ということです。

それでもMetaが「Hatch」の検証を続ける理由

この評価制度の変更は、MetaがAI活用をやめるという意味ではありません。同社はより自律性の高いAIエージェントのプロジェクト「Hatch」を、社員に試すよう促していると報じられています。7

Hatchのように、ウェブサイトやアプリをまたいで行動するAIエージェントは、文章を生成するだけのチャットボットとは性質が異なります。社内テストは、幅広い公開の前に、エージェントがタスクを正確に完了できるか、権限を安全に扱えるか、利用者が信頼できる体験になるかを確かめる機会になります。

ここでも重要なのは、測定するものです。Hatchのような製品で見るべきなのは、テスターが何トークンを使ったかではありません。利用者が適切にコントロールできる状態で、価値のある作業を確実に完了できるか。ミスやセキュリティ上の問題、過剰な監督コストを生んでいないか――といった点です。

職場AIにとっての教訓

Metaの方針転換は、業界全体の流れとも重なります。当初は「できるだけAIを使う」ことを社員に求めた企業も、投じた費用が測定可能な改善につながっているのか、という難しい問いに直面しています。AIコストが上がっても生産性が同じように伸びないとの報道を受け、一部の企業は利用上限、予算管理、用途を絞った導入へ向かっています。11011

企業がAI導入を進めるなら、利用量の競争ではなく、成果に結び付けた実験として扱う方が合理的です。

1. 改善したい業務を明確にする。
2. ツールの利用回数ではなく、品質、時間短縮、信頼性、コストを測る。
3. 判断と成果物への最終責任は人が持つ。
4. AIを使わない場合と適切に比較する。
5. 不要なモデル利用を奨励する制度をやめる。

AIの利用データ自体は、キャパシティー計画やコスト管理にはなお有用です。しかし、社員の貢献を評価する物差しの代わりにはなりません。Metaの変更は、その違いを認めたものです。評価すべきなのは、使ったAIの量ではなく、仕事が生んだ影響です。79

MetaがAI利用量を人事評価から外したと報じられた背景には、シンプルな問題があります。AIを多く使うことは、良い仕事をしたことと同義ではない、という点です。

2026年初頭、複数のテック企業ではAI利用が職場で目に見える指標になりました。Metaでは、AIの利用状況や「AI Native」といった位置付けが評価に関わり、社内のトークン利用ランキングも競争を促したとされています。その結果生まれたのが、評価を上げるためにAIのトークン消費を最大化する「トークン最大化（tokenmaxxing）」です。237

報道によると、Metaは現在、AI利用量と「AI Native」認定を人事評価の基準から削除しました。AIを使ったかどうかではなく、AIを使った場合も使わなかった場合も含めて、仕事が生んだ貢献や成果を評価する考え方へ移す狙いです。79

なぜトークン数は人事評価に向かなかったのか

トークンとは、生成AIが読み書き・処理するテキストの単位です。システムの利用量やコストを把握するには役立ちますが、社員の仕事ぶりを測る尺度としては弱いものです。

プロンプトを増やす、必要以上に長い処理を実行する、価値の低い作業にAIを使う――こうした行動でトークン数は増やせます。しかし、それだけで成果物の品質、正確性、仕事の速さ、信頼性、事業上の価値が上がるわけではありません。利用量が表彰や評価に直結すれば、指標そのものを目的にする行動が起きやすくなります。業界では、社員がランキングを有利にするため利用量を水増しする動きと、推論コストの急増が報じられました。11116

つまりトークン最大化は、生産性そのものではなく、生産性の代用品にすぎない数値を最適化してしまう問題でした。

Metaは「指数関数的な増加」と表現するコスト上昇を受け、AI利用に制限を設ける方針を社員に伝えたと報じられています。また、MetaとAmazonはトークン利用のリーダーボードを取り下げたとされます。12 これはAIに職場での価値がないという意味ではありません。単なる消費量だけでは、その価値を証明できないということです。

「貢献度重視」の評価は何を変えるのか

Metaの新たな評価ガイダンスでは、AI利用量を評価対象から外し、管理職はトークン総数やAI導入ダッシュボードで社員の影響度を判断しないよう求められていると報じられています。79

実務上、問うべきことは「この人はAIをどれだけ使ったか」から、**「この人は何を実現したか」**へ変わります。

貢献度を軸にした評価では、例えば次のような点が中心になります。

• 成果物の品質と正確性
• システムや業務プロセスの信頼性・保守性
• 顧客や社内チームへの有用性、利用の広がり
• 事業面・業務面での効果
• AIが有効な場面と、使わない方がよい場面を見極める判断

報じられた文言で重要なのは、成果が「AIによって支えられたものでも、他の手段によるものでもよい」とされている点です。79 AIは仕事のための選択肢として残る一方、評価表そのものではなくなる、ということです。

それでもMetaが「Hatch」の検証を続ける理由

この評価制度の変更は、MetaがAI活用をやめるという意味ではありません。同社はより自律性の高いAIエージェントのプロジェクト「Hatch」を、社員に試すよう促していると報じられています。7

Hatchのように、ウェブサイトやアプリをまたいで行動するAIエージェントは、文章を生成するだけのチャットボットとは性質が異なります。社内テストは、幅広い公開の前に、エージェントがタスクを正確に完了できるか、権限を安全に扱えるか、利用者が信頼できる体験になるかを確かめる機会になります。

ここでも重要なのは、測定するものです。Hatchのような製品で見るべきなのは、テスターが何トークンを使ったかではありません。利用者が適切にコントロールできる状態で、価値のある作業を確実に完了できるか。ミスやセキュリティ上の問題、過剰な監督コストを生んでいないか――といった点です。

職場AIにとっての教訓

Metaの方針転換は、業界全体の流れとも重なります。当初は「できるだけAIを使う」ことを社員に求めた企業も、投じた費用が測定可能な改善につながっているのか、という難しい問いに直面しています。AIコストが上がっても生産性が同じように伸びないとの報道を受け、一部の企業は利用上限、予算管理、用途を絞った導入へ向かっています。11011

企業がAI導入を進めるなら、利用量の競争ではなく、成果に結び付けた実験として扱う方が合理的です。

1. 改善したい業務を明確にする。
2. ツールの利用回数ではなく、品質、時間短縮、信頼性、コストを測る。
3. 判断と成果物への最終責任は人が持つ。
4. AIを使わない場合と適切に比較する。
5. 不要なモデル利用を奨励する制度をやめる。

AIの利用データ自体は、キャパシティー計画やコスト管理にはなお有用です。しかし、社員の貢献を評価する物差しの代わりにはなりません。Metaの変更は、その違いを認めたものです。評価すべきなのは、使ったAIの量ではなく、仕事が生んだ影響です。79