메타가 ‘토큰맥싱’ 뒤 AI 사용량 평가를 접은 이유

메타의 AI 기반 성과평가 철회는 경영 측면에서 보면 단순한 문제를 인정한 것이다. AI를 더 많이 썼다고 해서 더 좋은 일을 한 것은 아니다.

2026년 초 여러 기술 기업에서 AI 사용량은 눈에 띄는 직장 내 지표가 됐다. 메타에서도 AI 사용과 ‘AI Native’ 상태가 평가 언어에 포함됐고, 내부 토큰 사용량 순위는 모델 소비를 경쟁으로 바꿨다는 보도가 나왔다. 이렇게 자신의 평가상 위치를 높이기 위해 AI 토큰 사용을 극대화하는 행동은 ‘토큰맥싱(tokenmaxxing)’으로 불렸다. 237

메타는 이제 AI 사용량과 ‘AI Native’ 상태를 성과평가 기준에서 제외한 것으로 전해진다. 새 방향은 AI를 활용했는지 여부보다, 어떤 방식으로 했든 실제 기여와 결과를 평가하겠다는 취지다. 79

토큰 수가 나쁜 성과지표가 된 이유

토큰은 AI 모델이 읽거나 생성·처리하는 텍스트의 단위다. 시스템 수요와 비용을 파악하는 데는 쓸 수 있지만, 직원의 성과를 재는 지표로는 취약하다.

직원은 업무 결과의 품질·신뢰성·속도·사업 가치를 높이지 않고도 프롬프트를 더 많이 입력하거나, 더 긴 작업을 돌리거나, 가치가 낮은 업무에 모델을 쓸 수 있다. 사용량이 인정이나 평가와 연결되면 지표 자체가 목표가 된다. 업계 보도에서는 직원들이 순위를 높이기 위해 AI 사용량을 부풀리는 사례와 함께, 추론 비용이 빠르게 늘어나는 문제가 제기됐다. 11116

토큰맥싱의 본질적 실패는 여기에 있다. 생산성 자체가 아니라 생산성을 대신한다고 여겨진 대리 지표를 최적화한 것이다.

메타는 비용이 “기하급수적으로” 늘어난 뒤 AI 사용을 제한하겠다고 직원들에게 알린 것으로 보도됐다. 메타와 아마존이 토큰 사용량 리더보드를 없앴다는 보도도 나왔다. 12 이는 AI가 직장에서 쓸모없다는 뜻이 아니다. 단지 원시적인 사용량만으로는 AI의 가치를 입증할 수 없다는 의미다.

‘기여 중심’ 평가가 바꾸려는 것

보도된 메타의 새 지침은 평가에서 AI 사용량을 빼고, 관리자가 토큰 총량이나 AI 도입 현황 대시보드로 직원의 영향을 판단하지 않도록 한다. 79

실무적으로는 평가 질문이 **“이 사람은 AI를 얼마나 많이 썼나?”**에서 **“이 사람은 무엇을 만들어냈나?”**로 옮겨가야 한다는 뜻이다.

기여 중심 평가는 예를 들어 다음과 같은 결과를 중심에 둘 수 있다.

• 산출물의 품질과 정확성
• 시스템·프로세스의 안정성과 유지보수성
• 고객 또는 내부 팀에 대한 활용도와 도달 범위
• 사업·운영상의 영향
• AI가 도움이 되는 경우와 그렇지 않은 경우를 가려내는 판단력

보도된 문구에서 중요한 부분은 동일한 결과를 AI의 도움으로 냈든 다른 방식으로 냈든 인정할 수 있다는 점이다. 79 AI는 계속 사용할 수 있는 도구이지만, 그 자체가 성과표가 되어서는 안 된다는 것이다.

그럼에도 메타가 Hatch를 시험하는 이유

성과평가 정책의 변경이 AI 도입 자체의 후퇴를 의미하는 것은 아니다. 메타는 직원들에게 더 자율적인 AI 에이전트 프로젝트인 Hatch를 시험해 보도록 권하고 있는 것으로 전해졌다. 7

이는 성격이 다른 문제다. 웹사이트와 애플리케이션을 오가며 행동을 수행할 수 있는 에이전트는 텍스트만 생성하는 챗봇과는 전혀 다른 제품 가치 제안을 갖는다. 내부 테스트를 통해 광범위한 출시 전에 에이전트가 과업을 정확히 수행하는지, 권한을 안전하게 다루는지, 사용자가 신뢰할 만한 경험을 제공하는지를 확인할 수 있다.

Hatch 같은 제품에서 봐야 할 증거는 테스터가 얼마나 많은 토큰을 소비했는지가 아니다. 적절한 사용자 통제 아래 가치 있는 과업을 안정적으로 끝내는지, 오류·보안 문제·과도한 검수 비용을 만들지는 않는지가 핵심이다.

직장 내 AI가 남긴 더 큰 교훈

메타의 변화는 업계 전반의 흐름과 맞닿아 있다. 처음에는 직원들에게 가능한 한 AI를 많이 쓰라고 독려했던 기업들이 이제는 더 어려운 질문에 맞닥뜨렸다. 그 지출이 측정 가능한 성과 향상으로 이어지느냐는 질문이다. 생산성의 상응한 증가 없이 AI 비용만 커졌다는 보도가 이어지면서, 일부 고용주는 사용 제한·예산·선별적 배치 쪽으로 움직이고 있다. 11011

기업이 AI 도입을 관리하려면 사용량 경쟁이 아니라 결과와 연결된 실험으로 다루는 편이 낫다.

1. 개선하려는 업무를 먼저 명확히 정한다.
2. 도구 활동량이 아니라 품질, 절감 시간, 신뢰성, 비용을 측정한다.
3. 의사결정과 산출물에 대한 인간의 책임을 유지한다.
4. AI를 쓴 업무를 적절한 비AI 기준선과 비교한다.
5. 불필요한 모델 사용을 보상하는 인센티브를 없앤다.

AI 사용 데이터는 여전히 운영상 유용할 수 있다. 특히 용량 계획과 비용 통제에는 도움이 된다. 하지만 그것이 직원의 기여도를 평가하는 기준을 대신할 수는 없다. 메타의 이번 정책 변화가 보여주는 구분은 분명하다. AI를 얼마나 소비했는지가 아니라, 그 결과물이 어떤 영향을 냈는지를 보상해야 한다. 79