Meta hentikan markah prestasi berasaskan AI selepas era “tokenmaxxing”

Meta dilaporkan mengubah pendirian kerana masalah pengurusan yang jelas: menggunakan AI dengan lebih banyak tidak semestinya bermaksud seseorang menghasilkan kerja yang lebih baik.

Pada awal 2026, penggunaan AI menjadi metrik yang ketara di beberapa syarikat teknologi. Di Meta, pekerja dilaporkan dinilai melalui bahasa seperti penggunaan AI dan status “AI Native”, manakala papan kedudukan dalaman bagi penggunaan token menjadikan penggunaan model sebagai satu persaingan. Fenomena itu dikenali sebagai tokenmaxxing — iaitu usaha memaksimumkan penggunaan token AI untuk meningkatkan kedudukan atau persepsi prestasi. 237

Meta kini dilaporkan telah menggugurkan penggunaan AI dan status “AI Native” daripada kriteria semakan prestasi. Pendekatan baharu itu bertujuan menilai sumbangan serta hasil kerja, sama ada sesuatu tugasan disokong AI atau disiapkan melalui kaedah lain. 79

Mengapa jumlah token ialah metrik prestasi yang lemah

Token ialah unit teks yang diproses oleh model AI. Ia berguna untuk mengukur permintaan terhadap sistem dan kos pengkomputeran, tetapi tidak cukup baik untuk mengukur prestasi seseorang pekerja.

Seseorang boleh menghantar lebih banyak arahan kepada AI, menjalankan tugasan lebih panjang, atau menggunakan model untuk kerja bernilai rendah tanpa meningkatkan mutu, ketepatan, kebolehpercayaan, kelajuan atau nilai perniagaan hasil akhirnya. Apabila penggunaan itu dikaitkan dengan pengiktirafan atau semakan prestasi, metrik tersebut boleh berubah menjadi matlamat itu sendiri.

Laporan di seluruh industri menunjukkan sesetengah pekerja meningkatkan penggunaan AI untuk mempermainkan papan kedudukan, ketika kos inferens AI meningkat dengan pantas. 11116 Inilah kelemahan utama tokenmaxxing: ia mengoptimumkan proksi produktiviti, bukannya produktiviti sebenar.

Meta dilaporkan memaklumkan pekerja bahawa penggunaan AI akan dihadkan selepas berlaku peningkatan kos yang “eksponen”. Pelaporan juga menyatakan Meta dan Amazon menurunkan papan kedudukan penggunaan token. 12 Ini bukan bermaksud AI tiada nilai di tempat kerja, tetapi jumlah penggunaan mentah sahaja tidak membuktikan nilainya.

Apa yang berubah dalam semakan berasaskan sumbangan

Panduan Meta yang dilaporkan mengeluarkan penggunaan AI daripada penilaian dan meminta pengurus supaya tidak menggunakan jumlah token atau papan pemuka penerimaan AI untuk menilai impak pekerja. 79

Dalam erti kata praktikal, soalan penilaian berubah daripada “Berapa banyak AI yang digunakan?” kepada “Apakah hasil yang telah disampaikan?”

Semakan yang menumpukan sumbangan boleh melihat perkara seperti:

• mutu dan ketepatan hasil kerja;
• kebolehpercayaan serta kemudahan penyelenggaraan sistem atau proses;
• kegunaan kepada pelanggan atau pasukan dalaman;
• kesan operasi atau perniagaan; dan
• pertimbangan yang baik tentang bila AI membantu, dan bila ia tidak diperlukan.

Frasa dalam panduan yang dilaporkan itu penting kerana hasil yang sama boleh diberi pengiktirafan sama ada ia disokong AI atau dicapai melalui cara lain. 79 AI masih kekal sebagai alat, tetapi tidak lagi sepatutnya menjadi kad skor.

Mengapa Meta masih menguji Hatch

Perubahan dasar semakan ini tidak semestinya menandakan Meta berundur daripada penggunaan AI. Meta juga dilaporkan menggalakkan pekerja menguji Hatch, sebuah projek ejen AI yang lebih autonomi. 7

Perbezaannya ialah nilai produk perlu dibuktikan melalui hasil, bukan melalui penggunaan token. Ejen AI yang boleh mengambil tindakan merentas laman web dan aplikasi mempunyai cadangan nilai yang berbeza daripada chatbot yang hanya menjana teks.

Ujian dalaman boleh membantu Meta menentukan sama ada ejen itu benar-benar menyelesaikan tugasan dengan tepat, mengurus kebenaran pengguna dengan selamat dan menawarkan pengalaman yang cukup boleh dipercayai sebelum sebarang pelancaran lebih meluas. Bagi produk seperti Hatch, petunjuk yang lebih berguna bukanlah jumlah token yang digunakan penguji, tetapi sama ada ejen itu dapat menyelesaikan tugasan bernilai dengan kawalan pengguna yang sesuai — tanpa kesilapan, masalah keselamatan atau keperluan pemantauan yang mahal.

Pengajaran lebih besar untuk AI di tempat kerja

Perubahan Meta ini selari dengan peralihan yang lebih luas dalam industri teknologi. Syarikat yang pada mulanya menggesa pekerja menggunakan AI sebanyak mungkin kini berdepan soalan yang lebih sukar: adakah perbelanjaan itu menghasilkan peningkatan yang boleh diukur?

Pelaporan industri menggambarkan kos AI yang meningkat tanpa lonjakan produktiviti yang sepadan, sekali gus mendorong sesetengah majikan mengenakan had, belanjawan atau penggunaan yang lebih terpilih. 11011

Bagi majikan, pendekatan yang lebih munasabah ialah menganggap penggunaan AI sebagai eksperimen yang diikat kepada hasil:

1. Tentukan kerja yang sepatutnya menjadi lebih baik.
2. Ukur mutu, masa yang dijimatkan, kebolehpercayaan dan kos — bukan sekadar aktiviti alat.
3. Kekalkan akauntabiliti manusia terhadap keputusan dan hasil kerja.
4. Bandingkan kerja berbantukan AI dengan garis asas kerja tanpa AI yang sesuai.
5. Hentikan insentif yang menggalakkan penggunaan model secara tidak perlu.

Data penggunaan AI masih boleh berguna untuk perancangan kapasiti dan kawalan kos. Namun, ia bukan pengganti yang baik untuk menilai sumbangan pekerja. Perubahan dasar Meta yang dilaporkan membawa mesej yang mudah: ganjari impak kerja, bukan jumlah AI yang digunakan untuk menyiapkannya. 79