AnswersPublished18 sources
Meta laat tokenmaxxing los: resultaat telt, niet het aantal AI-tokens
Meta zou AI gebruik en de aanduiding ‘AI Native’ uit functioneringsbeoordelingen hebben geschrapt. De nieuwe nadruk ligt volgens de berichtgeving op de bijdrage en het resultaat van medewerkers.
Gepubliceerd doorBewerkt met GPT-5.6 TerraAfbeeldingen gegenereerd met GPT Image 2
Research answer
Key takeaways
- Meta zou AI gebruik en de aanduiding ‘AI Native’ uit functioneringsbeoordelingen hebben geschrapt.
- De nieuwe nadruk ligt volgens de berichtgeving op de bijdrage en het resultaat van medewerkers.
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
Meta lijkt AI-gebruik los te koppelen van beoordelingsgesprekken omdat een hoog verbruik van AI niet hetzelfde is als goed werk afleveren.
Eerder in 2026 was AI-gebruik bij verschillende technologiebedrijven een zichtbare werkmaatstaf. Bij Meta speelden volgens berichtgeving formuleringen rond AI-gebruik en de status ‘AI Native’ een rol, terwijl interne ranglijsten voor tokenverbruik van het gebruik van taalmodellen een wedstrijd maakten. Dat gedrag kreeg de naam tokenmaxxing: zoveel mogelijk AI-tokens verbruiken om er beter voor te staan. 2
3
7
Meta heeft AI-gebruik en de status ‘AI Native’ volgens berichten nu uit de criteria voor functioneringsbeoordelingen gehaald. De bedoeling is dat managers de bijdrage en resultaten beoordelen, ongeacht of iemand daarbij AI gebruikte of op een andere manier tot hetzelfde resultaat kwam. 7
9
Waarom tokenaantallen een slechte prestatiemeter zijn
Een token is een stukje tekst dat een AI-model verwerkt. Het aantal tokens kan nuttig zijn om systeembelasting en kosten te volgen, maar is een zwakke graadmeter voor de prestaties van een werknemer.
Iemand kan meer prompts versturen, langere opdrachten draaien of AI inzetten voor werk met weinig waarde, zonder dat de kwaliteit, betrouwbaarheid, snelheid of zakelijke waarde van het eindresultaat toeneemt. Zodra gebruik gekoppeld wordt aan waardering of beoordelingen, dreigt de maatstaf zelf het doel te worden. In de sector waren er berichten over werknemers die hun AI-gebruik opdreven om ranglijsten te beïnvloeden, terwijl de kosten voor AI-inferentie snel opliepen. 1
11
16
Daar zit de kern van tokenmaxxing: het optimaliseert een indirecte indicator van productiviteit, niet de productiviteit zelf.
Meta zou medewerkers hebben meegedeeld dat het AI-gebruik zou begrenzen na een ‘exponentiële toename’ van de kosten. Volgens berichtgeving hebben Meta en Amazon bovendien tokenranglijsten verwijderd. 1
2 Dat betekent niet dat AI geen waarde op de werkvloer heeft. Wel dat ruw verbruik op zichzelf niet bewijst dat die waarde er is.
Wat resultaatgerichte beoordelingen moeten veranderen
De nieuwe Meta-richtlijnen zouden AI-gebruik uit beoordelingen verwijderen en managers expliciet vertellen dat zij tokenaantallen of dashboards voor AI-adoptie niet mogen gebruiken om iemands impact te beoordelen. 7
9
In de praktijk verschuift de centrale vraag daarmee van ‘Hoeveel AI gebruikte deze medewerker?’ naar ‘Wat heeft deze medewerker opgeleverd?’
Een beoordeling op basis van bijdrage kan zich richten op onder meer:
- de kwaliteit en juistheid van het opgeleverde werk;
- de betrouwbaarheid en onderhoudbaarheid van systemen of processen;
- het bereik en nut voor klanten of interne teams;
- zakelijke of operationele impact; en
- het verstandige oordeel over wanneer AI wel en niet helpt.
De gemelde formulering is veelzeggend: dezelfde uitkomst kan worden gewaardeerd, of die nu met AI-ondersteuning of via een andere werkwijze is bereikt. 7
9 AI blijft dus een hulpmiddel, maar niet langer de scorekaart.
Waarom Meta Hatch toch laat testen
De wijziging in het beoordelingsbeleid betekent niet noodzakelijk dat Meta terugkomt van AI. Het bedrijf zou medewerkers ook stimuleren om Hatch te testen, een project voor een autonomere AI-agent. 7
Dat onderscheid is logisch. Een agent die handelingen kan uitvoeren op websites en in toepassingen is een wezenlijk ander product dan een chatbot die alleen tekst produceert. Interne tests kunnen duidelijk maken of zo’n agent taken correct uitvoert, zorgvuldig met toegangsrechten omgaat en een ervaring biedt die gebruikers kunnen vertrouwen vóór er eventueel een bredere lancering volgt.
De relevante maatstaf voor Hatch is dan niet hoeveel tokens testers verbruiken. Belangrijker is of de agent een waardevolle taak betrouwbaar voltooit, met voldoende controle voor de gebruiker en zonder fouten, beveiligingsproblemen of kostbaar toezicht te veroorzaken.
De bredere les voor AI op het werk
De koerswijziging bij Meta past in een bredere beweging in de sector. Bedrijven die medewerkers aanvankelijk aanspoorden om zo veel mogelijk AI te gebruiken, lopen tegen een moeilijkere vraag aan: levert die uitgave ook aantoonbare winst op? Verslaggeving beschrijft oplopende AI-kosten zonder een vergelijkbare stijging van de productiviteit, waardoor sommige werkgevers kiezen voor limieten, budgetten of selectiever gebruik. 1
10
11
Voor werkgevers ligt een betere aanpak in experimenteren met AI, gekoppeld aan concrete uitkomsten:
- Bepaal welk werk aantoonbaar beter moet worden.
- Meet kwaliteit, tijdwinst, betrouwbaarheid en kosten — niet alleen toolactiviteit.
- Houd mensen verantwoordelijk voor besluiten en eindresultaten.
- Vergelijk AI-ondersteund werk met een passende werkwijze zonder AI.
- Schaf prikkels af die onnodig modelgebruik belonen.
Gebruiksgegevens van AI kunnen nog steeds operationeel nuttig zijn, bijvoorbeeld voor capaciteitsplanning en kostenbeheersing. Maar ze zijn een slechte vervanger voor het beoordelen van iemands bijdrage. Meta’s gemelde beleidswijziging onderstreept dat onderscheid: beloon de impact van het werk, niet de hoeveelheid AI die ervoor is verbruikt. 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 laat tokenmaxxing los: resultaat telt, niet het aantal AI-tokens"?
Meta zou AI gebruik en de aanduiding ‘AI Native’ uit functioneringsbeoordelingen hebben geschrapt.
What are the key points to validate first?
Meta zou AI gebruik en de aanduiding ‘AI Native’ uit functioneringsbeoordelingen hebben geschrapt. De nieuwe nadruk ligt volgens de berichtgeving op de bijdrage en het resultaat van medewerkers.
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