Meta skal ha sluttet å knytte medarbeidervurderinger til AI bruk og «AI Native» status. Den nye retningen skal vektlegge hva ansatte faktisk leverer, ikke AI adopsjonsdashbord eller antall tokens.
Publisert avRedigert med GPT-5.6 TerraBilder generert med GPT Image 2
Research answer

Create 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 skal ha snudd i spørsmålet om AI i medarbeidervurderinger av en enkel grunn: Å bruke mer AI er ikke det samme som å gjøre bedre arbeid.
Tidlig i 2026 ble AI-bruk et synlig mål på arbeidsplassen hos flere teknologiselskaper. Hos Meta møtte ansatte etter det som er rapportert formuleringer om AI-bruk og «AI Native»-status, mens interne rangeringer av tokenbruk gjorde modellforbruk til en konkurranse. Atferden fikk navnet tokenmaxxing: å maksimere AI-tokenbruk for å styrke egen posisjon. 2
3
7
Meta skal nå ha fjernet AI-bruk og «AI Native»-status fra kriteriene i medarbeidervurderinger. Den nye tilnærmingen er ment å vurdere bidrag og resultater, enten arbeidet er støttet av AI eller oppnådd på andre måter. 7
9
Et token er en liten tekst- eller dataenhet som en AI-modell leser eller genererer. Målet kan være nyttig for å følge systembelastning og kostnader, men det er et svakt mål på en ansatts prestasjon.
En ansatt kan skrive flere instruksjoner, kjøre lengre oppgaver eller bruke en modell på arbeid med liten verdi uten at resultatet blir bedre, raskere, mer pålitelig eller mer nyttig for virksomheten. Når bruk blir koblet til anerkjennelse eller vurderinger, kan selve måltallet bli målet. Bransjerapportering har beskrevet hvordan ansatte kunne blåse opp AI-bruken for å påvirke rangeringer, samtidig som kostnadene ved å kjøre modellene økte raskt. 1
11
16
Det er hovedproblemet med tokenmaxxing: Det optimaliserer en stedfortreder for produktivitet, ikke produktiviteten i seg selv.
Meta skal ha fortalt ansatte at selskapet ville begrense AI-bruk etter en «eksponentiell økning» i kostnader. Rapportering sier også at Meta og Amazon fjernet resultattavler for tokenbruk. 1
2 Det betyr ikke at AI ikke har verdi på jobb. Det viser at rått forbruk alene ikke kan dokumentere denne verdien.
Den rapporterte Meta-veiledningen fjerner AI-bruk fra vurderingene og ber ledere om ikke å bruke tokenantall eller dashbord for AI-adopsjon til å bedømme påvirkning. 7
9
I praksis flytter det vurderingsspørsmålet fra «Hvor mye AI brukte denne personen?» til «Hva leverte denne personen?»
En vurdering med vekt på bidrag kan blant annet handle om:
Den rapporterte formuleringen er viktig fordi samme resultat skal kunne gi uttelling enten AI har vært brukt som støtte, eller arbeidet er utført på andre måter. 7
9 AI er fortsatt et verktøy, men skal ikke lenger være selve poengtavlen.
Endringen i vurderingspraksis er ikke nødvendigvis en tilbaketrekning fra AI. Meta skal samtidig oppfordre ansatte til å teste Hatch, et prosjekt for en mer autonom AI-agent. 7
Det er en viktig forskjell. En agent som kan utføre handlinger på tvers av nettsteder og apper, er et annet produkt enn en chatbot som bare genererer tekst. Intern testing kan avdekke om agenten løser oppgaver korrekt, håndterer tilganger forsvarlig og gir en brukeropplevelse det er grunn til å stole på før en eventuell bredere lansering.
For et produkt som Hatch er det avgjørende ikke hvor mange tokens testerne bruker. Det relevante er om agenten gjennomfører nyttige oppgaver pålitelig, med tilstrekkelig brukerkontroll og uten feil, sikkerhetsproblemer eller kostbar oppfølging.
Metas rapporterte kursendring passer inn i en større bevegelse i teknologibransjen. Selskaper som først oppfordret ansatte til å bruke mest mulig AI, har møtt et vanskeligere spørsmål: Gir pengebruken målbare gevinster? Rapportering har beskrevet stigende AI-kostnader uten en tilsvarende produktivitetsvekst. Det har fått enkelte arbeidsgivere til å innføre grenser, budsjetter eller mer selektiv bruk. 1
10
11
For arbeidsgivere er en bedre tilnærming å behandle AI-innføring som et forsøk knyttet til konkrete resultater:
AI-bruksdata kan fortsatt være nyttige, særlig for kapasitetsplanlegging og kostnadskontroll. Men de er en dårlig erstatning for å vurdere en ansatts bidrag. Metas rapporterte endring bygger på nettopp dette skillet: Belønn virkningen av arbeidet, ikke mengden AI som ble brukt for å produsere det. 7
9
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
Meta skal ha sluttet å knytte medarbeidervurderinger til AI bruk og «AI Native» status.
Meta skal ha sluttet å knytte medarbeidervurderinger til AI bruk og «AI Native» status. Den nye retningen skal vektlegge hva ansatte faktisk leverer, ikke AI adopsjonsdashbord eller antall tokens.
Meta skal ha sluttet å knytte medarbeidervurderinger til AI bruk og «AI Native» status. Den nye retningen skal vektlegge hva ansatte faktisk leverer, ikke AI adopsjonsdashbord eller antall tokens.
Publisert avRedigert med GPT-5.6 TerraBilder generert med GPT Image 2
Research answer

Create 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 skal ha snudd i spørsmålet om AI i medarbeidervurderinger av en enkel grunn: Å bruke mer AI er ikke det samme som å gjøre bedre arbeid.
Tidlig i 2026 ble AI-bruk et synlig mål på arbeidsplassen hos flere teknologiselskaper. Hos Meta møtte ansatte etter det som er rapportert formuleringer om AI-bruk og «AI Native»-status, mens interne rangeringer av tokenbruk gjorde modellforbruk til en konkurranse. Atferden fikk navnet tokenmaxxing: å maksimere AI-tokenbruk for å styrke egen posisjon. 2
3
7
Meta skal nå ha fjernet AI-bruk og «AI Native»-status fra kriteriene i medarbeidervurderinger. Den nye tilnærmingen er ment å vurdere bidrag og resultater, enten arbeidet er støttet av AI eller oppnådd på andre måter. 7
9
Et token er en liten tekst- eller dataenhet som en AI-modell leser eller genererer. Målet kan være nyttig for å følge systembelastning og kostnader, men det er et svakt mål på en ansatts prestasjon.
En ansatt kan skrive flere instruksjoner, kjøre lengre oppgaver eller bruke en modell på arbeid med liten verdi uten at resultatet blir bedre, raskere, mer pålitelig eller mer nyttig for virksomheten. Når bruk blir koblet til anerkjennelse eller vurderinger, kan selve måltallet bli målet. Bransjerapportering har beskrevet hvordan ansatte kunne blåse opp AI-bruken for å påvirke rangeringer, samtidig som kostnadene ved å kjøre modellene økte raskt. 1
11
16
Det er hovedproblemet med tokenmaxxing: Det optimaliserer en stedfortreder for produktivitet, ikke produktiviteten i seg selv.
Meta skal ha fortalt ansatte at selskapet ville begrense AI-bruk etter en «eksponentiell økning» i kostnader. Rapportering sier også at Meta og Amazon fjernet resultattavler for tokenbruk. 1
2 Det betyr ikke at AI ikke har verdi på jobb. Det viser at rått forbruk alene ikke kan dokumentere denne verdien.
Den rapporterte Meta-veiledningen fjerner AI-bruk fra vurderingene og ber ledere om ikke å bruke tokenantall eller dashbord for AI-adopsjon til å bedømme påvirkning. 7
9
I praksis flytter det vurderingsspørsmålet fra «Hvor mye AI brukte denne personen?» til «Hva leverte denne personen?»
En vurdering med vekt på bidrag kan blant annet handle om:
Den rapporterte formuleringen er viktig fordi samme resultat skal kunne gi uttelling enten AI har vært brukt som støtte, eller arbeidet er utført på andre måter. 7
9 AI er fortsatt et verktøy, men skal ikke lenger være selve poengtavlen.
Endringen i vurderingspraksis er ikke nødvendigvis en tilbaketrekning fra AI. Meta skal samtidig oppfordre ansatte til å teste Hatch, et prosjekt for en mer autonom AI-agent. 7
Det er en viktig forskjell. En agent som kan utføre handlinger på tvers av nettsteder og apper, er et annet produkt enn en chatbot som bare genererer tekst. Intern testing kan avdekke om agenten løser oppgaver korrekt, håndterer tilganger forsvarlig og gir en brukeropplevelse det er grunn til å stole på før en eventuell bredere lansering.
For et produkt som Hatch er det avgjørende ikke hvor mange tokens testerne bruker. Det relevante er om agenten gjennomfører nyttige oppgaver pålitelig, med tilstrekkelig brukerkontroll og uten feil, sikkerhetsproblemer eller kostbar oppfølging.
Metas rapporterte kursendring passer inn i en større bevegelse i teknologibransjen. Selskaper som først oppfordret ansatte til å bruke mest mulig AI, har møtt et vanskeligere spørsmål: Gir pengebruken målbare gevinster? Rapportering har beskrevet stigende AI-kostnader uten en tilsvarende produktivitetsvekst. Det har fått enkelte arbeidsgivere til å innføre grenser, budsjetter eller mer selektiv bruk. 1
10
11
For arbeidsgivere er en bedre tilnærming å behandle AI-innføring som et forsøk knyttet til konkrete resultater:
AI-bruksdata kan fortsatt være nyttige, særlig for kapasitetsplanlegging og kostnadskontroll. Men de er en dårlig erstatning for å vurdere en ansatts bidrag. Metas rapporterte endring bygger på nettopp dette skillet: Belønn virkningen av arbeidet, ikke mengden AI som ble brukt for å produsere det. 7
9
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
Meta skal ha sluttet å knytte medarbeidervurderinger til AI bruk og «AI Native» status.
Meta skal ha sluttet å knytte medarbeidervurderinger til AI bruk og «AI Native» status. Den nye retningen skal vektlegge hva ansatte faktisk leverer, ikke AI adopsjonsdashbord eller antall tokens.