Meta odchodzi od ocen za używanie AI po erze „tokenmaxxingu”

Meta, według doniesień, wycofała się z oceniania pracowników na podstawie użycia AI, ponieważ częstsze korzystanie z modelu nie musi oznaczać lepszej pracy.

Na początku 2026 r. w części firm technologicznych wykorzystanie AI stało się widocznym wskaźnikiem w miejscu pracy. W Mecie pracownicy mieli być oceniani m.in. przez pryzmat korzystania z AI oraz statusu „AI Native”, a wewnętrzne rankingi zużycia tokenów zamieniły korzystanie z modeli w rywalizację. Tak narodził się „tokenmaxxing” — maksymalizowanie liczby użytych tokenów, aby poprawić swoją pozycję. 237

Meta miała następnie usunąć użycie AI i status „AI Native” z kryteriów oceny okresowej. Zamiast tego firma chce oceniać wkład pracownika i osiągnięte efekty — niezależnie od tego, czy w pracy pomagała sztuczna inteligencja, czy wykorzystano inne metody. 79

Dlaczego liczba tokenów okazała się złym miernikiem

Token to fragment tekstu przetwarzany przez model AI. Ten wskaźnik może pomagać mierzyć obciążenie systemu i koszty, ale słabo nadaje się do oceny jakości pracy człowieka.

Pracownik może wysyłać więcej poleceń, uruchamiać dłuższe zadania albo wykorzystywać model do mało istotnych czynności — bez poprawy jakości, rzetelności, szybkości czy wartości biznesowej rezultatu. Gdy samo użycie narzędzia zostaje powiązane z uznaniem lub oceną, wskaźnik łatwo staje się celem samym w sobie. Relacje z branży opisywały zawyżanie użycia AI, by poprawić pozycję w rankingach, przy jednoczesnym szybkim wzroście kosztów inferencji, czyli działania modeli. 11116

Na tym polega podstawowy problem tokenmaxxingu: optymalizuje on zastępczy wskaźnik produktywności, a nie produktywność.

Meta miała zapowiedzieć ograniczenie użycia AI po „wykładniczym wzroście” kosztów. Z doniesień wynika też, że Meta i Amazon usunęły rankingi zużycia tokenów. 12 Nie oznacza to, że AI nie ma wartości w pracy. Oznacza natomiast, że sama skala jej użycia nie dowodzi tej wartości.

Co zmienia ocena oparta na wkładzie

Według opisywanych wytycznych Meta usuwa użycie AI z ocen i poleca menedżerom, by nie wykorzystywali liczby tokenów ani paneli śledzących adopcję AI do oceny wpływu pracownika. 79

W praktyce pytanie w ocenie ma się przesunąć z: „Ile AI użył ten pracownik?” na: „Co ten pracownik dostarczył?”

Ocena oparta na wkładzie może koncentrować się na takich kwestiach jak:

• jakość i poprawność wykonanego zadania;
• niezawodność i łatwość utrzymania systemów lub procesów;
• użyteczność dla klientów albo zespołów wewnętrznych;
• wpływ biznesowy lub operacyjny;
• trafność osądu, kiedy AI pomaga, a kiedy nie jest potrzebna.

Istotne jest to, że ten sam rezultat ma być uznawany niezależnie od tego, czy został osiągnięty z pomocą AI, czy inną drogą. 79 Sztuczna inteligencja pozostaje narzędziem, ale nie powinna już być tabelą wyników.

Dlaczego Meta nadal testuje Hatch

Zmiana polityki ocen nie musi oznaczać odwrotu od wdrażania AI. Meta ma też zachęcać pracowników do testowania Hatcha — projektu bardziej autonomicznego agenta AI. 7

To rozróżnienie ma sens: agent, który potrafi wykonywać działania w serwisach internetowych i aplikacjach, jest inną propozycją niż chatbot generujący wyłącznie tekst. Testy wewnętrzne mogą pokazać, czy agent poprawnie realizuje zadania, bezpiecznie obsługuje uprawnienia oraz oferuje doświadczenie, któremu użytkownicy mogą zaufać, zanim produkt trafi ewentualnie szerzej do odbiorców.

W przypadku takiego narzędzia jak Hatch miarodajne nie jest to, ile tokenów zużywają testerzy. Liczy się, czy agent niezawodnie wykonuje wartościowe zadanie, daje użytkownikowi odpowiednią kontrolę i nie powoduje błędów, problemów z bezpieczeństwem ani kosztownej potrzeby stałego nadzoru.

Szersza lekcja dla AI w miejscu pracy

Zmiana w Mecie wpisuje się w szerszy zwrot w branży. Firmy, które początkowo zachęcały załogę do jak najintensywniejszego korzystania z AI, mierzą się teraz z trudniejszym pytaniem: czy te wydatki przynoszą wymierne korzyści? Doniesienia opisywały rosnące koszty AI bez odpowiadającego im wzrostu produktywności, co skłania część pracodawców do limitów, budżetów lub bardziej selektywnego wdrażania narzędzi. 11011

Dla pracodawców lepszym podejściem jest traktowanie wdrażania AI jako eksperymentu powiązanego z rezultatami:

1. Określić, która część pracy ma się poprawić.
2. Mierzyć jakość, oszczędność czasu, niezawodność i koszt — nie tylko aktywność w narzędziu.
3. Zachować ludzką odpowiedzialność za decyzje i rezultaty.
4. Porównywać pracę wspieraną przez AI z odpowiednim punktem odniesienia bez AI.
5. Nie tworzyć zachęt do niepotrzebnego zużycia modeli.

Dane o użyciu AI nadal mogą być przydatne operacyjnie, zwłaszcza do planowania mocy i kontroli kosztów. Nie są jednak dobrym zamiennikiem oceny wkładu pracownika. Zgłaszana zmiana polityki Mety opiera się właśnie na tym rozróżnieniu: nagradzać wpływ wykonanej pracy, a nie ilość AI zużytej do jej wykonania. 79