ОтветыОпубликовано18 источники
Почему Meta отказалась оценивать сотрудников по объёму использования ИИ
Meta, по сообщениям СМИ, исключила использование ИИ и статус AI Native из критериев оценки: гонка за токенами поощряла потребление, а не качество и результат работы.[7][9] Новый подход должен оценивать вклад и достигнутый эффект, а не показатели токенов и дашборды внедрения ИИ.
ОпубликовалОтредактировано с помощью GPT-5.6 TerraИзображения созданы с помощью GPT Image 2
Ответ на исследование
Ключевые выводы
- Meta, по сообщениям СМИ, исключила использование ИИ и статус AI Native из критериев оценки: гонка за токенами поощряла потребление, а не качество и результат работы.[7][9]
- Новый подход должен оценивать вклад и достигнутый эффект, а не показатели токенов и дашборды внедрения ИИ.
Промпт ИИ
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, по сообщениям СМИ, отказалась привязывать оценку сотрудников к использованию ИИ и статусу AI Native по простой причине: активно пользоваться нейросетью — не то же самое, что хорошо выполнять работу.
В начале 2026 года в технологических компаниях использование ИИ стало заметным рабочим показателем. В Meta обсуждались критерии, связанные с применением ИИ и статусом AI Native, а внутренние рейтинги потребления токенов превратили работу с моделями в соревнование. Так возникло явление, получившее название tokenmaxxing — стремление расходовать как можно больше токенов ИИ ради более выгодной позиции внутри компании. 2
3
7
Теперь Meta, как сообщается, убрала использование ИИ и статус AI Native из критериев аттестации. Предполагается, что оцениваться будет вклад сотрудника и результат его работы — вне зависимости от того, помогал ли ему ИИ или задача была выполнена иными способами. 7
9
Почему число токенов — плохой показатель работы
Токен — это единица текста, которую ИИ-модель обрабатывает при чтении или генерации ответа. Такой показатель может быть полезен для учёта нагрузки на инфраструктуру и расходов, но он слабо говорит о качестве работы конкретного сотрудника.
Можно написать больше запросов, запускать более длинные задачи или поручать модели второстепенную работу — и при этом не улучшить точность, скорость, надёжность либо ценность результата. Когда потребление ИИ связывают с признанием или аттестацией, сама метрика легко становится целью. В отрасли сообщалось о попытках искусственно наращивать использование ИИ ради рейтингов, тогда как расходы на выполнение запросов быстро росли. 1
11
16
В этом и состоит изъян токенмаксинга: он оптимизирует косвенный показатель продуктивности, а не продуктивность как таковую.
Meta сообщила сотрудникам, что намерена ограничить использование ИИ после «экспоненциального роста» затрат; по данным СМИ, Meta и Amazon также убрали рейтинги по потреблению токенов. 1
2 Это не означает, что ИИ перестал быть полезным рабочим инструментом. Скорее, объём его использования сам по себе не доказывает ценность результата.
Что меняют аттестации, ориентированные на вклад
Согласно сообщениям о новых правилах Meta, менеджерам предписано не использовать суммарное число токенов и дашборды внедрения ИИ для оценки влияния сотрудника на результат. 7
9
Иными словами, главный вопрос при оценке должен сместиться с «Сколько ИИ использовал этот человек?» на «Какой результат он обеспечил?»
На практике такая оценка может учитывать:
- качество и корректность выполненной работы;
- надёжность и поддерживаемость систем или процессов;
- полезность результата для клиентов или внутренних команд;
- операционный либо бизнес-эффект;
- обоснованность решения о том, когда ИИ действительно помогает, а когда он не нужен.
Существенна и формулировка новых правил: один и тот же результат может быть засчитан независимо от того, был ли он достигнут с помощью ИИ или другими средствами. 7
9 ИИ остаётся инструментом, но больше не должен быть табелем успеваемости.
Почему Meta всё равно тестирует Hatch
Изменение правил аттестации не обязательно означает отход Meta от внедрения ИИ. Компания также, как сообщается, предлагает сотрудникам тестировать Hatch — проект более автономного ИИ-агента. 7
Здесь речь идёт о другом типе продукта. Агент, способный выполнять действия на сайтах и в приложениях, отличается от чат-бота, который только генерирует текст. Внутреннее тестирование позволяет проверить, насколько точно такой инструмент справляется с задачами, безопасно ли обрабатывает разрешения и создаёт ли опыт, которому пользователи смогут доверять, до возможного более широкого запуска.
Для Hatch важен не объём токенов, израсходованных тестировщиками. Гораздо важнее, способен ли агент стабильно решать полезную задачу при достаточном контроле со стороны пользователя — без ошибок, рисков для безопасности и постоянной дорогостоящей проверки.
Более широкий урок для компаний
Смена подхода Meta укладывается в общий сдвиг в технологическом секторе. Компании, которые сначала призывали сотрудников использовать ИИ как можно активнее, столкнулись с более сложным вопросом: создают ли эти расходы измеримый эффект? В отрасли сообщалось о росте затрат на ИИ без сопоставимого роста производительности, из-за чего работодатели начали вводить лимиты, бюджеты или применять инструменты более избирательно. 1
10
11
Для работодателей разумнее рассматривать внедрение ИИ как эксперимент, привязанный к результату:
- Определить, какую именно работу необходимо улучшить.
- Измерять качество, экономию времени, надёжность и стоимость, а не только активность в инструменте.
- Сохранять ответственность человека за решения и итоговый результат.
- Сравнивать работу с ИИ с подходящей базовой версией процесса без ИИ.
- Не создавать стимулы для ненужного потребления ресурсов модели.
Данные об использовании ИИ по-прежнему могут быть полезны — например, для планирования мощности инфраструктуры и контроля расходов. Но они плохо заменяют оценку вклада сотрудника. Судя по сообщениям о новой политике Meta, компания проводит именно эту границу: вознаграждать следует за влияние работы на результат, а не за количество ИИ-ресурсов, потраченных на её выполнение. 7
9
Studio Global AI
Продолжайте свое исследование
На этой странице есть ответ, подтвержденный источником, который вы можете продолжить внутри Studio Global.
Люди также спрашивают
Каков краткий ответ на вопрос «Почему Meta отказалась оценивать сотрудников по объёму использования ИИ»?
Meta, по сообщениям СМИ, исключила использование ИИ и статус AI Native из критериев оценки: гонка за токенами поощряла потребление, а не качество и результат работы.[7][9]
Какие ключевые моменты необходимо проверить в первую очередь?
Meta, по сообщениям СМИ, исключила использование ИИ и статус AI Native из критериев оценки: гонка за токенами поощряла потребление, а не качество и результат работы.[7][9] Новый подход должен оценивать вклад и достигнутый эффект, а не показатели токенов и дашборды внедрения ИИ.
Источники
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