MeshClaw в Amazon и tokenmaxxing: когда счётчик ИИ-активности даёт обратный эффект

Главное

• MeshClaw описывается как внутренняя ИИ-платформа Amazon, позволяющая сотрудникам создавать агентов, которые подключаются к рабочим приложениям и выполняют задачи от имени пользователя .
• Некоторые сотрудники Amazon, как сообщается, используют такие инструменты для несущественных или ненужных задач, чтобы продемонстрировать более высокий уровень использования ИИ и расхода токенов .
• Этот паттерн укладывается в более широкий тренд tokenmaxxing, или «токенмаксинга»: максимизации потребления ИИ-токенов, потому что объём токенов стал видимым сигналом внедрения ИИ, статуса или продуктивности .
• Amazon, как сообщается, заявляла, что статистика по токенам не будет использоваться при оценке эффективности сотрудников, но опасение работников в том, что менеджеры всё равно могут видеть и ценить высокие показатели использования .

Что такое MeshClaw

Согласно нескольким сообщениям, MeshClaw — это не просто чат-бот. Инструмент позволяет сотрудникам Amazon создавать ИИ-агентов, которые могут подключаться к рабочему программному обеспечению и выполнять задачи от имени пользователей . Иными словами, речь идёт не только о генерации текста, а о системах, способных делать шаги внутри подключённых рабочих сервисов.

Именно поэтому история важна шире, чем один внутренний продукт Amazon. Когда ИИ-инструмент может действовать через корпоративные приложения, у менеджмента появляется соблазн измерять его активность. Но если эта активность превращается в целевой показатель, метрика может начать жить отдельной жизнью.

Что, по сообщениям, делают сотрудники

Описанное поведение довольно прямолинейно: часть работников Amazon, как сообщается, использует MeshClaw или связанные внутренние ИИ-инструменты для задач, которым ИИ, по сути, не нужен, — рутинных, мелких или необязательных . Retail Gazette со ссылкой на Financial Times писала, что сотрудники рассказывали о коллегах, которые создавали ненужную ИИ-активность, чтобы увеличить расход токенов . Times Now также описывала ситуацию как использование ботов даже тогда, когда необходимости в них нет, в том числе чтобы показать менеджерам более высокую ИИ-активность .

То есть речь не только о том, что сотрудники осваивают ИИ для решения более сложных задач. По сообщениям, часть активности возникает потому, что само использование ИИ стало видимым сигналом.

Почему цели и лидерборды рождают tokenmaxxing

Токен — это единица данных, которую обрабатывает ИИ-модель; в сообщениях об истории Amazon расход токенов описывается именно как объём данных, прошедших через модель . В объяснениях OpenAI приводится грубая оценка: один токен соответствует примерно четырём символам, хотя на практике это лишь ориентир .

С токенами есть простая управленческая проблема: их легко посчитать. А вот реальную продуктивность — куда сложнее.

В одном из пересказов отчёта Financial Times говорится, что Amazon поставила цель: более 80% разработчиков должны использовать ИИ еженедельно, а использование отслеживалось через лидерборды с показателями расхода токенов . Другой материал сообщает, что сотрудники почувствовали сильное давление после того, как Amazon установила цели и начала измерять, насколько активно персонал пользуется технологией . При этом Amazon, как сообщается, заявляла, что статистика по токенам не будет использоваться при оценке эффективности, но беспокойство работников связано с тем, что менеджеры всё равно могут видеть эти цифры и воспринимать их как признак вовлечённости в ИИ-повестку .

Это классическая проблема «игры с метрикой». Если расход токенов становится видимым счётом, его можно поднять, просто чаще используя ИИ — даже когда задача этого не требует. Computing UK описывает tokenmaxxing как стремление потреблять как можно больше ИИ-токенов, чтобы продемонстрировать использование ИИ, и связывает риск с законом Гудхарта: когда показатель становится целью, он перестаёт быть хорошим показателем .

Почему сравнение с Meta здесь полезно

Сообщения об Amazon не выглядят полностью изолированным случаем. Они напоминают более ранние публикации о токен-лидербордах в компаниях вроде Meta, где расход токенов становился маркером статуса ИИ-пользователя.

В Meta, как сообщалось, инженер создал внутренний лидерборд, ранжировавший сотрудников по расходу токенов и присваивавший статусные метки вроде «Session Immortal» и «Token Legend» . Другие пересказывали историю о лидерборде Meta под названием Claudeonomics, где сотрудников ранжировали по числу обработанных и сгенерированных токенов . Gizmodo, пересказывая колонку New York Times, писало, что сотрудники компаний, включая Meta и OpenAI, соревновались во внутренних лидербордах по количеству потреблённых токенов, а объём использования ИИ стал метрикой при оценке сотрудников в Meta и Shopify .

Смысл сравнения не в том, что все компании используют одинаковую систему. Важно другое: один и тот же стимул может возникнуть где угодно. Как только «сырой» объём использования ИИ становится знаком статуса или управленческим сигналом, сотрудники могут начать оптимизировать объём, а не пользу.

Какие риски видны в этой истории

1. Метрика активности может подменить ценность

Расход токенов показывает, что модель использовали. Он не показывает, была ли задача важной, был ли результат корректным, сколько времени реально сэкономлено и стало ли решение лучше после проверки человеком. Объяснения tokenmaxxing предупреждают, что токенные метрики могут вознаграждать объём вместо ценности и искажать оценку эффективности .

2. Ненужная ИИ-активность означает лишние расходы

Если сотрудники создают запросы и запускают агентов просто для роста показателя, компания оплачивает вычисления, которые могут не приносить заметной бизнес-пользы. Retail Gazette сообщала, что некоторые сотрудники, по словам источников Financial Times, повышали расход токенов через ненужную активность . Более широкий разбор tokenmaxxing также предупреждает о расточительных вызовах моделей и росте облачных расходов, когда расход токенов становится целью .

3. Давление может сохраняться даже без формального KPI

Формально Amazon, как сообщается, заявляла, что токенная статистика не будет использоваться в performance reviews — оценках эффективности сотрудников . Но это не полностью убирает стимул: если работники считают, что менеджеры видят дашборды использования и могут трактовать низкую активность как сопротивление ИИ-внедрению, они всё равно будут стараться выглядеть активнее. В этой истории тревога связана не только с официальной политикой, но и с неформальным сигналом: высокий расход токенов может выглядеть как энтузиазм, низкий — как отставание .

4. ИИ-агенты поднимают вопросы контроля и безопасности

Процитированные источники не описывают конкретный инцидент безопасности MeshClaw. Риск здесь структурный: MeshClaw, по сообщениям, создан для того, чтобы агенты подключались к рабочему ПО и выполняли задачи от имени пользователей . Любая такая система сразу выводит на вопросы прав доступа, человеческой проверки, журналов аудита и ответственности за ошибочные действия агента. Отдельные публикации об агентном ИИ также отмечают, что по мере автономного выполнения задач ИИ-агентами растёт нагрузка на вычислительную инфраструктуру и системы безопасности .

Что стоило бы измерять вместо «сколько токенов сожгли»

Данные о токенах сами по себе не бесполезны. Они помогают видеть расходы, планировать мощности, распределять затраты между командами и отслеживать аномалии. Проблема начинается, когда расход токенов становится табло продуктивности или лояльности к ИИ-курсу. Один из обзоров этой дискуссии формулирует дилемму так: токенные метрики полезны для контроля затрат, но могут создавать социальные стимулы, которые расходятся с продуктовыми результатами .

Более здоровая система оценки внедрения ИИ должна задавать другие вопросы:

• сократилось ли время выполнения значимого рабочего процесса;
• улучшилось ли качество результата после проверки человеком;
• снизились ли дефекты, переделки или эскалации в поддержку;
• сколько стоит один принятый, полезный результат;
• контролируются ли риски безопасности, приватности и соответствия требованиям;
• используют ли сотрудники ИИ потому, что он помогает, или потому, что чувствуют наблюдение.

Итог

История MeshClaw — предупреждение для компаний, которые торопятся «внедрить ИИ» и хотят видеть это в цифрах. Вопрос «сколько ИИ вы использовали?» слабее вопроса «что ИИ улучшил?». Если цели и лидерборды вознаграждают расход токенов, сотрудники найдут способы расходовать токены. Дашборд от этого может выглядеть лучше, но сама работа — не обязательно.