Meta slutar betygsätta AI-användning efter tokenmaxxing

Meta tycks ha dragit en enkel men viktig slutsats: att använda mer AI är inte samma sak som att göra ett bättre jobb.

Tidigare under 2026 blev AI-användning ett synligt mått på arbetsplatsen hos flera teknikbolag. På Meta förekom enligt rapporteringen formuleringar om AI-användning och statusen ”AI Native”, medan interna topplistor över tokenanvändning bidrog till att göra konsumtionen av AI-modeller till en tävling. Beteendet fick namnet tokenmaxxing: att maximera användningen av AI-tokens för att stärka sin ställning. 237

Meta har nu enligt uppgifter tagit bort AI-användning och ”AI Native”-status från kriterierna i prestationsbedömningar. I stället ska bolaget bedöma medarbetarens bidrag och resultat, oavsett om arbetet har fått stöd av AI eller gjorts på andra sätt. 79

Därför blev tokenantal ett dåligt prestationsmått

En token är en mindre textenhet som en AI-modell läser eller genererar. Måttet kan vara användbart för att följa systembelastning och kostnader, men det säger väldigt lite om en enskild medarbetares prestation.

En person kan skriva fler prompter, köra längre uppgifter eller använda en modell till arbete med låg nytta utan att resultatet blir mer korrekt, snabbare, mer tillförlitligt eller mer värdefullt. När användning kopplas till uppskattning eller utvärderingar riskerar måttet att bli själva målet. Branschrapportering har beskrivit hur anställda blåste upp sin AI-användning för att klättra i rankningar, samtidigt som bolagens kostnader för AI-körningar steg snabbt. 11116

Det är kärnproblemet med tokenmaxxing: det optimerar en indikator på produktivitet, snarare än produktiviteten i sig.

Meta uppgav enligt rapportering att bolaget skulle begränsa AI-användningen efter en ”exponentiell ökning” av kostnaderna. Meta och Amazon ska också ha tagit bort topplistor över tokenanvändning. 12 Det betyder inte att AI saknar värde på jobbet. Det visar snarare att ren förbrukning inte på egen hand bevisar något värde.

Resultat ska väga tyngre än verktygsanvändning

Enligt de rapporterade riktlinjerna ska chefer på Meta inte använda tokenantal eller instrumentpaneler för AI-användning för att bedöma en persons genomslag. 79

I praktiken flyttas frågan från ”Hur mycket AI använde personen?” till ”Vad åstadkom personen?”

En bedömning med fokus på bidrag kan exempelvis väga in:

• kvaliteten och riktigheten i leveransen,
• systemens eller processernas driftsäkerhet och underhållbarhet,
• nyttan för kunder eller interna team,
• verksamhetsmässig eller operativ effekt, samt
• gott omdöme om när AI är ett stöd – och när det inte är det.

Den rapporterade formuleringen är betydelsefull eftersom samma resultat ska kunna räknas som en prestation oavsett om AI har använts eller inte. 79 AI finns alltså kvar som verktyg, men ska inte längre fungera som poängtavla.

Varför Meta ändå testar Hatch

Förändringen i utvärderingarna behöver inte betyda att Meta backar från AI. Bolaget uppmuntrar enligt uppgifter fortfarande anställda att testa Hatch, ett projekt med en mer autonom AI-agent. 7

Skillnaden är viktig. En agent som kan utföra handlingar på webbplatser och i appar är en helt annan produktidé än en chattbot som enbart producerar text. Intern testning kan ge Meta underlag för att se om agenten löser uppgifter korrekt, hanterar behörigheter säkert och erbjuder en användarupplevelse som människor faktiskt kan lita på innan en eventuell bredare lansering.

För Hatch är det relevanta måttet därför inte hur många tokens testarna använder. Det är om agenten pålitligt kan genomföra en värdefull uppgift, med rimlig kontroll för användaren och utan fel, säkerhetsproblem eller dyrt behov av mänsklig övervakning.

En bredare lärdom för AI på jobbet

Metas rapporterade kursändring passar in i en större rörelse i teknikbranschen. Företag som först uppmanade personalen att använda så mycket AI som möjligt har ställts inför en svårare fråga: ger utgifterna mätbara förbättringar? Rapportering har beskrivit stigande AI-kostnader utan motsvarande produktivitetslyft, vilket har fått vissa arbetsgivare att införa begränsningar, budgetar eller mer selektiv användning. 11011

För arbetsgivare är en bättre metod att behandla AI-användning som ett försök kopplat till konkreta resultat:

1. Bestäm vilket arbete som ska förbättras.
2. Mät kvalitet, tidsbesparing, tillförlitlighet och kostnad – inte bara aktivitet i verktyget.
3. Behåll mänskligt ansvar för beslut och leveranser.
4. Jämför AI-stött arbete med en rimlig nivå utan AI.
5. Ta bort incitament som belönar onödig användning av modeller.

AI-data kan fortfarande vara praktisk för kapacitetsplanering och kostnadskontroll. Men den är en dålig ersättning för att bedöma en medarbetares bidrag. Metas rapporterade förändring bygger på just den skillnaden: belöna arbetets effekt, inte mängden AI som förbrukades för att skapa den. 79