Meta, tokenmaxxing sonrası yapay zekâ kullanımını performans ölçütü olmaktan çıkardı

Meta’nın yön değiştirmesinin temel nedeni şu: Yapay zekâyı çok kullanmak, mutlaka daha iyi iş yapmak anlamına gelmiyor.

2026’nın ilk aylarında teknoloji şirketlerinde yapay zekâ kullanımı görünür bir işyeri metriğine dönüştü. Meta’da çalışanların yapay zekâ kullanımı ve “AI Native” statüsü üzerinden değerlendirildiği; şirket içindeki token kullanım sıralamalarının da rekabeti körüklediği bildirildi. Bu davranışa, olabildiğince fazla yapay zekâ token’ı tüketerek sıralamada öne çıkmayı anlatan tokenmaxxing adı verildi. 237

Token, bir üretken yapay zekâ modelinin okuduğu ya da ürettiği metnin küçük birimidir. Sistem kapasitesini ve maliyeti izlemek için yararlı olabilir; ancak çalışanın katkısını ölçmek için zayıf bir göstergedir.

Token sayısı neden kötü bir performans ölçütü?

Bir çalışan daha fazla istem yazabilir, daha uzun görevler çalıştırabilir veya düşük değerli işler için modeli kullanabilir. Bunların hiçbiri çıktının doğruluğunu, kalitesini, güvenilirliğini, teslim hızını ya da iş değerini otomatik olarak artırmaz.

Araç kullanımı ödül veya performans notuyla ilişkilendirildiğinde, ölçümün kendisi hedefe dönüşür. Sektör haberleri, bazı çalışanların iç sıralamaları etkilemek için yapay zekâ kullanımını şişirdiğini; buna karşılık şirketlerin çıkarım maliyetlerinin hızla yükseldiğini aktardı. 11116

Meta’nın çalışanlara maliyetlerde “üstel artış” gördüğü için yapay zekâ kullanımını sınırlayacağını söylediği bildirildi. Meta ve Amazon’un token kullanım sıralamalarını kaldırdığı da haberleştirildi. 12 Bu, yapay zekânın işyerinde değersiz olduğu anlamına gelmiyor; yalnızca ham tüketim verisinin tek başına değer kanıtı olmadığını gösteriyor.

Yeni değerlendirme sistemi neyi değiştirecek?

Meta’nın bildirildiğine göre güncellenen performans rehberi, değerlendirmelerde “yapay zekâ kullanımı” ve “AI Native” statüsüne yapılan vurguyu kaldırıyor. Yöneticilerin etkiyi ölçerken token toplamlarını veya yapay zekâ benimseme panolarını kullanmaması isteniyor. 79

Böylece değerlendirme sorusunun, “Bu kişi ne kadar yapay zekâ kullandı?” yerine “Bu kişi ne ortaya koydu?” sorusuna kayması hedefleniyor.

Katkı odaklı bir değerlendirmede öne çıkabilecek başlıklar şunlar olabilir:

• teslim edilen işin kalitesi ve doğruluğu,
• sistemlerin veya süreçlerin güvenilirliği ve sürdürülebilirliği,
• müşteri ya da şirket içi ekipler için fayda ve erişim,
• operasyonel veya ticari etki,
• yapay zekânın ne zaman yararlı olduğuna, ne zaman olmadığına ilişkin sağlıklı muhakeme.

Bildirilen yeni ifade özellikle önemli: Sonuç, ister yapay zekâ desteğiyle ister başka yöntemlerle elde edilmiş olsun, çalışanın katkısı olarak değerlendirilebilecek. 79 Yapay zekâ bir araç olarak kalıyor; ancak performans karnesinin kendisi olmaktan çıkarılıyor.

Meta, Hatch’i neden yine de test ediyor?

Performans politikası değişikliği, Meta’nın yapay zekâ stratejisinden geri çekildiği anlamına gelmiyor. Şirketin çalışanlarını Hatch adlı daha özerk yapay zekâ ajanını denemeye teşvik ettiği bildiriliyor. 7

Hatch, yalnızca metin üreten bir sohbet botundan farklı bir öneri sunuyor: Haberlerde aktarıldığı üzere web üzerinde araştırma yapabilen, form doldurabilen, alışveriş gerçekleştirebilen ve restoran rezervasyonu gibi çok adımlı çevrimiçi işleri yürütebilen bir ajan olarak tasarlanıyor. E-posta, takvim, Spotify, Instagram ve OpenTable gibi hizmetlerle bağlantı kurabildiği de bildirildi.

Bu tür bir üründe iç testin asıl değeri, tüketilen token sayısında değil; ajanın değerli görevleri doğru tamamlayıp tamamlamadığında yatar. Meta’nın olası daha geniş bir sunumdan önce izinleri güvenli yönetme, ödemeler ve hatalar karşısındaki davranış, kullanıcı kontrolü ve genel deneyim gibi konularda geri bildirim toplaması beklenir.

Hatch için kamuya açık bir lansman ve kesin fiyatlandırma Meta tarafından doğrulanmış değil. Ancak şirketin premium bir katman için aylık 199,99 ABD dolarına kadar fiyat seçeneklerini değerlendirdiği bildirildi. Böyle bir fiyat düzeyinde ürünün, denetim yükü ve hata riskine rağmen kullanıcıya somut fayda sağladığını göstermesi gerekir.

İşyerinde yapay zekâ için daha geniş ders

Meta’nın hamlesi, sektördeki daha genel bir yeniden değerlendirmeyle uyumlu. İlk aşamada çalışanları mümkün olduğunca çok yapay zekâ kullanmaya yönlendiren şirketler, şimdi şu daha zor soruya odaklanıyor: Bu harcama ölçülebilir bir verimlilik artışı yaratıyor mu?

Haberler, yükselen yapay zekâ maliyetlerinin her zaman paralel bir üretkenlik kazanımı getirmediğini gösteriyor. Bu nedenle bazı işverenler kullanım limitleri, bütçeler ve daha seçici kullanım senaryolarına yöneliyor. 11011

İşverenler açısından daha sağlam yaklaşım, yapay zekâ kullanımını bir tüketim yarışı değil, sonuç odaklı bir deneme olarak ele almak:

1. İyileşmesi beklenen işi açıkça tanımlamak.
2. Araç etkinliği yerine kaliteyi, zaman tasarrufunu, güvenilirliği ve maliyeti ölçmek.
3. Karar ve çıktı sorumluluğunu insanda tutmak.
4. Yapay zekâ destekli işi uygun bir yapay zekâsız temel düzeyle karşılaştırmak.
5. Gereksiz model kullanımını ödüllendiren teşvikleri kaldırmak.

Sonuç olarak token verisi, kapasite planlaması ve maliyet kontrolü için hâlâ yararlı olabilir. Fakat çalışan katkısının yerine geçebilecek bir ölçü değildir. Meta’nın bildirilen politika değişikliği de bu ayrımı kabul ediyor: Ödüllendirilmesi gereken, tüketilen yapay zekâ miktarı değil, işin ortaya çıkardığı etkidir. 79