Câu trả lờiĐã xuất bản18 nguồn
Vì sao Meta ngừng chấm điểm nhân viên theo mức dùng AI sau trào lưu “tokenmaxxing”
Meta được cho là đã ngừng gắn mức sử dụng AI và nhãn “AI Native” với đánh giá hiệu suất, vì số token khuyến khích việc tiêu thụ AI hơn là tạo ra kết quả tốt hơn. Hướng dẫn mới yêu cầu quản lý không dùng tổng token hay bảng điều khiển mức độ áp dụng AI để đánh giá tác động; Meta vẫn khuyến khích nhân viên thử Hatch,...
Đăng bởiBiên tập bằng GPT-5.6 TerraHình ảnh được tạo bằng GPT Image 2
Câu trả lời nghiên cứu
Bài học chính
- Meta được cho là đã ngừng gắn mức sử dụng AI và nhãn “AI Native” với đánh giá hiệu suất, vì số token khuyến khích việc tiêu thụ AI hơn là tạo ra kết quả tốt hơn.
- Hướng dẫn mới yêu cầu quản lý không dùng tổng token hay bảng điều khiển mức độ áp dụng AI để đánh giá tác động; Meta vẫn khuyến khích nhân viên thử Hatch, dự án tác nhân AI tự chủ.
Prompt AI
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 được cho là đổi hướng trong cách chấm hiệu suất vì một lý do quản trị rất cơ bản: dùng AI nhiều hơn không đồng nghĩa làm việc tốt hơn.
Đầu năm 2026, mức độ sử dụng AI trở thành một chỉ số dễ nhìn thấy tại một số công ty công nghệ. Ở Meta, nhân viên được cho là chịu áp lực xoay quanh việc dùng AI và trạng thái “AI Native”, trong khi các bảng xếp hạng token nội bộ biến việc tiêu thụ mô hình thành một cuộc đua. Hành vi tối đa hóa lượng token để cải thiện vị thế này được gọi là tokenmaxxing. 2
3
7
Theo các báo cáo, Meta hiện đã gỡ tiêu chí sử dụng AI và trạng thái “AI Native” khỏi đánh giá hiệu suất. Cách tiếp cận mới hướng tới chấm đóng góp và kết quả công việc, bất kể kết quả đó có được AI hỗ trợ hay được thực hiện bằng cách khác. 7
9
Vì sao số token là thước đo hiệu suất kém
Token là đơn vị văn bản mà mô hình AI xử lý. Chỉ số này có thể hữu ích để theo dõi nhu cầu vận hành và chi phí, nhưng lại yếu khi dùng để đo năng lực hay đóng góp của một nhân viên.
Một người có thể viết thêm prompt, chạy tác vụ dài hơn hoặc dùng mô hình cho công việc ít giá trị mà không cải thiện chất lượng, độ chính xác, tốc độ hay lợi ích kinh doanh của kết quả. Khi mức sử dụng gắn với sự ghi nhận hoặc đánh giá, bản thân chỉ số đó dễ trở thành mục tiêu. Các báo cáo trong ngành cho thấy nhân viên có thể thổi phồng mức dùng AI để “chơi” bảng xếp hạng, trong lúc chi phí suy luận tăng nhanh. 1
11
16
Đó là thất bại cốt lõi của tokenmaxxing: tối ưu một chỉ dấu thay thế cho năng suất, thay vì năng suất thực.
Meta được cho là đã thông báo sẽ hạn chế việc dùng AI sau khi chi phí tăng “theo cấp số nhân”; các báo cáo cũng cho biết Meta và Amazon đã gỡ các bảng xếp hạng mức sử dụng token. 1
2 Điều này không có nghĩa AI không đem lại giá trị trong công việc. Nó chỉ cho thấy lượng tiêu thụ thô, tự nó, không chứng minh được giá trị ấy.
Đánh giá theo đóng góp sẽ thay đổi điều gì?
Hướng dẫn được đưa tin của Meta loại mức sử dụng AI khỏi đánh giá và yêu cầu quản lý không sử dụng tổng token hoặc bảng điều khiển mức độ áp dụng AI để phán xét tác động của nhân viên. 7
9
Nói ngắn gọn, câu hỏi trong buổi đánh giá cần chuyển từ “Người này đã dùng AI bao nhiêu?” sang “Người này đã tạo ra kết quả gì?”
Một cách đánh giá tập trung vào đóng góp có thể xem xét:
- chất lượng và độ chính xác của sản phẩm bàn giao;
- độ tin cậy, khả năng bảo trì của hệ thống hoặc quy trình;
- mức độ hữu ích đối với khách hàng hay các nhóm nội bộ;
- tác động về kinh doanh hoặc vận hành; và
- khả năng phán đoán khi lựa chọn lúc nào AI hữu ích, lúc nào không.
Điểm đáng chú ý trong cách diễn đạt được báo cáo là: cùng một kết quả vẫn được ghi nhận, dù có AI hỗ trợ hay được hoàn thành bằng phương pháp khác. 7
9 AI vẫn là công cụ, nhưng không còn được cho là bảng điểm.
Vì sao Meta vẫn thử nghiệm Hatch?
Việc thay đổi chính sách đánh giá không nhất thiết là Meta rút lui khỏi AI. Công ty này vẫn được cho là khuyến khích nhân viên thử Hatch, một dự án tác nhân AI có mức tự chủ cao hơn. 7
Sự khác biệt nằm ở điều cần đo lường. Một tác nhân có thể thực hiện hành động trên website và ứng dụng là một đề xuất sản phẩm khác đáng kể so với chatbot chỉ tạo văn bản. Thử nghiệm nội bộ có thể giúp xác định liệu tác nhân có hoàn thành tác vụ chính xác, xử lý quyền truy cập an toàn và mang lại trải nghiệm đủ đáng tin trước khi được phát hành rộng rãi hay không.
Với Hatch, bằng chứng hữu ích không phải là người thử nghiệm đã tiêu thụ bao nhiêu token. Điều quan trọng là tác nhân có hoàn tất ổn định một tác vụ có giá trị, với mức kiểm soát phù hợp của người dùng, mà không gây lỗi, rủi ro bảo mật hoặc đòi hỏi giám sát tốn kém hay không.
Bài học rộng hơn cho AI tại nơi làm việc
Sự điều chỉnh được báo cáo ở Meta phù hợp với chuyển dịch rộng hơn trong ngành. Những công ty từng khuyến khích nhân viên dùng AI càng nhiều càng tốt đang phải đối mặt với câu hỏi khó hơn: khoản chi đó có tạo ra lợi ích đo lường được không? Nhiều báo cáo mô tả chi phí AI tăng nhưng năng suất không tăng tương xứng, khiến một số doanh nghiệp chuyển sang giới hạn, đặt ngân sách hoặc triển khai có chọn lọc hơn. 1
10
11
Với doanh nghiệp, cách tiếp cận phù hợp hơn là xem việc áp dụng AI như một thử nghiệm gắn với kết quả:
- Xác định rõ công việc nào cần được cải thiện.
- Đo chất lượng, thời gian tiết kiệm được, độ tin cậy và chi phí — không chỉ đo hoạt động trên công cụ.
- Duy trì trách nhiệm của con người đối với quyết định và đầu ra.
- So sánh công việc có AI hỗ trợ với một mốc đối chiếu phù hợp không dùng AI.
- Loại bỏ các động lực khuyến khích sử dụng mô hình không cần thiết.
Dữ liệu về mức dùng AI vẫn có ích cho vận hành, nhất là lập kế hoạch năng lực và kiểm soát chi phí. Nhưng nó là sự thay thế kém cho việc đánh giá đóng góp của nhân viên. Chính sách được báo cáo của Meta thể hiện ranh giới đó: nên ghi nhận tác động của công việc, không phải lượng AI đã tiêu thụ để tạo ra nó. 7
9
Studio Global AI
Tiếp tục nghiên cứu của bạn
Trang này bao gồm câu trả lời dựa trên nguồn mà bạn có thể tiếp tục bên trong Studio Global.
Người ta cũng hỏi
Câu trả lời ngắn gọn cho "Vì sao Meta ngừng chấm điểm nhân viên theo mức dùng AI sau trào lưu “tokenmaxxing”" là gì?
Meta được cho là đã ngừng gắn mức sử dụng AI và nhãn “AI Native” với đánh giá hiệu suất, vì số token khuyến khích việc tiêu thụ AI hơn là tạo ra kết quả tốt hơn.
Những điểm chính cần xác nhận đầu tiên là gì?
Meta được cho là đã ngừng gắn mức sử dụng AI và nhãn “AI Native” với đánh giá hiệu suất, vì số token khuyến khích việc tiêu thụ AI hơn là tạo ra kết quả tốt hơn. Hướng dẫn mới yêu cầu quản lý không dùng tổng token hay bảng điều khiển mức độ áp dụng AI để đánh giá tác động; Meta vẫn khuyến khích nhân viên thử Hatch, dự án tác nhân AI tự chủ.
Nguồn
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