Amazon MeshClaw và ‘tokenmaxxing’: khi điểm dùng AI khiến nhân viên tối ưu sai thứ

Vì sao câu chuyện này đáng chú ý

• MeshClaw được mô tả là sản phẩm AI nội bộ của Amazon, cho phép nhân viên tạo các agent có thể kết nối với phần mềm nơi làm việc và thực hiện tác vụ thay người dùng .
• Một số nhân viên Amazon được cho là dùng công cụ này cho các tác vụ không thiết yếu hoặc không thật sự cần AI, nhằm thể hiện mức độ sử dụng AI và tiêu thụ token cao hơn .
• Hành vi này khớp với xu hướng được gọi là tokenmaxxing: cố gắng tối đa hóa lượng token AI tiêu thụ vì con số đó trở thành tín hiệu nhìn thấy được về mức độ áp dụng AI, vị thế hoặc năng suất .
• Amazon được cho là đã nói thống kê token sẽ không được dùng trong đánh giá hiệu suất, nhưng mối lo của nhân viên là nhà quản lý vẫn có thể nhìn thấy và diễn giải mức dùng cao như bằng chứng họ đang tham gia tích cực vào làn sóng AI của công ty .

MeshClaw là gì?

Theo nhiều báo cáo, MeshClaw là công cụ AI nội bộ của Amazon cho phép nhân viên tạo tác tử AI. Các tác tử này có thể kết nối với phần mềm công việc và hoàn thành hoặc thực thi tác vụ thay cho người dùng . Nói cách khác, MeshClaw không chỉ là một chatbot để hỏi đáp hay viết nháp văn bản; điểm đáng chú ý nằm ở khả năng để agent hành động qua các công cụ làm việc đã được kết nối.

Chính khả năng đó khiến câu chuyện trở nên nhạy cảm hơn. Khi một hệ thống AI có thể thao tác trong môi trường làm việc, việc đo đếm hoạt động của nó rất dễ trở thành một loại bảng điểm. Nhưng nếu bảng điểm ấy bị dùng như mục tiêu, thay vì chỉ là tín hiệu quan sát, hành vi của con người cũng sẽ chạy theo bảng điểm.

Nhân viên được cho là đang làm gì?

Theo các báo cáo, hành vi cốt lõi khá đơn giản: một số nhân viên Amazon dùng MeshClaw hoặc các công cụ AI nội bộ liên quan cho những việc vốn không cần AI, bao gồm tác vụ thường nhật, nhỏ nhặt hoặc không thiết yếu . Retail Gazette, dẫn lại Financial Times, cho biết một số nhân viên nói đồng nghiệp đã dùng MeshClaw để tạo ra hoạt động AI không cần thiết nhằm tăng lượng token tiêu thụ . Times Now cũng mô tả việc nhân viên dùng bot ngay cả khi không cần, một phần để phát tín hiệu về mức hoạt động AI cao hơn với cấp quản lý .

Nói ngắn gọn: vấn đề không chỉ là nhân viên dùng AI để xử lý bài toán khó. Một số người được cho là dùng AI vì bản thân việc dùng AI đã trở thành thứ có thể nhìn thấy, đo được và so sánh được.

Tokenmaxxing: khi số token thành “điểm thi đua”

Token là đơn vị dữ liệu mà mô hình AI xử lý; trong câu chuyện Amazon, lượng token tiêu thụ được mô tả là số đơn vị dữ liệu đi qua mô hình . Một bài giải thích dẫn ước tính thô của OpenAI rằng một token tương ứng khoảng bốn ký tự, dù cách tách token có thể thay đổi theo mô hình và ngôn ngữ .

Vấn đề nằm ở chỗ: token rất dễ đo, còn năng suất thật thì khó đo hơn nhiều.

Một bản tóm tắt báo cáo của Financial Times nói Amazon đặt mục tiêu hơn 80% lập trình viên dùng AI hằng tuần và theo dõi mức sử dụng qua các bảng xếp hạng thể hiện lượng token tiêu thụ . Một báo cáo khác cho biết nhân viên cảm thấy áp lực lớn phải chứng minh mức dùng AI cao sau khi Amazon đặt mục tiêu và bắt đầu đo mức độ nhân viên sử dụng công nghệ này . Amazon được cho là nói các thống kê token đó sẽ không được dùng để chấm điểm hiệu suất, nhưng mối lo của nhân viên là nhà quản lý vẫn có thể nhìn thấy và coi trọng các con số này .

Đây là ví dụ điển hình của việc “chơi theo chỉ số”. Nếu lượng token trở thành điểm số nổi bật, nhân viên có thể tăng điểm bằng cách dùng AI thường xuyên hơn, kể cả khi công việc không cần đến AI. Computing UK mô tả tokenmaxxing là việc tiêu thụ càng nhiều token AI càng tốt để chứng minh mức sử dụng AI, đồng thời cảnh báo rằng dùng token như đại diện cho năng suất có thể vướng vào Goodhart’s Law: khi một thước đo trở thành mục tiêu, nó không còn là thước đo tốt nữa .

Vì sao Meta là phép so sánh hữu ích

Các báo cáo về Amazon không đứng riêng lẻ. Chúng giống một số tường thuật trước đó về bảng xếp hạng token tại các công ty công nghệ lớn, trong đó việc tiêu thụ token trở thành tín hiệu cho thấy ai là “người dùng AI quyền lực”.

Tại Meta, một kỹ sư được cho là đã tạo bảng xếp hạng nội bộ theo lượng token sử dụng, kèm các nhãn trạng thái như “Session Immortal” và “Token Legend” . Một số bản tóm tắt khác mô tả bảng xếp hạng tại Meta có tên Claudeonomics, xếp hạng nhân viên theo số token được xử lý và tạo ra . Gizmodo, dẫn lại một chuyên mục của New York Times, cho biết nhân viên tại các công ty gồm Meta và OpenAI cạnh tranh trên các bảng xếp hạng nội bộ theo số token mỗi người tiêu thụ, và khối lượng dùng AI đã trở thành một chỉ số trong đánh giá tại Meta và Shopify .

Điểm so sánh quan trọng không phải là mọi công ty đều dùng cùng một hệ thống. Bài học nằm ở động lực giống nhau: một khi mức dùng AI thô trở thành tín hiệu địa vị hoặc tín hiệu quản lý, con người có thể tối ưu cho khối lượng sử dụng thay vì kết quả hữu ích.

Những rủi ro Amazon đang đối mặt

1. Chỉ số năng suất có thể thưởng cho hoạt động, không phải giá trị

Lượng token cho thấy mô hình đã được gọi tới. Nó không cho thấy kết quả có đúng hay không, tác vụ có quan trọng hay không, hoặc nhân viên có thật sự tiết kiệm thời gian đáng kể hay không. Nhiều báo cáo và bài phân tích cảnh báo rằng chỉ số dựa trên token có thể thưởng cho khối lượng thay vì giá trị, đồng thời làm méo mó cách đánh giá hiệu suất .

2. Hoạt động AI không cần thiết có thể làm tăng chi phí

Nếu nhân viên tạo thêm hoạt động AI chỉ để tăng token, doanh nghiệp có thể phải trả tiền cho mức sử dụng mô hình không đem lại giá trị tương xứng. Retail Gazette cho biết một số nhân viên được nói là đã tăng lượng token tiêu thụ thông qua hoạt động không cần thiết . Các bình luận rộng hơn về tokenmaxxing cũng cảnh báo về những lệnh gọi mô hình lãng phí và chi phí đám mây bị đội lên khi token trở thành mục tiêu .

3. Áp lực vẫn tồn tại dù không đưa vào đánh giá chính thức

Amazon được cho là nói thống kê token AI sẽ không được dùng trong đánh giá hiệu suất . Nhưng điều đó không hoàn toàn xóa bỏ vấn đề động lực nếu nhân viên tin rằng nhà quản lý vẫn có thể nhìn thấy bảng điều khiển hoặc diễn giải mức dùng thấp là thiếu hưởng ứng AI. Nỗi lo được báo cáo không chỉ nằm ở chính sách chính thức, mà ở tín hiệu không chính thức: dùng token nhiều có thể trông như nhiệt tình, còn dùng ít có thể bị hiểu là tụt lại phía sau .

4. Công cụ agent đặt ra câu hỏi về quản trị và bảo mật

Các nguồn được trích dẫn ở đây không ghi nhận một sự cố bảo mật cụ thể liên quan đến MeshClaw. Mối lo mang tính cấu trúc hơn: MeshClaw được mô tả là công cụ cho phép tác tử AI kết nối với phần mềm công việc và thực hiện tác vụ thay người dùng . Bất kỳ hệ thống nào có năng lực như vậy cũng đặt ra câu hỏi về phân quyền, phê duyệt của con người, nhật ký kiểm toán và trách nhiệm nếu agent làm sai. Một báo cáo riêng về AI tác tử cũng lưu ý rằng khi agent AI thực hiện tác vụ tự động, hạ tầng tính toán và hệ thống bảo mật hỗ trợ sẽ chịu áp lực mới .

Đo mức độ áp dụng AI thế nào cho đỡ lệch?

Dữ liệu token không vô dụng. Nó có thể giúp theo dõi chi phí, lập kế hoạch năng lực hệ thống, phân bổ chi phí nội bộ hoặc phát hiện sử dụng bất thường. Vấn đề bắt đầu khi lượng token trở thành bảng xếp hạng năng suất hoặc thước đo cam kết với AI. Một bản tóm tắt cuộc tranh luận rộng hơn nêu rõ sự đánh đổi: chỉ số token giúp quản lý chi phí và phân bổ phí, nhưng cũng có thể tạo động lực xã hội đi chệch khỏi kết quả sản phẩm .

Một chương trình đo lường AI lành mạnh hơn nên xem token là tín hiệu nền, không phải đích đến. Các câu hỏi đáng hỏi hơn gồm:

• AI có rút ngắn thời gian xử lý một quy trình quan trọng không?
• Chất lượng đầu ra sau khi con người kiểm tra có tốt hơn không?
• Tỷ lệ lỗi, việc phải làm lại hoặc số vụ chuyển cấp hỗ trợ có giảm không?
• Chi phí cho mỗi kết quả được chấp nhận là bao nhiêu?
• Rủi ro bảo mật, quyền riêng tư và tuân thủ có được kiểm soát không?
• Nhân viên dùng AI vì nó giúp họ làm việc tốt hơn, hay vì họ cảm thấy mình đang bị theo dõi?

Kết luận

Câu chuyện MeshClaw là lời nhắc rằng quản trị AI không thể chỉ hỏi “đã dùng AI bao nhiêu?”. Câu hỏi khó hơn, nhưng quan trọng hơn, là “AI đã cải thiện điều gì?”. Khi bảng xếp hạng và mục tiêu thưởng cho lượng token tiêu thụ, nhân viên có thể tìm cách tiêu thụ nhiều token hơn. Điều đó có thể làm dashboard đẹp hơn, nhưng chưa chắc làm công việc tốt hơn.