AI 用得愈多，工作就一定做得愈好嗎？Amazon 工程主管給出的答案是：不一定。由 Amazon Worldwide Amazon Stores 副總裁暨傑出工程師 Terk Terkowitz 撰寫的備忘錄，9 月先在內部流傳，並於 10 月 27 日公開；核心主張是，工程師的角色與成果，不應由使用了多少 AI 來定義。1320

「文藝復興開發者」看重的是成果

備忘錄以「文藝復興開發者」（Renaissance Developer）描述 AI 時代的工程師：善用 AI 工具，同時結合人類判斷與領域知識，創造新的事物。重點不是每項工作都得套用 AI，而是先理解問題，再判斷什麼工具合適、能否帶來實際價值。1020

因此，如果現有 AI 工具對某項工作沒有幫助，工程師應說明原因。備忘錄將這種情況視為「一項發現，而非一次失敗」——不是要求大家為了看起來跟上趨勢而硬用 AI，而是鼓勵團隊認清工具目前的適用範圍。1020

這套指引也談到軟體開發經理的角色：主管不應把使用 AI 的活動量直接當成績效，而要協助團隊把注意力放在有用的成果上。531

為什麼要避免「tokenmaxxing」？

「Token」是 AI 模型處理文字時使用的基本單位；「tokenmaxxing」則是刻意把 AI token 用量拉高，當成採用 AI 的表現。Amazon 提醒，token 數、AI 工具採用率、程式碼變更、程式碼審查次數或程式碼行數，都不適合單獨拿來衡量工程生產力。這些數字能顯示投入或活動，卻不能直接證明客戶或業務因此受益。71131

備忘錄也將這種做法連結到 Amazon 的領導原則：「節儉」（Frugality）與「創新並簡化」（Invent and Simplify）。一味追求 token 用量，可能增加成本；一味追求更多程式碼，則可能帶來不必要的複雜度。若把這些數字當成目標，團隊或許能讓數字變漂亮，卻未必能讓工作更有價值。1131

這不代表採用率等資料毫無用途。相關報導指出，Amazon 認為 AI 使用指標與成果可能有所關聯，但仍須審慎判讀。16 指標可以作為進一步了解情況的線索，卻不等於合理的績效目標：團隊能提高使用量，不代表也同步改善了成果。

使用率最高或最低，都值得追問原因

Amazon 的指引要求主管更仔細檢視 AI 採用率位於第 10 與第 90 百分位的團隊。16 這並不是說使用率最低的團隊一定落後，也不是說用得最多的團隊必然表現最佳；使用率只是觀察起點，不是判決書。

對採用率較低的團隊，主管可以了解工作是否不適合現有工具、是否遇到使用障礙，或是否錯過了有用的機會。對採用率較高的團隊，則可以確認大量使用是否真的改善成果，還是只增加了活動量與成本。最終仍須回到同一個問題：這項工程工作創造了什麼價值？

給工程團隊的實際提醒

Amazon 這份指引不是叫工程師拒用 AI，也不是規定每個人必須達到某個使用量。它強調的是：工程師要運用判斷力與專業知識，聚焦客戶和業務成果；主管則應謹慎使用採用率等指標，避免把它們變成排行榜或績效配額。1620

簡單來說，AI 使用量是投入，工程成果才是目標。當 AI 幫不上忙時，說清楚原因本身也有價值；沒必要為了證明自己正在用 AI，刻意製造使用量。10

AI 用得愈多，工作就一定做得愈好嗎？Amazon 工程主管給出的答案是：不一定。由 Amazon Worldwide Amazon Stores 副總裁暨傑出工程師 Terk Terkowitz 撰寫的備忘錄，9 月先在內部流傳，並於 10 月 27 日公開；核心主張是，工程師的角色與成果，不應由使用了多少 AI 來定義。1320

「文藝復興開發者」看重的是成果

備忘錄以「文藝復興開發者」（Renaissance Developer）描述 AI 時代的工程師：善用 AI 工具，同時結合人類判斷與領域知識，創造新的事物。重點不是每項工作都得套用 AI，而是先理解問題，再判斷什麼工具合適、能否帶來實際價值。1020

因此，如果現有 AI 工具對某項工作沒有幫助，工程師應說明原因。備忘錄將這種情況視為「一項發現，而非一次失敗」——不是要求大家為了看起來跟上趨勢而硬用 AI，而是鼓勵團隊認清工具目前的適用範圍。1020

這套指引也談到軟體開發經理的角色：主管不應把使用 AI 的活動量直接當成績效，而要協助團隊把注意力放在有用的成果上。531

為什麼要避免「tokenmaxxing」？

「Token」是 AI 模型處理文字時使用的基本單位；「tokenmaxxing」則是刻意把 AI token 用量拉高，當成採用 AI 的表現。Amazon 提醒，token 數、AI 工具採用率、程式碼變更、程式碼審查次數或程式碼行數，都不適合單獨拿來衡量工程生產力。這些數字能顯示投入或活動，卻不能直接證明客戶或業務因此受益。71131

備忘錄也將這種做法連結到 Amazon 的領導原則：「節儉」（Frugality）與「創新並簡化」（Invent and Simplify）。一味追求 token 用量，可能增加成本；一味追求更多程式碼，則可能帶來不必要的複雜度。若把這些數字當成目標，團隊或許能讓數字變漂亮，卻未必能讓工作更有價值。1131

這不代表採用率等資料毫無用途。相關報導指出，Amazon 認為 AI 使用指標與成果可能有所關聯，但仍須審慎判讀。16 指標可以作為進一步了解情況的線索，卻不等於合理的績效目標：團隊能提高使用量，不代表也同步改善了成果。

使用率最高或最低，都值得追問原因

Amazon 的指引要求主管更仔細檢視 AI 採用率位於第 10 與第 90 百分位的團隊。16 這並不是說使用率最低的團隊一定落後，也不是說用得最多的團隊必然表現最佳；使用率只是觀察起點，不是判決書。

對採用率較低的團隊，主管可以了解工作是否不適合現有工具、是否遇到使用障礙，或是否錯過了有用的機會。對採用率較高的團隊，則可以確認大量使用是否真的改善成果，還是只增加了活動量與成本。最終仍須回到同一個問題：這項工程工作創造了什麼價值？

給工程團隊的實際提醒

Amazon 這份指引不是叫工程師拒用 AI，也不是規定每個人必須達到某個使用量。它強調的是：工程師要運用判斷力與專業知識，聚焦客戶和業務成果；主管則應謹慎使用採用率等指標，避免把它們變成排行榜或績效配額。1620

簡單來說，AI 使用量是投入，工程成果才是目標。當 AI 幫不上忙時，說清楚原因本身也有價值；沒必要為了證明自己正在用 AI，刻意製造使用量。10