Ha a munkahelyeden kötelezővé teszik az AI használatát, az még nem jelenti azt, hogy tényleg hatékonyabb leszel. Sőt: ha rosszul mérik, könnyen előfordulhat, hogy a „teljesítmény” papíron nő, a hasznos munka meg nem.

Mi történt

Amazonnál az irodai dolgozók és fejlesztők AI-használatát egyre konkrétabban mérik és ösztönzik: a cél az, hogy a fejlesztők több mint 80%-a hetente használjon AI-t. Ennek részeként dolgozószintű használati célokat vezettek be, és létezik egy „tokenfogyasztási” ranglista is.

A „token” itt az AI-modellek egyik alap elszámolási egysége: gondolj rá úgy, mint a szöveg „falatkáira”, amikből a rendszer dolgozik. Minél több szöveget küldesz be és kapsz vissza, annál több token pörög el. Ez technikailag hasznos mérőszám lehet kapacitás- és költségtervezéshez — csak épp könnyen félrecsúszik, ha teljesítménymutatóvá teszik.

A beszámolók szerint több dolgozó elkezdte „kijátszani” a rendszert: nem feltétlenül munkafeladatokra, hanem személyes, magánjellegű teendők automatizálására futtatják az Amazon belső AI-ügynökét (MeshClaw), hogy feljebb tornázzák a számaikat. Ennek a jelenségnek a köznyelvi neve „tokenmaxxing”: a tokenek maximalizálása, függetlenül attól, hogy valódi üzleti érték keletkezik-e.

Miért fontos

Ez nem csak egy kellemetlen vállalati sztori, hanem tankönyvi példája annak, hogyan rombolhat le egy rosszul megválasztott mérőszám egy jó szándékú technológiai bevezetést. Ha a cél az, hogy „használd az AI-t”, akkor az emberek használni fogják — de nem feltétlenül ott és úgy, ahol értelme van. Olyan ez, mintha a vezetés azt mérné, hány e-mailt küldesz naponta: gyorsan megjelenik az e-mailáradat, miközben a valódi haladás nem biztos, hogy nő.

Ráadásul a token-alapú ösztönzés költségoldalon is furcsa helyzetet teremt: a generatív AI futtatása számítási kapacitást (GPU-t) igényel, ami pénzbe kerül. Ha a dolgozók a kvóta miatt „égetik” a tokeneket, az könnyen a legdrágább módja annak, hogy semmit ne gyorsíts fel a szervezet.

Mire figyelj

  1. Mit mérnek valójában? Ha a használat mennyisége (token, promptok száma, heti aktív napok) a cél, az szinte garantáltan játékosítható. Értelmesebb a kimenetet mérni: mennyi időt spórolt egy folyamat, csökkent-e a hibaarány, rövidebb lett-e az átfutás.
  2. Van-e „biztonságos” kísérletezési tér? Ha a dolgozók attól félnek, hogy lemaradnak a ranglistán, akkor nem tanulni fognak, hanem túlélni. A kísérletezéshez olyan keret kell, ahol a rossz próbálkozás nem büntetés.
  3. Hol a határ a munka és a magán között? Ha belső eszközökkel személyes feladatokat futtatsz, az adatkezelési és megfelelőségi (compliance) kérdéseket is felvet. A cégeknek világos szabályt kell adniuk, különben a kvóta fog „szabályozni”.

A Futurism által felidézett történet lényege nem az, hogy az AI „rossz”, hanem az, hogy a rosszul kitalált ösztönzők meglepően gyorsan rossz viselkedést termelnek — még akkor is, ha eredetileg hatékonyságot akartak velük venni.