OpenAI, Anthropic, Meta и Shopify стали эпицентром новой производственной культуры, где измерение успеха сместилось от времени, проведённого за компьютером, к количеству «сожжённых» токенов в системах искусственного интеллекта. Например, один инженер OpenAI за неделю использовал 210 миллиардов токенов, а в Anthropic один пользователь Claude Code за месяц потратил больше 150 тысяч долларов. В Meta и Shopify активное использование ИИ уже стало частью оценки работников, что приводит к гонке среди сотрудников. Параллельно возникло явление «tokenmaxxing», когда сотрудники стремятся увеличить свои токены для повышения статуса. Тем не менее, вопрос реальной продуктивности остаётся открытым: сотрудники затрачивают миллионы токенов, но какова реальная ценность их работы, остаётся под сомнением. В то время как токены становятся символом вовлечённости, важно задуматься, приводят ли такие расходы к насоящему прогрессу.

Вопрос-ответ

Как изменился критерий оценки эффективности работников в индустрии ИИ?

Оценка сместилась с времени, проведённого за работой, на количество «сожжённых» токенов и объём использования ИИ в повседневной работе. Это создаёт новые метрики продуктивности и стимулирует гонку за большими объёмами запросов и токенов, что может не отражать реальную ценность или качество результатов.

Какие риски связаны с практикой токенмаксинга и высокой затратности на токены?

Риски включают перерасход бюджетов на ИИ-инструменты, искаженную мотивацию сотрудников, где внимание смещается на количественные показатели вместо качества кода и решений, возможное истощение персонала и снижение долгосрочной эффективности из-за зависимости от автоматизированной поддержки.

Как можно обеспечить баланс между активным использованием ИИ и реальной продуктивностью?

Необходимо внедрить сбалансированные KPI, включающие качество выпускаемой продукции, скорость доставки, impacto на бизнес-цели и реальные результаты, а не только объём токенов. Важно также устанавливать лимиты на расходование токенов, проводить аудит эффективности запросов и поощрять глубину решения задач, а не их объём.

Какова траектория вовлечённости сотрудников и какие меры могут снизить отрицательную конкуренцию?

Ожидается, что вовлечённость будет расти по мере зрелости ИИ-инструментов, но без справедливых и прозрачных рамок может возникнуть токсичная конкуренция. Меры включают прозрачность целей, обучение по ответственному использованию ИИ, командную работу над большими задачами, а также поддержка баланса между автономностью и сотрудничеством, чтобы ценность созданных решений была коллективной, а не индивидуальной.