„Tokenmaxxing” podzielił Dolinę Krzemową. Reid Hoffman staje po stronie kontrowersyjnej metryki

W świecie zdominowanym przez generatywną sztuczną inteligencję pojawiają się nowe, często kontrowersyjne sposoby mierzenia zaangażowania zespołów. Najnowszym trendem, który wyciekł z zamkniętych kuluarów wielkich korporacji technologicznych, jest tak zwane „tokenmaxxing”. Choć samo pojęcie, zapożyczone z subkultur internetowych generacji Z, może brzmieć niepoważnie, stoi za nim konkretna strategia finansowa i operacyjna. Polega ona na śledzeniu zużycia tokenów AI przez poszczególnych pracowników jako wskaźnika ich otwartości na innowacje.

Kultura rywalizacji o dane

Gdy do mediów przedostały się informacje, że Meta (właściciel Facebooka) prowadzi wewnętrzne rankingi liderów zużycia tokenów, w sieci zawrzało. Krytycy słusznie zauważyli, że ocenianie wydajności pracy na podstawie „przepalonych” środków finansowych za API to droga donikąd – analogiczna do nagradzania osób generujących najwyższe rachunki za telefon służbowy. Inżynierowie szybko podnieśli argument, że wysokie zużycie tokenów nie musi oznaczać wysokiej jakości pracy, a jedynie brak optymalizacji zapytań lub chaos w działaniu.

Mimo to po stronie zwolenników tego rozwiązania stanął Reid Hoffman, współzałożyciel LinkedIna i wpływowy inwestor. Podczas szczytu Semafor World Economy przyznał, że choć system ten nie jest idealnym odzwierciedleniem produktywności, stanowi cenny dashboard dla nowoczesnego menedżera. Według Hoffmana kluczowe jest to, aby pracownicy na każdym szczeblu eksperymentowali z nowymi narzędziami, nawet jeśli wiąże się to z początkową stratą zasobów.

Eksperymenty ważniejsze niż optymalizacja

Zdaniem Hoffmana „tokenmaxxing” powinien być traktowany jako sygnał o aktywnym udziale w cyklu uczenia się organizacji. Inwestor podkreśla, że choć spora część zużytych tokenów może zostać przeznaczona na nieudane testy czy błądzenie w poszukiwaniu rozwiązań, jest to niezbędny etap adaptacji. Sugeruje on jednak, aby dane o zużyciu zestawiać z konkretnymi celami, co pozwoli odróżnić kreatywne poszukiwania od bezproduktywnego marnotrawstwa.

Zamiast sztywnej oceny na podstawie liczb, Hoffman promuje model cotygodniowych spotkań, podczas których zespoły wymieniają się doświadczeniami z użytkowania AI. Celem nie jest samo wydawanie pieniędzy na infrastrukturę modelową, lecz zaszczepienie sztucznej inteligencji w DNA całej firmy. W tej wizji tokeny stają się paliwem dla instytucjonalnej wiedzy, a nie tylko kosztem operacyjnym, który należy za wszelką cenę minimalizować.