刷Token后绩效考核翻车，META花上亿买了场行为艺术

去年开始，不少企业将AI工具使用情况纳入到了绩效考核，META也不例外。

但让人没想到的是，上有政策下有对策，为了满足考核，META的员工们来了一场集体表演：

通过AI代理并发多任务刻意刷高消耗，短短30天内耗费60万亿Token，产生超上亿美元的成本。

META花了上亿美元，买了一场行为艺术。

01

荒诞的Token刷量狂欢

这是一段颇有魔幻现实色彩的企业内部往事。

过去一年，Meta落地了一套管理制度：把员工对内部AI工具的使用情况直接纳入绩效考核体系。

公司给员工贴上身份标签，高频使用AI的员工被定义为“AI Native（AI原住民）”，使用较少的则归为“AI Enabled”，这套划分直接把员工划分为“适应AI”与“尚未适应AI”两个层级。

不用想，后者肯定是被打上了“不如前者”的标识的。

而且不止标签划分，Meta还上线了内部AI使用排行榜。

AI工具消耗量换算成对应积分，设置青铜、白银、黄金、铂金、翠玉等勋章等级；表现更好的还能获得“Session Immortal（会话不朽）”“Token Legend（Token传说）”这类充满游戏感的称号。

表面上看，挺像游戏。但这些东西，就算不说大家也知道，直接和绩效评级、奖金收益、裁员风险深度绑定。

说是对合格者的激励，其实是不合格者的打压。

本身也是高学历高能力的META员工们很快摸透了考核规则的漏洞：系统只统计Token消耗总量，并不判别AI输出内容的实际价值。

于是不少人启动多个AI代理并行执行十余项任务，不以解决业务问题为目的，单纯拉高Token消耗。

公司内部掀起一场刷Token的内卷竞赛，美国科技圈还给这种刻意冲高AI消耗的行为创造了专有名词——token maxxing。

这场内部狂欢的代价很惊人。

受排行榜考核驱动，Meta员工30天合计消耗约60万亿Token，相关机构估算对应成本突破1亿美元。巨额成本换来的，只是大量流于形式、无人审阅的表演式工作产出。

60万亿Token、上亿美元投入，造就了一场全员参与、心照不宣的昂贵集体行为艺术。

02

从排行榜泄露到制度彻底废止

懂企业管理的人应该知道，但凡把工具使用量等同于业务价值的考核指标，崩塌只是时间问题。

但崩塌不是瞬间发生的，总要经历几个有趣的节点。

META的经历堪称一场大戏：先是今年4月，这份内部AI排行榜发生数据外泄，员工姓名、AI使用数据流出打破了公司外部。迫于舆论与信息泄露风险，Meta连夜关停排行榜功能。

接着，7月，共计24名员工对Meta发起起诉。诉状直指制度的不合理：在5月的裁员流程中，部分处于病假、产假等休假状态的员工，因为AI工具使用数据偏低，被评定为低绩效，进而进入裁员名单。休假期间本身无法高频使用AI，却因此承受职业损失，这一控诉撕开了整套考核机制的荒谬内核。

但事情远没完，6月，Meta感觉到了不对劲，向6000余名核心员工下发内部备忘录，宣告结束Token消耗内卷，直言当下的AI使用模式难以为继。公司CTO Andrew Bosworth也公开反思不应当为了使用AI而使用AI。

但直到9月2日，Meta才完成整改：正式宣布绩效评估不再挂钩AI使用量，废除“AI Native”等相关人员标签，绩效考核回归工作质量与实际业务贡献本身。

兜转一年，Meta看似热闹，但实际上却在原地打了个转：大力推动全员AI使用，催生高额无效消耗，又推翻自己制定的考核规则。

但离谱的在于，META全新内部AI智能体Hatch正处于大规模员工测试阶段，Token消耗依旧走高。

03

一场AI时代的企业共困

Meta踩下大坑，但这样的情况已经在无数企业上演，还将在无数企业里继续。

因为问题在于AI的真实价值，本身就难以用KPI量化。

管理层的初衷不难理解，就是在AI时代考核员工“是否善用AI创造价值”。但“用好AI”是一个很复杂的维度，关联的产出质量、思考深度、业务落地成效，都无法被系统自动采集统计。于是企业而求其次，选取容易统计的表层指标——AI使用量。

这是很多组织的通病，当无法衡量事物本质，就拿易于获取的代理指标，充当核心评判标准。

可是一个工具使用量如果成为硬性考核目标，员工博弈行为就会随之产生。大家不会优先钻研如何借助AI提升工作质量，而是优先美化考核数字。这正是古德哈特定律在AI时代的具象体现：当一项指标变成追求的目标，它就不再是有效的衡量标准。

今年上半年，微软就收回部分核心产品线的ClaudeCode使用权限，同步收紧内部AI预算。整个硅谷都在经历AI泡沫降温：告别盲目堆砌算力、强制全员使用AI的阶段，转向重视投入产出比，聚焦真实业务产出。

对于普通职场人而言，这件事的意义不止是吃瓜，而是看清现实：当你的公司开始拿“AI使用频次”、“AI活跃度”作为考核标尺，你很可能正在复刻Meta员工经历过的困境。

遇到这类情况，建议不要急着和企业共振，忙着刻意刷数据完成指标，不妨理清两个问题：一，这项指标背后真正想要达成的业务价值是什么；二，企业是否在用“使用AI”这个表面动作，替代对工作成果的评判，以此掩盖管理上的惰性。

不行就跑，不跑就先混着。

Meta付出上亿美元换来的教训，本就不该由打工人重复买单。