Meta已决定不再将工程师使用AI工具的数量作为绩效评估依据，这一政策调整源于内部所谓的“tokenmaxxing”现象——即员工为迎合考核指标而刻意增加AI交互次数，而非真正提升工作质量。

发生了什么

据The Decoder报道，Meta将停止在工程师的绩效评估中直接考量AI使用量指标。此前，Meta曾鼓励工程师在日常开发中积极采用AI辅助工具，并将相关使用数据纳入绩效参考。然而，这种量化激励催生了“tokenmaxxing”行为——员工通过无意义的提示词循环或过度拆分任务来刷高AI交互频次，以显得自己“拥抱AI”。这种形式主义不仅浪费计算资源，还可能掩盖真实的工作成效，最终促使Meta撤回该考核维度。

为什么重要

这一事件是AI工具在企业级落地中“激励错位”的典型案例。当组织将AI采用率作为硬性指标时，员工会理性地选择“表演性使用”而非“有效性使用”。Meta并非孤例，许多科技公司都在探索如何将AI融入研发流程，但如何避免“为用而用”成为普遍难题。Meta的调整表明，即便在AI投入激进的公司，也开始反思量化考核的副作用——真正的生产力提升应来自问题解决的质量，而非工具调用的次数。

影响与看点

对开发者而言，Meta的转向释放了一个信号：AI使用量不应成为衡量个人贡献的替代品。未来，企业可能更倾向于评估AI辅助下的产出质量、代码审查效率或创新成果，而非简单的token消耗。对于AI工具厂商，这意味着需要从“鼓励多用”转向“提供可衡量的价值”，例如更精准的代码建议或更智能的自动化流程。值得关注的是，Meta是否会进一步调整其他AI相关激励政策，以及这一做法是否会被其他大厂效仿。

一个可观察的独立判断是：AI时代的绩效管理，最终考验的是管理者能否区分“工具活跃度”与“业务贡献度”——前者是过程指标，后者才是目的。Meta的纠偏，或许能推动行业建立更成熟的AI效能评估框架。