«تمرکز بر کاربرد واقعی»؛ تغییر معیار سنجش کارکنان در متا

تصور کنید برای ترفیع شغلی مجبور باشید ساعت‌ها با یک چت‌بات حرف‌های بی‌هوده بزنید تا آمار مصرف شما بالا برود. این کابوس برای کارکنان متا (Meta) به واقعیت تبدیل شده بود، اما حالا به پایان رسیده است. متا زمانی از معیاری به نام «تأثیر مبتنی بر هوش مصنوعی» برای رتبه‌بندی کارکنانش استفاده می‌کرد که در بسیاری از موارد، مصرف خام توکن‌ها را مستقیماً به بررسی‌های عملکردی تبدیل می‌کرد.

به نقل از گزارش Wired در ۳ سپتامبر ۲۰۲۶، متا رسماً برنامهٔ تشویقی مبتنی بر «تأثیر هوش مصنوعی» را متوقف کرد. این یعنی از این پس هیچ کارمندی به‌دلیل عدم استفاده از ابزارهای هوش مصنوعی در ارزیابی‌های عملکردی جریمه نخواهد شد.

این چرخش راهبردی در حالی رخ می‌دهد که صنعت از چت‌بات‌های ساده به سمت عامل‌های هوشمند (Agent) — شبیه به دستیاران شخصی که نه‌تنها حرف می‌زنند، بلکه می‌توانند به‌جای شما کارهای واقعی را در کامپیوتر انجام دهند — حرکت می‌کند. همان‌طور که در تحلیل قبلی ما درباره‌ی Meta Muse Spark 1.3 و تمرکز آن بر بهینه‌سازی توکن‌ها برای کدنویسی اشاره کردیم، متا حالا متوجه شده است که کیفیت خروجی و کاربرد واقعی هوش مصنوعی بسیار مهم‌تر از حجم صرف مصرف آن است. این رویکرد در راستای استراتژی جدید شرکت است که در آن کارایی توکن‌ها را بر بنچمارک‌های سنتی ترجیح می‌دهد تا هزینه‌های عملیاتی کاهش یابد.

عصر «توکن-ماکسینگ» و فشار روانی

برای ماه‌ها، فرهنگ داخلی متا به پدیده‌ای به نام «توکن-ماکسینگ» (Tokenmaxxing) تبدیل شده بود. در این وضعیت، کارکنان برای بالا رفتن در جدول رده‌بندی داخلی، پرامپت‌های بیهوده و غیرضروری می‌فرستادند تا مصرف توکن (Token) — تکه‌های کوچکی از متن که مثل برش‌های یک کیک طولانی توسط مدل مصرف می‌شوند — را به‌طور مصنوعی بالا ببرند. حتی یک کارمند داشبورد «افسانه توکن» (Token Legend) را برای رصد این رقابت و ردیابی میزان استفاده ساخت که در نهایت در آوریل ۲۰۲۶ حذف شد.

این فشار منجر به شکایت ۲۴ کارمند در ژوئیه شد. آن‌ها مدعی بودند کسانی که در مرخصی استعلاجی یا خانوادگی بوده‌اند، به‌دلیل پایین بودن آمار مصرف هوش مصنوعی، به‌طور ناعادلانه‌ای جریمه شده‌اند. در آن سیستم، میزان استفاده با برچسب‌های خاصی مانند «بومی هوش مصنوعی» (AI Native)، «اول-هوش مصنوعی» (AI First) یا «توانمند شده با هوش مصنوعی» (AI Enabled) مرتبط بود. این امر محیطی را ایجاد کرد که در آن کارکنان احساس می‌کردند حتی در موقعیت‌هایی که استفاده از هوش مصنوعی منطقی نیست، مجبور به استفاده از آن هستند. متا در نهایت، چند ماه پس از لو رفتن جدول رده‌بندی، اقدام به سهمیه‌بندی مصرف هوش مصنوعی کرد.

طبق دستورالعمل‌های جدیدی که این هفته منتشر شد، این برچسب‌های خاص با عبارات منعطف‌تری جایگزین شده‌اند. ارزیابی‌های عملکردی حالا می‌گویند نتایج «می‌توانند توسط هوش مصنوعی یا سایر ابزارها پشتیبانی شوند». مهندسان صراحتاً متوجه شدند که شرکت «از داشبوردهای پذیرش هوش مصنوعی یا تعداد توکن‌ها برای ارزیابی تأثیرگذاری استفاده نخواهد کرد». تریسی کلیتون، سخنگوی متا، مدعی است که شرکت همیشه بر اساس مشارکت‌ها ارزیابی کرده و منکر این شد که برچسب‌های «بومی هوش مصنوعی» هرگز برای ارزیابی‌های رسمی مورد استفاده قرار گرفته باشند.

ظهور Hatch؛ از چت به عمل

در حالی که سهمیه‌های مصرف حذف می‌شوند، متا کارکنان را به تست ابزاری جدید و عامل‌محور به نام Hatch ترغیب می‌کند. Hatch که شبیه به پدیده ویروسی OpenClaw است، یک آزمایش پیشرفته است که می‌تواند به‌طور خودمختار عملیات را در یک کامپیوتر اجرا کند. برخلاف مدل‌های زبانی بزرگ (LLM) — مثل کتابخانه‌داری که میلیاردها صفحه را خوانده و حالا با همان لحن جواب می‌دهد — که فقط متن تولید می‌کنند، Hatch قادر است:

• به‌طور خودمختار در وب جست‌وجو و گشت‌وگذار کند
• نرم‌افزارهای دیگر را در دستگاه‌های شرکتی اجرا و مدیریت کند
• قرارهای شخصی را مدیریت و زندگی خارج از محیط کار را سازماندهی کند

با این حال، با وجود این قابلیت‌ها، برخی کارکنان همچنان مردد هستند. اعتماد کارکنان پس از یک پروژه قبلی تخریب شده است؛ پروژه‌ای که در آن ضربات روی کیبورد (Keystrokes) و سایر فعالیت‌های کارکنان در دستگاه‌های کاری برای جمع‌آوری داده جهت آموزش سیستم‌های هوش مصنوعی رصد می‌شد. متا این پروژه را متوقف کرده است، اما نگرانی‌های مربوط به حریم خصوصی در مورد اتصال Hatch به ایمیل‌های شخصی، تقویم‌ها و سایر حساب‌های دیجیتال غیرکاری همچنان پابرجاست.

برخی کارکنان همچنین به تضادهای محیطی و اقتصادی اشاره می‌کنند. آن‌ها به هزینه بالای منابع محاسباتی و مقدار زیاد توکن‌های مورد نیاز برای اتوماسیون کارهای ساده استناد می‌کنند. این چالش‌های مالی در سایر شرکت‌های بزرگ نیز دیده می‌شود؛ برای مثال، اوبر به‌دلیل هزینه‌های پیش‌بینی‌نشده توکن‌های عامل‌محور، بودجه سالانه خود را در مدت کوتاهی مصرف کرد. با این حال، مصرف توکن‌ها در متا همچنان در حال افزایش است، زیرا کارکنان می‌خواهند پیش از انتشار عمومی احتمالی، این ابزار را تست کنند.

بهره‌وری در برابر تعدیل نیرو

مدیریت متا همچنان تشنه پذیرش هوش مصنوعی است، اما معیارها تغییر کرده‌اند. کارکنان می‌ترسند اگر Hatch واقعاً بتواند بهره‌وری را افزایش دهد، این امر منجر به موج جدیدی از تعدیل نیرو شود؛ به‌ویژه پس از اخراج ۸۰۰۰ نفر در مه ۲۰۲۶.

به گزارش رویترز، متا هفته گذشته قصد داشت دور جدیدی از تعدیلات گسترده را اجرا کند اما این برنامه متوقف شد. گزارش شده است که دلیل این تأخیر، افزایش باگ‌های نرم‌افزاری مرتبط با اتکای بیش از حد به هوش مصنوعی و پیشرفت کندتر از حد انتظار در توسعه عامل‌های هوشمند بوده است. مارک زاکربرگ، مدیرعامل متا، اعلام کرده است که در سال جاری انتظار تعدیلات گسترده دیگری نیست.

این چرخش نشان می‌دهد متا پذیرفته است که برچسب «بومی هوش مصنوعی» معیار بدی برای سنجش ارزش واقعی است. شرکت می‌خواهد با جداسازی ارزیابی‌های عملکردی از تعداد توکن‌ها، روحیه نیروی کار را بازسازی کند و بازخوردهای صادقانه‌ای درباره Hatch پیش از عرضه عمومی دریافت نماید.

برای یک کارمند عادی، این یعنی پایان «تئاتر هوش مصنوعی» (AI Theater) و بازگشت به حل مسائل واقعی. تمرکز از «چقدر از ابزار استفاده می‌کنی» به «ابزار چه دستاوردی برای کسب‌وکار دارد» تغییر کرده است.

منتظر انتشار عمومی Hatch باشید تا ببینید آیا قابلیت‌های خودمختار آن منجر به کاهش قابل اندازه‌گیری در وظایف عملیاتی دستی در سراسر شرکت می‌شود یا خیر.

برای یک کارمند عادی، این یعنی پایان «تئاتر هوش مصنوعی» (AI Theater) و بازگشت به حل مسائل واقعی. تمرکز از «چقدر از ابزار استفاده می‌کنی» به «ابزار چه دستاوردی برای کسب‌وکار دارد» تغییر کرده است.

منتظر انتشار عمومی Hatch باشید تا ببینید آیا قابلیت‌های خودمختار آن منجر به کاهش قابل اندازه‌گیری در وظایف عملیاتی دستی در سراسر شرکت می‌شود یا خیر.

گام بعدی شما

• اگر در سازمان خود معیارهای کمی برای پذیرش ابزارهای جدید دارید، این مورد را به عنوان نمونه‌ای از شکست «سنجش کمّی» در مقابل «ارزش کیفی» بررسی کنید.
• منتظر انتشار عمومی Hatch باشید تا ببینید آیا عامل‌های خودمختار واقعاً می‌توانند کارهای اداری تکراری را حذف کنند یا فقط هزینه محاسبات را بالا می‌برند.
• بررسی کنید که آیا ابزارهای فعلی شما فقط در سطح تولید متن هستند یا می‌توانند مانند Hatch با نرم‌افزارهای دیگر تعامل داشته باشند.

اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره تراشه‌های Blackwell مراجعه کنید.