Mi az a tokenmaxxing? Az a mesterséges intelligencia-mutató, amely saját magát tönkretette

30 nap alatt a Meta alkalmazottai körülbelül 60 billió AI-tokent mozgattak meg egy belső ranglistán, amely a fogyasztás alapján rangsorolta őket; ez a költség valószínűleg meghaladta a 100 millió dollárt, és olyan munkát eredményezett, amely nagyrészt csak látszatot keltett. Kilencven nappal később a ranglista eltűnt, és a vállalat szigorúan korlátozta az AI-használatot.

Ezt a folyamatot „tokenmaxxingnek” nevezik: ez az a folyamat, amikor az AI-tokenek használatának maximalizálását teljesítménymutatóvá és a termelékenység jelzőjévé emelik. Azóta a vállalatok okosodtak, és néhányuk túlkompenzálta a helyzetet egy „tokenminning” néven ismert jelenséggel: a lehető legkevesebb AI-token használatával igyekeznek csökkenteni a számítási költségeket. Mindkét megközelítés kudarcra van ítélve, mert a tokenek számát az AI által vezérelt növekedés megbízható mutatójának tekinti.

Ebben a cikkben bemutatjuk, hogy valójában mennyibe kerül a tokenmaxxing, hogyan kijátszották a mérnökök a rendszert, és milyen mérési rendszer képes ellenállni azoknak, akik jól bánnak a számokkal.

Mi az a Tokenmaxxing?

A „tokenmaxxing” az AI-tokenek fogyasztásának maximalizálását jelenti, és a magasabb felhasználást a nagyobb termelékenység vagy az AI szélesebb körű alkalmazásának bizonyítékaként értelmezi. A tokenek azok az egységek, amelyeket egy AI-modell bemenetként feldolgoz és kimenetként előállít.

A tokenhasználat vonzó teljesítménymutatóvá vált, mert látható, számszerűsíthető, és számos AI-platform már nyomon követi. Ezért könnyebb erről beszámolni, mint olyan eredményekről, mint a megtakarított idő, a jobb döntések vagy a generált bevétel. A tokenek azonban a számítási tevékenységet mérik, nem pedig a hasznos munkát. Az ismétlődő parancsok, a sikertelen ügynöki ciklusok és az értelmetlen kimenetek mind felhajtják a számot, miközben semmit sem hoznak létre.

Az AI-ügynökök tovább rontanak a helyzeten. Egy ügynök elemzi a kontextust, eszközöket hív meg, felülvizsgálja saját munkáját, és feladatokat ad át más ügynököknek. Minden lépés tokeneket emészt fel. Bár a fokozott aktivitás több hasznos munkát jelenthet, egyúttal hatástalan munkafolyamatokat és emelkedő költségeket is eredményezhet.

Egyszerűen fogalmazva: a tokenmaxxing legfőbb hibája az, hogy a csapatok a látható számot maximalizálják, miközben a termelékenység, a minőség és a befektetés megtérülése változatlan marad.

Miért vált népszerűvé a tokenmaxxing?

A Tokenmaxxing azért vált népszerűvé, mert a vezetésnek szüksége volt egy számra, amellyel bizonyítani tudta, hogy a vállalatokon belül valóban folyik az AI bevezetése. A tokenhasználat pedig az egyetlen mutató volt, amely megjelent a számlázási konzolon.

Jensen Huang, az Nvidia vezérigazgatója 2026 elején az All-In Podcastban adott hangot egy gondolatkísérletnek, amely egy jól fizetett mérnök token-számlájáról szólt.

„Ha az a 500 000 dolláros mérnök nem használt fel legalább 250 000 dollár értékű tokent, akkor nagyon meg fogok ijedni” – mondta. És ha a válasz 5000 dollár lenne? Akkor teljesen kiakadna.

Az AI-használat látható mutatóvá vált arra nézve, hogy ki tart lépést a fejlődéssel. Ez abban az időben történt, amikor minden tervezési megbeszélésen felmerültek azok a kérdések, hogy mely szerepköröket fogja átvenni az AI. Azok a mérnökök, akik tokeneket költöttek, úgy tűntek, mintha alkalmazkodnának az új paradigmához, míg azok, akik nem tették ezt, kockáztatták, hogy problémásnak tűnjenek.

Itt van az irónia: az első token-ranglistát soha nem versenynek szánták. A Shopify azért hozta létre, hogy megértse, miért költenek annyit a legnagyobb fogyasztói, nem pedig azért, hogy egymáshoz viszonyítva rangsorolja őket. Farhan Thawar, alelnök és műszaki igazgató később leírta, hogyan fejlődött tovább az eszköz.

A vállalat átnevezte a rendszert „használati irányítópultnak”, beépített biztonsági lekapcsolókat és kiadási riasztásokat, és az adatok segítségével felderítette a kontrollálhatatlan ügynököket és az infrastruktúra hibáit. Farhan így írt:

A tokenmaxxing egy izgalmas téma. A több nem feltétlenül jelent jobbat. Mi hoztuk létre az első AI-token ranglistát. Aztán továbbfejlesztettük a gondolkodásmódunkat. Ez egy használati irányítópulttá vált. Ugyanazok az adatok, de más keretben. Hozzáadtunk áramkör-megszakítókat és kiadási csúcsokat. Elkaptuk a féktelenül viselkedő ügynököket. Hibákat találtunk a saját infrastruktúránkban. Az igazi jel: nem az, aki a legtöbbet költötte, hanem azok, akiknek a tokenjei a legnagyobb hatást váltották ki. Ezek azok a mérnökök, akikkel beszélni szeretnék.

A Shopify ranglistáját lemásoló vállalatok többsége azt az alkalmazottak rangsorolására használta, ahelyett, hogy az AI-ra fordított kiadásokat vizsgálta volna. Az alábbi táblázat bemutatja, hogyan alakult ez az egyes vállalatoknál.

A táblázatban látható mintázat következetes. Azok a szervezetek, amelyek a tokenadatokat a magas kiadások kivizsgálására használták, megtartották a működőképes jelzést. Azok viszont, amelyek az emberek rangsorolására használták, egy negyedév alatt elvesztették ezt a jelzést.

Hogyan fújták fel a mérnökök a tokenhasználatukat?

A mérnökök úgy fújták fel a tokenhasználatukat, hogy olyan drága AI-tevékenységeket generáltak, amelyeket soha nem szándékoztak kiadni. A Pragmatic Engineer beszámolt erről a viselkedésről a Meta, a Microsoft és a Salesforce esetében, és négy gyakori taktikát azonosított. Egyik sem rossz szándékból fakadt. Az emberek egyszerűen csak látták a számot, aggódtak az elbocsátások miatt, és azt feltételezték, hogy az intenzív AI-használat megvédi őket:

Sok mérnök megnézte, mennyit költenek a kollégáik. Ezután éppen annyit használtak, hogy kissé az átlag felett maradjanak. Nem annyira az első hely megszerzése volt a céljuk, hanem inkább az, hogy ne jelöljék meg őket azért, mert nem használják eleget az AI-t.

Az Amazonnál az alkalmazottak triviális és kitalált feladatokat osztottak ki az AI-ügynököknek, hogy javítsák a Kirorank-pontszámukat. Ez megnövelte a felhőszolgáltatások költségeit anélkül, hogy bármilyen üzleti eredményt hozott volna. Amikor az Amazon megszüntette a ranglistát, Dave Treadwell, a vállalat alelnöke elmondta a munkatársaknak, hogy azt jó szándékkal hozták létre. Ezután egyértelműen így fogalmazott: „Kérlek, ne használjátok az AI-t csak azért, hogy használjátok az AI-t.”

A változás részeként az Amazon mostantól nyomon követi, hogy az AI által generált kód működik-e és hoz-e értéket. A token-fogyasztás nem elsődleges prioritás.

Mennyibe került a Tokenmaxxing a vállalatoknak?

A Tokenmaxxing valószínűleg több mint 100 millió dollárba került a Meta számára egyetlen hónap alatt, az Uber éves AI-költségvetését pedig négy hónap alatt merítette ki. A Meta becslése egyszerű számításon alapul. A Claude Opus lista API-árai alapján (a hír megjelenésekor) 60,2 billió token körülbelül 900 millió dollárba kerülne. A Meta méretű vállalatok jelentős kedvezményeket tudnak kialkudni, de még így is a számla elérheti a kilenc számjegyű összeget.

Az Uber adja a legvilágosabb képet a költségekről, mivel soha nem vezetett ranglistát. A vállalat körülbelül 5 000 mérnöknek biztosított autonóm kódolási eszközöket költségmodell nélkül. Egy hónapon belül az autonóm felhasználónak minősített mérnökök aránya 32%-ról 84%-ra emelkedett . A teljes éves költségvetés négy hónap alatt elfogyott .

A technológiai igazgató, Praveen Neppalli Naga elismerte, hogy a vállalat „visszatért a tervezőasztalhoz” a korábbi feltételezései tekintetében. A havi számlák mérnökönként 500 és 2000 dollár között mozogtak, és a megoldás egyértelmű volt: havi 1500 dolláros felső határ programozási eszközönként és mérnökönként.

Amikor hasonló munkát végző mérnökök ennyire eltérő összegeket költenek, ez a különbség azt mutatja, hogy senki sem határozta meg, mi is számít jó felhasználásnak. Így minden mérnök kitalálta a saját definícióját. Andrew Macdonald, az Uber operatív igazgatója elismerte ezt a problémát, és a Fortune magazinnak azt nyilatkozta, hogy „nagyon nehéz határt húzni” az AI-támogatott kód és a ténylegesen piacra kerülő hasznos funkciók között.

A LeadDev AI Impact Reportja szerint a mérnöki vezetők csupán 19%-a tartja hatékonynak a tokenmaxxinget. 57%-uk szerint ez nem képes felmérni a valódi értéket.

Íme, miért mozog a pénz ilyen gyorsan: egy kódmódosítást tervező ügynök elolvassa a kódtárat, eszközöket hív meg, teszteket futtat, és addig próbálkozik, amíg sikerrel nem jár. Egyetlen ciklus is több tízezer tokent felemészthet, a prompt-cache-olvasások pedig még tovább növelik ezt a számot.

A pénzügyi csapatok úgy tervezték be az AI-t a költségvetésbe, mintha az egy felhasználói licenc lenne. Valójában azonban az AI inkább úgy viselkedik, mint a felhőalapú számítástechnika. Ugyanez a számviteli eltérés jelentkezik akkor is, amikor a csapatok több beszállítótól származó AI-rendszereket állítanak össze anélkül, hogy bárkinek is kijelölnék a számla felelősségét. Ez ugyanaz a hibamód, mint a felügyelet nélküli eszközök elszaporodása, csak egy szinttel magasabb szinten.

Mi az a tokenminning?

A tokenminning az AI-tokenek fogyasztásának minimalizálására irányuló gyakorlat, amelynek célja az alacsony felhasználás elérése. Ahogy a bevezetőben is említettük, ez egy túlkorrekció, amely hasonlóan rossz eredményekkel jár. A név a „token minimizing” (tokenminimalizálás) rövidítése, és a tokenmaxxing ellensúlyaként jelent meg. A New York Times több vállalatnál is beszámolt erről a változásról.

A Meta közölte az alkalmazottakkal, hogy korlátozza az AI használatát a költségek „exponenciális növekedése” miatt. Az Uber felső határt szabott a havi kiadásokra, a Walmart korlátozta az eszközhasználatot, az Amazon és a Meta pedig eltávolította a ranglistáit. Alig néhány héten belül azok a vállalatok, amelyek korábban még dicsőítették a legaktívabb AI-felhasználóikat, most arra tanították mindenkit, hogy takarékoskodjon.

Ez a korrekció pontosan azt a hibát ismétli meg, amelyet kijavítani akart. Goodhart törvénye magyarázza ezt a legjobban: amikor egy mérőszám célértékké válik, akkor már nem jó mérőszám többé. Tehát ha az AI-tokenek használatát tűzzük ki célul, az emberek megtalálják a módját, hogy ezt a mutatót optimalizálják, még akkor is, ha ez az eredeti szándék aláásásával jár. Goodhart törvénye óva int a tokenmaxxingtől és a tokenminningtől.

Ha egy csapatot a tokenek elégetéséért jutalmazunk, akkor olyan tokeneket is eléget, amelyekre nincs szüksége. Ha viszont a tokenek megtakarításáért jutalmazunk, akkor kihagyja azt az AI-futást, amely felfedezhette volna a hibát. Vagy egy alapos futást három olcsóbbra oszt fel, amelyek mindegyike kevésbé részletes választ ad. Mindkét csapat eléri a tokenhasználati céljait, miközben a tényleges munka minősége romlik.

Maga a költségkontroll nem hiba. Az Uber példájához hasonlóan a havi 1 500 dolláros felső határ egy olyan költségvetési döntés, amelyet azután hoztak meg, hogy a vállalat négy hónap alatt elköltötte az egy évre szánt költségvetést. De a kiadási limit megállapítása csak egy pénzügyi problémát old meg. Nem ad választ arra, hogy a tokenekkel vásároltak-e valami hasznosat.

A megoldás az, ha kétféle adatot különválasztunk: a figyelemmel kísért jelzéseket és a kitűzött célokat. A tokenhasználat, az elterjedtségi arány és az AI által írt kód aránya olyan jelzések, amelyek azt mutatják, mi történik a rendszer belsejében. Hasznosak lehetnek egy probléma kivizsgálásakor, de rossz célként szolgálnak. Ugyanis mindegyik jelentősen változhat anélkül, hogy az ügyfél bármilyen különbséget észlelne.

Egy szervezetnek inkább az eredményekre kell törekednie. Ugyanazt a logikát követik, mint bármely jól felépített szoftverfejlesztési KPI-készlet: összekapcsolják a korai jelet azzal az eredménnyel, amelyet előre kell jeleznie. A Shopify konverziós irányítópultja szolgálhat mintaként: ugyanazok az adatok, de senki ranglistás helyezése nem kapcsolódik hozzájuk.

Neil Dhar, az IBM Consulting ügyvezető alelnöke egy, az AI költségeiről szóló esszéjében leírta, hogyan terjed a zavar.

A #Tokenmaxxing az utóbbi időben mindenhol a címlapokra került. A szervezetek arra törekedtek, hogy a lehető legtöbb AI-t a lehető leggyorsabban használják, és a használatot az érték helyettesítő mutatójává tették. Most pedig eljött a számla fizetésének ideje. Mivel az AI költségei meghaladják a hozamokat, az ösztönös reakció a költségcsökkentés. De a kiadások csökkentése önmagában nem oldja meg az alapvető ROI-problémát.

Az IBM szerint a megoldás az, hogy a használatot jelként kezeljük, és olyan eredményhez párosítsuk, amelyet nem lehet hamisítani.

A több tokenhasználat magasabb termelékenységet jelent?

Nem, a magas tokenhasználat nem jelenti azt, hogy magas a termelékenység. A rendelkezésre álló legnagyobb adathalmazok azt mutatják, hogy a két tényező egymástól függetlenül alakul. A fejlesztői intelligencia-platform, a DX kutatása szerint az AI bevezetése a telítettség határához közelít, míg a mért termelékenységnövekedés változatlan maradt.

Laura Tacho, a DX technológiai igazgatója megosztotta a számokat. A fejlesztők közül 92,6% használ jelenleg legalább havonta egyszer AI-kódolási asszisztenst, és körülbelül 75% hetente egyszer. Az AI a termelési kód 26,9%-át írja. Azonban az önbevallás alapján elért időmegtakarítás több mint egy éve nagyjából heti négy óránál maradt. A kezdeti 10%-os termelékenységnövekedés pedig soha nem nőtt tovább.

A használat folyamatosan nőtt, míg az eredmények változatlanok maradtak. Bármely olyan mutató, amely kizárólag a használatot követi nyomon, olyan sikert jelentett, ami valójában soha nem történt meg.

A Google Cloud DORA-jelentése elmagyarázza, miért hoznak ugyanazok az eszközök ilyen eltérő eredményeket. A jelentés megállapította, hogy az AI bevezetése javította a szállítási sebességet, de rontotta a szállítás stabilitását. A jelentés az AI-t erősítőként írja le: felerősíti a jól működő szervezetek erősségeit és a nehézségekkel küzdő szervezetek gyengeségeit.

A DX saját adatai bemutatják ennek a hatásfokozónak a működését. Egy 67 000 fejlesztőből álló csoportban egyes szervezeteknél megduplázódott az ügyfeleket érintő incidensek száma, míg másoknál felére csökkent, pedig ugyanazokat az eszközöket használták ugyanazon időszak alatt. A Tacho az adatokra alapozva osztja el a felelősséget:

Ez valójában egy menedzsmentprobléma. A felhajtás miatt úgy tűnt, mintha már az AI kipróbálása is automatikusan megtérülne. Eddig azonban a legtöbb eszközt egyedi kódolási feladatokra használták. Ahhoz, hogy valódi hatást lássunk, az AI-t szervezeti szinten kell alkalmaznunk, nem csak egyedi feladatokra.

Az első probléma mögött egy második is rejlik: az emberek rosszul ítélik meg a saját AI-által elért sebességnövekedésüket. A METR nevű nonprofit kutatólaboratórium véletlenszerűen kontrollált kísérletet végzett. 16 tapasztalt nyílt forráskódú fejlesztő 246 valós hibajelentést oldott meg olyan kódtárakban, amelyeket átlagosan öt éve karbantartottak. A kísérlet megkezdése előtt a fejlesztők azt jósolták, hogy az AI segítségével 24%-kal gyorsabbak lesznek. A kísérlet befejezése után úgy becsülték, hogy körülbelül 20%-kal lettek gyorsabbak. A stopperóra szerint viszont 19%-kal lassabbak voltak.

Egy későbbi frissítésben a laboratórium elmagyarázta, hogy következő kísérletük során olyan szelekciós hatásokba ütközött, amelyeket nem tudott korrigálni. Azt is közölte, hogy a fejlesztők ma már valószínűleg valóban gyorsabban dolgoznak a mesterséges intelligencia segítségével, ami nagyrészt az ügynökszerű eszközöknek köszönhető. Ami megmarad: az önbevalláson alapuló termelékenység nem helyettesítheti a mért termelékenységet, és a kettő közötti különbség bármely irányba eltérhet.

Mit érdemes mérni a tokenhasználat helyett?

A tokenhasználat helyett mérje az eredményeket csapat-, majd szervezeti szinten. Kezelje a tokenhasználatot olyan költségjelzőként, amely alapján senkit sem rangsorolnak. Ami számít, azok az elért eredmények.

Egy gyakorlati szabály, amit érdemes betartani: minden közzétett jelzést párosítson olyan eredménnyel, amelyet az nem tud felfújni. Egy csapat tokeneket égethet el anélkül, hogy bármit is szállítana. Ugyanakkor nem tudja meghamisítani a változáskudarcok arányának csökkenését.

Ez a struktúra olyan mérési keretrendszerekből származik, amelyekben a mérnöki vezetők máris megbíznak. A DORA a megvalósítás sebességét és a stabilitást is figyelembe veszi, és az a megállapítása, hogy a mesterséges intelligencia mindkettőt fokozza, magyarázza, miért fontos ez a párosítás.

A DX Core 4 négy dimenziót mér: sebességet, hatékonyságot, minőséget és üzleti hatást. Abi Noda és Laura Tacho Nicole Forsgren és Margaret-Anne Storey közreműködésével hozták létre, akik a DORA, a SPACE és a DevEx mögött álló kutatók. A négy dimenzió szándékosan ellentétes irányba hat egymásra.

Az a csapat, amelyik az egyiket a másik rovására fejleszti, azonnal nyilvánvalóvá teszi a kompromisszumot. Egyik keretrendszer sem tartalmaz token-mutatót, és egyik sem adott hozzá ilyet.

Három szabály biztosítja, hogy a párosítás a gyakorlatban is működjön:

Hogyan állítson fel olyan AI-használati szabályzatot, amelyet a munkavállalók nem tudnak kijátszani?

Ahhoz, hogy olyan AI-használati szabályzatot állítson fel, amelyet a munkavállalók nem tudnak kijátszani, távolítson el minden látható számot az egyéni teljesítményértékelésből, és hozza meg az alábbi öt döntést:

1. Mielőtt gyűjtöd az adatot, döntsd el, mire szolgál az a szám

A szabályzatban szereplő minden mutatóhoz írásbeli célkitűzésre van szükség, mielőtt az első irányítópult elkészülne. A Shopify ranglistája az első fázisban jól működött. A vezetőség arra használta, hogy beszélgetéseket kezdeményezzen a nagy kiadású felhasználókkal arról, hogy mit építenek. A szám egy vizsgálatot indított el. Amint ugyanaz a szám lezár egy vizsgálatot, és következtetést von le egy személyről ahelyett, hogy a munkáról kérdezne, pontszámmá válik. A pontszámokat pedig kezelni kell.

Írjon le három dolgot minden mutatóhoz:

A „nem tesz semmit” vonal végzi a legtöbb munkát, mert a munkavállalók ehhez viszonyítva tesztelik a szabályzatot. Ha a „mi történik, ha a kiadások megugranak” kérdésre adott őszinte válasz bárkinek a pozícióját érinti, akkor egy extra lépésekkel járó ranglistát hoztál létre.

2. Állítsa be a költségkeretet csapat szinten

A közös csapatkeret felváltja az egy főre eső felső határt, és a különbség viselkedésbeli, nem pedig számviteli jellegű. Az Ubernél a hasonló munkát végző mérnökök között havi 500–2000 dollár közötti eltérés mutatja, mi történik közös referenciapont hiányában. Mindenki kitalálja a saját definícióját a „megfelelő” fogalmára. A költségkeretek ugyanúgy működnek, mint bármely más kezdeményezés, amelynek célja a szétszórt AI-kiadások egyetlen, elszámolható helyre történő összevonása.

A keret három olyan dolgot biztosít, amit a személyenkénti korlát nem tud:

Határozza meg az első keretértéket a megfigyelt adatok alapján. Vegye figyelembe a csapat elmúlt három hónapos átlagát, és adjon hozzá tartalékot egy költséges projektre. A találgatás alapján megállapított keretértéket már a második héten túllépik, ami mindenkinek megmutatja, hogy a szabályzat csupán dísznek szolgál.

3. Tegye láthatóvá a drága utat

Mutassa meg a fejlesztőknek az egyes futtatások költségeit, ahelyett, hogy korlátozná a kiadásaikat. Azok az Agentic-futtatások, amelyek a sikertelen tesztek miatt végtelen ciklusba kerülnek, emésztik fel a költségkeretet, így a kemény korlátozás kerül előtérbe. Egy másik lehetőség az, hogy a futtatás költségét a futtatást kezdeményező fejlesztő számára jeleníti meg, anélkül, hogy azt feljebb jelentene.

Az a mérnök, aki látja, hogy egy újrapróbálkozási ciklus 40 dollárt emészt fel, kijavítja a ciklust. Ezzel szemben az a mérnök, aki fél a jelentéstől, teljesen felhagy az ügynök használatával – még akkor is, ha a drága futtatás néha helyes döntés volt.

A Shopify túlterhelés-megszakítói így működnek: a rendszer észleli az anomáliát, és a munkához legközelebb álló személy dönti el, mit kell tenni. Az átláthatóság gyorsabban változtatja meg a viselkedést, mint egy felső határ, és biztosítja a drága, de helyes működést, ha a munka indokolja a költségeket.

4. Válasszuk szét az AI-bevezetési célt a teljesítményértékeléstől

Rögzítsd írásban a megállapodást, mert a szóbeli biztosítékok nem állják ki a leépítési ciklust. Az a Microsoft-mérnök, aki a The Pragmatic Engineernek beszámolt arról, hogy felfújták a saját használati mutatóikat, nem díjat akart szerezni. Csak el akarták kerülni a bélyegzést egy olyan évben, amikor az AI-t használták ürügyként a leépítésekhez.

Ha az emberek úgy vélik, hogy a használati adatok eljutnak egy kalibrációs megbeszélésre, akkor gondoskodni fognak az adatok kezeléséről, függetlenül attól, hogy ki mit mond hangosan.

A szabályzat szövegéhez pontosan két sorra van szükség:

Ezután mindkettőt vegye figyelembe. Az első mérnök, aki egy felülvizsgálat során észreveszi a használati adatok megjelenését, mindenkinek elmondja majd, ezzel bizonyítva a mutató feleslegességét.

5. Negyedévente vizsgálja felül a párosítást

Minden negyedévben kérdezze meg magától, hogy az egyes diagnosztikai mutatók még mindig magyarázzák-e a hozzájuk tartozó eredményeket. A modellek árazása, a gyorsítótár-kezelés és az ügynökök architektúrája mind gyorsabban változnak, mint egy éves tervezési ciklus.

Folyamatosan változik, hogy a csapatok hogyan alkalmazzák a mesterséges intelligenciát a tervezésben és a jelentések készítésében. Egy tokenszám, amely januárban még egy dolgot jelentett, júniusra már mást jelent, két árcsökkentés és egy ügynökfrissítés után.

Az értékelés őszinte eredményeket ad minden mutatóra vonatkozóan: vagy továbbra is előre jelzi a párosított eredményt, vagy új árakhoz kell újrakalibrálni, vagy már semmit sem magyaráz, és minden ceremónia nélkül kivonják a forgalomból. A csapatok leginkább a kivonás ellen küzdenek. Ez azonban fontos lépés, mert egy olyan mutató, amely már elvesztette jelentőségét, pontosan az a fajta szám, amelyre a ranglisták korszaka épült.

Gyakori hibák, amelyeket a csapatok elkövetnek az AI bevezetésének mérésénél

A négy leggyakoribb hiba: az elterjedésnek a célvonalnak tekintése, a saját bevalláson alapuló időmegtakarításokba vetett bizalom, az egyéni ranglisták közzététele, valamint a sebesség mérése a stabilitás figyelembevétele nélkül. Mindegyiket felismerheti, mielőtt drágává válna.

1. Az elterjedés kezelése célként

A bevezetési irányítópulton 90% látható, a vezetés bejelenti, hogy az AI-kezdeményezés befejeződött, és senki sem kérdezi meg, mi változott a folyamatok későbbi szakaszában. A DX adatai széles körben feltárták ezt a csapdát: 92,6%-os bevezetési arány mellett a termelékenység változatlanul 10% maradt. A bevezetés csupán azt igazolja, hogy az eszközök eljutottak az emberekhez. Semmit sem árul el arról, hogy mit változtattak meg az eszközök.

A megoldás: A bevezetés befejeztével vonja vissza az elterjedési diagramot, és cserélje le egy jel–eredmény párosításra.

2. A saját bevalláson alapuló időmegtakarítások megbízhatósága

Egy felmérés szerint a csapat hetente öt órát takarít meg, de a ciklusidő két negyedév óta nem változott. A METR kísérlete megmutatja, miért nem egyeznek ezek a két szám: azok a fejlesztők, akik mérhetően lassabban dolgoztak az AI használatával, utána mégis 20%-os gyorsulást becsültek. Az, amit az emberek hisznek, és amit az óra rögzít, két különböző mérési eredmény.

A megoldás: A felmérést tartsa meg a fejlesztői élményre vonatkozóan, ahol a benyomás számít. Az idővel kapcsolatos állításokhoz használjon rendszeradatokat.

3. Egyéni ranglista közzététele pusztán szórakozásból

Valaki egy délután alatt összeállítja egy belső wikiben, játékos neveket ad neki, és a csapat körülbelül három hétig őszintén élvezi. Aztán átveszi az irányítást az ösztönzés. A Meta Claudeonomics és az Amazon Kirorank is kezdetben csak egyfajta alulról jövő szórakozás volt. Mindkét vállalat visszavonta őket, miután a játékos viselkedés felülkerekedett a lelkesedésen.

A megoldás: Összesítsd az adatokat csapat szintre, vagy ne küldd el őket.

4. A sebesség mérése a stabilitás mérése nélkül

Nő az átbocsátási teljesítmény, mindenki ünnepel, miközben egy másik csapat irányítópultján emelkedik az incidensek száma. A DORA-jelentés pontosan ezt a kettősséget tárta fel: a sebesség javul, míg a stabilitás romlik. Ha a két adatot külön irányítópultokon tartják nyilván, a probléma láthatatlanná válik.

A megoldás: Helyezze a változási hibaarányt ugyanarra a képernyőre, mint bármely sebességi mutatót, ne pedig egy külön megbízhatósági áttekintésbe, amelyet senki sem vesz figyelembe.

Hogyan lehet nyomon követni az AI hatását a ClickUp-ban

Ahhoz, hogy nyomon követhesd az AI hatását a ClickUp-ban, mérd az eredményeket maga a munka mellett: azokat a feladatokat, sprinteket és eredményeket, amelyeket az AI-nak fel kellett volna gyorsítania. A legtöbb token-dashboard a szolgáltató konzolján található, távol attól a munkától, amelyet leírnak. Az eredménymutatók áthelyezése a munkaterületre áthidalja ezt a szakadékot.

A korábbiakban bemutatott jel-eredmény párosítás közvetlenül leképezhető a platformra:

Figyelje a tokenek számát anélkül, hogy pontokat osztana az embereknek

Az egész történet egy szabályra vezethető vissza: a tokenadatokat kérdések feltevésére használjuk, soha nem pedig az emberek osztályozására. A Shopify azt kérdezte: „Mit építenek a legnagyobb költőink?”, és így fedezte fel a szabadjára engedett ügynököket és az infrastruktúra hibáit. A Meta és az Amazon azt kérdezte: „Ki használja a legtöbbet az AI-t?”, és hamis feladatokat, elpazarolt milliókat és használhatatlan ranglistákat kapott eredményül.

Tehát ebben a negyedévben három dolgot tegyen meg. Helyezze át a tokenek nyomon követését csapat szintre, és töröljön ki mindent, ami egy adott személy nevét feltünteti. Írja bele az irányelvbe, hogy a használati adatok soha ne kerüljenek be a teljesítményértékelésbe. És helyezzen el egy minőségi mutatót (a hibaarány változása a legegyszerűbb) ugyanarra a képernyőre, ahol az összes jelentett sebességi mutató is megjelenik.

Ha azt szeretné, hogy ez a képernyő a tényleges munka mellett legyen elérhető, ahelyett, hogy egy külön jelentéskészítő eszközben lenne, kezdje el ingyenesen használni a ClickUp-ot, és készítse el a műszerfalat, mielőtt szüksége lenne rá.

Gyakran feltett kérdések a Tokenmaxxingről (GYIK)

Mi a tokenmaxxing 30%-os szabálya?

Nincs hivatalos, kifejezetten a tokenmaxxingre vonatkozó „30%-os szabály”. A kifejezés általában két különálló megállapítás rövidítése, amelyet az emberek összekevernek: egyrészt az, hogy a mesterséges intelligencia általában körülbelül 10%-kal, nem pedig 30%-kal növeli a mérhető mérnöki termelékenységet, másrészt az, hogy a fejlesztők rendszeresen 20–30% körüli nyereséget jósolnak, ami végül nem valósul meg. Bármely rögzített százalékot tekints diagnosztikai adatnak, amelyet érdemes vizsgálni, soha pedig nem olyan célnak, amelyet el kell érni.

Egy millió token nagyjából 750 000 angol szónak felel meg, mivel egy token átlagosan körülbelül háromnegyed szót tesz ki. A költség teljes mértékben a modelltől és a bemeneti/kimeneti aránytól függ. A 2026-os frontier-modell árak alapján ez milliónként néhány dollártól alacsony tíz dollárig terjed. Az agentikus munkamenetek gyorsan felemésztik a milliókat a tokenekből, mivel minden ciklus újraolvassa a kontextust, és a prompt-cache olvasások is hozzáadódnak a számhoz.

A „Tokenmaxxing” a „token” szót ötvözi az internetes „-maxxing” utótaggal, amely egy tulajdonság maximalizálását jelenti. 2026 elején terjedt el a mérnöki körökben, miután a Meta és az Amazon belső token-ranglistái kiszivárogtak a sajtóhoz. A Business Insider 2026 áprilisában „a Szilícium-völgy új AI-vitájának ” nevezte. Az olyan nyilvános ranglisták, mint a Viberank és a tokenmaxxing.sh, ezután átvették a kifejezést, és az API-használat alapján rangsorolták az egyes fejlesztőket világszerte.

Nagyrészt igen. A Fortune 2026 májusában a tokenmaxxing végét hirdette, miután a Meta, az Amazon, a Microsoft és az Uber visszavonta vagy megszüntette a tokenes ranglistáit. A LeadDev AI Impact Reportja szerint a válaszadók csupán 19%-a tartja hatékonynak a tokenmaxxinget az AI értékének mérésében, 57% pedig úgy véli, hogy egyenesen kudarcot vallott. A hobbiból készített nyilvános ranglisták továbbra is léteznek, de inkább játék, mint vezetési gyakorlat formájában.

Nincs kialakult referenciaérték. Az Uber bevezetése során a havi számlák mérnökönként 500 és 2 000 dollár között mozogtak, mielőtt a vállalat eszközönként 1 500 dollárra korlátozta a kiadásokat. Jensen Huang, az Nvidia vezérigazgatója azt állította, hogy egy 500 000 dolláros fizetésű mérnöknek évente 250 000 dollár értékű tokent kellene felhasználnia, de ez valószínűleg inkább provokáció, nem pedig szabvány. Az eredmények szerint az összehasonlítható munkák között nagy eltérések tapasztalhatók, ami azt jelenti, hogy senki sem határozta meg, mi számít megfelelő felhasználásnak.

A „vibe coding” egy munkamódszer: a megvalósítást egy AI-ügynökre bízni, és az eredmények alapján irányítani. A „tokenmaxxing” egy mérési módszer: a felhasznált tokeneket a termelékenység bizonyítékaként kezelni. A „vibe coding”-ot lehet hatékonyan vagy pazarlóan alkalmazni; a „tokenmaxxing” a pazarló változatot jutalmazza, mert csak a fogyasztást veszi figyelembe. Azok a vállalatok, amelyek a „tokenmaxxing” megakadályozása érdekében korlátozták a tokenek számát, gyakran ezzel egyidejűleg a jogos, ügynöki munkát is hátrányosan érintették.