مِتا تصمیم گرفت استفاده از ابزارهای هوش مصنوعی را به‌عنوان معیاری در ارزیابی عملکرد مهندسان نرم‌افزاری خود لغو کند. این تغییر استراتژیک، که در یک یادداشت داخلی توسط The Information فاش شده، از سوی ماهر صبا و سانتوش جاناردان، دو تن از مدیران ارشد شرکت اعلام گردید. از این پس، داشبوردهای نظارت بر مصرف هوش مصنوعی و شمارنده‌های توکن در چرخه ارزیابی عملکردی نقشی نخواهند داشت؛ تمرکز سازمانی صرفاً بر کیفیت، سرعت و پیچیدگی خروجی‌های فنی متمرکز شده است.

پیروزی «توکن‌ماکسینگ» و هزینه‌های خارج از کنترل

پیش از این، مدیریت مِتا استفاده از ابزارهای هوش مصنوعی را به‌عنوان شاخصی از بهره‌وری و پیشرفت فردی در نظر می‌گرفت. این سیاست ناخواسته پدیده‌ای را متولد کرد که کارکنان «توکن‌ماکسینگ» نامیدند: مهندسان حجم عظیمی از توکن‌ها را صرف می‌کردند تا در جداول رتبه‌بندی داخلی جایگاه بهتری کسب کنند، بدون اینکه ضرورتی به تولید کد یا حل مسئله واقعی وجود داشته باشد.

این رویکرد هزینه‌های مصرف را به اوج رساند. برآوردها حاکی است که تنها هزینه‌های داخلی ناشی از اجرای مدل‌های زبانی در سال ۲۰۲۶ به میلیاردها دلار خواهد رسید. برای مهار این روند، مِتا برنامه‌ریزی کرده که از سال ۲۰۲۷ سیستم تخصیص بودجه و یک داشبورد متمرکز نظارتی را اجرا نماید.

ابزار عامل‌محور «هچ» و چالش حریم خصوصی

هم‌زمان با این تغییر، مِتا در حال تست ابزاری عامل‌محور (Agent-based) با نام «Hatch» است که از گزارش WIRED برمی‌آید. این ابزار برای اجرای وظایف کامپیوتری به‌صورت خودکار و بدون دخالت مستقیم انسان طراحی شده است. با این حال، گسترش داخلی آن با مقاومت روبرو شده است؛ بخش قابل توجهی از کارکنان نگران‌اند که اتصال این عامل هوشمند به حساب‌های شخصی و محیط‌های توسعه، حریم خصوصی داده‌هایشان را به خطر بیندازد.

نکات کلیدی این تحول

  • حذف معیار كمية: شمارش توکن و استفاده از AI دیگر در ارزیابی عملکرد (Performance Review) مهندسان تاثیری ندارد.
  • تمرکز بر کیفیت: معیارهای جدید بر پیچیدگی مهندسی، کیفیت کد و سرعت تحویل متمرکز شده‌اند.
  • کنترل هزینه: مِتا با راه‌اندازی سیستم بودجه‌بندی ۲۰۲۷، سعی در مهار هزینه‌های ابری ناشی از استفاده بی‌حد از LLMها دارد.
  • محدودیت اعتماد: ابزار عامل‌محور «هچ» با چالش جدی اعتماد کارکنان در خصوص حریم خصوصی داده‌ها روبروست.

این رویداد نمادین‌ترین مثال چالش‌های بنیادین ادغام هوش مصنوعی مولد در گردش‌کارهای مهندسی مقیاس‌بزرگ است: یافتن تعادل میان تشویق به نوآوری، کنترل هزینه‌های زیرساختی، و حفظ اعتماد کادر فنی نسبت به حریم خصوصی و خودمختاری در محیط توسعه.