Meta “Token Legends” AI peringkat diperdebatkan: memakai volume sebagai kinerja berpotensi menjadi pekerjaan yang bersifat pertunjukan

Meta sedang menilai tingkat adopsi AI karyawan dengan cara yang tidak terduga—menurut laporan The Information, perusahaan tersebut membentuk papan peringkat internal bernama “Token Legends”, di mana karyawan saling bersaing menggunakan komputasi AI dan jumlah penggunaan token sebagai indikator posisi dan produktivitas. Profesor terkenal dari Universitas Pennsylvania, Ethan Mollick, dalam postingan X mengutip artikel manajemen klasik “The Folly of Rewarding A, While Hoping for B” sebagai peringatan tajam: ketika perusahaan mengukur efektivitas adopsi AI dengan metrik yang keliru, AI bisa menjadi pekerjaan “spektakuler” generasi berikutnya.

Kontes penggunaan token: Aturan baru adopsi AI Meta

Menurut laporan, papan peringkat “Token Legends” yang dibangun secara internal oleh Meta memungkinkan karyawan melihat konsumsi komputasi AI masing-masing. Mekanisme ini membentuk budaya kompetitif di dalam internal; karyawan mulai menjadikan jumlah token sebagai bukti untuk menampilkan diri bahwa mereka “merangkul AI”. Namun, pendekatan ini memunculkan masalah mendasar: apakah penggunaan sama dengan nilai?

Mollick, dalam cuitan lain, juga memberikan angka yang mengejutkan: konsumsi komputasi AI Meta mencapai dua triliun token per hari (two trillion tokens a day). Skala ini tidak hanya menggambarkan investasi infrastruktur teknis, tetapi juga bukti yang jelas bahwa adopsi AI level perusahaan telah memasuki tahap institusionalisasi berskala besar.

Peringatan manajemen klasik: versi AI dari “Reward A, While Hoping for B”

Mollick mengutip artikel manajemen klasik “On the Folly of Rewarding A, While Hoping for B” untuk menganalisis fenomena ini. Paper yang banyak dirujuk ini mengungkap masalah yang umum dalam organisasi: ketika mekanisme insentif tidak selaras dengan tujuan sebenarnya, karyawan akan mengoptimalkan metrik yang diukur, bukan hasil yang benar-benar dibutuhkan organisasi.

Diterapkan pada situasi Meta: perusahaan ingin karyawan meningkatkan kualitas dan efisiensi pekerjaan lewat AI (tujuan B), tetapi mengukur (reward A) dengan jumlah penggunaan token. Akibatnya, karyawan mungkin menggunakan AI dalam jumlah besar untuk naik ke papan peringkat, meskipun penggunaan tersebut tidak benar-benar meningkatkan produktivitas. Ini sama persis dengan kerja “spektakuler” yang terjadi di perusahaan-perusahaan masa lalu, ketika “terlihat bekerja di kantor” dianggap sama dengan “bekerja keras”.

Tahun 2025 terasa, tetapi 2027 akan sangat berbeda

Mollick juga mengemukakan dimensi waktu yang penting: pada 2025, di perusahaan-perusahaan besar GenAI mungkin belum menghasilkan dampak besar pada pekerjaan, karena saat itu belum ada alat yang benar-benar agentic; adopsi membutuhkan waktu, dan semua orang masih bereksperimen dalam alur proses. Namun, situasi ini berubah dengan cepat.

Ia memperingatkan bahwa riset yang menunjukkan AI tidak berpengaruh pada 2025 tidak bisa memberi tahu kita seperti apa keadaan pada 2027. Seiring alat AI agentic menjadi matang, dan proses organisasi selesai direstrukturisasi, perusahaan akan secara resmi beralih dari “fase eksperimen” ke “fase deployment skala”. Dan bagaimana mendesain mekanisme insentif yang tepat dalam proses transisi ini akan menentukan siapa yang benar-benar bisa meraih keunggulan kompetitif dari AI.

Pelajaran untuk industri: tantangan nyata adopsi AI bukan teknologinya

Kasus “Token Legends” Meta mengungkap masalah mendalam dalam adopsi AI perusahaan: bottleneck teknis itu sendiri sudah bukan lagi hambatan, yang jadi kuncinya adalah perilaku organisasi dan desain insentif. Ketika perusahaan menjadikan “sudah memakai berapa banyak AI” sebagai KPI, sebenarnya mereka sedang memberi penghargaan pada suatu perilaku yang tidak terkait dengan output. Metrik yang benar-benar efektif seharusnya mengukur hasil nyata yang dihasilkan AI—kecepatan penyelesaian proyek, kualitas kode, kepuasan pelanggan—bukan sekadar jumlah pemakaian.

Bagi perusahaan-perusahaan Taiwan yang sedang mendorong transformasi AI, pengalaman Meta memberi peringatan penting: ketika sedang tergesa-gesa mengadopsi alat AI, lebih penting lagi untuk memikirkan dengan cermat bagaimana merancang sistem penilaian kinerja yang menyertainya. Jika tidak, AI hanya akan menjadi alat kerja “spektakuler” generasi baru, bukan mesin perubahan produktivitas yang benar-benar berdampak.

Artikel ini memicu kontroversi terkait papan peringkat AI Meta “Token Legends”: penggunaan sebagai kinerja berpotensi menjadi pekerjaan spektakuler Muncul pertama kali di Lian News ABMedia.