Meta ภายในกำลังวัดระดับการนำ AI ไปใช้ของพนักงานด้วยวิธีที่ไม่คาดคิด—ตามรายงานของ The Information บริษัทได้สร้างกระดานจัดอันดับภายในชื่อว่า “Token Legends” โดยให้พนักงานแข่งขันกันเรื่องสถานะและตัวชี้วัดด้านประสิทธิภาพการทำงาน โดยใช้พลังการประมวลผลของ AI และปริมาณการใช้ token เป็นเกณฑ์ มหาวิทยาลัยเพนซิลเวเนีย ศาสตราจารย์ชื่อดัง Ethan Mollick ได้ออกคำเตือนอย่างเฉียบคมบน X โดยอ้างบทความคลาสสิกด้านการจัดการธุรกิจ “The Folly of Rewarding A, While Hoping for B” ว่าเมื่อองค์กรใช้ตัวชี้วัดผิดเพื่อประเมินประสิทธิผลของการนำ AI ไปใช้ AI อาจกลายเป็นงาน “เชิงการแสดง” รุ่นถัดไป
การแข่งขันปริมาณการใช้ Token: กติกาใหม่สำหรับการนำ AI ไปใช้ของ Meta
ตามรายงาน แชต “Token Legends” ที่ Meta สร้างขึ้นภายในช่วยให้พนักงานดูได้ว่าพลังการประมวลผล AI ของแต่ละคนใช้ไปมากเพียงใด กลไกนี้ก่อให้เกิดวัฒนธรรมการแข่งขันในองค์กร พนักงานเริ่มใช้ปริมาณการใช้ token เป็นหลักฐานเพื่อแสดงออกว่าตน “โอบรับ AI” อย่างไรก็ตาม วิธีการดังกล่าวทำให้เกิดปัญหาพื้นฐาน: ปริมาณการใช้เท่ากับคุณค่าหรือไม่?
Mollick ในทวีตอีกฉบับยังให้ตัวเลขที่น่าทึ่ง: การใช้พลังการประมวลผล AI รายวันของ Meta ถึงสองล้านล้าน token (two trillion tokens a day) ขนาดดังกล่าวไม่เพียงสะท้อนถึงการลงทุนด้านโครงสร้างพื้นฐานทางเทคโนโลยี แต่ยังเป็นหลักฐานชัดเจนว่า การนำ AI ไปใช้ในระดับองค์กรได้เข้าสู่ระยะการทำให้เป็นระบบในขนาดใหญ่แล้ว
คำเตือนด้านการจัดการธุรกิจแบบคลาสสิก: AI เวอร์ชันของ “รางวัล A แต่หวัง B”
Mollick อ้างอิงบทความคลาสสิกด้านการจัดการธุรกิจ “On the Folly of Rewarding A, While Hoping for B” เพื่อวิเคราะห์ปรากฏการณ์นี้ บทความที่ถูกอ้างถึงอย่างกว้างขวางนี้เปิดเผยปัญหาทั่วไปในองค์กร: เมื่อระบบแรงจูงใจแยกตัวออกจากเป้าหมายที่แท้จริง พนักงานจะปรับตัวให้เหมาะกับตัวชี้วัดที่ถูกวัด มากกว่าการสร้างผลลัพธ์ที่องค์กรต้องการจริง ๆ
นำไปใช้กับบริบทของ Meta: บริษัทต้องการให้พนักงานยกระดับคุณภาพและประสิทธิภาพของงานด้วย AI (เป้าหมาย B) แต่กลับใช้ปริมาณการใช้ token เป็นตัววัด (รางวัล A) ผลลัพธ์อาจเป็นการที่พนักงานใช้ AI เป็นจำนวนมากเพื่อไต่ขึ้นกระดานจัดอันดับ แม้ว่าการใช้งานเหล่านั้นจะไม่ได้ทำให้เกิดการเพิ่มขึ้นของประสิทธิภาพการทำงานอย่างแท้จริง นี่สอดคล้องกับแรงงานเชิงการแสดงที่เคยเกิดขึ้นในองค์กรในอดีต ซึ่ง “ถูกมองเห็นในออฟฟิศ” เท่ากับ “ทำงานหนัก”
ปี 2025 ไร้ความรู้สึก แต่ปี 2027 จะต่างอย่างสิ้นเชิง
Mollick ยังเสนอกรอบมิติด้านเวลา: ในปี 2025 บริษัทขนาดใหญ่ GenAI อาจยังไม่สร้างผลกระทบสำคัญต่อการทำงาน เพราะเวลานั้นยังไม่มีเครื่องมือแบบ agentic การนำไปใช้ต้องใช้เวลา และทุกคนยังอยู่ในขั้นตอนทดลองอยู่ แต่สถานการณ์นี้กำลังเปลี่ยนแปลงอย่างรวดเร็ว
เขาเตือนว่า งานวิจัยที่ชี้ว่า AI ในปี 2025 ไม่ส่งผลกระทบ ไม่สามารถบอกเราได้ว่าในปี 2027 จะเป็นอย่างไร เมื่อเครื่องมือ agentic AI สุกงอม และการปรับโครงสร้างกระบวนการขององค์กรเสร็จสิ้นแล้ว บริษัทจะเปลี่ยนจาก “ช่วงทดลอง” ไปสู่ “ช่วงการปรับใช้ในระดับจริง” อย่างเป็นทางการ และการออกแบบระบบแรงจูงใจที่ถูกต้องในกระบวนการเปลี่ยนผ่านนี้ จะเป็นตัวกำหนดว่าใครจะได้รับความได้เปรียบในการแข่งขันจาก AI ได้จริง
บทเรียนต่ออุตสาหกรรม: ความท้าทายที่แท้จริงของการนำ AI ไปใช้ไม่ใช่เรื่องเทคโนโลยี
เคส “Token Legends” ของ Meta สะท้อนปัญหาลึกของการนำ AI ไปใช้ในองค์กร: ขณะนี้การนำเทคโนโลยีไปใช้งานไม่ใช่คอขวดอีกต่อไป พฤติกรรมขององค์กรและการออกแบบแรงจูงใจต่างหากคือประเด็น เมื่อองค์กรเอา “ใช้ AI มากแค่ไหน” เป็น KPI พวกเขาแท้จริงแล้วกำลังให้รางวัลกับพฤติกรรมที่ไม่เกี่ยวข้องกับผลผลิต ตัวชี้วัดที่มีประสิทธิผลควรประเมินผลลัพธ์ที่เกิดขึ้นจริงจาก AI—ความเร็วในการทำโครงการ คุณภาพของโค้ด ความพึงพอใจของลูกค้า—ไม่ใช่เพียงแค่อัตราการใช้งาน
สำหรับบริษัทในไต้หวันที่กำลังผลักดันการเปลี่ยนผ่านสู่ AI ประสบการณ์ของ Meta ให้คำเตือนที่สำคัญ: ขณะเร่งนำเครื่องมือ AI มาใช้ ยิ่งต้องคิดอย่างรอบคอบว่าควรออกแบบระบบประเมินผลและตัวชี้วัดผลงานที่เหมาะสมอย่างไร มิฉะนั้น AI จะกลายเป็นเพียงเครื่องมือทำงานเชิงการแสดงของคนรุ่นถัดไป ไม่ใช่เครื่องยนต์การเปลี่ยนแปลงด้านประสิทธิภาพการทำงานอย่างแท้จริง
บทความนี้ Meta “Token Legends” แถวจัดอันดับ AI ก่อกระแสโต้แย้ง: ใช้ปริมาณเป็นผลงานอาจกลายเป็นงานเชิงการแสดงครั้งแรกที่ปรากฏบน Chain News ABMedia.
