Älä hukkaa juonta: Näin estät tekoälyn käytön muuttumisen suorituskykymittariksi
Tokenien maksimoinnin ongelma: Työntekijät manipuloivat tekoälyn tokenien käyttöön perustuvia mittareita sen sijaan, että keskittyisivät todelliseen tuottavuuteen.
Mittaamisen puutteet: Nykyiset arviointimenetelmät asettavat tekoälytoiminnan merkityksellisten tulosten edelle, mikä johtaa harhaanjohtaviin suorituskykyindikaattoreihin.
Vääristymisen riskit: Käyttötietoihin tukeutuminen heikentää niiden luotettavuutta ja vaikeuttaa työntekijöiden todellisen suorituskyvyn arviointia.
Ennaltaehkäisystrategiat: Organisaatioiden tulisi siirtyä tuloksiin perustuviin tekoälymittareihin ja korostaa suorituskyvyssä laatua määrän sijaan.
Viestintä johtamisessa: Tehokkaassa johtamisessa tekoälyä koskevissa keskusteluissa on asetettava oppimistulokset etusijalle, jotta aitojen valmiuksien kehittyminen mahdollistuu.
Huhtikuun alussa 2026 Metasta vuotanut sisäinen hallintapaneeli paljasti, että yhtiö oli asettanut noin 85 000 työntekijäänsä järjestykseen tekoälyn tokenien kulutuksen perusteella.
Tokenit ovat datayksiköitä, joita tekoälymallit käsittelevät, ja joku Metassa päätti, että niiden laskeminen oli hyödyllinen tapa seurata, ketkä todella käyttivät tekoälyä. Eniten käyttävä työntekijä oli kuluttanut yhden kuukauden aikana 281 miljardia tokenia. Hallintapaneelissa seurattu kokonaiskäyttö ylitti 60 biljoonaa tokenia ennen sen poistamista käytöstä.
Pian tämän jälkeen Financial Times raportoi samanlaisesta ilmiöstä Amazonilla. Työntekijät automatisoivat tarpeettomia tehtäviä nimenomaan kasvattaakseen tekoälyn käyttötilastojaan ja luodakseen vaikutelman sitoutumisesta yhtiön tekoälyhankkeeseen.
Continue Reading for Free
Create a free account to finish this article, plus get ongoing access to timely insights and practical resources.
Have an account? Log In
Ilmiö on sittemmin saanut nimen ”tokenmaxxing”, joka on lainattu gen Z:n slangista ja tarkoittaa jonkin asian maksimointia. Tässä tapauksessa kyse on tekoälyn käytön näkyvästä suorituskyvystä eikä siitä, mitä tekoälyn käytön pitäisi tuottaa.
Kaksi maailman suurimmista yhtiöistä, sama dynamiikka ja nimi, joka viittaa ilmiön leviämiseen.
Tokenmaxxing ei ole niinkään teknologiaongelma kuin suorituskyvyn johtamiseen ja organisaatiokulttuuriin liittyvä ongelma, ja siinä näkyy henkilöstöhallinnon ja operaatioiden kädenjälki riippumatta siitä, oliko HR paikalla, kun alkuperäiset ilmiötä synnyttävät päätökset tehtiin.
Joku määritteli kannustimen. Joku rakensi tulostaulukon tai salli sen olemassaolon. Joku päätti, että kulutus oli järkevä kyvykkyyden mittari. Tässä artikkelissa tarkastellaan, miten näin tapahtuu ja mitä voidaan tehdä ennen kuin se tapahtuu.
Miksi mittaaminen epäonnistuu
Organisaatiot eivät yleensä ryhdy rakentamaan tulostaulukkoihin perustuvia kulttuureja. Tokenmaxxing syntyy tilassa, joka jää sen väliin, mitä yritykset todella haluavat tekoälyn tuottavan ja mitä ne tällä hetkellä pystyvät mittaamaan.
Helmikuussa 2026 toteutettu yli 23 000 yhdysvaltalaisen työntekijän Gallupin kysely osoitti, että puolet työssäkäyvistä aikuisista käyttää tekoälyä vähintään muutaman kerran vuodessa. Lisäksi tekoälyä käyttöön ottavien organisaatioiden työntekijät raportoivat enemmän häiriöitä ja henkilöstöön liittyvää epävarmuutta kuin niiden organisaatioiden työntekijät, jotka eivät vielä ole ottaneet sitä käyttöön.
Samaan aikaan Gartnerin tiedot osoittavat, että vain yksi 50:stä tekoälyinvestoinnista tuottaa mullistavaa arvoa ja vain yksi viidestä tuottaa mitattavaa sijoitetun pääoman tuottoa. McKinseyn Tekoälyn tila 2025 -raportin mukaan useimmat organisaatiot ovat edelleen vasta yritystason arvon tuottamisen alkuvaiheissa nopeasta käyttöönotosta huolimatta.
McKinseyn mukaan suuremman ja pienemmän arvon tuloksia erottaa toisistaan työnkulkujen uudelleensuunnittelu ja hallinto, ei käytön raaka määrä.
Hallitukset ja toimitusjohtajat eivät kuitenkaan koe tätä hienovaraista eroa. He kokevat kiirettä, ja tämä kiire muuttuu vaatimuksiksi osoittaa käyttöönotto näkyvästi. Vaatimukset puolestaan johtavat siihen, että keskijohto etsii jotain näytettävää. Kun tekoälyn todellista vaikutusta tuloksiin ei voida mitata, mitataan lähintä mahdollista asiaa eli toimintaa. Näin syntyy hallintapaneeli.
Ammatillisen verkostoitumisalustan Intchin toimitusjohtaja Yakov Filippenko vertaa tätä toimistolle paluun määräyksiin. Hänen mukaansa yritykset painostivat työntekijöitä palaamaan toimistoille osittain siksi, että osakkeenomistajat omistivat kalliita tyhjillään olevia rakennuksia.
Nyt organisaatiot kuluttavat tokeneita osoittaakseen sijoittajille, etteivät ne jää paitsi tekoälyvallankumouksesta. Molemmissa tapauksissa aito taustalla oleva paine — osakkeenomistajille näkyminen ja kilpailuasema — johti mittariin, joka palveli mielikuvaa eikä operatiivista toimintaa.
Metan teknologiajohtaja Andrew Bosworth teki tämän logiikan näkyväksi kuvailemalla julkisesti parhaan insinöörinsä käyttävän tekoälytokeneihin palkkansa verran rahaa ja olevan sen ansiosta ”5–10 kertaa tuottavampi”. ”Tämä on helppoa rahaa. Jatkakaa sitä. Ei rajoitusta.”
Se, että tekoälyn tokenikulutus esitetään tuottavuuden signaalina yhden maailman vaikutusvaltaisimman yhtiön teknologiajohtajan toimesta, ei ole yksittäinen mielipide. Se heijastaa laajempaa epäonnistumista erottaa toisistaan korrelaatio ja kausaliteetti. Huippusuoriutuja sattuu käyttämään paljon tokeneita, joten tokenit alkavat näyttää korkean suorituskyvyn syyltä sen sijaan, että ne olisivat sen sivutuote.
Virhe kumuloituu nopeasti. Johtajat, jotka näkevät ylhäältä tulevan kehyksen, eivät tarvitse virallista tulostaulukkoa sisäistääkseen viestin. Käyttäytyminen seuraa signaalia, vaikka kukaan ei olisi tarkoittanut signaalia lähetettäväksi.
Mitä se maksaa
Käyttötilastot olivat jo ennestään epäluotettava tekoälyn tuottavuuden mittari ennen kuin niitä alettiin manipuloida.
Yasser Drif, Roman AI:n perustaja, jakoi asiakaskunnastaan kerättyjä tietoja, jotka viittaavat siihen, että toiminnan ja tuotosten välinen kuilu on suurempi kuin useimmat organisaatiot olettavat. Vain noin 24 prosenttia ihmisen käynnistämistä tekoälyajoista tuottaa hyödyllisen tuotoksen. Muu on iteraatiota ja keskeneräistä työtä, jonka määrälliset mittarit paisuttavat tuottavuuden vaikutelmaksi. Tämä on lähtötilanne. Tokenmaxxing tekee siitä vielä huonomman.
Ensimmäinen kustannus on signaalin vääristyminen. Kun käytöstä tulee mittari, käyttötiedoista tulee epäluotettavia. Et voi enää tarkastella sitä, kuka käyttää eniten tekoälyä, ja tehdä sen perusteella luotettavia johtopäätöksiä siitä, kuka suoriutuu, oppii tai tuottaa arvoa.
Tietoja on manipuloitu, etkä aina tiedä, kenen toimesta. Kaikki niiden pohjalta rakennetut henkilöstöanalytiikat perivät tämän vääristymän.
Toinen kustannus ulottuu syvemmälle. Kun työntekijät optimoivat tekoälyn käyttötaitojen kehittämisen sijaan sen vaikutelman luomista, että he hallitsevat tekoälyn, olet kääntänyt todellisuudessa tarvitsemasi oppimisedellytykset päälaelleen. Aito tekoälyosaamisen kehittäminen edellyttää kokeiluja, myös epäonnistuneita kokeiluja, sekä rehellistä raportointia siitä, mikä toimi.
Tokenmaxxing-kulttuuri luo paineen osoittaa pätevyytensä julkisesti ja samalla saa rehellisen raportoinnin tuntumaan riskialttiilta. Nämä ovat toisensa poissulkevia olosuhteita.
Kolmas kustannus kohdistuu työntekijöihin, jotka eivät manipuloi mitään. Ympäristössä, jossa tokenien kulutuksesta on tullut näkyvää ja arvostettua, henkilö, joka tekee huolellista ja tarkasti rajattua tekoälytyötä, joka tuottaa vahvoja tuloksia mutta ei kerrytä näyttäviä lukemia, alkaa tuntea jäävänsä jälkeen.
Tätä tunnetta ei korjata vakuuttelulla. Nopein tapa saada aito tekoälyosaamisen kehittäminen tuntumaan turvattomalta on antaa ihmisille, jotka eivät paisuttele lukujaan, vaikutelma, että he häviävät kilpailun, jota eivät ymmärrä.
Amazon reagoi ansiokkaasti luomaansa ongelmaan rajoittamalla käyttötilastojen näkyvyyden koko tiimin tasolla siten, että vain yksittäiset työntekijät ja heidän suorat esihenkilönsä saattoivat nähdä ne. Tämä on korjaava toimenpide. Ennaltaehkäisy edellyttää prosessin aikaisemmassa vaiheessa toisenlaista toimintaa.
Miten se voidaan estää
CHRO:n tai COO:n käytännön kysymys kuuluu, mistä aloittaa. ”Mittaa tuloksia, älä panoksia” pitää paikkansa, mutta se ei kerro kenellekään, mitä pitäisi muuttaa maanantaiaamuna.
Aloita tarkastamalla, mitä tällä hetkellä seurataan ja kuka näkee tiedot. Filippenko pitää kaikkia suoraan palkitsemiseen sidottuja tekoälyn käyttöönoton suorituskykymittareita välittömänä varoitusmerkkinä.
Se vastaa sitä, että asianajajan suoriutumista mitattaisiin tulostettujen sivujen määrällä tai ohjelmistokehittäjän tehokkuutta koodirivien määrällä.
Yasser Drif, jonka yritys Roman AI rakentaa organisaatioissa käyttöön otettavia tekoälytyökaluja, tarjoaa käytännöllisen lähtökohdan.
Hae 30 päivän käyttötiedot, järjestä ne kulutuksen mukaan ja kysy, mitä todella saatiin valmiiksi. Voiko henkilö näyttää sinulle konkreettisen tuotoksen?
Hänen tiiminsä seuraamat varoitusmerkit ovat muun muassa paljon kuluttavat käyttäjät, joihin ei liity valmista tuotosta, suoritusmäärien paisuminen, jossa tehtävään kertyy vähintään kymmenen tekoälyvuorovaikutusta ilman tilan muuttumista, sekä yksittäinen tekoälymestari, joka kuluttaa suhteettoman suuren osan käyttöhyvityksistä mutta tuottaa vain vähän valmista työtä. Jos koontinäyttösi eivät pysty vastaamaan kysymykseen ”mitä saatiin valmiiksi”, se on ensimmäinen korjattava ongelma.
Jos organisaatiollasi on tekoälyn käyttöä koskevia koontinäyttöjä, joiden tiedot näkyvät eri työntekijöille, tai jos käytön määrä näkyy jossain suoritusarvioinnissa, tavoitteenasetantaprosessissa tai esihenkilöraportoinnissa, tokenmaxxing-riski on läsnä juuri näissä kohdissa. Kysymys ei ole siitä, kerätäänkö tietoja — vaan siitä, näkyvätkö ne tavoilla, jotka luovat kilpailupainetta määrän eivätkä laadun ympärille.
Tuloksiin perustuva tekoälyn mittaaminen näyttää erilaiselta eri toiminnoissa. Myynnissä voidaan seurata sitä, paransiko tekoälyn avulla tehty kontaktointi konversioastetta, ei sitä, kuinka monta kehotetta myyjä lähetti. Operatiivisessa toiminnassa voidaan seurata tekoälyavusteisten prosessien läpimenoajan lyhenemistä tai virheprosenttia, ei järjestelmän käyttölokeja.
Suunnitteluperiaate on kaikissa sama. Mittaa sitä, mikä muuttui tekoälyn käytön seurauksena, älä itse käyttöä. Tämä edellyttää, että toimintojen johtajat ja henkilöstöhallinto määrittelevät yhdessä, miltä ”parempi” todella näyttää, ennen kuin mittauskehykset rakennetaan — ei vasta niiden jälkeen.
Mitä viestiä välität?
Johtamisviestintää on säädettävä uudelleen mittareiden rinnalla. Jos työntekijät kuulevat tekoälystä ainoastaan käyttöönottoasteisiin ja käytön virstanpylväisiin liittyviä viestejä, rivien väliin jäävä viesti on, että seurannan kohteena on käyttö.
Aitoa tekoälyosaamisen kehittämistä haluavien johtajien on puhuttava konkreettisista tuloksista: siitä, miten tekoäly muutti tiimin työskentelytapaa, mitä tietty kokeilu opetti organisaatiolle, missä käyttöönotto epäonnistui ja mitä se paljasti. Tällainen tarinankerronta viestii, että organisaatio arvostaa oppimista eikä oppimisen esittämistä.
Suunnan korjaaminen tiimissä, jossa tokenmaxxing-ilmiötä jo esiintyy, vaatii hienotunteisuutta. Mittaria manipuloineet työntekijät vastasivat yleensä johtajien luomaan viestiin. Sen käsitteleminen yksittäisen työntekijän käytösongelmana sivuuttaa tämän ja luo juuri ne olosuhteet, joissa rehellinen raportointi alkaa tuntua turvattomalta.
Kun työntekijäsi ovat valmiita tekemään merkityksetöntä työtä vain rastin laittamiseksi ruutuun, kyse ei ole mittariongelmasta, Filippenko sanoo. Kyse on toiminnan rappeutumisesta.
Korjaaminen tarkoittaa, että johto tunnustaa lähettämänsä viestin ennen kuin se pyytää ihmisiä muuttamaan toimintaansa.
Johtajille tuottavampi lähestymistapa on määritellä uudelleen odotukset siitä, mikä organisaatiolle todella on tärkeää, ja antaa ihmisille mahdollisuus osoittaa todellinen osaamisensa. Tämä tarkoittaa näkyviä esimerkkejä siitä, että tuloksiin perustuva onnistuminen huomioidaan, eikä vain vanhan mittarin poistamista.
Drifin ehdottama toimenpide on suoraviivainen ja harkitsemisen arvoinen: mittari nimetään julkisesti uudelleen niin, että "tekoälyn käyttö" muuttuu muotoon "tekoälyn avulla tehty työ". Uudelleennimeäminen itsessään viestii ihmisille, mitä organisaatio todella arvostaa, ilman että ketään tarvitsee nostaa erikseen esiin vanhan mittarin synnyttämän toiminnan vuoksi.
Epäselvyyden käsitteleminen
Syvemmällä tasolla tässä tarvitaan kärsivällisyyttä epäselvyyden keskellä. Useimmat organisaatiot eivät vielä pysty mittaamaan tekoälyn vaikutusta liiketoiminnan tuloksiin täsmällisesti, ja paine osoittaa jotakin sillä välin on todellinen. Kojelaudat ja tulostaulukot täyttävät tämän tyhjiön, koska ne tuottavat lukuja ja luvut tuntuvat tilivelvollisuudelta.
Ongelma on siinä, että niiden synnyttämä tilivelvollisuus kohdistuu väärään asiaan. Mittausjärjestelmien rakentaminen siten, että ihmiset ovat vastuussa tuloksista, vie enemmän aikaa ja edellyttää laajempaa toimintojen välistä suunnittelutyötä, mutta se on ainoa lähestymistapa, joka ei vääristä niitä tietoja, joita lopulta tarvitset parempien päätösten tekemiseen.
Tokenmaxxing on varhainen varoitusmerkki, ei päätepiste. Suhtaudu siihen kulttuurisignaalina, joka on syytä ottaa vakavasti jo nyt, niin saat myöhemmin paljon puhtaampaa suorituskykydataa ja paljon terveempää tekoälyn käyttöönottoa.
