AI通证追踪争议升级：霍夫曼倡导情境化评估而非单纯排名

随着科技公司纷纷探索人工智能在组织中的深度集成，围绕“通证最大化”实践的争议正日益加剧。在Meta关闭其内部员工AI通证消耗排行榜后，这一话题迅速引发业界反思。领英联合创始人、风险投资家里德·霍夫曼公开表态，认为对AI使用频次的量化虽不完美，但可作为衡量组织适应能力的关键参考，前提是必须结合具体工作场景进行解读。

通证作为数字时代的工作货币：从计算单位到行为代理

人工智能通证是大型语言模型执行任务的基础资源单位，相当于系统处理信息的“燃料”。当员工向AI工具输入指令时，系统将消耗相应数量的通证以生成响应。因此，企业开始将总通证消耗量视为员工参与度与技术采纳程度的代理变量。这一现象催生了“tokenmaxxing”一词，借用了年轻一代对极致优化的表达方式，类比于外貌或睡眠的极致追求。

然而，该指标被广泛质疑存在结构性偏差。仅以通证用量衡量贡献，等同于比较谁花钱最多，而非谁创造了最大价值。例如，一名工程师可能通过大量调试耗尽通证，而一位战略规划者仅用少量交互便完成关键决策。这种差异暴露了知识型工作中无形产出难以量化的深层困境。

霍夫曼的战略建议：从监控走向协同学习文化

在一次深度访谈中，霍夫曼明确指出，企业应鼓励跨职能团队广泛开展AI实验，而非仅关注单一指标。他强调：“让不同角色的人都真正上手，尝试并体验AI。”他认为，通证使用数据虽有局限，但若辅以背景信息，仍可反映组织对新技术的探索意愿。

他进一步主张，应建立定期复盘机制，使团队能分享成功案例与失败教训，从而构建一种持续迭代的学习生态。此举旨在超越表面数据，推动组织形成对技术采纳的深层理解，而非简单追逐数字增长。

Meta实践背后的战略转向：从排名到垂直整合

Meta曾推出的员工通证消耗排名系统最终被取消，此举被视为其战略重心转移的重要信号。分析认为，这并非单纯因激励机制失衡，而是反映了公司正致力于深化自身AI基础设施的内嵌程度，推动产品与业务流程的深度耦合。

这一转变揭示出科技巨头面临的两难：既要激发员工对新工具的使用热情，又需防止因排名制度导致滥用或低效互动。过度依赖可视化的竞争榜单，可能诱导员工为提升数值而进行形式化操作，反而削弱真实创新。

衡量无形劳动：生产力评估的现代挑战

“通证最大化”之争本质上是一场关于如何评估知识工作者价值的哲学辩论。支持者认为，在缺乏理想指标的前提下，通证使用提供了一个可观测、可追踪的起点，有助于识别早期采用者并指导资源配置。

反对者则警告，此类做法容易演变为“虚荣指标”，引导员工优先追求高通证数而非高质量输出。真正的AI赋能往往伴随试错过程，正如霍夫曼所言：“有些实验注定失败——这完全正常。”若惩罚失败带来的高消耗，将严重抑制探索精神。

支持与批判的多维视角

支持观点包括：为技术参与度提供客观依据；激励员工主动接触新工具；辅助发现内部专家；支持预算分配的科学决策。

反对意见则集中于：奖励数量而非实质成果，类似计数击键次数；易造成算力浪费；对非高频使用者岗位不公平；引发隐私泄露与持续监控的伦理风险。

构建未来企业AI治理框架

面向长远，企业需构建更全面的评估体系。通证追踪不应是唯一标准，而应与其他维度结合，如项目成果、同行评审和影响力评估。借鉴霍夫曼建议，设立周期性经验分享会议，打造安全的沙盒环境以容许低成本试错，并制定透明的监控伦理规范，以维护员工信任。

当前阶段的人工智能融合仍处于演进初期，衡量方式与管理范式将持续演化。由霍夫曼等人推动的这场讨论，正是组织迈向智能化转型过程中不可或缺的成长阵痛。唯有超越数字崇拜，真正关注“用得聪明”，才能实现技术与人的共同进化。

结语：从通证消耗到洞察创造

“通证最大化”风波折射出人工智能融入企业肌理的复杂进程。霍夫曼所持的审慎立场表明，数据需求不可忽视，但盲目崇拜数字只会适得其反。未来真正的赢家，将是那些不仅能统计通证使用量，更能洞察其背后创新质量与战略深度的组织。目标不应是最大化通证，而是最大化认知价值、运营效能与可持续创造力。