В IT-командах появился новый способ показывать свою эффективность — тратить как можно больше токенов при работе с ИИ. Это явление уже назвали токенмаксингом.
Со стороны все выглядит здорово: сотрудники вовсю пользуются нейросетями, быстрее делают задачи, автоматизируют работу. Но внутри компаний это часто превращается в обычную гонку затрат — когда деньги уходят, а результат не меняется.
Разбираемся, почему токенмаксинг — плохая идея для бизнеса и как HR и руководителям обучать коллег использовать ИИ правильно.
Что такое токенмаксинг
Токены — это единицы, которыми ИИ измеряет ваш текст. Это как слоги или фрагменты слов. Например, слово «Привет» — это 1 токен, а слово «Токенмаксинг» может разбиться на два куска: «Токен», «максинг». Компания, которая использует платный тариф в нейронке, оплачивает каждый такой фрагмент и в вопросе сотрудника, и в ответе нейросети.
Токенмаксинг — это практика, при которой сотрудники искусственно увеличивают потребление токенов, в том числе такими способами:
- Увеличивают объем и частоту запросов к ИИ
- Запускают несколько агентов параллельно
- Пишут избыточно длинные и сложные промпты
- Используют ИИ там, где без него легко можно обойтись
Настоящая цель здесь — не решить задачу лучше, а показать начальству, что сотрудник активно использует ИИ в работе. Мол, «посмотрите, сколько токенов я потратил, значит, я стараюсь».
В некоторых компаниях дело доходило до абсурда: появлялись внутренние рейтинги сотрудников по объему использованных токенов и даже награды за максимальные показатели.
Почему это вообще стало трендом? Можно выделить две основные причины:
- Давление сверху. Руководители требуют: «Внедряйте ИИ, используйте ИИ». В некоторых организациях это уже стало частью ожиданий от любого сотрудника
- Иллюзия эффективности. Если инженер постоянно обращается к ИИ, создается впечатление, что он работает быстрее и качественнее. Но это далеко не всегда соответствует действительности
Почему токенмаксинг — плохая идея для бизнеса
Каждый лишний запрос к ИИ — это время, которое разработчик мог бы потратить на реальную работу. В России айтишникам платят сотни тысяч рублей, и когда инженер час возится с нейросетью вместо того, чтобы просто написать три строчки кода — компания теряет деньги.
Сотрудник запустил пять агентов, написал длинный промпт, получил простыню текста, половину не проверил — и доволен. Начальник видит активность и тоже доволен. Но задачка, которую можно было решить за 10 минут, растянулась на час. А в худшем случае в прод уехал баг, потому что код сгенерировала нейросеть, а человек не перепроверил.
Токены — плохая метрика эффективности. Один разработчик может потратить десятки тысяч токенов впустую, например, гоняя один и тот же запрос по кругу, а другой — решить ту же задачу с одного-двух коротких промптов. Кто из них ценнее для бизнеса? Очевидно, второй. Но если измерять сотрудников по количеству запросов к ИИ, победит тот, кто просто больше спрашивает.
Как мотивировать сотрудников осмысленно использовать ИИ без токенмаксинга
Запретить использование ИИ — нереалистично и контрпродуктивно. Но и поощрять токенмаксинг — тоже ошибка. Правильный фокус должен быть не на количестве токенов, а на ценности, которую ИИ приносит бизнесу.
Вот ключевые шаги, которые стоит предпринять.
- Уберите использование ИИ из KPI. Оценивайте сотрудников по реальным результатам: скорости закрытия задач, качеству решений, влиянию на продукт или бизнес-метрики, а не по объему использованных инструментов.
- Научите людей нормально работать с ИИ. Часто перерасход токенов возникает просто потому, что сотрудники не умеют эффективно взаимодействовать с нейросетями. Их нужно обучать писать короткие и точные промпты, понимать, когда ИИ действительно нужен, а когда нет, и критически проверять полученный результат.
Освободите время на работу с командой, делегируя подбор Хантфлоу. Прямо из системы можно публиковать вакансии, разбирать отклики, связываться с кандидатами — и все это за пару секунд.
