Meta recientemente deshabilitó un panel de control interno que clasificaba a los empleados según la cantidad de tokens de IA que consumían, desconectando después de una filtración que reveló el tablero de liderazgo a la prensa. El movimiento revivió un debate acalorado sobre el "tokenmaxxing"—un término que combina la unidad de token de IA con el slang de la Generación Z para optimizar el rendimiento. Mientras que algunos ingenieros de tecnología argumentan que la métrica reduce el trabajo complejo a un solo número, otros la ven como un proxy útil para la participación en la IA.

En la cumbre de la economía mundial de Semafor esta semana, el cofundador de LinkedIn y capitalista de riesgo Reid Hoffman adoptó una postura clara. Elogió la idea de rastrear el uso de tokens, diciendo que las empresas deben alentar al personal en todas las funciones a experimentar con herramientas de IA. "Debes hacer que la gente en todas las funciones diferentes esté experimentando y probando la IA", le dijo Hoffman a la audiencia.

Hoffman reconoció los límites de la métrica. Describió los recuentos de tokens como un "buen panel de control para mirar" pero advirtió que no equivale a una medida perfecta de productividad. "No significa que sea un ejemplo perfecto de productividad, pero... ¿cuánto uso de tokens están haciendo las personas realmente mientras lo hacen?", preguntó.

El veterano del Valle de Silicio enfatizó que el alto consumo de tokens puede provenir tanto del trabajo intencional como de los ensayos exploratorios. "Algunos de ellos serán experimentos que fallarán —está bien—", dijo. "Pero está en ese bucle, y quieres una amplia variedad de personas usando esencialmente, colectiva y simultáneamente". El punto de Hoffman fue claro: el valor radica en el alcance de la experimentación, no solo en el volumen de tokens gastados.

Más allá del panel de control, Hoffman ofreció consejos prácticos para las organizaciones que buscan integrar la IA de manera más profunda. Instó a las empresas a realizar reuniones semanales enfocadas donde los equipos compartan lo que intentaron, lo que funcionó y lo que falló. "Debemos tener, esencialmente, una reunión semanal... una reunión grupal sobre \'qué intentamos hacer de nuevo esta semana, para usar la IA tanto para la productividad personal como grupal y empresarial, y qué aprendimos?\'", sugirió.

El respaldo de Hoffman llega mientras más empresas luchan por medir el impacto de la IA en el lugar de trabajo. Los partidarios argumentan que las métricas de tokens sacan a la luz a los adoptantes ocultos y ayudan a asignar recursos para la capacitación en IA. Los críticos advierten que clasificar al personal por gasto de tokens podría incentivar un uso derrochador o pasar por alto contribuciones cualitativas.

La decisión de Meta de retirar su tablero de liderazgo subraya la sensibilidad de las métricas internas. La herramienta interna de la empresa, descrita por los empleados como una "puntuación de tokenmaxxing", fue cerrada supuestamente días después de que un periodista obtuvo una captura de pantalla de la clasificación. Aunque Meta no ha comentado públicamente sobre la razón, el episodio ilustra la delgada línea que las empresas caminan entre la transparencia y la moral.

Los comentarios de Hoffman señalan un cambio hacia el abrazo de la métrica como un iniciador de conversación en lugar de una estricta regla de desempeño. Al emparejar el seguimiento de tokens con conocimientos contextuales —qué están construyendo, probando o aprendiendo los empleados—, las empresas pueden evaluar mejor la contribución real de la IA. A medida que la tecnología madura, el debate sobre el tokenmaxxing probablemente evolucionará, pero por ahora, líderes de la industria como Hoffman lo ven como un paso hacia una fuerza laboral más sabia en IA.

Usado: News Factory APP - descubrimiento de noticias y automatización - ChatGPT para Empresas