Meta desistiu de medir funcionários pela quantidade de IA. O que isso ensina sobre produtividade?

Durante meses, funcionários da Meta tiveram um incentivo curioso: mostrar que estavam incorporando inteligência artificial ao trabalho.

O consumo de tokens, unidades usadas para processar informações em modelos de IA, chegou a alimentar rankings internos e virou uma maneira visível de demonstrar adesão à tecnologia.

O resultado foi um comportamento conhecido dentro da empresa como “tokenmaxxing”: usar IA intensamente para elevar as próprias métricas. Agora, a companhia está recuando dessa lógica.

Novas orientações para avaliações de desempenho retiraram referências ao “uso de IA” e à classificação “AI Native”. Segundo a WIRED, engenheiros também foram informados de que painéis de adoção e contagens de tokens não serão utilizados para avaliar impacto.

A Meta afirma que a contribuição dos funcionários sempre foi o critério central das avaliações.

Todo mundo fala de IA — poucos sabem por onde começar. O pré-MBA EXAME + Saint Paul ensina em 4 aulas, online, por R$37. Comece hoje. Vagas abertas.

Quando a métrica vira o objetivo

O episódio ajuda a mostrar um problema de gestão que antecede a inteligência artificial: medir uma atividade é diferente de medir o resultado produzido por ela.

Tokens indicam quanto um sistema de IA foi acionado e processou conteúdo. Um funcionário pode consumir milhares deles tentando resolver uma tarefa simples, enquanto outro pode recorrer à tecnologia poucas vezes e economizar horas de trabalho.

A quantidade, isoladamente, não informa se houve ganho de produtividade, melhora de qualidade ou redução de custos.

Na Meta, funcionários relataram à WIRED que colegas chegaram a enviar comandos que consideravam desnecessários para aumentar suas métricas internas de utilização.

Um funcionário criou até um ranking de consumo de IA, com classificações como “Token Legend”; o painel foi retirado depois que sua existência se tornou pública.

O incentivo, portanto, podia favorecer justamente o comportamento que a medição deveria ajudar a compreender: usar mais IA, independentemente da necessidade.

Quer entender IA na prática? EXAME + Saint Paul criaram um pré-MBA com 4 aulas online por R$37. Comece do zero e dê o primeiro passo agora.

O que medir no lugar da quantidade de IA

Para empresas que estão introduzindo ferramentas generativas, o caso sugere uma distinção importante entre adoção e produtividade. Número de prompts, tokens consumidos ou frequência de acesso podem ajudar a entender se uma tecnologia está sendo testada, mas dizem pouco sobre seu efeito no trabalho.

Indicadores ligados ao resultado oferecem uma leitura mais útil. Uma equipe pode comparar, por exemplo, o tempo necessário para concluir determinadas tarefas antes e depois da adoção da IA, a quantidade de retrabalho, a incidência de erros ou o volume de entregas realizadas mantendo um padrão de qualidade.

Também é preciso considerar a natureza da função: um desenvolvedor que utiliza um assistente de programação diariamente e um gestor que recorre a um chatbot duas vezes por semana podem estar extraindo valor da tecnologia de maneiras diferentes. 

Meta não abandonou a IA no trabalho

A mudança nas avaliações não representa um recuo da Meta no desenvolvimento ou no uso interno da tecnologia. Funcionários estão testando o Hatch, agente de IA capaz de navegar pela web e operar outros aplicativos no computador. 

Há ainda preocupações entre trabalhadores sobre privacidade, erros e o volume de recursos computacionais consumidos pelo agente. Alguns evitam conectar contas pessoais de e-mail e calendário ao sistema.

A experiência deixa uma diferença relevante para outras empresas que pretendem incentivar a adoção de IA: acompanhar se funcionários estão experimentando uma tecnologia pode ser útil durante sua implementação.

Vincular desempenho profissional diretamente à quantidade utilizada cria outro incentivo. A pergunta mais informativa passa a ser o que melhorou depois da adoção e se o ganho pode ser demonstrado.