Meta正在调整其内部AI应用的考核逻辑。据The Information报道，Meta已告知工程师，绩效评估将不再包含AI Token的使用量指标。Meta高管Maher Saba与Santosh Janardhan于当地时间周二联合发布了一份面向全公司工程师的最新绩效期望指引，明确表示公司不会使用AI采用率仪表盘或Token使用量来评估员工影响力。
这份新版绩效期望指引删除了此前对具体AI工具的引用，也删除了针对特定任务的AI使用指令，转而以工作质量与实际影响作为核心考量维度。备忘录显示，目前Meta内部93％的代码变更已由AI智能体辅助完成，但公司目标并非追求AI采用率本身，而是更高质量的交付与更快速的迭代。
这一调整的背景是Meta内部AI使用量的高速增长。据此前报道，Meta在今年6月已向6000名员工发送内部备忘录，通过名为AI GateWay的平台统一管理AI使用情况。各团队能够查看自身的AI用量数据，当Token支出出现异常增长时，系统会自动发出警报通知。Meta在当时的备忘录中指出，员工们今年内使用的AI工具可能花费数百亿美元。
从企业管理视角看，这一转变反映了大型科技公司在AI落地过程中对考核机制的重塑。早期阶段，企业倾向于通过量化指标推动AI工具的渗透率，Token使用量、调用次数等数据成为衡量员工采纳程度的重要标尺。但随着AI应用从试点走向规模化，单纯追求用量指标可能带来与业务目标脱节的风险——员工可能为了达标而机械性地调用AI，而非围绕实际业务问题寻求最优解决方案。
Meta此次调整的深层逻辑在于，将考核锚点从“用了多少AI”转向“用AI产出了什么结果”。这一做法与业界对AI生产力评估的讨论方向一致：AI的最终价值应体现在交付质量、迭代速度与业务成果上，而非工具本身的消耗量。对于拥有数万名工程师的Meta而言，统一的量化指标虽然便于管理，但也容易掩盖个体与团队之间工作性质的差异，导致考核失真。
值得注意的是，Meta并未完全放弃对AI使用情况的监控。AI GateWay平台仍将运行，用于追踪成本与资源分配，只是其数据不再直接挂钩员工绩效。这意味着Meta在保留成本管控能力的同时，试图避免考核体系对员工行为产生扭曲激励。
这一政策调整对SaaS及企业软件行业亦具有参考意义。当前不少协同办公与开发者工具厂商在销售AI功能时，常以Token消耗量或调用次数作为计费与价值展示的基础。Meta的案例表明，当AI工具深度嵌入工作流后，企业客户更关注的是产出质量而非消耗规模，这或促使相关厂商在产品设计与价值沟通上，从资源消耗型叙事转向成果导向型叙事。
Meta的工程师绩效新规预计将在后续考核周期中逐步落地。该公司正在经历从AI探索期向AI原生期的过渡，其考核标准的调整，可视为大型科技企业在AI生产力评估上的一次方向性修正。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
