A Meta está a avaliar a adopção de IA pelos empregados de uma forma inesperada — segundo a reportagem do The Information, a empresa criou um ranking interno chamado «Token Legends», no qual os trabalhadores competem entre si usando a capacidade de computação de IA e a quantidade de tokens como indicadores de estatuto e de produtividade. Um professor distinto da Universidade da Pensilvânia, Ethan Mollick, citou no X um artigo clássico de gestão, «A recompensa A, mas esperar B», lançando um aviso contundente: quando as empresas usam indicadores errados para medir a eficácia da adopção de IA, a IA pode tornar-se um novo «trabalho performativo» da próxima geração.
Competição de consumo de tokens: as novas regras de adopção de IA da Meta
De acordo com a reportagem, a Meta criou internamente o ranking «Token Legends», permitindo que os empregados vejam a quantidade de computação de IA que cada um consome. Este mecanismo gerou uma cultura de competição no interior da empresa, levando os trabalhadores a começarem a usar o volume de tokens como prova de que «abraçam a IA». No entanto, este procedimento levanta um problema fundamental: o consumo é igual ao valor?
Mollick, numa outra publicação, fornece ainda um número surpreendente: o consumo diário de capacidade de computação de IA da Meta chega a dois biliões de tokens (two trillion tokens a day). Este volume não representa apenas investimento em infraestrutura técnica, mas também uma evidência clara de que a adopção empresarial de IA já entrou numa fase de grande escala e institucionalizada.
Aviso clássico de gestão: a versão em IA de «recompensar A, mas esperar B»
Mollick recorre ao artigo clássico de gestão «On the Folly of Rewarding A, While Hoping for B» para analisar este fenómeno. Este estudo, amplamente citado, revela um problema comum nas organizações: quando os mecanismos de incentivos ficam desfasados dos objectivos reais, os empregados optimizam os indicadores que são medidos, e não os resultados que a organização realmente precisa.
Aplicando ao contexto da Meta: a empresa quer que os empregados melhorem a qualidade e a eficiência do trabalho através de IA (objectivo B), mas mede isso pela quantidade de tokens (recompensa A). O resultado pode ser que os empregados usem muita IA para subir no ranking, mesmo que essas utilizações não tragam melhorias reais de produtividade. Isto é semelhante ao trabalho performativo do passado nas empresas — «ser visto no escritório» equivale a «trabalhar arduamente».
Sem impacto em 2025, mas algo totalmente diferente em 2027
Mollick também propõe uma dimensão temporal importante: em 2025, as grandes empresas podem não ter tido impactos significativos no trabalho com GenAI, porque nessa altura ainda não existiam ferramentas verdadeiramente agentic; a adopção exige tempo, e todos ainda estão no processo de experimentação. Mas este cenário está a mudar rapidamente.
Ele alerta que os estudos que mostram que a IA não teve impacto em 2025 não nos podem dizer como será em 2027. À medida que as ferramentas agentic de IA amadurecem e a reconfiguração dos processos organizacionais fica concluída, as empresas passam de forma oficial da «fase de experimentação» para a «fase de implementação em escala». E é o desenho dos incentivos correctos durante esta transição que vai determinar quem consegue obter, de facto, uma vantagem competitiva com a IA.
Lições para a indústria: o verdadeiro desafio da adopção de IA não é a tecnologia
O caso da «Token Legends» da Meta revela os problemas profundos da adopção de IA nas empresas: a implementação tecnológica já não é o gargalo; são antes os comportamentos organizacionais e o desenho dos incentivos. Quando as empresas transformam «quanto de IA foi usada» em KPI, na prática estão a recompensar um tipo de comportamento que não tem relação com a produção. Os indicadores verdadeiramente eficazes devem medir os resultados reais trazidos pela IA — velocidade de conclusão dos projectos, qualidade do código, satisfação do cliente — e não apenas a quantidade de uso.
Para as empresas de Taiwan que estão a impulsionar uma transformação em IA, a experiência da Meta oferece um alerta importante: na pressa de introduzir ferramentas de IA, é ainda mais necessário pensar com cuidado em como conceber um sistema de avaliação de desempenho que inclua o conjunto de medidas adequadas. Caso contrário, a IA apenas se tornará uma ferramenta de trabalho performativo da nova geração, e não um motor real de transformação da produtividade.
Este artigo, controversa na Meta «Token Legends» ranking de IA: usar em vez de desempenho pode tornar-se trabalho performativo, apareceu pela primeira vez em Cadeia Notícias ABMedia.
Aviso: As informações nesta página podem ser provenientes de terceiros e não representam as opiniões ou pontos de vista da Gate. O conteúdo exibido nesta página é apenas para referência e não constitui aconselhamento financeiro, de investimento ou jurídico. A Gate não garante a exatidão ou integridade das informações e não será responsável por quaisquer perdas decorrentes do uso dessas informações. Os investimentos em ativos virtuais apresentam altos riscos e estão sujeitos a uma volatilidade de preços significativa. Você pode perder todo o capital investido. Por favor, compreenda completamente os riscos envolvidos e tome decisões prudentes com base em sua própria situação financeira e tolerância ao risco. Para mais detalhes, consulte o
Aviso Legal.
