Na Meta, uma iniciativa interna apelidada de “Claudeonomics” criou um ranking para os maiores consumidores de tokens de IA da empresa, distribuindo títulos como “Lenda dos Tokens”. Em outras gigantes, como Amazon, JPMorgan e Accenture, o rastreamento da atividade de IA dos funcionários passou a integrar avaliações formais de desempenho. O resultado foi um fenômeno batizado de tokenmaxxing: uma corrida para maximizar o uso de IA, muitas vezes em tarefas que não a exigiam.

A consequência previsível veio rápido. Segundo reportagem da Fast Company, a Meta desativou seu leaderboard assim que a prática se tornou pública, e a Amazon teria feito o mesmo. O episódio não é uma novidade, mas um eco de uma lição antiga da administração: a tentativa de medir o progresso com métricas simplistas quase sempre gera distorções. A pressa em quantificar o impacto da IA está levando companhias a repetir erros clássicos de gestão.

A Lei de Goodhart, versão IA

O sociólogo V.F. Ridgway já alertava em 1956 para as “consequências disfuncionais das medições de desempenho”. A ideia foi formalizada na Lei de Goodhart, que postula: “quando uma medida se torna uma meta, ela deixa de ser uma boa medida”. O que se vê com o tokenmaxxing é uma aplicação direta deste princípio. Ao atrelar recompensas ao volume de tokens, as empresas não medem a geração de valor, mas a capacidade dos funcionários de seguir uma instrução – neste caso, gerar atividade.

O problema é que, diferente de manipular uma meta de vendas, que exige algum esforço real, inflar o consumo de tokens tem um custo de produção próximo de zero. Basta um prompt criativo. O resultado é uma dissociação completa entre o custo de rodar os modelos de IA e o valor que eles criam. Em um caso extremo citado na reportagem, uma companhia não identificada teria gasto US$ 500 milhões em um único mês com o uso descontrolado de tokens.

Inputs não são resultados

A falácia central é confundir insumos com resultados. Tokens de IA são um insumo, não um produto final. Medir o sucesso pela quantidade de tokens consumidos é como medir a eficiência de uma fábrica pela quantidade de eletricidade gasta, e não pelos produtos que saem da linha de montagem. O paralelo histórico é o movimento de Reengenharia de Processos de Negócio, que em sua origem pregava uma reinvenção radical das práticas empresariais, mas que em muitos casos se resumiu a cortes de custos incrementais sob uma bandeira de inovação.

Quando a métrica é facilmente manipulável, ela perde sua capacidade de diferenciar o desempenho. Se todos se tornam “grandes usuários” de IA para atingir a meta, o indicador se achata e deixa de ter qualquer poder preditivo. Os painéis de controle exibem números impressionantes — adoção em alta, uso crescente —, mas essa euforia dos dados esconde uma ausência de informação sobre o que realmente importa: a criação de valor para o negócio.

A ânsia de quantificar o retorno sobre o investimento em inteligência artificial é compreensível, mas focar na atividade bruta é um atalho que leva a um beco sem saída. O desafio para os gestores não é medir quantas vezes a ferramenta é usada, mas sim como seu uso se conecta a resultados de negócio tangíveis. É uma lição antiga, que a nova fronteira tecnológica parece nos forçar a reaprender da maneira mais difícil.

Com reportagem de Brazil Valley

Source · Fast Company