最新｜MetaAI组织大反转：刚取消Token考核，又把人请回管理岗

01.

不再用 Token 数评价人 

几天前，Meta 取消了一项备受关注的 AI 考核方式。

此前，Meta 曾推动工程师更加"AI native"，甚至一度尝试用 AI 工具使用情况、Token 消耗量等指标，来衡量员工的 AI 采用程度。逻辑听上去很顺：谁用得多，谁就更拥抱 AI。

但 9 月初，Meta 在内部调整了工程师评价标准，明确表态：

"We will not use AI adoption dashboards or token counts to evaluate impact."我们不会用 AI 采用数据看板或 Token 数量来评价员工的贡献价值

新的评价重点变成了：

新的四个评价维度Output quality　输出质量Velocity　交付速度Problem complexity　问题复杂度Scope taken on　承担范围

从"你用了多少 AI"变成"你解决了多难的问题、交出了什么质量的结果"——考核的重心，从过程指标回到了结果本身。

02.

把管理岗重新请回来 

几乎同时，Meta 在组织结构上做了方向相反的事。

过去一年，Meta 一直在推动更加扁平化的组织模式：减少管理层级，提高管理跨度，让更多工程师直接承担技术和业务贡献。在这套思路下，不少管理者被鼓励"转型"为个人贡献者（IC）——不带人，专心做技术。

但随着 AI 团队快速扩张，Meta 开始重新思考一个更朴素的问题：一个数千人的 AI 组织，到底需要什么样的管理机制？

Applied AI 部门如今约有 7000 名员工。在这个体量下，"人人都是 IC、没人带团队"的模型开始暴露成本：复杂项目需要协调，不同团队需要对齐，年轻人才需要培养，组织目标需要持续传递。

于是 Meta 邀请部分此前的 IC，重新考虑承担 People Manager 职责——自愿，不强制。

03.

为什么 Token 数注定考核不了价值 

如果只看逻辑，用 Token 数衡量 AI 采用程度几乎是"最省事"的做法：数据现成、能拉看板、可以排名。

但它同时满足了一个坏指标的全部特征：

可刷。Token 消耗量是投入量，不是产出量。只要愿意，堆长提示词、反复重跑、让 AI 做无用功，数字就能上涨。

会错配。越难的活儿，往往越不需要"多聊"；越简单的活儿，反而容易刷出高用量。指标一旦成为目标，行为就会向它倾斜。

 伤了真问题。考核 AI 使用量，等于在暗示"用 AI 比解决问题更重要"，最终把工程师的注意力从难题上挪开。

把指标换成输出质量、速度、问题复杂度和承担范围后，评价重新指向了一件事：无论你用不用 AI，你到底交付了什么。

04.

为什么"越扁平越好"会在千人规模失效

扁平化在过去一年成了科技公司的共同信仰：减少层级、加快决策、让优秀个体拥有更大自主权。在几十人的团队里，这几乎总是对的。

但组织从几十人长到几千人，物理规律就变了。

协调成本随人数非线性上升；跨团队的目标会自然漂移；年轻人在没有"带人者"的环境里成长更慢；战略意图在层层传递中被稀释。

这些事情，并不会因为 AI 工具的出现而自动消失。AI 可以让一个人做更多事，却不能替一个组织完成对齐。

所以 Meta 这次邀请部分员工回归 Manager 角色，并不代表回到传统管理模式，而是在重新寻找AI 时代管理跨度的边界：太宽则失控，太窄则官僚，中间那条线，需要用真实组织去试。

05.

AI组织转型避开两个误区 

把 Meta 最近这两个动作放在一起看，其实释放出一个共同信号：AI 时代，企业需要避免两个误区。

图 2｜AI 时代组织的两个误区

左边是"用数量证明价值"，右边是"用扁平替代管理"

两个误区的共同点：把"AI 能做到的事"误当成"AI 能替代的事"。

真正需要重新设计的，是人与 AI 共同工作的组织方式——既包括"员工如何使用 AI"，也包括"组织如何协同工作"。

如果您遇到消费AI方面的问题与困惑，欢迎各位与我们一起学习交流！

-END-

📍关注消费AI进化体｜赋能组织AI转型

我们聚焦大消费行业（餐饮、零售、快消）的AI转型升级，坚信人在AI技术变革下起关键作用，以最精炼的方式帮助管理者掌握推动AI组织团队升级的框架、方法、工具，从而更好推动 AI 在团队中的真实落地，提升团队效能和组织上限。

扫码添加小编微信，加入AI餐饮交流群

（加好友请务必备注：公司＋职务）

投稿联系：樊老师13332662349（微信同号）
业务合作：贝老师13392164760（微信同号）

消费AI进化岛平台

媒体·投资·培训·峰会

点击关注 了解更多资讯