В компаниях Meta и OpenAI существуют внутренние рейтинговые таблицы, показывающие, сколько токенов искусственного интеллекта потребляет каждый сотрудник. В Shopify и Meta объем использования инструментов ИИ стал ключевым показателем, напрямую влияющим на оценку производительности: руководители поощряют тех, кто активно применяет ИИ, и критикуют тех, кто использует его недостаточно.
Один из инженеров OpenAI потратил 210 миллиардов токенов — это эквивалентно 33 полным энциклопедиям Википедии. Шведский инженер-программист утверждает, что его компания тратит на токены Claude Code больше, чем на его собственную зарплату.
Эти данные были впервые опубликованы в колонке Кевина Руза в The New York Times. В технологическом сообществе это явление уже получило название «токенмаксинг». Данная тенденция тесно связана с распространением ИИ-агентов, таких как OpenClaw, которые выполняют задачи автономно в фоновом режиме, потребляя огромное количество токенов без участия человека.
Почему компании поступают таким образом?
Поверхностная логика проста: если ИИ повышает производительность, то более активное использование ИИ ведет к росту продуктивности. OpenAI напрямую заинтересована в том, чтобы ее сотрудники интенсивно использовали собственные продукты (это служит внутренней рекламой и источником обратной связи). Meta стремится продемонстрировать инвесторам, что ИИ интегрирован в ее повседневные операции. Shopify же сделала «ИИ как стандартного коллегу» частью своей корпоративной культуры.
Экономическая логика платформ также играет свою роль. Грег Брокман, президент OpenAI, похвастался, что GPT-5.4 обрабатывает 5 триллионов токенов в день всего через неделю после запуска, генерируя годовой доход в 1 миллиард долларов. Токены — это деньги. Чем больше их потребляется, тем больше доход OpenAI. Таким образом, «токенмаксинг» со стороны сотрудников компаний-клиентов является мечтой любого поставщика инфраструктуры.
В чем проблема?
Издание Gizmodo сравнило это с «оценкой солдат по количеству выпущенных пуль» или «оценкой талисманов НБА по числу футболок, которые они разбрасывают из пушки, причем футболки от Hermès». Аналогия преувеличена, но она отражает суть: измерение потребления без измерения результата — это метрика тщеславия.
Разработчик, использующий Claude Code для методичной рефакторинга сложного репозитория, потребляет много токенов и создает ценность. Другой, запускающий агентские задачи по кругу без надзора за результатами, потребляет столько же или даже больше токенов, но производит лишь «шум». Внутренние рейтинговые таблицы не делают различий между ними. И когда показатель оценки сотрудника включает «сколько токенов он потребляет», стимул состоит в том, чтобы потреблять больше, а не лучше.
Это явление имеет серьезные финансовые последствия, которые, похоже, сами компании не до конца просчитывают. Если инженер тратит на токены Claude Code больше, чем его собственная зарплата, возникает очевидный вопрос: оправдывает ли результат этого потребления такие затраты? Или мы сталкиваемся с корпоративной версией парадокса Джевонса — токены настолько дешевы, что их растрачивают впустую, и общие расходы растут, несмотря на снижение цены за единицу?
Мое мнение: «токенмаксинг» — это симптом отрасли, которая до сих пор не знает, как измерять реальную ценность ИИ в работе. Измерять потребленные токены легко. Измерять реальную производительность, качество кода, улучшенные решения или сэкономленное время сложно. Компании поступают так, как всегда поступают, когда не знают, как измерить важное: они измеряют то, что легко подсчитать. Это работает для квартальных отчетов и для впечатления инвесторов. Но когда инженер потребляет токены в объеме 33 Википедий, и никто не может объяснить, что было получено взамен, проблема не в инженере: проблема в метрике.
Часто задаваемые вопросы
Что такое «токенмаксинг»? Это практика максимизации потребления токенов ИИ в качестве показателя продуктивности, поощряемая внутренними рейтингами и оценками в таких компаниях, как Meta, OpenAI и Shopify.
Сколько это стоит? Шведский инженер сообщает, что его компания тратит на токены Claude Code больше, чем на его зарплату. В корпоративном масштабе GPT-5.4 генерирует 5 триллионов токенов ежедневно, обеспечивая OpenAI годовой доход в 1 миллиард долларов.
Является ли это хорошей метрикой? Нет. Она измеряет потребление, а не результат. Большой объем токенов может указывать как на реальную продуктивность, так и на бесполезную трату ресурсов без надлежащего контроля.