# Tokenmaxxing, или закон Гудхарта добрался до ИИ Компании хотели «внедрения ИИ», поэтому измерили самый простой прокси — использование токенов, повесили его на лидерборд и получили ровно то, что измеряли: люди жгут токены ради рейтинга, а не ради лучшей работы. Пятидесятилетний закон съедает свежую стратегию, и теперь это дорого вдвойне: ты платишь за впустую сожжённые токены и отравляешь сигнал, который хотел получить. Починка тоже старая — мерь результат, а не активность. - **Author:** Фёдор Чищин - **Published:** 2026-06-04 - **Tags:** methodology, business - **Source:** https://fedorthinks.com/ru/blog/tokenmaxxing-goodharts-law --- В 2026-м несколько крупных техкомпаний начали ранжировать собственных сотрудников по тому, сколько ИИ-токенов те использовали. Amazon построил внутренний лидерборд; работники в ответ [весь день гоняли бессмысленные, малоценные задачи, чтобы накрутить очки](https://the-decoder.com/tokenmaxxing-spreads-at-amazon-as-employees-game-internal-ai-leaderboards/) — не потому, что работу надо было делать, а потому, что активность двигала цифру. В Meta сотрудник построил дашборд под названием «Claudeonomics», который ранжировал [~85 000 работников компании по потреблению токенов; за одно 30-дневное окно он насчитал свыше 60 триллионов токенов](https://the-decoder.com/tokenmaxxing-spreads-at-amazon-as-employees-game-internal-ai-leaderboards/) (ни Цукерберг, ни CTO не пробились в топ-250). Люди стали называть это **tokenmaxxing**, и это один из самых чистых управленческих автоголов, что я видел за годы. ## Это просто закон Гудхарта, на более быстром счётчике То, что здесь произошло, — не ново и не загадочно. Это пятидесятилетний принцип под названием **закон Гудхарта**: [когда мера становится целью, она перестаёт быть хорошей мерой](https://victorinollc.com/thinking/goodhart-ai-adoption-tokenmaxxing-mainstream). В тот миг, когда «использованные токены» превратились из цифры, на которую кто-то поглядывал, в цифру, по которой людей ранжируют, она перестала измерять продуктивность и начала измерять нечто совсем другое — человеческую способность обыгрывать лидерборд. Как сформулировал один анализ, метрика теперь измеряет [ровно это и ничего больше](https://victorinollc.com/thinking/goodhart-ai-adoption-tokenmaxxing-mainstream). Почему умные компании влетели в это в лоб? Потому что «внедрение ИИ» — это то, что хотел видеть совет директоров, а использование — самое простое на свете, что можно посчитать. Токены видимы, считаемы, выводимы на дашборд. А сделал ли ИИ работу _лучше_ — измерить трудно. Так что они измерили лёгкий прокси вместо трудной правды — и получили прокси, максимизированный. Проще говоря: [когда измеряешь использование, получаешь отходы](https://www.success.com/tokenmaxxing-ai-adoption-metrics). ## Эту самую ошибку мы делаем вечно Если это кажется знакомым — так и должно быть. Плати инженерам за строки кода — получишь раздутый, набитый ватой код. Поставь квоты на коммиты — разработчики [разобьют одно изменение на пять кусков](https://www.success.com/tokenmaxxing-ai-adoption-metrics). Оцени колл-центр по времени обработки — получишь клиентов, которых спихнули с линии, ничего не решив. Tokenmaxxing — это ИИ-эпохальный рескин старейшей управленческой ошибки: награждать _активность_, потому что её легко считать, и получать активность вместо результата. Нового в нём нет ничего, кроме того, что счётчик крутится быстрее. ## Только теперь метрика тщеславия ещё и жжёт деньги Вот что делает ИИ-версию хуже строк кода. Плохая метрика раньше просто тратила усилия. Эта [буквально жжёт деньги](/blog/the-token-bill-came-due) — каждый накрученный токен это токен, за который ты заплатил, и это не последняя причина, почему паника по затратам 2026-го стала такой громкой. Так что ты платишь дважды: раз за впустую сожжённый compute, и ещё раз — испорченным сигналом. Ты купил цифру, которая ничего не говорит о том, помогает ли ИИ, и сам же выставил её себе в инвойс. Замечательный способ тратить деньги — финансировать уничтожение собственных данных. ## Починка — скучный правильный ответ: мерь результаты Выход — не более хитрая метрика использования. Использование — вообще не то, что надо мерить. Мерить надо **результаты** — реально ли сделана работа, хорош ли итог, решена ли проблема клиента — а это труднее считать и куда труднее обыграть. Данные это подтверждают: организации, привязавшие ИИ к реальным результатам, оказались [почти вчетверо более склонны сообщать о росте выручки за счёт ИИ](https://www.success.com/tokenmaxxing-ai-adoption-metrics), чем те, кто застрял в пилотах, — и отличием было явно _не_ то, у кого больше использования. Это та же дисциплина, к которой я постоянно призываю в отношении моделей, наведённая на твою организацию. Ты не судишь агента по тому, сколько раз он запустился; ты судишь его по [отложенному набору реальных результатов](/blog/evals-or-it-didnt-ship). То же правило для людей и команд: награждай результат, а не счётчик токенов. И есть тихая человеческая цена, которую дашборд использования никогда не покажет: опросы нашли, что примерно четверть работников задумалась бы об уходе из-за того, что их толкают использовать ИИ так, как они не считают правильным, — при том что лишь крошечная доля работодателей вообще заметила какое-либо сопротивление. Люди подчиняются видимо и сопротивляются тихо, а твой лидерборд бодро рапортует подчинение как успех. ## Вывод ИИ не сломал твои метрики. Он взял старейшую ошибку измерения и сделал её быстрее и дороже. Использование никогда не было целью — лучшая работа была. Правило неизменно и беспощадно: **какую цифру ни повесь на дашборд, кто-нибудь её заоптимизирует**, так что убедись как следует, что эта цифра — то, что ты действительно хотел, а не просто то, что было легко посчитать. Мерь, стала ли работа лучше, — или плати по высшему разряду за то, чтобы смотреть, как лезет вверх лидерборд, пока не лезет ничего больше.