今年上半年，一個內部排行榜，讓Meta上了全球科技媒體的頭條：依AI token用量排名全公司8萬5千名員工的儀表板，叫「Claudeonomics」。

它呈現的數字，掀起從矽谷到全球關於「Tokenmaxxing」（詞元用量極大化）的激烈辯論。30天內，Meta全公司合計用量從60兆token衝上73.7兆，月增幅達22％，若按市場價格計算，公司單月帳單逼近10億美元。消息曝光、社群反彈後，排行榜下架了。

7月起，Meta開始要求員工省著用AI，即時追蹤每個團隊的AI用量與花費，一旦異常便立即示警，協助主管清楚掌握員工究竟把錢花在哪。

一時間，用多少AI才合理，成為企業管理新難題。但這件事真正值得領導者深思的，不是Meta花了多少錢，而是一套「用意良善」的KPI，是怎麼一步步把組織帶往錯誤方向？

以為鼓勵「擁抱AI」，員工卻擔心「不准被看到沒在用」 

一切，從制度設計上就埋下了問題。

2025年底，Meta對全員宣布，「AI驅動的工作成果」將成為2026年的績效核心指標，並連結獎金考核；工程師最高可獲得兩倍薪水的獎勵，條件之一就是展現足夠的AI使用深度。排行榜的出現，只是把激勵結構轉化成一個肉眼可見、可以互相比較的遊戲。

「我很清楚，自己不想被看成『用太少AI』的人，」一位年輕Meta工程師接受科技媒體《The Pragmatic Engineer》 採訪時坦承，於是，他開始請AI問文件裡早就寫清楚的問題、用AI做一個沒打算真正執行的功能原型，只為了讓自己的token使用數字不要太難看。

問題並非Meta獨有。Salesforce內部打造了一個工具，即時顯示每人的token花費，並標示出「最低預期消費」，例如，上週目標是Claude Code花100美元，而且任何人都能查看同事的使用數字。當「用了多少」變成績效信號，員工就會去優化「用了多少」，而不是設法優化實際產出。

企業鼓勵員工多用AI，立意良善。場景回到台灣，最近，緯創董事長林憲銘也說，內部有點「逼迫」工程師必須善用公司建立的算力，兩個月已燒掉60億token，為了就是從硬體製造轉向AI應用思維，帶動產業轉型創新。

業界算總帳：用量暴增10倍、產出卻只有2倍 

但當「指標」變成「目標」，它還是好的衡量工具嗎？從矽谷的先例來看，如此善意要求，難以迴避一個根本問題：當用量被視為可見的行動信號，員工是真的在深化應用，還是只是在完成算力消耗的任務？ 

更別說，狂用AI算力背後，殘忍揭開投入與產出不成正比的問題。工程管理平台Jellyfish追蹤7500名工程師後發現，token預算最高的工程師確實產出最多，但比例嚴重失衡，他們用了10倍的token成本，換來的只是2倍產出。 

財務數字的衝擊更直接。Uber透露，公司在2026年前4個月就燒光了全年AI預算，主因是Claude Code等工具的大量使用，約5000名工程師，每人每月光是AI工具費用就達500至2000美元。Uber營運長Andrew Macdonald公開承認，目前仍無法把個別員工的生產力提升，連結到公司整體實際效益，「如果不能清楚說明這些錢轉化成多少真正提供給用戶的功能，這筆支出就愈來愈難被合理看待。」 

短短不到3個月，整個業界的爭論重點，從快點用、多用，急轉成該怎麼控制這件事？「token用量本身不是任何意義上的影響力指標，」Meta技術長Andrew Bosworth直言。

企業的修正動作：從「鼓勵燒錢」到「要求交代成果」 

實際的組織動作隨之跟上。例如，微軟在幾個重要產品部門取消了員工的Claude Code訂閱，轉向公司自有、成本更低的GitHub Copilot；沃爾瑪、亞馬遜、思科也相繼推出token用量管控機制。

掀起這場競賽的Meta，更宣布將建立名為「AI Gateway」的集中式監控儀表板，預計2027年起正式實施token預算與分配制度，同時引導員工轉向使用內部開發的MetaCode，以降低對外部工具的依賴。

矽谷巨頭的一系列動作，其實已說清楚下階段企業AI治理的方向：不是燒多少算力，而是燒對了沒有？

企業刪除排行榜的那一刻，與其說是危機處理，更像是一次代價高昂的管理覆盤。

領導人必考題：你的KPI，獎勵的是「忙」還是「對」？ 

回到1990年代，軟體業也曾迷信「程式碼行數」（lines of code），以此衡量工程師的產出，造成工程師寫出冗長、複雜卻難以維護的程式碼，忽略「解決問題」才是軟體產業的價值所在。30多年過去，AI掀起新一波技術競賽，企業深怕慢一步，便從此錯過整個時代，但token的用量只是投入，不是產出；它能告訴你組織有沒有在「動」，但無法告訴你組織有沒有在「進步」。

對所有正在推動AI轉型的企業主而言，這些案例提醒我們，導入任何AI工具前，有3個問題必須先回答：

一、需要解決的具體問題是什麼？

二、哪種工具或流程，能真正解決這個問題？

三、要拿哪項既有KPI或新設KPI，來驗證這筆投資到底有沒有效？

跳過這些步驟，直接把「用多少AI」當成終點，企業遲早會發現，自己最終得到的，不過是一份驚人的token帳單，和一個很難回答的問題：這些錢，究竟換來了什麼？