从看板到结果 Meta为何自断量化指标

2026年9月1日, Meta的工程高管Maher Saba, 在内部的备忘录里明确且清晰地表明态度曰, 不会运用AI采用率仪表盘或是Token使用量, 去评估员工所具有的影响力。这份发送给全体工程师的文件, 直接且决然地否定了过去两年在科技圈颇为盛行的AI量化考核方式咧。Meta当前已经有93%的代码修改, 是由AI代理辅助来完成的, AI深深地嵌入到日常流程当中, 不过公司着重强调, 采用AI本身并非是最终的目标。

在过去的两年岁月里, 诸多科技公司为了促使AI工具能够成功落地, 像代码生成所占的比例、工具被采纳的比率甚至Token的消耗数量, 都被放置到了内部的看板之上。有一些团队将AI的使用比率直接关联到绩效方面, 使用得多的人得分就高。这样的行为确实致使工具渗透的速度得以加快, 然而却也带来了一个反面的影响: 工程师们开始为了让数据看起来好看, 而去刻意地更多使用AI, 全然不顾实际是否需要。

表演式用AI 数据好看不等于产出高

比如说表演式运用AI这种情景, 是工程师为了达成考核指标, 特意把简单任务拆解成多次AI调用, 或者让AI去生成大量冗余代码而后再予以删除。在2025年的时候, 硅谷一家中型科技公司开展内部审计, 发现某团队AI调用量增长了300%, 然而代码合并量以及产品上线频率几乎没变化, 反倒因为清理AI生成的无效代码, 工作量有所增加。

这般量化管理还催生出了另外一种怪象, 有一些工程师专门去钻研怎样使AI输出更多的Token, 并非去研究怎样解决技术方面的难题。一位于旧金山工作的后端工程师透露, 他所在的小组当中曾有人每日花费两小时去优化提示词, 仅仅是为了让AI产生更长的代码片段, 原因在于团队看板上所展示的是Token消耗量排名。

93%渗透率 考核用不用已无意义

据Meta内部呈现的数据表明, 在2026年的第二个季度期间, 全公司之中, 占据93%比例的代码变更, 均有AI代理参与其中, 而此比例在2024年年初的时候, 还仅仅只有40%多一点。当AI编程工具已然如同代码编辑器那样成为一种标配情形时, 再去对工程师是否使用AI展开考核, 就如同去考核大家是否运用键盘进行打字一样, 不存在增量方面的意义。工具的普及率达到了这样一个阶段后, 继续针对使用量来做文章, 只会造成管理精力的无端浪费。

隶属于Meta的工程团队, 分布于门洛帕克的总部, 又分布在纽约、伦敦以及西雅图等诸多办公地点, AI代理每日处理的代码审查任务数量惊人, 测试生成任务数量惊人, 缺陷修复任务数量同样数以万计。处于如此这般规模的情形之下, AI已然成为基础设施当中的一部分, 并非那种需要给予激励方可投入使用的新奇事物。管理层的关注重点自然而然地转向更为核心的问题, 其一是AI辅助产出的代码质量究竟怎样, 其二是交付效率是否真的得到了提升。

评价回归交付 代码质量和业务结果说了算

马哈·萨巴在备忘录当中着重指出, 对于员工影响力的评定应当回归到交付成果自身, 这显示出Meta的工程师绩效评估会更侧重于产品推出效果、系统稳定性、技术方案的实际收益等硬性指标, 举例来讲, 倘若有一位工程师运用AI重新构建了推荐系统, 使得用户点击率提高了2个百分点, 那么这相较于他在看板上刷出的Token消耗量而言, 更具说服力。

每半年进行一次绩效评估的Meta, 将于2026年12月启动下半年的评估。到那时, 在工程师需提交的成果材料里, AI使用数据将不再作为加分体现, 而是被具体业务指标的转变、技术债务的削减量、系统延迟的改善程度等所替代。一位于Blind上匿名评论的Meta内部工作人员表示, 这个变动让他长舒了一口气, 因为以前为应对AI使用率考核, 他只能把许多手写起来速度更快的小函数也交给AI生成。

行业风向转变 从推广期走向实效期

并不是只有Meta有那样的表态, 在2026年3月的时候, 微软同样对其内部的AI考核方式作出了调整, 将Copilot的每日活跃使用量不再用作团队KPI, 而是把对用户任务完成质量的关注当作了重点, 到了2025年年末, 谷歌就已经把AI工具使用时长在绩效里的权重给取消了, 原因是这种指标会促使员工去刻意把使用时间拉长, 这些处于行业前列的公司所采取的行动, 显示出在AI编程工具全面普及之后, 管理的逻辑正从推广的阶段迈向注重实际效果的时期。

具体而言, 这个转变背后存在清晰的时间线, 在2023年AI编程助手刚开始兴起之际, 企业有必要激励员工去尝试新工具 , 从2024年直至2025年属于快速渗透阶段, 各个公司相互比拼的是谁的AI能够更快落地 , 到了2026年, 工具本身已然不再是壁垒, 怎样运用AI切实解决业务问题才是关键所在。那些仍然运用Token消耗量来考核员工的公司, 或许还停留在两年前的思维模式当中。

给工程师的建议 别刷数据了把AI用在刀刃上

对于处于一线的工程师而言, Meta所推出的这个政策传达出了一个清晰的信号: 相较于琢磨怎样能够让AI在数据运用方面的呈现可观, 倒不如将精力投放于借助AI去攻克实际上艰巨棘手的技术难题之上。举例来说 , 通过运用AI代理来自动处置重复性的测试用例编写事宜 , 进而空出时间去开展架构设计 ；又或者利用AI的辅助来对线上故障日志给予分析 , 实现加快问题定位的速度。而这些实际的成果产出才算是职业发展进程当中极为关键的筹码。

曾经有一位在Meta工作达五年之久的技术主管讲过, 在他对团队成员予以评估之际, 最为重视的乃是此人有没有借助AI炮制出以往无法达成的事物, 并非其调用AI接口的次数多寡。到了2026年下半年之时, 在Meta内部已然存在一些工程师借助AI代理构建起了自动化的代码审查流水线, 成功将人工审查时间缩减了40%, 像这样的成果才是新评价体系之下的加分项目。

针对Meta取消AI使用的量考核这个事情, 你持有怎样的看法? 你所在的那家公司, 目前依旧在运用AI使用的率来评估绩效吗? 欢迎于评论的区域聊一聊你的经历, 如果感觉这篇文章能够带来启发, 那就点个赞从而让更多的人得以看到。