亞馬遜AI內卷化！員工「刷token」秀數據引爆效率與激勵風暴

・ 2026 年 05 月 12 日

內部「tokenmaxxing」現象浮上檯面，AI使用率高不代表生產力提升。

亞馬遜內部近期出現一股奇特現象：員工為了顯示團隊在使用AI工具，開始以日常或非必要工作大量呼叫公司內部AI平臺，行為被媒體與員工稱為「tokenmaxxing」（最大化token使用）。這個現象將企業在AI投資與實際生產力之間的張力暴露出來，並引發管理與投資層面的質疑。

背景說明：該事件源自報導指出，亞馬遜員工使用名為MeshClaw的內部AI平臺處理許多例行或可有可無的任務，部分團隊甚至為了在內部排行榜上提升名次而增加AI呼叫次數。亞馬遜對外回應稱，MeshClaw是為了自動化重複性工作並促進生成式AI的實驗，且AI使用資料並不納入正式績效評核。

核心問題與事實： - 企業大規模投入AI基礎設施（如運算、晶片與資料中心）後，股東與管理層要求看到投資回報與生產力提升；但使用量本身可能成為「好看資料」，不等於效率改善。 - 「tokenmaxxing」顯示出一種以指標為導向但忽視質量的行為偏差：員工為了追求排行榜和展示資料，可能執行不必要的AI呼叫，浪費計算資源並扭曲真實工作成效。 - 亞馬遜公開表示AI使用統計未被用於正式考核，試圖淡化此現象的績效影響；同時，媒體報導與員工訪談則反映出實際工作文化壓力，兩者呈現緊張關係。

深入分析與評論： AI採用的「數量指標」與「質量指標」之間存在鴻溝。公司內部如果只看使用次數、token量或排行榜，容易導致「為了數字而使用」的行為。這不只可能造成資源浪費（例如額外的計算成本與資料處理費用），還可能帶來安全與合規風險（增加敏感資料的不必要處理）與員工士氣問題。對投資人而言，單純的採用資料不能替代生產力、成本節省或營收增長等實際績效指標。

替代觀點與回應：支持者會說：內部排行榜與使用統計能鼓勵實驗精神，加速AI工具的內部採納與創新；短期內看似「刷數」，長期可能發掘高效應用場景。對此，可以回應：實驗文化確實重要，但需要以產出與價值為導向的衡量方式，避免讓量化指標本身成為扭曲激勵。亞馬遜若能把實驗成果與具體業務KPI（如節省工時、錯誤率下降或客戶滿意度提升）掛鉤，便可同時保有創新動能與真實回報。

實務建議與未來展望：為避免類似「刷token」文化擴散，企業應：建立以效益為核心的評估指標、設計防止資料操弄的稽核機制、教育員工正確應用AI並控管敏感資料、以及公開AI投資與成果的關鍵數據給投資人。對投資者而言，應監控公司是否能將AI採用轉化為可衡量的生產力提升與成本效益，而非僅看使用量成長。

結論：亞馬遜的情況凸顯了整個科技業在AI浪潮中的兩難：如何從大量投資轉向可驗證的價值產出。短期內，管理層需修正激勵與衡量方式，否則高使用率恐淪為「好看」資料；長期而言，真正能把AI用於提升核心業務成效的公司，才可能讓股東的期望與資本投入對應出實際報酬。