آمازون با ممنوعیت «توکن‌ماکسینگ»، استفاده بی‌هدف از هوش مصنوعی را محدود کرد

شرکت آمازون در دستورالعمل‌های جدید خود برای مهندسان نرم‌افزار، بر لزوم استفاده هوشمندانه و انتقادی از ابزارهای هوش مصنوعی تأکید کرد. این شرکت در یک یادداشت داخلی، از پدیده‌ای موسوم به «توکن‌ماکسینگ» (Tokenmaxxing) یا استفاده حداکثری و بی‌هدف از توکن‌ها برای بالا بردن مصنوعی آمارهای فعالیت، به‌شدت پرهیز کرده است.

چالش هزینه‌ها و معیارهای اشتباه در عصر هوش مصنوعی

با گسترش سریع فناوری‌های مولد، شرکت‌های بزرگ با چالش مدیریت هزینه‌های سنگین پردازش داده‌ها روبرو شده‌اند. آمازون در این یادداشت تصریح کرد که اتکا به معیارهایی نظیر میزان مصرف توکن یا نرخ تولید کد توسط هوش مصنوعی، روش‌هایی «عمیقاً معیوب» برای سنجش بهره‌وری هستند.

این رویکرد می‌تواند منجر به پیچیدگی‌های غیرضروری در سیستم‌ها و افزایش چشمگیر هزینه‌های عملیاتی شود. در واقع، هدف تنها استفاده از هوش مصنوعی نیست، بلکه رسیدن به بازگشت سرمایه (ROI) از طریق حل مسائل واقعی است.

تغییر استراتژی از حجم کار به کیفیت خروجی

مدیران آمازون تأکید دارند که سنجش عملکرد تیم‌ها باید بر پایه نتایج ملموس و بلندمدت باشد. به جای تمرکز بر تعداد کدهایی که یک هوش مصنوعی تولید می‌کند، معیار اصلی باید «سرعت عرضه ویژگی‌ها» (Feature Velocity) باشد.

«اگر کار شما از ابزارهای فعلی هوش مصنوعی سودی نمی‌برد، این یک شکست نیست، بلکه یک یافته ارزشمند است. مهندسی که بتواند توضیح دهد هوش مصنوعی کجا هنوز کمکی به کار او نمی‌کند، نشان‌دهنده قدرت قضاوت مورد انتظار ماست.»

این تغییر نگرش نشان می‌دهد که آمازون به دنبال مهندسانی است که قدرت تشخیص کاربرد واقعی فناوری را داشته باشند، نه کسانی که صرفاً برای پر کردن گزارش‌ها از ابزارهای خودکار استفاده می‌کنند.

مقایسه رویکردهای مدیریت هوش مصنوعی

معیار قدیمی (مطلوب نیست)	معیار جدید (مطلوب آمازون)
تعداد توکن‌های مصرف شده	حل مسائل استراتژیک مشتریان
میزان تولید کد توسط AI	نرخ موفقیت در محیط عملیاتی
نرخ پذیرش ابزارهای جدید	بازگشت سرمایه و کیفیت خروجی

در نهایت، آمازون با این اقدام نشان داد که در مسیر توسعه هوش مصنوعی، کیفیت و قضاوت انسانی بر سرعت و حجم تولید اولویت دارد. این رویکرد می‌تواند الگویی برای سایر غول‌های فناوری باشد که با فشار هزینه‌های عملیاتی هوش مصنوعی مواجه هستند.