Polémica por el ranking de IA «Token Legends» de Meta: usar el volumen como desempeño podría convertirlo en trabajo escenificado

Meta está midiendo la adopción de la IA de los empleados de una manera inesperada: según informa The Information, la empresa creó una clasificación interna llamada «Token Legends», en la que los empleados compiten entre sí por su estatus y productividad utilizando la potencia de cómputo de IA y el volumen de uso de tokens como indicadores. El profesor reconocido de la Universidad de Pensilvania Ethan Mollick, en X, citó el clásico artículo de gestión 《Lo absurdo de premiar A, esperando B» para lanzar una advertencia incisiva: cuando una empresa mide mal la eficacia de la adopción de la IA con indicadores equivocados, la IA puede convertirse en el nuevo tipo de «trabajo performativo».

Concurso de uso de tokens: Meta cambia las reglas para la adopción de IA

Según se informa, Meta ha creado internamente la clasificación «Token Legends», que permite a los empleados ver el consumo de potencia de IA de cada uno. Este mecanismo ha generado una cultura de competencia dentro de la empresa: los empleados empiezan a usar la cantidad de tokens como prueba de que «abrazan la IA». Sin embargo, este enfoque plantea un problema fundamental: ¿el uso equivale al valor?

Mollick, en otro tuit, también ofrece un dato sorprendente: el consumo diario de potencia de IA de Meta alcanza dos billones de tokens (two trillion tokens a day). Este volumen no solo refleja la inversión en infraestructura tecnológica, sino que es una prueba clara de que la adopción de IA a nivel empresarial ya ha entrado en una etapa de institucionalización a gran escala.

Advertencia clásica de gestión: la versión de IA del «premiar A, esperando B»

Mollick recurre al clásico artículo de gestión 《On the Folly of Rewarding A, While Hoping for B》 para analizar este fenómeno. El artículo, muy citado, revela un problema común en las organizaciones: cuando los mecanismos de incentivo se desconectan de los objetivos reales, los empleados optimizan los indicadores que se miden, en lugar de los resultados que realmente necesita la organización.

Aplicado al caso de Meta: la empresa quiere que los empleados mejoren la calidad y la eficiencia del trabajo mediante la IA (objetivo B), pero mide (premio A) con el volumen de tokens. El resultado podría ser que los empleados usen masivamente la IA para subir en el ranking, incluso si esos usos no generan una mejora real en la productividad. Esto es igual que el trabajo performativo en el pasado en las empresas, donde «ser visto en la oficina» equivalía a «trabajar duro».

2025 será desapercibido, pero 2027 será totalmente diferente

Mollick también propone una dimensión temporal importante: en las grandes empresas en 2025, la GenAI quizá no produzca un impacto significativo en el trabajo, porque en ese momento no había herramientas realmente agentic; la adopción requiere tiempo y todos aún están experimentando. Pero esta situación está cambiando rápidamente.

Advierte que los estudios que muestran que la IA no tuvo impacto en 2025 no nos dicen cómo será en 2027. A medida que las herramientas de agentic AI maduren y se complete la reconfiguración de los procesos organizacionales, las empresas pasarán oficialmente de la «etapa de experimentación» a la «etapa de despliegue a escala». Y cómo diseñar los incentivos correctos durante esa transición determinará quién podrá obtener realmente una ventaja competitiva a partir de la IA.

Implicaciones para la industria: el verdadero desafío de la adopción de IA no es la tecnología

El caso de Meta «Token Legends» revela el problema profundo de la adopción de IA en las empresas: el despliegue tecnológico ya no es el cuello de botella; lo son las conductas organizacionales y el diseño de incentivos. Cuando una empresa convierte «cuánta IA se usó» en un KPI, en realidad está premiando una conducta que no está relacionada con la producción. Los indicadores verdaderamente efectivos deberían medir los resultados reales que aporta la IA: la velocidad de finalización de proyectos, la calidad del código, la satisfacción del cliente—y no simplemente el volumen de uso.

Para las empresas taiwanesas que están impulsando la transformación con IA, la experiencia de Meta ofrece una advertencia importante: mientras se apresuran en incorporar herramientas de IA, también deben pensar con cuidado cómo diseñar un sistema de evaluación del desempeño con el soporte correspondiente. De lo contrario, la IA solo se convertirá en una herramienta de trabajo performativo de nueva generación, en vez de un motor real de transformación de la productividad.

El artículo sobre la controversia por el ranking de IA de Meta «Token Legends»: cuando el volumen se convierte en desempeño, el resultado podría ser trabajo performativo. Se publicó por primera vez en Cadena de Noticias ABMedia.