事件
矽谷從 2025 年底開始掀起「Token 最大化」（tokenmaxxing）風潮，許多科技公司內部建立排行榜，根據員工消耗的 AI token 數量進行排名與激勵。然而到了 2026 年中，這股風氣開始遭到企業高層質疑。《Business Insider》在 Mistral AI 峰會上訪問四位企業決策者，他們一致表示：衡量 AI 投資報酬率（ROI）時，消耗 token 數量根本不是重點。Replit 總裁暨 AI 負責人 Michele Catasta 更在 Web Summit Rio 大會上直言，用 token 消耗量排名員工「非常反烏托邦」，因為 token 用量與實際業務貢獻完全不成正比。
為什麼這很重要
這個現象完美詮釋了英國經濟學家查爾斯·古德哈特（Charles Goodhart）在 1975 年提出的一個關鍵警告：當一項測量指標被當作優化目標時，它就停止成為好的測量指標。
在 Token 最大化的情況下：
- **原本用途**：token 消耗量是企業診斷「AI 被採用得有多廣」的一個信號
- **變質後**：員工開始為了排名而最大化 token 使用，導致：
- - 拿簡單問題餵給 AI 重複查詢（本該用快速搜尋或記憶體就能解決）
- - 用 AI 生成沒人看的文件、報表、郵件
- - 團隊內部的「AI 使用競賽」取代了實際協作
- - 成本攀升，但生產力停滯甚至下滑
古德哈特定律的經典案例
這不是新現象。歷史上有無數例子：
1. 醫院手術量指標：英國 NHS 曾用「手術排隊時間」評估醫院效率。結果醫院開始做大量不必要的小手術來刷數字，反而浪費資源。
2. 軟體開發的代碼行數：某些公司用「每月寫了多少行代碼」評估程式設計師。結果工程師開始寫冗長、低效的代碼；真正有效率的工程師反而被低估。
3. 銀行貸款數量指標：銀行曾用「放貸筆數」評估業務部門。結果為了衝數字，貸給信用不良的客戶，最後 2008 年金融危機爆發。
4. 員工考勤打卡：公司用「準時打卡次數」評估員工，結果員工準時打卡、然後偷偷摸魚；真正會遠端高效工作的員工反而被懷疑。
為什麼企業高層現在開始轉向
Mistral AI 峰會上受訪的四位企業決策者，改口強調應該追蹤的真實指標：
- **實際商業成果**（效率提升百分比、成本節省多少、新產品上市速度）
- **員工滿意度與留任率**（如果 AI 工具讓人更累、留不住人才就是負收益）
- **品質指標**（產出成果的缺陷率、客戶滿意度）
- **創新指標**（有多少新想法源自 AI 輔助、而非重複性工作的自動化）
Token 消耗量本身，退回到它應有的位置：診斷工具，而非目標。就像醫生用「體溫」來診斷是否發燒，但不會為了讓患者體溫更高而給藥。
對企業決策的啟示
1. 指標要多維度：單一指標最容易被遊戲化。用複數指標、讓它們相互制衡。
2. 區分診斷指標 vs 獎勵指標：診斷指標用來理解現狀，獎勵指標決定誰拿獎金。如果把診斷指標當獎勵，就會被扭曲。
3. 定期檢查指標的「有效期」：好指標會隨著時間老化。當員工開始遊戲化某個指標時，它就該退休了。
4. AI 投資應該用結果反推：先問「我們想要什麼結果」（更快上市、更低成本、更高品質），再問「AI 在這個過程中起了什麼作用」，最後才設定合理的監測指標。