จำนวนโทเคนไม่ใช่ผลงาน
การวัดผลิตภาพ AI คือการประเมินว่าเครื่องมือช่วยให้งานมีคุณภาพ ส่งมอบได้ดีขึ้น และสร้างประโยชน์ต่อผู้ใช้หรือทีมในระยะยาวหรือไม่ ไม่ใช่การนับจำนวนครั้งที่เรียกใช้ระบบหรือปริมาณข้อความที่สร้างขึ้น Amazon ส่งบันทึกถึงพนักงานเมื่อวันอังคาร พร้อมปรับแนวทางสำหรับวิศวกรซอฟต์แวร์ โดยเตือนทั้งวิศวกรและผู้จัดการว่าอัตราการนำ AI มาใช้ จำนวนโทเคน การเปลี่ยนแปลงโค้ด และการตรวจโค้ด อาจทำให้เข้าใจผลิตภาพคลาดเคลื่อน หากแยกตัวเลขเหล่านี้ออกจากผลลัพธ์จริง
สารสำคัญคือการใช้ AI มากหรือสร้างโทเคน AI จำนวนมาก ไม่ได้ยืนยันว่าผลงานมีคุณค่าขึ้น การนับโทเคนและบรรทัดโค้ดไม่ได้สะท้อนคุณภาพงานเสมอไป เมื่อเปลี่ยนตัวชี้วัดเหล่านี้ให้เป็นเป้าหมาย พนักงานย่อมมีแรงจูงใจให้เพิ่มกิจกรรมที่มองเห็นได้ แทนการแก้ปัญหาที่สำคัญ นี่ไม่ใช่การปฏิเสธ AI แต่เป็นคำเตือนว่าเครื่องมือกับผลลัพธ์ต้องไม่ถูกเหมารวมเป็นเรื่องเดียวกัน

เมื่อคะแนนการใช้งานกลายเป็นเป้าหมาย
คำเตือนนี้เกิดขึ้นในช่วงที่ Amazon ขยายบทบาท AI ไปทั่วองค์กร ภายใต้การนำของ แอนดี แจสซี และมีรายงานว่าพนักงานเคยใช้ตัวแทน AI ทำงานที่ไม่มีความหมายเพื่อเพิ่มยอดโทเคนและไต่อันดับในตารางคะแนนภายในที่ไม่เป็นทางการชื่อ คิรอแรงก์ ก่อนหน้านี้ยังมีแรงกดดันให้พนักงานใช้เครื่องมือของบริษัทจนเกิดการใช้งานโดยไม่จำเป็นเพื่อเพิ่มคะแนนการใช้งาน
ผลเสียไม่ได้หยุดที่ตัวเลขในระบบ การตั้งเป้าจำนวนโทเคนหรือโค้ดอาจเพิ่มการประมวลผลที่สิ้นเปลือง ทำให้ซอฟต์แวร์ซับซ้อนโดยไม่จำเป็น และสร้างภาระให้เพื่อนร่วมงานตรวจทาน มีกรณีที่พนักงานผลิตอีเมลและโค้ดจาก AI คุณภาพต่ำจนคนอื่นต้องกลับมาเก็บงานต่อ นี่คือเหตุผลที่การวัดผลงานด้วยปริมาณการใช้แทนคุณภาพ ไม่ได้แค่ทำให้รายงานดูดีผิดจริง แต่ยังผลักต้นทุนและงานแก้ไขไปให้คนทั้งทีม

ใช้ AI อย่างมีวิจารณญาณ แล้ววัดผลระยะยาว
แนวทางวิศวกร Amazon ไม่ได้กำหนดให้ทุกงานต้องมี AI เข้ามาเกี่ยวข้อง แต่สนับสนุนให้พนักงานใช้เครื่องมือเมื่อเหมาะสม และให้ผู้จัดการทำความเข้าใจประโยชน์ที่ AI อาจสร้างแก่ทีม หากเครื่องมือปัจจุบันไม่ช่วยให้งานดีขึ้น การอธิบายข้อจำกัดและแจ้งเหตุผลต่อทีมไม่ใช่ความล้มเหลว แต่เป็นการใช้วิจารณญาณอย่างที่บริษัทต้องการ จุดนี้สำคัญ เพราะการผลักดันให้ใช้เครื่องมือกับทุกงานอาจทำให้พนักงานเลือกวิธีที่วัดง่าย แทนวิธีที่ตอบโจทย์จริง
Amazon เสนอให้วัดผลจากผลลัพธ์ระยะยาว และพิจารณาว่า AI ส่งผลต่อทีม ธุรกิจ และลูกค้าอย่างไร ผู้จัดการอาจเปรียบเทียบทีมที่ใช้ AI น้อยกับทีมที่ใช้มาก เพื่อดูว่าการใช้งานสัมพันธ์กับการส่งมอบงานที่ดีขึ้นจริงหรือไม่ ไม่ใช่ดูยอดใช้เพียงลำพัง บริษัทระบุว่าจะร่วมกันหาเมตริกและตั้งเป้าหมายที่ฉลาดขึ้นเมื่อเวลาผ่านไป พร้อมย้ำว่านี่เป็นเพียงจุดเริ่มต้นของผลกระทบจาก AI ต่อวิศวกรรมซอฟต์แวร์
บทเรียนของ Amazon จึงควรไปไกลกว่าการเลิกไล่ตามโทเคน องค์กรต้องกล้าถามว่าคุณภาพดีขึ้นหรือไม่ ลูกค้าได้ประโยชน์หรือเปล่า และทีมทำงานได้ราบรื่นขึ้นแค่ไหน ตัวเลขการใช้งานยังช่วยให้เห็นรูปแบบได้ แต่ควรเป็นข้อมูลประกอบการตัดสินใจ ไม่ใช่เส้นชัย หากบริษัทต้องการให้ AI เพิ่มผลิตภาพจริง ควรให้รางวัลกับผลลัพธ์ที่มีคุณค่า ไม่ใช่กับการกดใช้เครื่องมือให้มากที่สุด






