Сотрудники научились обходить корпоративные KPI

Чем чаще работник обращается к большой языковой модели или запускает ИИ-агентов, тем выше его показатели. Эта практика стала прямым продолжением более старого феномена — использования «дрыгалок для мыши» (mouse jigglers), которые имитируют активность за компьютером.

Предпосылки для токенмаксинга создали сами компании. После миллиардных инвестиций в генеративный ИИ корпорации захотели убедиться, что сотрудники действительно применяют новые инструменты. JPMorgan, Disney и другие гиганты начали отслеживать внедрение ИИ, а некоторые работодатели включили его использование в критерии оценки персонала. В Accenture владение ИИ-инструментами стало обязательным условием для карьерного роста.

Когда показатель начал влиять на положение сотрудника, возникла возможность игры с ним. Люди стали генерировать больше запросов и запускать агентов не потому, что это нужно для работы, а ради увеличения цифр.

В Amazon сотрудники создали неофициальный рейтинг по потреблению токенов, который компания закрыла, опасаясь, что работники начнут использовать ИИ только для места в таблице. В другой фирме технический директор обнаружил, что подчиненные обращались к корпоративным моделям даже для проверки погоды.

В отличие от имитации движений мыши, токенмаксинг напрямую бьет по бюджету работодателя. В Uber, где персонал активно подталкивали к использованию ИИ, годовой AI-бюджет исчерпали за первые четыре месяца 2026 года. При этом компания не смогла установить связь между потреблением токенов и ростом производительности.

COU Uber Эндрю Макдональд признал, что такой связи пока нет, и компания не может показать, что увеличение токенов привело, например, к выпуску большего числа полезных функций.

Разрыв между затратами и результатом виден и на уровне отдельных сотрудников. По данным платформы Jellyfish, 10% самых активных пользователей Claude Code расходовали примерно в десять раз больше токенов, чем средний разработчик, но создавали лишь вдвое больше результата.

Сооснователь ИИ-стартапа Modal Акшат Бубна предположил, что половина внутренних расходов токенов может быть совершенно бесполезной, однако определить, какая именно, практически невозможно.

Сам принцип обхода цифровых показателей возник задолго до появления ИИ. Во время пандемии широкое распространение получили mouse jigglers — устройства или программы, которые автоматически двигают курсор и не дают компьютеру перейти в режим бездействия.

Системы мониторинга фиксируют движения мыши, нажатия клавиш и периоды бездействия. Когда эти данные становятся показателями эффективности, возникает простой способ их улучшить: достаточно заставить мышь двигаться самостоятельно. Отдельные устройства стоимостью около 20 долларов позволяли поддерживать компьютер в активном состоянии, даже когда человека не было рядом.

Один из самых громких случаев произошел в 2024 году.

Банк Wells Fargo уволил более десятка сотрудников подразделения управления капиталом и инвестициями после обвинений в симуляции активности клавиатуры, создающей впечатление работы. Этот случай поставил более фундаментальный вопрос: почему активность компьютера вообще должна считаться показателем труда.

Бывший топ-менеджер Slack Брайан Эллиотт считает, что руководителям следует оценивать результат, а не активность. Количество нажатий клавиш мало говорит о качестве работы инженера или маркетолога. Управление через наблюдение за активностью он называет более слабой формой менеджмента.

Обход KPI не всегда начинается с намерения обмануть. Часто это рациональная реакция на систему оценки. Если от показателя зависят премия, повышение или увольнение, сотруднику выгодно заботиться не только о результате, но и о самой цифре.

Историк Джерри Мюллер, автор книги «Тирания метрик», называет это «одержимостью метриками». Она возникает, когда профессиональную оценку пытаются заменить стандартизированными показателями и привязывают к ним вознаграждения. Одним из последствий становится «игра» — максимизация показателя способами, которые расходятся с настоящими целями организации.

Например, если хирурга оценивают по доле успешных операций, ему выгоднее отказаться от наиболее сложных пациентов. Показатель улучшится, хотя качество медицинской помощи снизится. Аналогичная проблема возникает в полиции: если подразделение оценивают по статистике серьезных преступлений, улучшить ее можно не только борьбой с преступностью, но и переквалификацией тяжких случаев в менее серьезные.

Другой эффект Мюллер называет подменой цели: средство измерения результата постепенно само превращается в цель. Классический пример — если школы оценивают по результатам стандартизированных тестов, преподаватели получают стимул готовить учеников прежде всего к хорошей сдаче теста, а не давать им более широкое образование. Тот же механизм описывает закон Гудхарта: когда показатель становится целью, он перестает быть хорошим показателем.

KPI может вредить компании даже без прямой накрутки. Сотрудник может честно стремиться выполнить установленный показатель, но тратить меньше времени на полезную работу, которую система не учитывает. Например, индивидуальные KPI снижают стимул помогать коллегам.

Если помощь никак не влияет на личный показатель, сотруднику выгоднее заниматься собственной задачей. Мюллер отмечает, что вознаграждение за индивидуальные измеримые результаты может ослаблять чувство общей цели и усиливать конкуренцию.

Метрики влияют и на готовность экспериментировать. Если сотруднику постоянно нужно показывать хороший измеримый результат, риск становится невыгодным. Неудачный эксперимент ухудшит KPI, даже если такие эксперименты необходимы для инноваций. Долгосрочные проекты тоже могут проигрывать задачам, которые позволяют быстро показать результат. Это менее заметная форма игры: сотрудник ничего не накручивает, но перераспределяет усилия в пользу деятельности, которую система видит и вознаграждает.

Полностью отказаться от показателей эффективности компании не могут, однако снизить стимул к их обходу можно. Один из основных принципов — не путать результат работы с активностью, которую проще всего посчитать. Аналитики Jellyfish изучили данные 12 тысяч разработчиков из 200 компаний и пришли к выводу, что количество потраченных токенов плохо отражает эффективность. Они советуют сопоставлять расходы на ИИ с конкретными результатами работы, а не вознаграждать сотрудников за само потребление.