Ещё десять лет назад, чтобы выглядеть занятым, приходилось стараться: длинные письма, ночи над «важным документом», коммиты в два часа ночи. Имитация труда стоила труда. Теперь у каждого под рукой генератор, который штампует код, отчёты и коммиты быстрее, чем менеджер успевает их хотя бы пролистать. Феномен в обсуждениях окрестили tokenmaxxing — выдавливание максимума «токенов активности» ради видимой занятости. И он подтвердил старую истину — закон Гудхарта: как только метрика становится целью, она перестаёт быть метрикой. Корпоративные KPI эту эпоху не переживут; открытый вопрос — чем их заменят.
Слово родилось в сленге разработчиков: раньше оптимизировали гринд в играх, теперь — поток токенов в больших языковых моделях. Tokenmaxxing — стратегия, при которой сотрудник генерирует максимум видимых артефактов работы: коммиты, пул-реквесты, комментарии в тикетах, итоги встреч, презентации. Каждая единица стоит секунды промпта. Себестоимость трудового подвига упала практически до нуля.
Катализатором стал вайб-кодинг, который популяризовал Андрей Карпаты: программист описывает задачу словами и принимает сгенерированный код, не вчитываясь. Для прототипа — нормально. Но стоит объёму строк или числу закрытых задач превратиться в KPI, как у связки «человек плюс модель» появляется токсичная мотивация. Модель без устали выдаёт пятьсот строк там, где хватило бы двадцати, а сотрудник охотно это принимает — метрика-то растёт.
Экономика здесь асимметрична до неприличия: генерация почти бесплатна, проверка — нет. Ревьюер, обязанный читать весь этот поток, превращается в узкое горлышко и сам начинает смотреть код вполглаза. Дальше — по цепочке: чем больше шума, тем дешевле на его фоне выглядит честный вклад. А значит, тем выгоднее шуметь дальше.
Экономист Чарльз Гудхарт формулировал свой принцип для монетарной политики, но работает он решительно везде. Любая измеримая прокси-метрика, на которую завязали награду, рано или поздно перестаёт отражать реальность. Строки кода, коммиты, закрытые тикеты можно было «накручивать» всегда. Просто раньше накрутка стоила часов жизни, а теперь — одного промпта.
Косвенные признаки уже обсуждают. По имеющимся данным, после массового распространения ИИ-ассистентов доля копипасты в коде растёт, а рефакторинга — падает. В обсуждениях фигурируют и данные, согласно которым опытные разработчики на знакомых задачах работали с ИИ даже медленнее, чем без него, — и при этом искренне были уверены, что ускорились. Разрыв между ощущением и результатом — идеальная среда для tokenmaxxing.
Обманчивы даже благожелательные сигналы. По имеющимся данным, заметная часть нового кода в некоторых крупных компаниях создаётся моделями, а инженеры её проверяют. «Проверяют» — ключевое слово. Как только проверка слабеет, метрика объёма растёт, а качество стоит на месте или ползёт вниз. Классический коллапс по Гудхарту, только в промышленных масштабах.
В технических дискуссиях набирает ход циничный тезис, окрещённый кибермарксизмом. Наёмный труд исторически покупал часы как прокси ценности: работодатель не мог заглянуть сотруднику в голову, поэтому платил за процесс и верил, что из процесса как-нибудь получится результат. ИИ эту веру сломал. Процесс стал воспроизводимым и почти бесплатным — и оплачивать часы теперь значит переплачивать за симуляцию.
Следствий два. Первое: единственный по-настоящему дефицитный актив — проверенный результат, артефакт, за который кто-то готов поручиться. Цена смещается от тех, кто производит активность, к тем, кто способен оценить, довести до ума и взять на себя ответственность. Senior-инженер, нашедший ошибку в сгенерированном коде, ценнее десяти генераторов — такова арифметика. Второе: договорённости неизбежно дрейфуют к оплате за исход. За внедрённую функцию с живыми пользователями, за решённый инцидент, за снижение издержек — но не за «проведённые спринты».
Ирония в том, что ИИ разом обесценил имитацию и вздорожал проверку с ответственностью. Экономика, которая этого не заметит, продолжит платить за дым. И останется без огня.
В России тема остра с обеих сторон процесса. С одной стороны — собственные генеративные модели и инструменты разработки. Сбербанк развивает GigaChat и код-ассистент GigaCode, у Яндекса — YandexGPT и сервисы на его основе, крупные ИТ- и банковские команды встраивают ИИ в процессы разработки и поддержки. Банки, ритейл и телеком относятся к ассистентам вовсе не как к игрушке: кадровый дефицит в ИТ превращает автоматизацию рутины в необходимость, а не в средство накрутки метрик.
С другой стороны, государственная повестка — национальная стратегия развития ИИ, программы цифровой экономики, корпоративные планы «внедрения искусственного интеллекта» — сама генерирует спрос на отчётность о процессе. Сколько моделей внедрено, сколько сотрудников обучено, сколько сценариев использования запущено. Благодатная почва для tokenmaxxing уровня ведомств и крупных корпораций: отчитаться о внедрении куда проще, чем доказать эффект.
Ограничения тоже свои. Доступ к передовым зарубежным облачным моделям ограничен, а проверка сгенерированного кода упирается в тот же дефицит опытных инженеров. Перспектива, впрочем, общая для всех: чем дороже кадры, тем быстрее компании откажутся от оплаты процесса в пользу оплаты результата.
Tokenmaxxing — не порча со стороны ленивых сотрудников, а предсказуемый ответ системы на бесплатную имитацию. Метрики труда, построенные на видимой активности, можно смело хоронить: строки кода, коммиты и закрытые тикеты теперь измеряют щедрость промптов. Выживут те измерения, которые сложно подделать: удержание пользователей у внедрённой функциональности, снижение числа инцидентов, стоимость владения кодом, скорость от идеи до реальной пользы. Менеджеру придётся снова стать арбитром качества, а не счётчиком активности. Экономика, которая и дальше будет оплачивать процесс, просто профинансирует самое дешёвое в истории производство дыма.