AI-gebruik meten bij je medewerkers werkt averechts: de les van Meta
📊 Kerncijfers
🔗 Geannoteerde bronnen
primair The Decoder — Meta drops AI usage from engineer performance reviews
the-decoder.com/meta-drops-ai-usage…🗓️ 8 september 2026 · Manuel Uth · Bevat: de interne memo van executives Maher Saba en Santosh Janardhan, de term "tokenmaxxing", de schrapping van AI-gebruik als beoordelingscriterium, en de interne AI-kosten die richting miljarden lopen in 2026. Bron van het artikel: The Information en WIRED.
📋 Claims & verificatie
| Claim in blogpost | Bron | Status |
|---|---|---|
| Meta nam AI-gebruik op in de prestatiebeoordelingen van zijn engineers | The Decoder | ✅ Geverifieerd |
| Medewerkers gingen zoveel mogelijk AI-tokens genereren om te scoren — intern "tokenmaxxing" genoemd | The Decoder | ✅ Geverifieerd |
| Meta heeft de maatstaf inmiddels geschrapt | The Decoder | ✅ Geverifieerd |
| De interne AI-kosten bij Meta lopen richting miljarden in 2026 | The Decoder | ✅ Geverifieerd |
| Dit is een schoolvoorbeeld van de wet van Goodhart: zodra een maatstaf een doel wordt, houdt hij op een goede maatstaf te zijn | — | ℹ️ Opinie/analyse |
| Een Nederlands administratiekantoor met vijftien medewerkers zag precies hetzelfde gebeuren | — | ℹ️ Opinie/analyse |
| Een AI-abonnement kost al snel honderden euro's per maand per team | — | ℹ️ Opinie/analyse |
📐 Methodologie-noot
De vier kernclaims over Meta zijn letterlijk terug te vinden in het The Decoder-artikel (interne memo van Maher Saba en Santosh Janardhan, de term "tokenmaxxing", de schrapping van het criterium, en de miljarden aan interne AI-kosten). De blogpost voegt daarnaast een Nederlandse MKB-casus toe (administratiekantoor met vijftien medewerkers) die niet in de bron staat — dit is een verzonnen lokale vertaalslag, gemarkeerd als ℹ️ Opinie/analyse. De wet van Goodhart en de kosteninschatting zijn eigen analyse van de auteur.
🧩 Gerelateerde faalpatronen
AI-Verkeerde-Prikkels (score 9/10) — het kernpatroon: een verkeerde KPI (AI-gebruik) wordt een doel op zich en medewerkers optimaliseren voor de maatstaf in plaats van het werk. Meta's tokenmaxxing is een schoolvoorbeeld.
De-humanisering (score 8/10) — efficiëntie-metrieken vervangen menselijk oordeel; hier vervangt een token-teller de beoordeling van werkkwaliteit.
Surveillance Creep (score 8/10) — het meten van AI-gebruik is een vorm van werknemersmonitoring die begint als "inzicht" en eindigt als sturing.
Blind vertrouwen op AI (score 9/10) — de aanname dat méér AI-gebruik automatisch beter werk betekent, zonder kritische evaluatie van het resultaat.