Tokenmaxxing: novi Silicon Valley trend koji mjeri produktivnost AI potrošnjom

Trošiti što više AI tokena kako bi izgledao produktivno apsurd ili legitiman poslovni signal?

"Tokenmaxxing" je novi termin koji kruži Silicon Valleyem praksa maksimalnog trošenja AI tokena kao dokaza da neko aktivno koristi vještačku inteligenciju na poslu. Trend je eksplodirao u aprilu 2026. nakon što je Meta zaposlenik napravio interni leaderboard koji je rangirao ko u firmi troši najviše tokena i koji je srušen čim je procurila vijest u javnost. Za menadžere i firme u regionu koje se pitaju kako da mjere povrat od investicije u AI alate, ova debata je direktno relevantna.

1. Tokenmaxxing je trošenje što više AI tokena kao proxy za produktivnost zaposlenih
2. Pokrenuo ga je Nvidia CEO Jensen Huang, a Meta je internalizirala praksu kroz leaderboard koji je ubrzo uklonjen
3. Ramp Labs bilježi 13x rast u AI troškovima kod klijenata od januara 2026.
4. Salesforce odbacuje tokene kao metriku i uvodi "agentic work units" (AWU) mjeru zasnovanu na stvarnim poslovnim ishodima
5. Istraživanje na 10.000+ inženjera pokazuje: više AI outputa ne znači manje prepravki prihvatna stopa koda pada sa 80% na 10–30% kad se uračunaju naknadne izmjene

Šta se tačno desilo

Token je osnovna jedinica AI obrade otprilike četiri karaktera teksta. Kad šalješ pitanje ChatGPT-u ili Claudeu i dobiješ odgovor, i pitanje i odgovor se mjere u tokenima. Što je zadatak složeniji, više tokena se potroši.

Termin "tokenmaxxing" nastao je od Gen Z slanga "-maxxing" (looksmaxxing, sleepmaxxing) koji znači maksimiziranje nečega. Medium Kombinovan sa "token", označava praksu namjernog trošenja što više AI resursa bilo za stvarnu produktivnost, bilo samo da bi brojevi izgledali impresivno.

Okidač za mainstream pažnju bio je Metain interni "Claudeonomics" leaderboard koji je rangirao zaposlene po potrošnji tokena, s titulama poput "Token Legend". Vodeći korisnik je navodno potrošio 281 milijardu tokena u 30 dana. Medium Leaderboard je uklonjen nakon što je vijest procurila.

Ukupno, Meta zaposlenici su u jednom mjesecu potrošili 60 triliona tokena. HR Executive

Na drugom kraju spektra jedan OpenAI inženjer je obradio 210 milijardi tokena za sedmicu ekvivalent 33 Wikipedije dok je korisnik Anthropicovog Claude Code sistema potrošio više od 150.000 dolara za mjesec dana. PANews

Kontekst i konkurencija

Tokenmaxxing nije nastao u vakuumu. Jensen Huang, CEO Nvidije, rekao je da bi bio "duboko zabrinut" ako inženjeri ne troše stotine hiljada dolara na tokene. Firme poput Ubera prelaze planirane AI budžete. Ramp Labs bilježi 13x rast u AI troškovima kod svojih klijenata od januara 2026. Built In

Ali reakcija na ovaj trend je podijeljena. TechCrunch istraživanje na uzorku od 10.000+ inženjera otkrilo je neugodnu činjenicu: AI alati poput Claude Code, Cursor i Codexa generišu više koda nego ikad, ali inženjeri se vraćaju da preprave taj kod znatno češće nego prije. Prihvatna stopa izgleda solidnih 80–90%, ali kad se uračunaju naknadne izmjene, realna stopa pada na 10–30%. Medium

Više outputa. Više prepravki. Neto dobit: nejasna.

Salesforce ide najdalje u odbacivanju tokenmaxxinga: kompanija uvodi "agentic work units" (AWU) novu metriku koja prevodi AI ulaze u stvarne poslovne ishode, a ne u potrošnju tokena. Singapore Airlines koristi AWU da prati koliko dugo AI agenti trebaju da riješe probleme u korisničkoj podršci. Axios

Naša perspektiva šta ovo znači za region

Za menadžere i direktore koji uvode AI u svoju firmu, tokenmaxxing je upozorenje, ne recept. Ako sutra uvedeš ChatGPT u tim i počneš mjeriti ko ga najviše koristi mjeriš pogrešnu stvar. Zaposlenik koji svaki mejl pišeš uz pomoć AI-ja i troši 50.000 tokena dnevno možda radi manje efikasno od kolege koji AI koristi jednom, ali za pravi problem.

Konkretno firma u Sarajevu koja uvodi AI asistente u prodajni tim treba da mjeri broj zatvorenih ponuda, skraćenje ciklusa prodaje ili kvalitet komunikacije s klijentima ne koliko su tokena potrošili zaposleni.

Za firme koje plaćaju AI pretplate (ChatGPT Business, Claude Pro, Copilot), ovo ima i finansijsku dimenziju. Ako tvoji zaposlenici shvate da ih menadžment mjeri po potrošnji, imaš savršen recept za rasipanje budžeta bez rezultata. Ramp Labs podaci o 13x rastu troškova kod klijenata nisu nužno znak uspjeha mogu biti znak da niko ne pita "ali šta smo zaradili od tog trošenja?"

Zdraviji pristup postavi 2–3 konkretna pitanja. Koji zadaci su se skratili? Koji procesi sada idu bez čovjeka? Gdje smo prestali unajmljivati vanjske izvršioce zahvaljujući AI-ju? To su metrike koje nešto znače.

Zaključak

Tokenmaxxing je simptom nečega stvarnog: firme ne znaju kako da mjere produktivnost u AI eri i posežu za prvom dostupnom brojkom potrošnjom. Salesforceov AWU pristup i Hoffmanova preporuka redovnih check-inova pokazuju da industrija traži bolje odgovore. Do tada, najvažnija stvar za svakoga ko uvodi AI u tim je da postavi pitanje: "Šta smo završili?" a ne "Koliko smo potrošili?"

Ako te zanima kako drugi menadžeri u regionu mjere povrat od AI alata prijavi se na AI Balkan newsletter i dobit ćeš konkretne primjere iz prakse čim ih prikupimo.