Perdebatan “Tokenmaxxing” AI: Pendekatan Inovatif atau Metrik yang Menyesatkan?
Beberapa hari setelah Meta menutup dasbor internal “tokenmaxxing” mereka menyusul laporan kebocoran papan peringkat AI ke publik, salah satu pendiri LinkedIn dan investor modal ventura, Reid Hoffman, angkat bicara mendukung konsep yang tengah ramai diperbincangkan di Silicon Valley.
Token AI adalah unit data kecil yang diproses oleh model AI untuk memahami perintah dan menghasilkan respons. Unit ini juga digunakan untuk mengukur penggunaan AI dan menentukan biaya layanan AI.
Akibatnya, banyak perusahaan mulai melacak secara internal karyawan mana yang menggunakan token paling banyak sebagai indikator pemahaman mereka terhadap adopsi alat AI. Konsep ini disebut “tokenmaxxing”, di mana “maxxing” merupakan istilah slang Gen Z yang berarti mengoptimalkan sesuatu.
Namun, para insinyur di perusahaan teknologi memperdebatkan apakah metrik ini merupakan ukuran produktivitas yang valid di tempat kerja, karena dinilai setara dengan memberi peringkat orang berdasarkan siapa yang menghabiskan lebih banyak uang.
Hoffman, dalam wawancara di KTT Ekonomi Dunia Semafor, memberikan nasihat bagi perusahaan yang mengadopsi AI, menyatakan pandangannya yang positif terhadap praktik ini. Meskipun tidak menggunakan istilah slang Gen Z, ia menekankan bahwa melacak pengeluaran token karyawan adalah ide yang baik.
“Anda harus membuat orang-orang dari berbagai fungsi benar-benar terlibat dan bereksperimen [dengan AI],” ujar Hoffman di acara tersebut. “Salah satu dasbor yang baik untuk diperhatikan adalah seberapa banyak penggunaan token yang sebenarnya dilakukan orang saat mereka mengerjakannya? Ini bukan berarti ini adalah contoh produktivitas yang sempurna, tetapi…”
Ia melanjutkan bahwa beberapa orang mungkin menggunakan banyak token, namun dalam cara yang lebih acak atau eksploratif. Oleh karena itu, penting untuk menggabungkan pelacakan praktik “tokenmaxxing” dengan pemahaman tentang apa yang digunakan orang untuk token mereka.
“Sebagian akan menjadi eksperimen yang gagal – itu tidak masalah. Tapi itu ada dalam putaran itu, dan Anda ingin berbagai macam orang menggunakannya, secara kolektif, dan secara bersamaan,” tambah Hoffman.
Hoffman juga berbagi saran lain kepada perusahaan yang sedang merancang strategi AI mereka, menyarankan agar AI diintegrasikan ke seluruh organisasi. Ia juga merekomendasikan adanya pertemuan rutin untuk berbagi temuan yang berhasil.
“Kita seharusnya, pada dasarnya, melakukan pertemuan mingguan. Tidak harus semua orang, setiap saat saling bertemu – tetapi pertemuan kelompok tentang ‘apa yang baru kami coba lakukan minggu ini, untuk menggunakan AI demi produktivitas pribadi, kelompok, dan perusahaan, dan apa yang kami pelajari?’ Karena Anda akan menemukan, beberapa hal sangat luar biasa,” kata Hoffman.
Sumber: techcrunch
Relevansi di Indonesia: Menjembatani Inovasi dan Pengukuran Kinerja
Perdebatan seputar “tokenmaxxing” AI ini memiliki relevansi yang signifikan bagi Indonesia. Di tengah upaya akselerasi adopsi teknologi digital dan kecerdasan buatan di berbagai sektor, pemahaman mengenai bagaimana mengukur dan mendorong pemanfaatan AI secara efektif menjadi krusial.
Meskipun konsep “tokenmaxxing” mungkin terdengar kontroversial, pandangan Reid Hoffman menekankan pentingnya eksperimentasi dan keterlibatan luas dalam ekosistem AI. Bagi perusahaan di Indonesia, hal ini dapat menjadi pengingat untuk tidak hanya fokus pada hasil akhir, tetapi juga pada proses eksplorasi dan pembelajaran yang mendalam.
Pengukuran penggunaan token, jika dilakukan dengan bijak dan dikombinasikan dengan analisis tujuan penggunaan, dapat menjadi salah satu indikator awal dari tingkat adopsi dan inovasi berbasis AI di kalangan karyawan. Namun, penting untuk diingat bahwa metrik kuantitatif semata tidak cukup. Penilaian harus tetap mempertimbangkan kualitas kontribusi, pemecahan masalah, dan penciptaan nilai tambah yang sesungguhnya.
Oleh karena itu, Indonesia perlu mengadopsi pendekatan yang seimbang: mendorong antusiasme dalam memanfaatkan AI sambil membangun kerangka kerja pengukuran kinerja yang holistik dan adil, yang tidak hanya berfokus pada jumlah penggunaan, tetapi juga pada dampak dan efektivitasnya.
