根據外媒報導，近乎所有名列《Fortune 500》（《財富》500 強）的大型企業，目前都在追蹤員工使用人工智慧（AI）工具的情況，以評估這項新技術的投資報酬率。然而，專家警告，單純監測 AI 應用量或其成本（如「Token」消耗），並不能真正反映員工的生產力，反而可能引發「Token最大化」（tokenmaxxing）現象，讓員工為了數據而衝高使用量。
ModelOp 是一家 AI 生命週期管理與治理平台公司，根據該公司於 2026 年對百位資深 AI 企業領袖的調查顯示，超過三分之二的企業在評估 AI 投資報酬率時，仍依賴如節省時間或預計成本減少等估計值，而非實際的財務成果。ModelOp 將 AI 活動與可衡量投資報酬率之間的落差稱為「AI 價值幻覺」。麥肯錫（McKinsey）報告也指出，有六成四的企業認為 AI 正在推動創新，但僅有三成九的企業表示對收益有可衡量的影響。
微軟（Microsoft）為企業客戶提供了追蹤 AI 工具使用情況的方案，包含活躍使用者數量、提示語（Prompt）用量及代理程式活動等。每筆 AI 互動都產生費用，這筆費用以「Token」計算，即 AI 公司根據處理的文字或數據量收取的單位成本。這讓每一次提示語的發出都成為可追蹤的費用。安永（EY）美洲金融服務 AI 負責人 Sameer Gupta 指出，最大的挑戰不是衡量使用量，而是歸因問題，要單獨辨識 AI 作為生產力提升的主要驅動力並不容易。
部分職場已出現員工為了展現生產力，刻意衝高 AI 使用量的狀況。美世諮詢（Mercer）資深合夥人 Ravin Jesuthasan 直言，「AI 使用量與生產力之間的關聯性非常低」，因為企業只看到 Token 消耗量，卻不知這些 Token 實際用於何處。Meta 內部正測試追蹤滑鼠移動、點擊與鍵盤輸入等數據，以訓練 AI 系統，雖然公司聲明這並非用於評估個人績效，但也引發外界對職場監測界線的擔憂。Jesuthasan 強調，企業有責任確保員工充分了解 AI 監測的溝通與目的。
儘管挑戰重重，越來越多企業開始將 AI 應用納入工作交付、定價與評估的核心環節。例如，Globant 北美洲技術長 Esteban Sancho 表示，Token 成本現已成為公司投資報酬率計算的標準項目，並作為勞動與基礎設施成本的一部分。該公司會根據 AI 創造最大價值的部分，持續調整模型、預算與工作流程。加密貨幣交易所 Coinbase 執行長 布萊恩·阿姆斯壯（Brian Armstrong）今日週二宣布，公司將裁員 14% 並重組管理層，其中包括導入由數量有限的人力管理 AI 代理程式的「AI原生團隊」（AI-native pods）。
Salesforce 及其 AI 部門主管 Madhav Thattai 則認為，業界已從單純追蹤 AI 使用量轉向衡量工作是否確實完成。他們提出三層衡量標準：AI 使用量、任務完成度及對業務成果的轉化。賽富時（Salesforce AI）的平台已產生 24 億個工作單位，其中一個季度就達 7.71 億個，季增 57%。例如，旗下 Agentforce 系統解決了六成三的客戶服務問題，滿意度與人工客服相當。旅遊公司億客行集團（Engine）部署的 AI 代理程式，已能處理五成聊天量並縮短一成五的處理時間。希斯洛機場（Heathrow Airport）也藉由 AI 代理程式，數位營收增加了三成。
