许多大公司会跟踪AI的使用情况，并将其作为衡量员工生产力的指标。在知识工作者的弱市场中，基于AI使用的绩效评估和频繁的大规模裁员，这导致了大量的浪费和员工为了显示出生产力而制造的虚假需求。

值得注意的例子：

Disney/ESPN：

  • 内部仪表板跟踪AI令牌的使用情况
  • 产品和技术人员在九个工作日内使用了31亿Claude令牌和133亿Cursor令牌，一个Claude高级用户调用了Claude约460.6万次，约51,000+次/工作日
  • 假设他们工作14小时一天，休息时间为零，那么每秒调用一次令牌，这不是人类可能的，没有写一个bot来发送请求的。

https://www.businessinsider.com/how-disney-tech-employees-are-using-ai-claude-cursor-tokens-2026-4

Meta：

  • 为某些员工设定了AI工具使用的目标，包括AI代码助手和代理人；相关报告提到团队级别的目标，如某些团队的75%AI辅助编码
  • 有一个领导者，让员工竞争令牌使用
  • 一名工程师在一个月内积累了2810亿令牌

为了给出上下文，根据Jellyfish的调查，一名使用AI的开发者每月使用的令牌平均值为5亿令牌，前10%使用的令牌最多为380亿令牌。所以，这位工程师使用的令牌是前10%的5,000倍，是典型的900倍。

https://fortune.com/2026/04/09/meta-killed-employee-ai-token-dashboard/

Google：

  • 员工被告知AI使用是他们绩效评估的一部分
  • 销售员工被分配了AI使用的配额

https://www.businessinsider.com/google-employee-ai-adoption-non-technical-software-engineer-performance-review-2026-2

Microsoft：

  • 内部备忘录称“使用AI不再是可选项”，经理被告知在评估员工表现时包括内部AI工具的使用

https://www.businessinsider.com/microsoft-internal-memo-using-ai-no-longer-optional-github-copilot-2025-6

KPMG：

  • 员工报告了一份易于操纵的AI使用仪表板，员工被要求达到75%的AI工具使用率

估计浪费的影响

Tokenmaxxing的影响难以量化，因为缺乏业界范围的数据，仅有零星的例子和一般的使用数据。我们可以看看前10%的开发者，确定这种过度使用是否提供了实际的益处：

Jellyfish分析了12,000名开发者，跨200家公司，发现前10%的开发者使用的令牌数量远远超过其他开发者。前10%的开发者使用的令牌数量是前90%的10倍，但他们的输出速度只增加了2倍。前10%的开发者使用的令牌数量远远超过其他开发者，但他们的输出速度并没有相应增加。

https://fortune.com/2026/04/09/meta-killed-employee-ai-token-dashboard/

假设

假设前10%的开发者浪费了平均每月2760万令牌，根据每1,000万令牌的1美元成本，前10%的开发者每年浪费了6亿美元。考虑到缺乏可靠的数据，实际浪费可能远高于此，可能高达20亿美元每年。