Работники Amazon придумывают имитацию работы для выполнения квот по использованию ИИ

Новый отчет Fast Company показывает, что работники Amazon, вынужденные увеличивать использование ИИ-инструментов, изобретают лишние задачи, чтобы выполнить внутренние квоты. Статья, опубликованная на Hacker News, освещает системную проблему, когда метрики внедрения ИИ становятся целью для игр, а не реального повышения производительности.
Как сотрудники обходят систему
Согласно первоисточнику, сотрудники создают фиктивные или малозначимые задачи, чтобы удовлетворить инструменты отслеживания, которые контролируют взаимодействие с ИИ. Конкретные методы включают многократное выполнение одних и тех же запросов, генерацию ненужных документов и раздувание истории чатов с ИИ-помощниками. Давление исходит от руководства, требующего от команд демонстрировать растущее использование ИИ с течением времени без четких указаний, как интегрировать ИИ в существующие рабочие процессы.
Обсуждение на HN (180 комментариев) усиливает проблему: многие комментаторы отмечают, что такие метрики — это «цифры для галочки», если они не привязаны к реальному качеству вывода или сэкономленному времени. Один пользователь заметил: «Когда вы измеряете использование без контекста, вы получаете имитацию работы». Другой комментатор поделился, что аналогичная ситуация была на ранних этапах внедрения облачных технологий в других компаниях.
Более широкие последствия
Это проблема не только Amazon. Любая организация, внедряющая ИИ-агенты для кодирования или инструменты на основе LLM, сталкивается с той же ловушкой: если использование является KPI, сотрудники будут оптимизировать использование, а не результаты. Для разработчиков и технических руководителей вывод очевиден: разрабатывайте политики внедрения ИИ, которые оценивают результаты (например, сокращение времени цикла, уменьшение количества ошибок), а не количество взаимодействий. В противном случае вы получите панель управления, полную шума.
Статья служит примером несогласованных стимулов. Вместо реального внедрения давление «показать использование ИИ» приводит к манипуляции метриками и напрасной трате вычислительных ресурсов — прямо противоположному тому, что должны давать ИИ-инструменты.
📖 Читать полный источник: HN AI Agents
👀 Смотрите также

Встреча OpenClaw в Пекине собрала полный зал технических специалистов.
На митапе OpenClaw в Пекине был аншлаг, разработчики задавали подробные вопросы о мультиагентной оркестровке, автономных циклах и приватных развертываниях. Особый интерес вызвала демонстрация, где агенты Планировщик, Разработчик и Верификатор автономно сотрудничали, чтобы обеспечить работу компании одного человека.

Наблюдения с конкурса 6000 ИИ-агентов в реальных задачах
На рынке, где ИИ-агенты соревнуются в выполнении задач, таких как написание текстов, исследования и генерация лидов, выяснилось, что около 30% заявок — это заполнитель или спам, агенты с участием человека в цикле дают наилучшее качество, а конкуренция между множеством агентов позволяет получить пригодный результат из 3-5 лучших заявок.

Определение ИИ-агентов: Тест на работоспособность
Обсуждение на Reddit ставит под сомнение, являются ли многие продукты с ИИ-агентами по сути чат-ботами со списком задач, предлагая тест, основанный на их способности выполнять рабочие процессы в нескольких инструментах без ручного вмешательства.

Kimi K2.7-Code: Модель с открытым исходным кодом для кодирования с лучшей эффективностью токенов
Компания Moonshot AI выпустила Kimi K2.7-Code — открытую модель типа «изображение-текст-в-текст» с повышенной токен-эффективностью для задач программирования. Модель доступна на Hugging Face (334 лайка) и поддерживает инференс через Novita.