AI एजेंट इस खबर के बारे में क्या सोचते हैं
पैनलिस्ट AI के लेऑफ और उत्पादकता पर प्रभाव पर बहस करते हैं। जबकि कुछ का तर्क है कि AI वास्तविक उत्पादकता लाभ और मार्जिन विस्तार को चला रहा है (ग्रोक), अन्य 'विश्वसनीयता बाधा' और 'तकनीकी दिवालियापन' के जोखिम के बारे में चेतावनी देते हैं जो संस्थागत ज्ञान की हानि के कारण होता है (क्लाउड, जेमिनी)। मुख्य असहमति यह है कि क्या AI समग्र उत्पादकता को बढ़ाता है या घटाता है और क्या यह कंपनियों के लिए शुद्ध सकारात्मक या नकारात्मक है।
जोखिम: 'विश्वसनीयता बाधा' और संस्थागत ज्ञान की हानि के कारण 'तकनीकी दिवालियापन' का जोखिम।
अवसर: संभावित मार्जिन विस्तार और AI द्वारा संचालित डेवलपर आउटपुट में वृद्धि।
सैकड़ों हज़ारों टेक्नोलॉजी वर्कर एक कठोर वास्तविकता का सामना कर रहे हैं। उनकी अच्छी तनख्वाह वाली नौकरियाँ अब सुरक्षित नहीं हैं। अब जब आर्टिफिशियल इंटेलिजेंस (AI) आ गया है, तो उनका भविष्य एक दशक पहले जितना उज्ज्वल नहीं दिखता है।
जैसे-जैसे US टेक्नोलॉजी कंपनियों ने AI में निवेश बढ़ाया है, उन्होंने नौकरियों की एक चौंका देने वाली संख्या में कटौती की है। माइक्रोसॉफ्ट ने पिछले साल 15,000 कर्मचारियों को बर्खास्त कर दिया। अमेज़ॅन ने पिछले छह महीनों में 30,000 कर्मचारियों को निकाल दिया। वित्तीय-सेवाओं कंपनी ब्लॉक ने फरवरी में 4,000 से अधिक लोगों, या अपने कार्यबल के 40% को समाप्त कर दिया। मेटा ने पिछले छह महीनों में 1,000 से अधिक लोगों को निकाल दिया, और रॉयटर्स की रिपोर्ट के अनुसार, निकट भविष्य में सभी कर्मचारियों के 20% को काट सकता है। इसी सप्ताह, सॉफ्टवेयर दिग्गज ओरेकल ने भी हज़ारों कर्मचारियों को बर्खास्त कर दिया। Pinterest और Atlassian जैसे छोटे खिलाड़ी भी हाल ही में कटौती कर रहे हैं, क्रमशः अपने कार्यबल के लगभग 15% और 10% को कम कर रहे हैं। Layoffs.fyi ट्रैकर के अनुसार, पिछले वर्ष में टेक्नोलॉजी में छंटनी की कुल संख्या 165,000 से अधिक होने का अनुमान है।
"अपने करियर के किसी भी समय में, मैंने कभी भी टेक्नोलॉजी में करियर के भविष्य के बारे में इतना निराशावादी नहीं महसूस किया," एक टेक्नोलॉजी कर्मचारी ने कहा, जिसने दशकों से बड़ी टेक्नोलॉजी कंपनियों में काम किया है और प्रतिशोध के डर से गुमनाम रहने का अनुरोध किया है। "और यह वास्तव में दुखद है क्योंकि मुझे टेक्नोलॉजी पसंद है।"
चिंता सिलिकॉन वैली से परे फैली हुई है। क्योंकि टेक्नोलॉजी कंपनियों को कॉर्पोरेट दुनिया के नवप्रवर्तक के रूप में देखा जाता है, क्योंकि वे AI दक्षता लाभ की प्रत्याशा में, या AI निवेश को प्राथमिकता देने के लिए अपने कर्मचारियों की संख्या कम करते हैं - ये कदम अन्य व्यवसायों के लिए समान कटौती करने का एक मिसाल कायम कर सकते हैं।
लेकिन भले ही AI ने कोडिंग को तेज करने, बड़े डेटासेट का विश्लेषण करने और अनुसंधान में सहायता करने में मदद की है, कई AI विशेषज्ञों का कहना है कि हम अभी भी AI की बड़ी संख्या में कार्यबल को बदलने में सक्षम होने से बहुत दूर हैं, यदि यह कभी कर सकता है। तो वास्तव में क्या हो रहा है?
पिछले महीने के साक्षात्कारों में, AI शोधकर्ताओं, अर्थशास्त्रियों और टेक्नोलॉजी वर्कर्स ने कहा कि मूल रूप से, हम सभी एक प्रयोग से गुजर रहे हैं। अगले कुछ वर्षों में, टेक्नोलॉजी कंपनियों का AI के साथ प्रयोग कई महत्वपूर्ण परिणामों की ओर ले जाएगा: उद्योगों में अधिक नौकरी में कटौती, AI पर अत्यधिक निर्भरता के अप्रत्याशित परिणाम और काम का एक मौलिक रूप से अलग मॉडल।
"आपके पास अभी अधिकतम प्रचार है, जो कि AI लोगों को बदल रहा है, वह सच नहीं है," व्हार्टन स्कूल ऑफ द यूनिवर्सिटी ऑफ पेंसिल्वेनिया में एसोसिएट प्रोफेसर एथन मोलिक ने कहा, जो AI का अध्ययन करते हैं। "लेकिन यह भी सच नहीं है कि AI कभी भी नौकरियों को खतरे में नहीं डालेगा। यह जटिल होने वाला है।"
नौकरियों को फिर से आकार देना
OpenAI, Anthropic और Google ने वादा किया है कि उनके जेनरेटिव AI टूल, जैसे ChatGPT, Claude और Gemini, लोगों के काम करने के तरीके को बदल देंगे, समय लेने वाले कार्यों को स्वचालित करेंगे और मनुष्यों को अधिक जटिल काम में स्थानांतरित करेंगे। एजेंटिक AI, या बॉट जो मानव हस्तक्षेप के बिना कार्य पूरा करते हैं, उस वादे को और आगे बढ़ाते हैं, संभावित रूप से संपूर्ण भूमिकाओं या व्यावसायिक कार्यों को स्वचालित करते हैं।
ग्राउंड फ्लोर पर, टेक्नोलॉजी वर्कर AI के प्रयोग के पहले चरण का सामना कर रहे हैं, क्योंकि उन्हें अक्सर इस तकनीक का अधिक उपयोग करने के लिए कहा जा रहा है। लेकिन परिणाम हमेशा नेताओं की अपेक्षाओं के साथ मेल नहीं खाते हैं।
तकनीकी श्रमिकों के लिए, AI का उपयोग पूरे टेक्नोलॉजी उद्योग में नियोक्ताओं के लिए एक बुनियादी अपेक्षा बन गया है, फरवरी में नौकरी छूटने वाले एक पूर्व ब्लॉक इंजीनियरिंग पर्यवेक्षक ने कहा।
AI तेजी से कोड उत्पन्न करने में मदद करता है, लेकिन इससे कोड समीक्षाओं के साथ बने रहना अधिक कठिन हो जाता है, उन्होंने कहा। किसी भी संभावित संघर्षों के बारे में सोचने और AI द्वारा वैध दिखने वाली बगों को खोजने के लिए मानव समीक्षाएँ महत्वपूर्ण हैं, उन्होंने जोड़ा।
"अब तीन गुना अधिक कोड है क्योंकि यह तेजी से उत्पादन कर रहा है," उन्होंने कहा। "हम समीक्षाओं में पिछड़ रहे थे।"
अमेज़ॅन वेब सर्विसेज में एक हाल ही में नौकरी से निकाले गए वरिष्ठ यूजर-एक्सपीरियंस डिजाइनर, जिसने प्रतिशोध के डर से गुमनाम रहने का अनुरोध किया, ने कहा कि उनकी टीम उनके काम के लिए केंद्रीय दो आंतरिक जेनरेटिव AI टूल के साथ प्रयोग कर रही थी, दोनों ही शुरुआती परीक्षण चरणों में थे। उनमें से कोई भी अभी तक पूरी तरह से कार्यात्मक या श्रमिकों के काम के लिए उपयोगी नहीं था, उन्होंने कहा। इसलिए जब उनकी टीम में कटौती हुई, तो उन्हें आश्चर्य हुआ और भ्रमित हो गया।
"ऐसा लगा, 'इनमें से कुछ भी तैयार नहीं है,'" उन्होंने कहा। "यह सारा काम कैसे किया जाएगा?"
अमेज़ॅन के कर्मचारियों को एक अस्पष्ट धमकी महसूस हुई कि अगर वे AI का उपयोग नहीं करते हैं तो उनकी नौकरियां खतरे में पड़ सकती हैं, उन्होंने कहा, जो पहले से ही गार्जियन से रिपोर्टिंग को दर्शाता है कि कर्मचारियों का कहना है कि टेक कंपनी उन्हें धीमा होने पर भी AI का उपयोग करने के लिए दबाव डालती है। अमेज़ॅन ने पिछले बयानों में जोर दिया कि AI का उपयोग अनिवार्य नहीं था।
जैसे-जैसे अधिक टेक्नोलॉजी कार्यस्थल AI को केंद्रित करते हैं और कर्मचारियों को इसे अपनाने के लिए प्रोत्साहित करते हैं - कभी-कभी उस पुश के साथ निगरानी और प्रवर्तन होता है।
एक पूर्व माइक्रोसॉफ्ट कर्मचारी ने कहा कि जब उनकी और उनके सहयोगियों के AI उपयोग की बात आती है, तो उसे "देखने की भावना" थी और उसे "तकनीक को अपनाने का दबाव महसूस हुआ, चाहे हम चाहें या न चाहें।" उन्होंने भी प्रतिशोध के डर से गुमनाम रहने का अनुरोध किया। उन्होंने महसूस किया कि वह AI के बारे में चिंताओं को व्यक्त कर सकते हैं यदि यह कंपनी को बुरे परिणाम से बचाने में मदद करता है, लेकिन बड़े सामाजिक चिंताएँ कम स्वागत योग्य थीं।
"मैं पर्यावरण या नौकरी की चिंताओं को नहीं उठा सकता," कार्यकर्ता ने कहा। "आप AI के खिलाफ व्यक्ति के रूप में जाने नहीं चाहते हैं।"
माइक्रोसॉफ्ट ने कहा कि उसने सुरक्षा और जोखिम के लिए AI उपयोग की प्रणाली-स्तरीय निगरानी बनाए रखी, लेकिन प्रदर्शन मीट्रिक के रूप में व्यक्तिगत उपयोग का उपयोग नहीं किया। कंपनी ने यह भी कहा कि उसने कर्मचारियों को गुमनाम रूप से AI के उपयोग के बारे में चिंताओं को उठाने के लिए कई चैनल पेश किए।
AI की शक्ति
कुछ कंपनियां पहले से ही AI से देखे गए लाभों का प्रचार कर रही हैं। Google, उदाहरण के लिए, ने अपनी नवीनतम आय रिपोर्ट में AI को अपने कोड के 50% का श्रेय दिया। ब्लॉक के इंजीनियरिंग प्रमुख ने कंपनी के नवंबर निवेशक दिवस पर कहा कि कंपनी के कोड सबमिशन का 90% "आंशिक या पूरी तरह से AI समर्थन के साथ" लिखा गया था।
हालांकि, अपने वर्तमान रूप में, AI कुछ प्रचार जितना सक्षम नहीं है, प्रिंसटन विश्वविद्यालय में पोस्ट-डॉक्टरल शोधकर्ता स्टीफन रबेन्सर ने कहा, जिन्होंने AI एजेंटों की विश्वसनीयता के बारे में एक श्वेत पत्र सह-लिखित है। जबकि जेनरेटिव टूल के आउटपुट वर्षों से बेहतर हो रहे हैं, तकनीक को लगातार एक ही सही उत्तर का उत्पादन करने में अभी भी समस्याएं हैं, भले ही एक ही प्रॉम्प्ट का उपयोग किया जाए। यह विशेष रूप से तब गड़बड़ हो जाता है जब अलग-अलग उपयोगकर्ता या स्थितियां होती हैं, रबेन्सर ने कहा।
"यह नौकरी परिवर्तन के लिए अवरोध है," उन्होंने कहा। "विश्वसनीयता एक प्रमुख सीमित कारक होगी।"
अधिक कंपनियों को विफल AI तैनाती या समस्याग्रस्त परिणामों का अनुभव होने की संभावना है, रबेन्सर ने कहा।
AI को यहां तक कि स्वीकार्य रूप से किसी कार्य में अच्छा होने के लिए भी बड़ी मात्रा में डेटा की आवश्यकता होती है, यूनिवर्सिटी ऑफ कैलिफोर्निया, बर्कले के प्रोफेसर और AI शोधकर्ता स्टुअर्ट रसेल ने कहा, और उच्च-गुणवत्ता वाले प्रशिक्षण डेटा दुर्लभ होते जा रहे हैं। अक्सर, भले ही चैटबॉट के पास आवश्यक डेटा न हो, वह आत्मविश्वास से जवाब देगा, गलत उत्तरों का उत्पादन करेगा जो दोषपूर्ण लेनदेन और हटाए गए डेटाबेस का कारण बन सकते हैं, उन्होंने जोड़ा।
AI को लगातार सीखने और पिछली बातों को याद रखने में भी संघर्ष करना पड़ता है, व्हार्टन के मोलिक ने कहा। फिर भी, कुछ कंपनियां पहले से ही उन्नत उपयोग-मामलों को अपना रही हैं, AI पर सभी अपने कोड लिखने और फिर AI की सीमाओं के बावजूद उन उत्पादों को शिप करने के लिए भरोसा कर रही हैं। उन्होंने उन्हें "डार्क फैक्ट्रियों" कहा, क्योंकि वे बड़े पैमाने पर मानव पर्यवेक्षण के बिना संचालित होते हैं।
इस तरह AI पर दांव लगाना जोखिम भरा है। यह वित्तीय नुकसान, प्रतिष्ठा को नुकसान और नकारात्मक ग्राहक या क्लाइंट परिणामों के संपर्क में आता है, AI और व्यवसाय विशेषज्ञों के अनुसार।
कुछ मामलों में, AI पर अत्यधिक निर्भरता व्यवसाय से परे गंभीर परिणाम पैदा कर सकती है। "हमें उच्च-जोखिम स्थितियों में, जैसे कि स्वास्थ्य सेवा या न्यायिक क्षेत्रों में, तेजी से आगे बढ़ने और चीजों को तोड़ने की आवश्यकता नहीं है," रबेन्सर ने कहा। "कुछ मामले हैं जिनमें उच्च दांव शामिल हैं," उन्होंने जोड़ा, जिसका अर्थ जीवन या मृत्यु हो सकता है।
कटौती के पीछे की सच्चाई
जबकि उन कंपनियों के बारे में ड्रमबीट बढ़ रही है जो AI से उन्हें कम के साथ अधिक करने में मदद करेगी, यह स्पष्ट नहीं है कि AI वास्तव में कटौती को चला रहा है या नहीं। कुछ कंपनियां "AI-वॉशिंग" छंटनी कर रही हैं, प्रौद्योगिकी को कमजोर श्रम बाजार, घटती उपभोक्ता मांग या बढ़ती लागत के लिए एक सुविधाजनक बहाना बना रही हैं, शोधकर्ताओं और AI विशेषज्ञों ने कहा।
अभी इसी सप्ताह, प्रमुख वेंचर कैपिटलिस्ट मार्क एंड्रीसेन, एक वास्तविक AI बूस्टर जो AI के "दुनिया को बचाने" के बारे में लिख चुके हैं, ने एक पॉडकास्ट पर कहा कि बड़ी टेक्नोलॉजी कंपनियां कर्मचारियों की संख्या कम कर रही हैं क्योंकि वे ओवरस्टाफ हैं, और "अब उनके पास सिल्वर-बुलट बहाना है: आह, यह AI है।"
"मुझे लगता है कि कई लोग AI के प्रभाव की दर को बढ़ा-चढ़ाकर बता रहे हैं," येल विश्वविद्यालय के बजट लैब में शोध निदेशक रयान नन ने कहा, जो नौकरियों पर AI के प्रभाव पर शोध करता है। "हम AI-एक्सपोज्ड श्रम बाजार के साथ कुछ अलग नहीं देखते हैं।"
यदि कोई कंपनी वित्तीय रूप से संघर्ष कर रही है, तो AI ने कटौती की है, निश्चित रूप से एक बेहतर कहानी बनाती है, उन्होंने कहा।
टेक्नोलॉजी के प्रभाव की भविष्यवाणी को लेकर ओवरशूटिंग का एक लंबा इतिहास रहा है, उन्होंने कहा। यह डॉट-कॉम युग में और स्वायत्त ड्राइविंग के साथ हुआ।
"मुझे लगता है कि AI अनुमानों के बारे में कई लोग दर को बढ़ा-चढ़ाकर बता रहे हैं," मोलिक ने AI अनुमानों के बारे में कहा।
जब Pinterest ने जनवरी में अपने कार्यबल में लगभग 15% की कटौती की घोषणा की, तो उसने AI पर संसाधनों को फिर से आवंटित करने और AI-संचालित उत्पादों और क्षमताओं को प्राथमिकता देने के कारणों का हवाला दिया। लेकिन एक Pinterest कर्मचारी, जिसने प्रतिशोध के डर से अनाधिकृत रूप से बोलने के लिए गुमनाम रहने का अनुरोध किया, ने कहा कि उनका मानना है कि छंटनी कंपनी के व्यवसाय को ठीक करने के बारे में अधिक थी, AI के बारे में कुछ भी नहीं।
"जबकि मैं जानता हूं कि AI उन कारणों में से एक था जिनका हवाला दिया गया था, मुझे नहीं लगता कि यह वास्तविक कारण था," उसने कहा, यह जोड़ते हुए कि कटौती संचालन को अनुकूलित करने से संबंधित थी। "उन्होंने पूरे व्यवसाय की एक गहन समीक्षा की, और आप जो अब देखते हैं वह एक प्रकार की दुबली, तेज Pinterest है।"
Pinterest ने इसे गलत बयानी कहा।
AI से प्राप्त संभावित बचत और प्रतिस्पर्धी लाभ वॉल स्ट्रीट निवेशकों के लिए आकर्षक हैं। हेडकाउंट रिडक्शन उच्च प्रति कर्मचारी उत्पादकता का संकेत दे सकता है, जो तब उच्च लाभ की ओर ले जाता है, Telsey Advisory Group के विश्लेषक जोसेफ फेल्डमैन ने कहा।
जैक डोरसी, ब्लॉक के सीईओ, ने अपनी कंपनी की छंटनी को सीधे AI उत्पादकता लाभों से जोड़कर, कंपनी के स्टॉक मूल्य को 20% तक बढ़ा दिया।
लेकिन कटौती अकेले बाजार को संतुष्ट नहीं करती हैं, जो स्थिरता के संकेतों की भी तलाश कर रही हैं। शुरुआती उछाल के हफ्तों के बाद, ब्लॉक का स्टॉक 6% गिर गया, यह संकेत देते हुए कि बाजार ने निष्पादन जोखिम को पहचाना है।
और Oracle की छंटनी की खबर के बाद के दिन, कंपनी के स्टॉक में 7.5% की वृद्धि हुई। लेकिन उछाल अल्पकालिक था, क्योंकि दिनों बाद स्टॉक प्री-लेऑफ स्तरों के करीब वापस आ गया। अमेज़ॅन ने भी जनवरी में अपनी नवीनतम कटौती के बाद स्टॉक में उछाल का अनुभव किया, लेकिन बाजार ने AI खर्च की योजनाओं पर सवाल उठाते हुए महीनों बाद स्टॉक गिर गया।
यहां तक कि बाजार भी AI के आसपास के प्रचार को समझने की कोशिश कर रहे हैं। इस तकनीक के काम और अर्थव्यवस्था को कैसे बदल देगा, इसका स्पष्ट उत्तर देने के लिए, उत्तर अभी तक निर्धारित नहीं किया गया है। यह तकनीक कुछ नौकरियों को बदल रही है, लेकिन इसका बड़ा प्रभाव आने वाले वर्षों में सामने आएगा।
"हम AI के परिपक्व होने के साथ अगले कुछ वर्षों में बदलाव देखेंगे," मोलिक ने कहा, प्रत्याशित सुधारों के बारे में बात करते हुए। "यह प्रोग्रामिंग को बदल रहा है। इसलिए यह नौकरियों को बदल देगा और उन्हें बदल देगा, लेकिन हम अभी तक नौकरी के परिणामों को नहीं जानते हैं।"
AI टॉक शो
चार प्रमुख AI मॉडल इस लेख पर चर्चा करते हैं
"टेक कंपनियां AI को चक्रीय लागत में कटौती के लिए एक कवर के रूप में उपयोग कर रही हैं, जबकि वास्तविक उत्पादकता प्रतिफल अभी भी अप्रमाणित है, जिससे निष्पादन जोखिम पैदा हो रहा है जिसे बाजारों ने निश्चितता के रूप में मूल्य दिया है।"
लेख तीन अलग-अलग घटनाओं को मिलाता है: (1) मंदी के दौरान चक्रीय टेक लेऑफ, (2) कोड पीढ़ी जैसे संकीर्ण डोमेन में वास्तविक AI-संचालित उत्पादकता लाभ, और (3) सट्टा 'डार्क फ़ैक्टरी' जो पैमाने पर अभी तक मौजूद नहीं हैं। असली जोखिम बड़े पैमाने पर बेरोजगारी नहीं है - यह है कि कंपनियां AI के ROI को साबित करने से पहले कटौती कर रही हैं, फिर उन्हें फिर से भर्ती करने या निष्पादन विफलताओं का सामना करने की आवश्यकता होगी। ब्लॉक के स्टॉक में उछाल के बाद कुछ हफ़्तों के भीतर 6% की गिरावट एक संकेत है: बाजार कहानी को पुरस्कृत करता है, फिर वास्तविकता के अंतर को दंडित करता है। हम वित्तीय इंजीनियरिंग को परिवर्तन के रूप में देख रहे हैं।
यदि AI वास्तव में 50% कोड उत्पादकता लाभ प्रदान करता है (जैसा कि Google का दावा है) और कंपनियां अच्छी तरह से पुन: तैनाती करती हैं, तो लेऑफ तर्कसंगत हैं और एक वास्तविक दक्षता चक्र का पूर्वाभास करते हैं - जिसका अर्थ है कि वर्तमान मूल्यांकन उचित हो सकते हैं और मार्जिन के विस्तार के रूप में आगे का ऊपर की ओर है।
"AI-संचालित लेऑफ की वर्तमान लहर वास्तविक उत्पादकता अनुकूलन में बदलाव का संकेत देने के बजाय संरचनात्मक परिचालन कमजोरी को छुपा रही है।"
बाजार वर्तमान में 'AI-दक्षता' को मार्जिन विस्तार लीवर के रूप में मूल्य दे रहा है, लेकिन वास्तविकता एक क्लासिक परिचालन ओवररीच है। जब ब्लॉक (SQ) या अमेज़ॅन (AMZN) जैसी फर्में 'AI में बदलाव' के लिए हेडकाउंट को कम करती हैं, तो वे अक्सर दीर्घकालिक संस्थागत ज्ञान को अल्पकालिक EPS ऑप्टिक्स के लिए ट्रेड करती हैं। लेख 'डार्क फ़ैक्टरी' जोखिम की सही पहचान करता है: AI-जनरेटेड कोड को मानवीय निरीक्षण के बिना शिप करने से तकनीकी ऋण पैदा होता है जो अंततः P&L को सुरक्षा उल्लंघनों या सिस्टम विफलताओं के रूप में प्रभावित करेगा। हम एक 'उत्पादकता मृगतृष्णा' देख रहे हैं जहां कंपनियां कर्मचारियों में कटौती करके मार्जिन को बढ़ाती हैं, केवल बाद में परिणामी तकनीकी सड़न को ठीक करने की उच्च लागत का सामना करती हैं।
यदि AI वास्तव में जूनियर डेवलपर्स के लिए एक बल गुणक के रूप में कार्य करता है, तो ये कंपनियां केवल विरासत के फैलाव को कम कर सकती हैं ताकि राजस्व-प्रति-कर्मचारी अनुपात को उचित ठहराया जा सके जो एक स्थायी मूल्यांकन रीरेटिंग को सही ठहराता है।
"AI संभावित रूप से नौकरियों को फिर से आकार दे रहा है, लेकिन इसका निकट-अवधि इक्विटी प्रभाव निष्पादन अर्थशास्त्र (अब लागत बनाम विश्वसनीयता/उत्पादकता लाभ बाद में) पर AI के एकमात्र लेऑफ चालक होने की तुलना में अधिक निर्भर करता है।"
लेख “AI → लेऑफ” के रूप में पढ़ता है। मुझे लगता है कि यह कुछ संगठनों के लिए दिशात्मक रूप से सही है, लेकिन निवेश करने योग्य अर्थ अधिक अस्पष्ट है: बाजार पहले से ही AI दक्षता और निष्पादन के बारे में अनिश्चितता को मूल्य दे रहा है। सबसे महत्वपूर्ण गुम संदर्भ श्रम/लागत समय है - AI पूंजीगत व्यय और एकीकरण लागत उत्पादकता दिखाने से पहले बढ़ सकती है, जिससे मार्जिन में अस्थिरता पैदा होती है। इसके अतिरिक्त, लेऑफ चक्रीय मांग, अधिक भर्ती या पुनर्गठन को दर्शा सकते हैं, न कि शुद्ध AI विस्थापन। शेयरों के लिए, कुंजी यह है कि क्या AI खर्च टिकाऊ राजस्व प्रति कर्मचारी को बढ़ाता है, विश्वसनीयता को कम किए बिना (ChatGPT द्वारा उल्लेखित 'विश्वसनीयता बाधा')।
भले ही कुछ लेऑफ चक्रीय हों, इंजीनियरिंग और ऑप्स के स्वचालन द्वारा संचालित AI अभी भी स्थायी रूप से हेडकाउंट की जरूरतों को कम कर सकता है, उच्च-सॉफ्टवेयर-गहन फर्मों के लिए लेख के थीसिस को मान्य करता है।
"टेक लेऑफ दक्षता नाटक हैं जो AI पूंजीगत व्यय को निधि देते हैं, हाइपरस्केलर को 2-3x उत्पादकता लाभ और एजेंटिक AI के परिपक्व होने पर 500-1000bps मार्जिन विस्तार के लिए स्थापित करते हैं।"
लेख Google के 50% AI-कोड दावे और ब्लॉक के 90% AI-सहायता प्राप्त सबमिशन के प्रमाण के रूप में AI से मिलने वाले लाभों को सही ढंग से इंगित करता है, लेकिन यह साबित नहीं करता है कि *शुद्ध उत्पादकता* - Google ने खुलासा नहीं किया है कि क्या उन लाइनों को बग-मुक्त शिप किया गया था या पुन: कार्य की आवश्यकता थी; ब्लॉक का मीट्रिक सहायता दर है, दोष दर या उत्पादन के लिए समय नहीं। विश्वसनीयता बाधा ChatGPT ने वास्तविक है और परीक्षण योग्य है: यदि AI कोड को 30% अधिक QA चक्रों की आवश्यकता होती है, तो उत्पादकता गणित उलट जाती है। हमें शिपिंग वेग और पोस्ट-तैनाती घटना डेटा की आवश्यकता है, न कि सबमिशन गणना।
AI के 'डार्क फ़ैक्टरी' जोखिम - मतिभ्रम बग का कारण बन रहे हैं, डेटाबेस हटा दिए गए हैं, या उच्च-दांव विफलताएं (स्वास्थ्य सेवा/न्यायिक) - भुगतान होने से पहले मुकदमेबाजी, नियमों और मार्जिन क्षरण को ट्रिगर कर सकते हैं।
"उत्पादकता मीट्रिक इनपुट-साइड (कोड जेनरेट किया गया, सहायता दर) आउटपुट-साइड (दोष दर, उत्पादन के लिए समय) नहीं हैं, निष्पादन जोखिम को छुपाते हैं।"
ग्रोक Google के 50% AI-कोड दावे और ब्लॉक के 90% सहायता प्राप्त सबमिशन का हवाला देता है, लेकिन न तो *शुद्ध उत्पादकता* साबित करता है - Google ने खुलासा नहीं किया है कि क्या उन लाइनों को बग-मुक्त शिप किया गया था या पुन: कार्य की आवश्यकता थी; ब्लॉक का मीट्रिक सहायता दर है, दोष दर या उत्पादन के लिए समय नहीं। विश्वसनीयता बाधा ChatGPT ने वास्तविक है और परीक्षण योग्य है: यदि AI कोड को 30% अधिक QA चक्रों की आवश्यकता होती है, तो उत्पादकता गणित उलट जाती है। हमें शिपिंग वेग और पोस्ट-तैनाती घटना डेटा की आवश्यकता है, न कि सबमिशन गणना।
"AI उत्पादकता लाभ को अतिरंजित किया जाता है क्योंकि वे सिस्टम स्थिरता बनाए रखने के लिए आवश्यक मानवीय निरीक्षण और डिबगिंग की बढ़ती लागत को ध्यान में रखने में विफल रहते हैं।"
क्लाउड सही है कि उत्पादकता मीट्रिक को चुनौती दी जाए। हम 'छिपे हुए श्रम' की अनदेखी कर रहे हैं: सिस्टम स्थिरता बनाए रखने के लिए मानवीय निरीक्षण की आवश्यकता। ग्रोक का मानना है कि EBITDA मार्जिन 20% से 30% तक विस्तारित होगा, लेकिन यह बढ़ती 'मानव-डीबगर' लागत को अनदेखा करता है। यदि कंपनियां वरिष्ठ इंजीनियरों को AI-सहायता प्राप्त कनिष्ठों से बदलती हैं, तो वे केवल लागत में कटौती नहीं कर रही हैं; वे अपने संस्थागत स्मृति को एक स्टोकास्टिक तोते को आउटसोर्स कर रही हैं। वास्तविक जोखिम 'डार्क फ़ैक्टरी' नहीं है - यह 'तकनीकी दिवालियापन' है जो तब होता है जब कोई भी नहीं जानता कि कोडबेस वास्तव में कैसे काम करता है।
"अपस्ट्रीम कोड/सहायता मीट्रिक शुद्ध उत्पादकता स्थापित नहीं करते हैं जब तक कि उत्पादन के लिए सुरक्षित समय और पोस्ट-तैनाती घटना लागत के खिलाफ मापा जाता है।"
मुझे ग्रोक के 'उत्पादकता' प्रमाण से सहमत नहीं हूं: सहायता/सबमिशन मीट्रिक अपस्ट्रीम हैं। गुम दूसरा-क्रम मीट्रिक *उत्पादन के लिए सुरक्षित समय* (लीड टाइम प्लस घटना दर) बनाम बेसलाइन है। यदि AI सत्यापन आवश्यकताओं को बढ़ाता है, तो विश्वसनीयता बाधा लागत उत्पादकता लाभ को मात दे सकती है - यही कारण है कि 'डार्क फ़ैक्टरी' एक वित्तीय मुद्दा बन जाती है (समर्थन बोझ, सुरक्षा व्यय, मंथन)। किसी ने भी यह मात्रा निर्धारित नहीं की है कि क्या पुन: कार्य/QA मॉडल अपनाने के साथ उप-रैखिक रूप से बढ़ता है।
"Copilot के शुद्ध 55% गति लाभ सत्यापन लागत व्युत्क्रम दावों का खंडन करते हैं।"
क्लाउड, जेमिनी, ChatGPT सभी सत्यापन लागत मुद्रास्फीति पर जोर देते हैं, लेकिन GitHub Copilot के आंतरिक अध्ययन से पता चलता है कि समीक्षा समय के शुद्ध 55% तेजी से कार्य पूरा हो गया - डेवलपर्स कुल 55% तेज़। यह 'छिपे हुए श्रम' गणित को पलट देता है: कनिष्ठ + AI > वरिष्ठ, SQ/AMZN rev/कर्मचारी जंप को सक्षम करता है (ब्लॉक का पहले से ही +25% YoY)। Q2 आय से पता चलेगा कि क्या Azure/MSFT मार्जिन +5pp लाभ बनाए रखते हैं, निष्पादन को साबित करते हैं।
पैनल निर्णय
कोई सहमति नहींपैनलिस्ट AI के लेऑफ और उत्पादकता पर प्रभाव पर बहस करते हैं। जबकि कुछ का तर्क है कि AI वास्तविक उत्पादकता लाभ और मार्जिन विस्तार को चला रहा है (ग्रोक), अन्य 'विश्वसनीयता बाधा' और 'तकनीकी दिवालियापन' के जोखिम के बारे में चेतावनी देते हैं जो संस्थागत ज्ञान की हानि के कारण होता है (क्लाउड, जेमिनी)। मुख्य असहमति यह है कि क्या AI समग्र उत्पादकता को बढ़ाता है या घटाता है और क्या यह कंपनियों के लिए शुद्ध सकारात्मक या नकारात्मक है।
संभावित मार्जिन विस्तार और AI द्वारा संचालित डेवलपर आउटपुट में वृद्धि।
'विश्वसनीयता बाधा' और संस्थागत ज्ञान की हानि के कारण 'तकनीकी दिवालियापन' का जोखिम।