Założenie Brex przez współzałożyciela ujawnia napięcia związane z pracą w erze sztucznej inteligencji
Autor Maksym Misichenko · Yahoo Finance ·
Autor Maksym Misichenko · Yahoo Finance ·
Co agenci AI myślą o tej wiadomości
The panel consensus is bearish on Stealth's AI-native investment team model, citing risks of burnout, loss of institutional knowledge, and potential regulatory compliance issues.
Ryzyko: Regulatory compliance exposure due to overworked staff making fintech allocation calls without adequate institutional checks and weak risk controls.
Szansa: None identified
Analiza ta jest generowana przez pipeline StockScreener — cztery wiodące LLM (Claude, GPT, Gemini, Grok) otrzymują identyczne instrukcje z wbudowaną ochroną przed halucynacjami. Przeczytaj metodologię →
Ta historia została pierwotnie opublikowana na CFO.com. Aby otrzymywać codzienne wiadomości i spostrzeżenia, zasubskrybuj nasz bezpłatny codzienny newsletter CFO.com.
Sztuczna inteligencja miała sprawić, że praca będzie bardziej wydajna. Coraz częściej niektórzy założyciele wydają się uważać, że powinna również sprawić, że pracownicy będą pracować ciężej, szybciej i dłużej.
Ostatni post na LinkedIn od Henrique Dubugrasa uchwycił tę filozofię bezpośrednio. Dubugras, który współzałożył platformę kart korporacyjnych i zarządzania wydatkami Brex, powiedział, że tworzy „najbardziej natywną dla sztucznej inteligencji grupę inwestycyjną na Ziemi” dla swojego nowego startupu o nazwie Stealth. Post opisał potrzeby rekrutacyjne w zakresie kredytów, papierów wartościowych o stałym dochodzie, nieruchomości, instrumentów pochodnych, akcji i infrastruktury ilościowej.
Dubugras ostrzegł potencjalnych kandydatów, że popularny format od 9:00 do 21:00, sześć dni w tygodniu, zwany 996, jest „łatwy” i że pracownicy powinni spodziewać się harmonogramów od „8:00 do 22:00, 7 dni w tygodniu”. Podkreślił również „pełne wykonywanie”, w którym oczekuje się, że pracownicy przejdą od wizji do wdrożenia z minimalnym wsparciem, szybko opanowując złożone koncepcje w różnych klasach aktywów i przepływach pracy.
Dubugras nie odpowiedział na prośbę CFO.com o komentarz w sprawie tego postu.
Oczekiwania Dubugrasa dotyczące wpływu sztucznej inteligencji na kapitał ludzki nie są unikalne. Microsoft, Google, Salesforce, Meta, Cisco i Block zredukowali liczbę pracowników, jednocześnie publicznie podkreślając inwestycje w sztuczną inteligencję, automatyzację lub zwiększenie produktywności w różnych formach. Szerszy przekaz, który coraz częściej jest przyswajany przez młodszych pracowników, to fakt, że sztuczna inteligencja może zmniejszyć liczbę osób potrzebnych firmom, jednocześnie zwiększając intensywność i wydajność oczekiwaną od osób, które pozostaną.
Częścią obecnej filozofii pracy związanej ze sztuczną inteligencją jest również fakt, że wiele firm technologicznych dramatycznie zwiększyło zatrudnienie podczas boomu wzrostu związanego z pandemią. Sztuczną inteligencję częściej przedstawia się jako przełom w produktywności i uzasadnienie dla trwale szczuplejszych organizacji po latach agresywnego zatrudniania, co rodzi szersze pytania dotyczące długoterminowej zrównoważoności siły roboczej, zatrzymywania talentów, rozwoju przywództwa i zwrotu z inwestycji w nowe technologie.
Filozofia opisana w poście Dubugrasa odzwierciedla szerszą zmianę, która już zachodzi w częściach technologii i finansów. W finansach mniejsze zespoły są coraz częściej oczekiwane, że będą działać z wyższym poziomem intensywności, podczas gdy sztuczna inteligencja przejmuje część pracy operacyjnej. W technologii i w innych miejscach pracownicy pracujący ze sztuczną inteligencją są teraz oczekiwani, że będą działać szybciej, przejmować szerszą odpowiedzialność i opanowywać bardziej złożone koncepcje w skróconych ramach czasowych.
Duża część postu na LinkedIn brzmi jak rosnące przekonanie, że tradycyjny proces rozwoju wiedzy specjalistycznej można po prostu przyspieszyć przy wystarczającym nacisku i pomocy sztucznej inteligencji. Tutaj otwarcie minimalizuje się specjalizację. Oczekuje się, że pracownicy staną się operatorami „pełnozakresowymi” zdolnymi do poruszania się między dyscyplinami z minimalnym wsparciem. Proces stopniowego rozwijania osądu traktowany jest niemal jak nieefektywność. Tworzy to realne napięcie dla organizacji finansowych, ponieważ, jak większość klientów Brex wie, finanse korporacyjne obecnie rozwijają swój talent w zupełnie inny sposób.
Liderzy pracujący w finansach korporacyjnych wiedzą, że kontrolerzy, liderzy skarbu i dyrektorzy finansowi nie są typowo budowani poprzez nieustanną intensywność. Duża część ich wartości pochodzi z nagromadzonego doświadczenia operacyjnego, instytucjonalnego rozpoznawania wzorców i lat spędzonych na poznawaniu funkcjonowania przedsiębiorstw.
Ironią jest to, że młodsze pokolenia nadal wydają się chętne do głębokich inwestycji w rozwój techniczny i pracę operacyjną. Poprzednie raporty CFO.com wykazały, że ponad połowa (54%) pracowników działu finansów z pokolenia Z mówi, że „uwielbia” Excela, a 83% pracowników w wieku od 22 do 35 lat spędza więcej niż pięć godzin dziennie w arkuszach kalkulacyjnych. Wyniki te podważyły założenia, że młodsze pokolenia niechętnie podchodzą do żmudnej pracy podstawowej lub nie zyskają wiele, robiąc to; wielu już to robi.
Dane pokazują, że wielu młodszych pracowników nadal wydaje się bardzo ambitnych, ale coraz częściej chcą, aby ta ambicja współistniała ze związkami, hobby, życiem rodzinnym i doświadczeniami poza pracą.
Post Dubugrasa wielokrotnie przedstawia intensywność jako dowód ambicji, jednocześnie przywiązując stosunkowo niewielką wartość do infrastruktury tradycyjnie wykorzystywanej do rozwoju ludzi przez długi czas. Pisze, że oczekuje się, że jego pracownicy przyswoją koncepcje w ciągu kilku dni i będą wspierać się za pomocą narzędzi sztucznej inteligencji. Nie ma wzmianki o żadnych strukturach, które pomagają w rozwoju talentów, zwłaszcza mentoringu, pracy zespołowej, podnoszenia kwalifikacji lub długoterminowego rozwoju instytucjonalnego.
Szeroki rynek pracy wysyła również sprzeczne przesłanie, ponieważ firmy konsumenckie i biznes-do-biznesu, firmy konsultingowe i firmy Big Four Accounting promują sztuczną inteligencję jako przyszłość, jednocześnie redukując możliwości zatrudnienia na poziomie podstawowym, które historycznie dawały młodszym pracownikom szansę na rozwój wiedzy instytucjonalnej.
Meta niedawno zwolniła około 8 000 pracowników, czyli 10% swojej siły roboczej, jednocześnie przydzielając innego 7 000 pracowników do nowych inicjatyw związanych ze sztuczną inteligencją, ponieważ dyrektor generalny Mark Zuckerberg pchnął firmę dalej w kierunku stania się organizacją „pierwszą w sztucznej inteligencji”, według raportu New York Times. Raport zauważył również, że nowa grupa Applied AI and Engineering Meta będzie działać z bardziej spłaszczonymi strukturami organizacyjnymi, z około 50 pracownikami raportującymi każdemu menedżerowi.
Podobne przesłanie pojawiło się niedawno od CEO Block Jacka Dorsey’a, który powiedział, że firma zwolni około 40% swojej siły roboczej, ponieważ narzędzia sztucznej inteligencji „umożliwiają nowy sposób pracy, który zasadniczo zmienia to, co oznacza budowanie i prowadzenie firmy”. Dorsey podkreślił, że działalność Block pozostaje silna, a rentowność się poprawia, ale stwierdził, że woli zdecydowanie przyciąć niż stopniowo, ponieważ technologia przekształca potrzeby dotyczące siły roboczej.
Jeśli organizacje będą nadal zmniejszać zatrudnienie, jednocześnie oczekując, że pracownicy w jakiś sposób wyłonią się w pełni wykwalifikowani i natychmiast produktywni, liderzy finansowi mogą w końcu stanąć w obliczu jeszcze mniejszej puli doświadczonych przyszłych menedżerów i dyrektorów. Ma to znaczenie, ponieważ organizacje finansowe borykają się już z problemami dotyczącymi puli przywództwa.
CFO.com wcześniej informował o wzroście takich trendów jak ciche rezygnacje, ciche pęknięcia i świadome odwoływanie się do przełożonych, gdzie młodzi pracownicy celowo unikają ścieżek zarządzania, ponieważ przywództwo wydaje się coraz częściej związane z wypaleniem i niezrównoważonym stylem życia. Filozofie pracy, które otwarcie gloryfikują stałą pracę, mogą pogłębić te obawy dotyczące funkcji księgowych i finansowych, które już borykają się z niedoborem talentów.
Szeroka sprzeczność staje się ostrzejsza, gdy patrzy się na nią przez pryzmat realiów ekonomicznych, z jakimi borykają się obecnie młodsze pokolenia.
Jak sugerują dane zewnętrzne, ponad połowa (52%) millenialsów obecnie utrzymuje dodatkowe zajęcia lub kilka źródeł dochodu, aby pokryć rosnące koszty utrzymania podczas tego, co tradycyjnie reprezentuje ich szczytowe lata zarobkowe. Wielu pracowników zgłosiło posiadanie trzech lub czterech oddzielnych działań generujących dochody poza ich główną pracą.
Jednocześnie 58% pracowników z pokolenia Z opisało swoje stanowiska jako „sytuację”, co odzwierciedla rosnącą nieufność wobec długoterminowej lojalności instytucjonalnej i obietnic korporacyjnych. Średnia długość zatrudnienia wśród pracowników z pokolenia Z w tej ankiecie wynosiła zaledwie 1,8 roku.
Oczekiwania dotyczące pracy przedstawione w poście Dubugrasa pojawiają się w okresie, w którym wielu młodych profesjonalistów jest już finansowo napiętych, mimo pracy z wysokim poziomem intensywności i pomijania głównych kamieni milowych osobistych. Niektórzy równoważą dodatkowe zajęcia po godzinach. Inni opóźniają zakup domu, małżeństwo, dzieci lub inne plany życiowe z powodu rosnących kosztów i niestabilnych warunków gospodarczych.
Wielu nadal chce ambitnych karier i znaczącej pracy, ale chcą również mieć czas na hobby, relacje, podróże i doświadczenia poza biurem. Pomysł zorganizowania życia w całości wokół harmonogramów trwających od wczesnego ranka do późnych godzin nocnych, siedem dni w tygodniu, coraz bardziej koliduje z tym, jak wielu młodszych pracowników wyobraża sobie dorosłość.
W ostatnich latach młodzi pracownicy odrzucili kulturę pośpiechu i przykładają większą wagę do autentyczności, elastyczności i bezpieczeństwa psychologicznego. Andrew Roth, założyciel dcdx, firmy badawczej Gen Z, powiedział wcześniej CFO.com, że młodzi pracownicy odrzucają środowiska, w których korporacyjne udogodnienia są połączone z „70-godzinnymi tygodniami pracy lub toksycznymi szefami, którzy nie uznają i nie szanują granic między pracą a życiem”.
Nawet w wewnętrznych rozmowach dotyczących przywództwa w Brex pojawiły się oznaki bardziej instytucjonalnej, długoterminowej perspektywy dotyczącej skali i rozwoju organizacyjnego. W styczniowym wywiadzie z CFO.com CFO Brex Erica Dorfman opisała ambicje firmy dotyczące wzrostu pod względem infrastruktury i długoterminowej alokacji zasobów.
Dorfman podkreśliła również, że „rola organizacji finansowej polega głównie na alokacji zasobów i zrozumieniu wpływu tej alokacji”. To sformułowanie wydaje się wyraźnie odmienne od filozofii pracy skoncentrowanej niemal wyłącznie na intensywności i gęstości wydajności.
Organizacje finansowe historycznie rozumieją, że ciągłość instytucjonalna ma znaczenie, ponieważ firmy nie są budowane wyłącznie poprzez wybuchy wydajności. Zrównoważone organizacje wymagają rozwoju przywództwa, przekazywania wiedzy i ludzi zdolnych do skutecznego działania przez długi czas. Jak zapewne wie każdy nowoczesny dyrektor finansowy, kapitał ludzki nie może być po prostu nieustannie kompresowany bez konsekwencji.
W tym kontekście rynek pracy nadal wydaje się zmotywowany. Młodzi pracownicy nadal inwestują ciężko w umiejętności techniczne, dodatkowe źródła dochodu, rozwój kariery i przedsiębiorczość. Wielu nadal chętnych jest pracować intensywnie i osobiście. To, co wydaje się się zmieniać, to wymagania założycieli firm technologicznych i chęć poświęcenia każdego innego aspektu życia w zamian za postęp zawodowy.
Wraz z przyspieszeniem adopcji sztucznej inteligencji w finansach i technologii, szersza debata dotycząca siły roboczej wydaje się przesuwać od samej automatyzacji w kierunku bardziej fundamentalnego pytania: czego dokładnie organizacje oczekują od ludzi w zamian za możliwość, i ile talentów o wysokim poziomie jest skłonnych dokonać takiej wymiany?
Rekomendowane Czytanie
Cztery wiodące modele AI dyskutują o tym artykule
"Firms adopting 80+ hour AI-native schedules risk accelerating quiet cracking and shrinking the experienced CFO pipeline within five years."
Dubugras' 8am-10pm, 7-day model for Stealth's AI-native investment team highlights a post-pandemic reset where AI is used to justify leaner, higher-output teams after 2020-22 over-hiring. The article correctly flags risks to mentorship pipelines and Gen Z retention in finance, yet underplays that such schedules have long existed in quant funds and PE without collapsing talent pools. Brex's own CFO emphasized resource allocation over intensity, suggesting internal tension at the firm. If AI compresses expertise timelines as claimed, the real test is whether output quality holds when institutional memory thins.
High-compensation roles with equity upside may still attract enough 22-30-year-olds willing to trade work-life balance for rapid skill compression, sustaining the model longer than burnout narratives predict.
"The real economic test isn't whether extreme hours harm talent pipelines—it's whether companies using them can actually compete for talent against firms offering sustainable alternatives, and whether their output justifies the churn."
This article conflates two separate labor market dynamics and misses the actual economic signal. Yes, Dubugras's 8am-10pm demand is absurd theater—but the real story is that tech firms are rightsizing after pandemic bloat while simultaneously struggling to retain talent. The article correctly identifies Gen Z rejection of burnout culture, yet ignores that this creates genuine competitive pressure on founders: extreme hours become a *filtering mechanism* for founders who want intensity-matched teams, not a sustainable model. The downstream risk isn't a talent pipeline collapse—it's that companies with unsustainable cultures will simply fail to scale, while those offering genuine flexibility (Microsoft, Google post-layoffs) will capture the best people. The article treats AI-driven headcount reduction as novel; it's not. What's novel is younger workers having optionality to refuse it.
If Dubugras actually builds a high-output team that outperforms traditional finance structures, this article becomes a cautionary tale about dismissing unconventional labor models—and the 'pipeline collapse' thesis evaporates if venture returns prove intensity works.
"The conflation of AI-enabled productivity with 'always-on' labor intensity is a strategic error that will lead to institutional knowledge decay and unsustainable talent attrition."
Dubugras’ '8am-10pm, 7 days a week' mandate is less about AI-driven productivity and more about a desperate attempt to manufacture 'alpha' in a saturated fintech market. While he frames this as 'AI-native,' it is effectively a return to 1980s-era investment banking burnout models, ignoring that high-level financial judgment requires cognitive recovery. By stripping away mentorship and institutional knowledge transfer, firms like Stealth risk creating 'brittle' organizations. They may achieve short-term output, but they will likely face catastrophic turnover costs and 'key person' risk as Gen Z talent—which currently shows high technical aptitude—votes with their feet. This isn't efficiency; it's a high-churn, low-sustainability operational gamble.
If AI truly acts as a force multiplier for individual output, a small team of 10 'full-stack' operators could theoretically outperform a traditional 100-person firm, making the high-intensity, high-compensation model the only way to remain competitive in a zero-marginal-cost information environment.
"The viability of AI-native, high-intensity labor models hinges on credible ROI and governance; without durable productivity gains and strong upskilling, the approach risks unsustainable burnout and leadership gaps."
The piece flags a brewing tension between AI adoption and work intensity, arguing founders want ‘AI-native’ teams who perform more with less. The strongest counterpoint is that this narrative may overstate the persistence of 996-like culture and understate AI’s potential to rapidly raise marginal productivity, enabling lean teams to scale. Missing context includes Stealth’s funding runway and compensation, actual ROI from AI deployments, how upskilling would be structured, governance risk, and whether a broader market backdrop supports or undermines this model. If ROI and risk controls aren’t credible, the AI-native labor thesis may be more hype than durable strategy.
AI-driven gains could allow lean teams to outperform, and young workers may accept intensity for equity; the article ignores tangible ROI signals and capital conditions that would make this scalable, not just edgy rhetoric.
"Unexamined compliance exposure in lean, intense teams poses a faster failure mode than churn."
Gemini flags brittle organizations from lost mentorship, yet this underplays how the same intensity filter Claude described could concentrate governance risk in small AI-native teams. Overworked staff making fintech allocation calls without institutional checks creates compliance exposure that no one quantified. If ChatGPT's missing ROI data shows weak risk controls, regulatory costs—not just turnover—could sink the model faster than talent flight.
"Regulatory risk is real but unquantified—need evidence of SEC concern or LP resistance to move from theory to material threat."
Grok's compliance angle is sharp, but underspecified. Fintech allocations under fatigue *do* create regulatory exposure—yet we need concrete examples: has the SEC flagged similar models? Are Stealth's LPs aware of governance risk? The real question isn't whether risk exists, but whether it's priced into their funding or already factored into regulatory expectations for AI-native shops. Without evidence of actual enforcement or LP pushback, this remains a plausible tail risk, not an imminent constraint.
"The operational risk of AI-native fintech is not talent turnover, but the regulatory impossibility of scaling high-intensity, automated decision-making without violating fiduciary and compliance standards."
Claude is right that enforcement is the missing variable, but Grok’s compliance risk is more immediate than 'tail risk.' If Stealth uses AI to automate underwriting or trade execution, the 'human-in-the-loop' requirement is a regulatory hard stop. If they ignore this to maintain the 8am-10pm velocity, they aren't just risking burnout; they are courting a permanent SEC ban. The real test isn't output volume—it's whether their AI-native compliance architecture can actually survive an audit.
"Model risk and governance are the core test for AI-native teams; without independent risk oversight and auditable controls, high-output but small-headcount models risk outsized losses and regulatory action."
Gemini over-weights productivity gains and underweights governance: the real risk with AI-native teams is model and data risk amplified by small headcounts. If a single data feed shift, backtest bias, or miscalibrated prompt causes a misallocation, there’s no large team to catch it. Without independent risk oversight, audit trails, and robust controls, regulators will view this as a control failure, not efficiency.
The panel consensus is bearish on Stealth's AI-native investment team model, citing risks of burnout, loss of institutional knowledge, and potential regulatory compliance issues.
None identified
Regulatory compliance exposure due to overworked staff making fintech allocation calls without adequate institutional checks and weak risk controls.