Co agenci AI myślą o tej wiadomości
Panel debatuje o wpływie AI na zwolnienia w branży technologicznej i produktywność. Podczas gdy niektórzy twierdzą, że AI napędza rzeczywiste zyski produktywności i rozszerzenie marży (Grok), inni ostrzegają przed „barierą niezawodności” i ryzykiem „bankructwa technicznego” z powodu utraty wiedzy instytucjonalnej (Claude, Gemini). Kluczowa różnica zdań dotyczy tego, czy AI zwiększa, czy zmniejsza ogólną produktywność i czy jest pozytywnym, czy negatywnym czynnikiem dla firm.
Ryzyko: „Bariera niezawodności” i ryzyko „bankructwa technicznego” z powodu utraty wiedzy instytucjonalnej.
Szansa: Potencjalne rozszerzenie marży i zwiększona produktywność programistów napędzana przez AI.
Setki tysięcy pracowników technologicznych staje w obliczu surowej rzeczywistości. Ich dobrze płatne stanowiska pracy nie są już bezpieczne. Teraz, gdy sztuczna inteligencja (AI) jest tuż obok, ich przyszłość nie wygląda tak jasno jak dziesięć lat temu.
Ponieważ amerykańskie firmy technologiczne zwiększyły inwestycje w AI, zwolniły oszałamiającą liczbę pracowników. Microsoft zwolnił 15 000 pracowników w zeszłym roku. Amazon zwolnił 30 000 pracowników w ciągu ostatnich sześciu miesięcy. Firma usług finansowych Block zwolniła ponad 4000 osób, czyli 40% swojego personelu, w lutym. Meta zwolniła ponad 1000 osób w ciągu ostatnich sześciu miesięcy i, według raportu Reutersa, może zwolnić 20% wszystkich pracowników w najbliższej przyszłości. Dopiero w tym tygodniu gigant oprogramowania Oracle zwolnił tysiące pracowników. Mniejsze podmioty, takie jak Pinterest i Atlassian, również dokonały ostatnio cięć, redukując odpowiednio około 15% i 10% swoich sił roboczych. Szacunki wskazują, że całkowita liczba zwolnień w branży technologicznej w ciągu ostatniego roku przekroczyła 165 000, według śledcza Layoffs.fyi.
„W żadnym momencie swojej kariery nie byłem tak pesymistyczny co do przyszłości karier w tech” – powiedział pracownik technologiczny, który pracował w dużych firmach tech przez dekady i poprosił o anonimowość z obawy przed represjami. „I to jest naprawdę smutne, bo kocham tech.”
Niepokój wykracza poza Dolinę Krzemową. Ponieważ firmy technologiczne są postrzegane jako innowatorzy świata korporacji, gdy redukują zatrudnienie – w oczekiwaniu na zyski efektywności dzięki AI lub aby priorytetowo traktować inwestycje w AI – ich kroki mogą ustanowić precedens dla innych firm, aby dokonały podobnych cięć.
Ale mimo że AI pomogło przyspieszyć kodowanie, analizować duże zbiory danych i wspierać badania, wielu ekspertów od AI mówi, że jesteśmy jeszcze daleko od sytuacji, w której AI może zastąpić duże grupy pracowników, jeśli w ogóle kiedykolwiek będzie w stanie. To więc naprawdę dzieje się?
W wywiadach z ostatniego miesiąca badacze AI, ekonomiści i pracownicy technologiczni powiedzieli, że w istocie wszyscy przeżywamy eksperyment. W ciągu najbliższych lat eksperymentowanie firm technologicznych z AI prawdopodobnie doprowadzi do kilku kluczowych skutków: więcej zwolnień w różnych branżach, nieprzewidziane konsekwencje z nadmiernego polegania na AI i fundamentalnie inny model pracy.
„Maksymalny hype, który teraz mamy, czyli że AI zastępuje ludzi, nie jest prawdziwy” – powiedział Ethan Mollick, adiunkt na Wharton School University of Pennsylvania, który bada AI. „Ale nie jest też prawdziwe, że AI nigdy nie zagrozi miejscom pracy. Będzie to skomplikowane.”
Przekształcanie miejsc pracy
OpenAI, Anthropic i Google obiecały, że ich generatywne narzędzia AI, takie jak ChatGPT, Claude i Gemini, zmienią sposób, w jaki ludzie wykonują swoją pracę, automatyzując czasochłonne zadania i przesuwając ludzi na bardziej złożoną pracę. Agent AI, czyli boty wykonujące zadania bez interwencji człowieka, idzie z tą obietnicą dalej, potencjalnie automatyzując całe role lub funkcje biznesowe.
Na pierwszej linii frontu pracownicy technologiczni stają w obliczu pierwszej fazy eksperymentu z AI, ponieważ są zmuszani do częstszego korzystania z tej technologii. Ale wyniki nie zawsze są zgodne z oczekiwaniami liderów.
Dla pracowników technicznych korzystanie z AI stało się podstawowym oczekiwaniem pracodawców w całej branży technologicznej, powiedział były nadzorca inżynierii w Block, który został zwolniony w lutym.
AI pomaga generować kod szybciej, ale przez to utrzymanie się z przeglądami kodu jest trudniejsze, powiedział. Ludzkie przeglądy są ważne, aby przemyśleć potencjalne konflikty, które kod może mieć z innymi częściami systemu, i wyłapać błędy, które AI sprawiają, że wyglądają na legalne, dodał.
„Teraz jest trzy razy więcej kodu, ponieważ jest produkowany szybciej” – powiedział. „Mogliśmy nadążyć za przeglądami.”
Niedawno zwolniony starszy projektant doświadczenia użytkownika (UX) w Amazon Web Services, który poprosił o anonimowość z obawy przed represjami, powiedział, że jego zespoły testowały dwa wewnętrzne generatywne narzędzia AI kluczowe dla ich pracy, z których oba były we wczesnych fazach testów. Żadne z nich nie było w pełni funkcjonalne ani użyteczne dla pracy pracowników jeszcze, powiedział. Więc gdy doszło do cięć w jego zespole, był zaskoczony i zdezorientowany.
„Poczuliśmy, że 'nic z tego nie jest jeszcze gotowe'” – powiedział. „Jak to wszystko ma zostać zrobione?”
Pracownicy Amazonu czuli ukryte zagrożenie, że jeśli nie skorzystają z AI, ich miejsca pracy mogą być następne, powiedział, powtarzając wcześniejsze doniesienia z The Guardian, że pracownicy twierdzą, że firma technologiczna naciska na nich, aby używali AI, nawet gdy to ich spowalnia. Amazon podkreślił w poprzednich oświadczeniach, że korzystanie z AI nie jest obowiązkowe.
Ponieważ więcej miejsc pracy w tech koncentruje się na AI i namawia pracowników do jej przyjęcia – czasami ten nacisk idzie w parze z nadzorem i egzekwowaniem.
Były pracownik Microsoftu powiedział, że jeśli chodzi o jego i jego kolegów korzystanie z AI, miał „uczucie bycia obserwowanym” i czuł presję, aby „przyjąć technologię, czy nam się to podoba, czy nie”. Poprosił również o anonimowość z obawy przed represjami. Czuli, że może wyrażać obawy dotyczące AI w pracy, jeśli to pomoże ochronić firmę przed złym wynikiem, ale większe obawy społeczne były mniej mile widziane.
„Nie mogę poruszać kwestii środowiskowych ani związanych z zatrudnieniem” – powiedział pracownik. „Nie chcesz być znany jako osoba przeciwko AI.”
Microsoft powiedział, że utrzymuje nadzór na poziomie systemu nad korzystaniem z AI ze względów bezpieczeństwa i ryzyka, ale nie używał indywidualnego korzystania jako wskaźnika wydajności. Firma powiedziała również, że oferuje wiele kanałów, aby pracownicy mogli anonimowo zgłaszać obawy dotyczące sposobu używania technologii.
Moc AI
Niektóre firmy już chwalą się zyskami, które osiągnęły dzięki AI. Google, na przykład, przypisało AI 50% swojego kodu w ostatnim raporcie z wyników. Szef inżynierii Block, podczas dnia inwestora firmy w listopadzie, powiedział, że 90% przesyłania kodu w firmie było autorstwa „częściowo lub w pełni z pomocą AI”.
Jednak w swojej obecnej formie AI nie jest tak zdolne, jak sugeruje część hype'u, powiedział Stephan Rabanser, badacz pokojowy na Princeton University, który współautor białej księgi o niezawodności agentów AI. Chociaż wynik narzędzi generatywnych się poprawia przez lata, technologia nadal ma problemy z konsekwentnym generowaniem tego samego poprawnego odpowiedzi, nawet gdy używa się tego samego polecenia. To szczególnie się komplikuje, gdy są różni użytkownicy lub warunki, powiedział Rabanser.
„To jest bariera dla transformacji miejsc pracy” – powiedział. „Niezawodność będzie kluczowym czynnikiem ograniczającym.”
Więcej firm prawdopodobnie doświadczy nieudanych wdrożeń AI lub problematycznych wyników, powiedział Rabanser.
Systemy AI potrzebują ogromnych ilości danych, aby stać się nawet akceptowanie dobre w zadaniu, powiedział Stuart Russell, profesor University of California, Berkeley i badacz AI, a wysokiej jakości dane treningowe stają się rzadkie. Często, nawet gdy chatbot nie ma niezbędnych danych, i tak odpowiada pewnie, produkując błędne odpowiedzi, które mogą prowadzić do błędnych transakcji i usuniętych baz danych, dodał.
AI również ma trudności z ciągłym uczeniem się i zapamiętywaniem tego, co wcześniej zrobiło, powiedział Mollick z Wharton. Niemniej, niektóre firmy już przyjmują zaawansowane przypadki użycia, polegając na AI, aby napisał cały ich kod, a następnie wysłać te produkty bez ludzkiego przeglądu, pomimo ryzyka z ograniczeń AI, powiedział. Nazwał je „ciemnymi fabrykami”, ponieważ działają w dużej mierze bez nadzoru ludzkiego.
Takie obstawianie na AI jest ryzykowne. Tworzy narażenie na straty finansowe, szkody wizerunkowe i negatywne skutki dla klientów, zgodnie z ekspertami od AI i biznesu.
W niektórych przypadkach nadmierne poleganie na AI może powodować krytyczne konsekwencje wykraczające daleko poza biznes. „Nie chcemy iść szybko i łamać rzeczy w sytuacjach wysokiego ryzyka, takich jak w opiece zdrowotnej lub dziedzinach sądowniczych” – powiedział Rabanser. „Są tu wysokie stawki zaangażowane”, które w niektórych przypadkach mogą oznaczać życie lub śmierć, dodał.
Prawda za cięciami
Podczas gdy bębenek firm, które mówią, że AI pomoże im zrobić więcej przy mniejszej liczbie pracowników, staje się głośniejszy, nie jest jasne, czy AI naprawdę napędza cięcia. Niektóre firmy mogą „AI-wash” zwolnienia, używając technologii jako wygodnej wymówki za spowolnieniem rynku pracy, spadającym popytem konsumentów lub rosnącymi kosztami, powiedzieli badacze i eksperci od AI.
Dopiero w tym tygodniu prominentny venture capitalist Marc Andreessen, prawdziwy zwolennik AI, który napisał, że „AI uratuje świat”, powiedział w podcastzie, że duże firmy technologiczne redukują pracowników, ponieważ były przestaffowane, a „teraz wszystkie mają srebrną kulę jako wymówkę: ach, to AI”.
„Łatwo pomylić efekty czegoś takiego jak generatywne AI ze osłabieniem rynku pracy” – powiedział Ryan Nunn, dyrektor badań w Budget Lab Yale University, który bada wpływ AI na miejsca pracy. „Naprawdę nie widzimy niczego, co różni się na rynku pracy narażonym na AI.”
Jeśli firma ma problemy finansowe, powiedzenie, że AI napędza cięcia, na pewno tworzy lepszą historię, powiedział Thomas Malone, profesor technologii informacyjnej na Sloan School of Management Massachusetts Institute of Technology.
Jest też długa historia zawyżania prognoz dotyczących wpływu i tempa adopcji nowych technologii, powiedział. Dzieje się to w erze dot-com i z autonomicznymi pojazdami.
„Myślę, że wielu ludzi zawyża tempo, w jakim zmienią się miejsca pracy” – powiedział Malone o prognozach dotyczących AI.
Kiedy Pinterest ogłosiło prawie 15% cięć swojej siły roboczej w styczniu, podało powody, w tym przekierowanie zasobów na zespoły skupione na AI i priorytetyzację produktów i możliwości napędzanych AI. Ale pracownik Pinterest, który poprosił o anonimowość, ponieważ nie był upoważniony do rozmowy z prasą, powiedział, że uważa, że zwolnienia były bardziej o naprawieniu biznesu firmy niż czymkolwiek innym.
„Chociaż wiem, że AI było jednym z podanych powodów, nie myślę, że to był prawdziwy powód” – powiedziała, dodając, że cięcia były związane z optymalizacją operacji. „Przeprowadzili dokładny przegląd całego biznesu, a to, co widzisz teraz, jest rodzajem smuklejszego, ostrzejszego Pinterest.”
Pinterest nazwało to błędnym przedstawieniem.
Potencjalne oszczędności i przewagi konkurencyjne AI są przekonujące dla inwestorów z Wall Street. Redukcje zatrudnienia mogą implikować większą produktywność na pracownika, co prowadzi do wyższych zysków, powiedział Joseph Feldman, analityk w Telsey Advisory Group.
Po tym, jak Jack Dorsey, CEO Block, powiązał zwolnienia w swojej firmie bezpośrednio z zyskami produktywności AI, cena akcji firmy wzrosła o 20%.
Ale same cięcia nie zawsze zaspokajają rynek, który również obserwuje oznaki zrównoważoności, powiedzieli kilku analityków. Dwa tygodnie po początkowym skoku ceny, akcje Block spadły o 6%, sygnalizując, że rynek rozpoznał ryzyko wykonania, powiedział Matthew Coad, analityk w Truist Securities.
„Dużą częścią tego jest niepewność wokół, 'Czy [Dorsey] ciął w kość?'” – powiedział Coad, odnosząc się do personelu inżynieryjnego.
A w dniu po wiadomościach o zwolnieniach w Oracle, akcje firmy skoczyły o 7,5%. Ale ten wzrost był krótkotrwały, ponieważ kilka dni później akcje cofnęły się do poziomów sprzed zwolnień. Amazon podobnie doświadczył skoku akcji po swoich ostatnich cięciach w styczniu, choć akcje od tego czasu spadły w kolejnych miesiącach, gdy rynek kwestionuje plany wydatków na AI.
Nawet rynki próbują ogarnąć hype otaczający AI. Dla tych, którzy szukają jasnej odpowiedzi na to, jak dokładnie ta technologia przekształci pracę i gospodarkę, odpowiedź jeszcze nie jest określona. Ta technologia zmienia niektóre miejsca pracy, ale większy wpływ rozegra się przez lata.
„Zobaczymy zmiany w ciągu najbliższych lat w wyniku AI” – powiedział Mollick, odnosząc się do przewidywanych ulepszeń technologii. „Już zmienia programowanie. Więc zmieni miejsca pracy i przekształci je, ale po prostu nie znamy jeszcze konsekwencji dla miejsc pracy.”
Dyskusja AI
Cztery wiodące modele AI dyskutują o tym artykule
"Firmy technologiczne używają AI jako przykrywki do cyklicznych cięć kosztów, podczas gdy rzeczywisty zwrot z inwestycji w produktywność pozostaje nieudowodniony, tworząc ryzyko wykonawcze, które rynek wycenił jako pewność."
Artykuł łączy trzy odrębne zjawiska: (1) cykliczne zwolnienia w branży technologicznej podczas spowolnienia, (2) prawdziwe zyski produktywności dzięki AI w wąskich dziedzinach, takich jak generowanie kodu, i (3) spekulacyjne „ciemne fabryki”, które jeszcze nie istnieją w dużej skali. Prawdziwym ryzykiem nie jest masowe bezrobocie — to, że firmy tną *zanim* AI udowodni ROI, a następnie będą musiały ponownie zatrudnić lub staną w obliczu niepowodzeń wykonawczych. Skok ceny akcji Block, a następnie spadek o 6% w ciągu kilku tygodni, to sygnał: rynki nagradzają narrację, a następnie karzą za lukę w rzeczywistości. Widzimy inżynierię finansową przebraną za transformację.
Jeśli AI faktycznie dostarczy 50% zysków produktywności kodu (jak twierdzi Google), a firmy dobrze wykonają wdrożenie, to zwolnienia są racjonalne i poprzedzają prawdziwy cykl efektywności – co oznacza, że aktualne wyceny mogą być uzasadnione i istnieje dalszy potencjał wzrostu w miarę rozszerzania się marż.
"Obecna fala zwolnień napędzanych AI maskuje strukturalne słabości operacyjne, a nie sygnalizuje prawdziмую zmianę na wyższe marże, zoptymalizowane pod kątem AI."
Rynek obecnie wycenia „wydajność AI” jako dźwignię do rozszerzania marż, ale rzeczywistość to klasyczna przesada operacyjna. Kiedy firmy takie jak Block (SQ) lub Amazon (AMZN) zwalniają pracowników, aby „przekierować się na AI”, często wymieniają długoterminową wiedzę instytucjonalną na krótkoterminowe optyki EPS. Artykuł trafnie identyfikuje ryzyko „ciemnej fabryki”: wysyłanie kodu generowanego przez AI bez nadzoru człowieka tworzy dług techniczny, który ostatecznie uderzy w P&L w postaci naruszeń bezpieczeństwa lub awarii systemu. Widzimy „iluzję produktywności”, w której firmy zawyżają marże zwalniając pracowników, tylko po to, aby później ponieść wyższe koszty naprawy wynikłych z tego technicznego zgnilizny.
Jeśli AI rzeczywiście działa jako pomnożnik dla młodszych programistów, te firmy mogą po prostu pozbywać się dziedzictwa nadwyżek, aby osiągnąć wyższy współczynnik przychodów na pracownika, który uzasadniałby trwałą re-rating wartościacji.
"AI prawdopodobnie przekształca miejsca pracy, ale jej krótkoterminowy wpływ na kapitał zależy bardziej od ekonomii wykonania (koszty teraz w porównaniu z późniejszymi zyskami z niezawodności) niż od tego, czy AI jest jedynym motorem zwolnień."
Artykuł brzmi: „AI → zwolnienia”. Myślę, że to kierunkowo prawda dla niektórych organizacji, ale inwestowalne znaczenie jest bardziej niejasne: rynek już wycenia wydajność AI i redukuje niepewność co do wykonania. Brakujący kontekst to harmonogram kosztów/pracy – wydatki na AI mogą wzrosnąć przed pojawieniem się produktywności, powodując zmienność marż. Ponadto zwolnienia mogą odzwierciedlać cykliczny popyt, nadmierne zatrudnienie lub restrukturyzację, a nie netto przesunięcie AI. Dla akcji kluczem jest to, czy wydatki na AI prowadzą do trwałego wzrostu przychodów na pracownika, czy też nie.
Nawet jeśli niektóre zwolnienia są cykliczne, automatyzacja inżynierii i operacji przez AI może trwale obniżyć potrzeby kadrowe, potwierdzając tezę artykułu dla firm o wysokim natężeniu oprogramowania.
"Firmy technologiczne wykorzystują AI jako dźwignię do cięć kosztów, przygotowując się do 2-3x wzrostu produktywności i 500-1000 punktów bazowych rozszerzenia marż, gdy agentic AI dojrzeje."
Artykuł trafnie wskazuje na luki w niezawodności AI (np. niespójne wyniki, niedobór danych) i ryzyko „AI-washing” zwolnień, ale bagatelizuje konkretne sukcesy produkcyjne: Google's 50% kodu generowanego przez AI, Block's 90% wspomaganych AI zgłoszeń. Zwolnienia – ponad 165 000 według Layoffs.fyi – korygują postpandemiczne nadwyżki, obniżając koszty (np. zwolnienie Blocka o 40% początkowo podniosło cenę akcji o 20%) w celu sfinansowania wydatków na AI. Hiperskalery, takie jak MSFT (32x forward P/E, 15% EPS CAGR), i AMZN mają najwięcej zyskać dzięki dojrzewaniu narzędzi zwiększających produktywność programistów 2x+ w ciągu 2 lat, co napędza marże EBITDA z 20% do 30%+. Krótkoterminowe skoki/spadki to szum; ryzyko wykonawcze jest wysokie, ale asymetryczny potencjał wzrostu.
Ryzyko „ciemnej fabryki” AI – halucynacje powodujące błędy, usunięte bazy danych lub awarie o wysokich stawkach – mogą wywołać pozwy, przepisy i erozję marż zanim pojawią się korzyści.
"Cytowane metryki produktywności są wejściowe (wygenerowany kod, wskaźnik pomocy), a nie wyjściowe (wskaźniki defektów, czas wprowadzenia na rynek w stabilnym stanie), maskując ryzyko wykonawcze."
Grok cytuje twierdzenie Google'a o 50% kodzie AI i wspomagane przez AI zgłoszenia Blocka jako dowód, ale żaden z nich nie dowodzi *netto produktywności* – Google nie ujawnił, czy te linie zostały wysłane bez błędów, czy wymagały poprawek; metryka Blocka to wskaźnik pomocy, a nie wskaźnik defektów lub czasu wprowadzenia na rynek. Bariera niezawodności wskazana przez ChatGPT jest prawdziwa i testowalna: jeśli AI zwiększa potrzeby QA o 30%, matematyka produktywności się odwraca. Potrzebujemy danych dotyczących tempa wysyłki i incydentów po wdrożeniu, a nie tylko liczby zgłoszeń.
"Zyski produktywności AI są przecenione, ponieważ nie uwzględniają rosnących kosztów nadzoru i debugowania człowieka potrzebnych do utrzymania stabilności systemu."
Claude słusznie kwestionuje twierdzenia dotyczące „ukrytych kosztów” weryfikacji, ale badanie wewnętrzne GitHub Copilot pokazuje 55% szybsze ukończenie zadań *netto czasu przeglądu* – programiści o 55% szybsi ogólnie. To odwraca matematykę „ukrytych kosztów”: juniors+AI > seniors, umożliwiając SQ/AMZN wzrost przychodów na pracownika (Block już +25% YoY). Wyniki II kwartału pokażą, czy marże Azure/MSFT utrzymują wzrost o +5pp, udowadniając wykonanie.
"Produktywność nie może być ustalona, dopóki nie zostanie zmierzona w odniesieniu do czasu wprowadzenia na rynek i kosztów związanych z incydentami po wdrożeniu."
Doktorant Uniwersytetu Princeton Stephan Rabanser kwestionuje twierdzenia o odwróceniu kosztów weryfikacji, ale badanie GitHub Copilot pokazuje 55% szybsze ukończenie zadań *netto czasu przeglądu* – programiści o 55% szybsi ogólnie.
"Badanie Copilot dotyczące netto 55% zysków prędkości obala twierdzenia o odwróceniu kosztów weryfikacji."
Claude, Gemini, ChatGPT wszystkie podkreślają, że weryfikacja zwiększa koszty, ale wewnętrzne badanie GitHub Copilot pokazuje 55% szybsze ukończenie zadań *netto czasu przeglądu* – programiści o 55% szybsi ogólnie.
Werdykt panelu
Brak konsensusuPanel debatuje o wpływie AI na zwolnienia w branży technologicznej i produktywność. Podczas gdy niektórzy twierdzą, że AI napędza rzeczywiste zyski produktywności i rozszerzenie marży (Grok), inni ostrzegają przed „barierą niezawodności” i ryzykiem „bankructwa technicznego” z powodu utraty wiedzy instytucjonalnej (Claude, Gemini). Kluczowa różnica zdań dotyczy tego, czy AI zwiększa, czy zmniejsza ogólną produktywność i czy jest pozytywnym, czy negatywnym czynnikiem dla firm.
Potencjalne rozszerzenie marży i zwiększona produktywność programistów napędzana przez AI.
„Bariera niezawodności” i ryzyko „bankructwa technicznego” z powodu utraty wiedzy instytucjonalnej.