Pemotongan tenaga kerja akan berterusan sehingga kami belajar menggunakan AI
Penulis asal: Arnav Gupta, jurutera AI
Bao Yu, Analis AI

Di pejabat atasan syarikat kami, terdapat senarai pemotongan tenaga kerja yang melibatkan sehingga 8000 orang di suatu tempat. Saya mempunyai 10% kemungkinan berada di senarai ini. Dalam beberapa hari lagi, pada 20 Mei, saya akan mengetahui takdir saya.

Melihat pengumuman hari ini dari Coinbase mengenai "Pemutusan Hubungan Kerja AI", saya memutuskan untuk menulis artikel ini. Saya sengaja menulisnya sebelum 20 Mei, kerana saya ingin berkongsi pandangan yang paling jujur, tanpa sebarang emosi peribadi tentang "saya pergi atau saya tinggal". Idea-idea ini tidak berkaitan dengan sama ada saya dipotong atau tidak, dan tidak terhad kepada syarikat tempat saya bekerja. Ia berasal dari pengalaman sebenar rakan-rakan saya yang bekerja di pelbagai syarikat besar dan sederhana.

Sekarang terdapat banyak artikel yang berdebat: gelombang pemutusan hubungan kerja baru ini (yang secara umum dianggap bermula daripada Jack Dorsey memotong 40% pekerja Square) disebabkan oleh AI, atau hanya sekadar melakukan “AI-washing” (merujuk kepada perusahaan yang menggunakan nama penerimaan AI sebagai kedok untuk menyembunyikan kegagalan perniagaan lain atau tujuan sebenar pemutusan hubungan kerja).

Saya tidak ingin memenuhi artikel ini dengan pelbagai pautan berita dan kertas kerja untuk menyusahkan anda, kerana anda mungkin sudah melihatnya sebelum ini, atau hanya perlu mencari di Google atau bertanya kepada ChatGPT untuk mendapatkannya.

AI Produktiviti yang digembar-gemburkan dan bukti yang sukar dikejar

Adakah AI benar-benar membuat kita lebih cekap? Ini benar-benar satu soalan besar yang penuh perdebatan! Jika kita berfikir sebaliknya dan menyatakan bahawa "AI tidak mengubah apa-apa", saya rasa bahkan orang yang paling meragui nilai AI pun tidak akan bersetuju dengan pernyataan ini.

Terutama di kalangan syarikat teknologi, peningkatan pesat dalam penggunaan AI adalah fakta yang jelas. Walaupun syarikat-syarikat yang paling konservatif, yang menetapkan had bajet AI dan tidak menyediakan alat AI kepada pekerja, masih tidak dapat dipungkiri bahawa sebahagian pekerjaan sebenarnya dilakukan oleh AI—walaupun pekerja hanya dengan susah payah menggunakan Gemini atau Copilot secara sembunyi-sembunyi dalam Google atau suite perkakasan Microsoft untuk mengedit dokumen.

Bagi syarikat-syarikat yang lebih berpenglihatan jauh dan terjun sepenuhnya ke dalam lautan token AI (unit asas yang diproses oleh model AI, di mana syarikat biasanya dibenarkan mengikut bilangan token yang digunakan semasa menggunakan model bahasa besar), seperti Uber atau Shopify (saya tidak termasuk syarikat seperti Meta atau Microsoft yang membangunkan model bahasa besar sendiri, atau Vercel atau Cloudflare yang aktif membina infrastruktur AI; hanya membincangkan pengguna murni), penggunaan AI mereka benar-benar menjadi gila.

Kita sudah biasa melihatnya: dari 90% hingga 100% kod dihasilkan oleh AI, hingga bilangan semakan kod (PRs/diffs) yang diserahkan setiap minggu meningkat 2 hingga 5 kali ganda, hingga bajet AI tahunan berjumlah ratusan juta dolar habis dalam beberapa bulan sahaja.

Namun, para pengulas teknologi dan pelabur seperti Ed Zitron, Will Manidis, Gary Marcus, dan Michael Bury pasti akan mempertanyakan anda dengan soalan yang langsung menyerang inti: jika demikian, mengapa pendapatan syarikat-syarikat ini tidak meningkat sebanyak 2 hingga 5 kali ganda? Mengapa aplikasi mereka kelihatan hampir sama seperti enam bulan yang lalu? Jika AI benar-benar sangat produktif, apakah yang sebenarnya mereka hasilkan dengan AI? Jika mereka menulis 5 kali lebih banyak kod, tetapi pengguna akhir tidak menyedarinya, apakah maksud kod-kod ini? Ini adalah soalan yang sangat tajam dan munasabah.

Input, Output, dan Outcome

Kita perlu menyisipkan sedikit pelajaran asas pengurusan perniagaan. Apabila sebuah syarikat sederhana yang tumbuh pesat, memperoleh pendanaan berlebihan, dan membelanjakan wang secara meluas akhirnya menghadapi kekurangan dana, anda mendatangi seorang CEO berpengalaman untuk meminta nasihat. Beliau akan mencadangkan agar anda meminta pihak McKinsey untuk menilai situasi tersebut. Para penasihat konsultasi akan meletakkan slaid putih tulen di halaman pertama persembahan mereka, dengan tiga perkataan ditulis menggunakan fon Arial lalai: “Input, Output, Outcome”.

Mereka akan menjelaskan kepada anda asas perniagaan yang semua orang faham, tetapi sering dilupakan:

Kod, hanya pengeluaran.

Fungsi, itulah hasilnya.

Pengguna bersedia membayar untuk produk anda, itulah kejayaan.

AI (atau sekurang-kurangnya produk seperti Claude Enterprise) pada dasarnya adalah produk perkhidmatan perisian untuk perniagaan (B2B SaaS). Anda akan mendapati bahawa penetapan harga dan cara pemasaran produk SaaS berbeza-beza. Jika suatu produk dapat secara langsung mengubah «hasil», mereka biasanya mengambil bahagian daripada «hasil» tersebut. Bayangkan ayat jualan seperti ini: «Alat kami boleh meningkatkan kelajuan anda dalam menghasilkan peluang jualan sebanyak 36%. Cuba sekarang, hanya dengan membayar yuran perkhidmatan rendah sebanyak 5% daripada jumlah jualan.»

Ini pasti akan menghancurkan pelanggan. Dengan semua faktor lain tetap sama, jika sebelumnya anda menutup 100 transaksi dalam 100 hari, kini anda hanya perlu 63 hari. 36 hari yang dijimatkan (jika saya hitung betul) membolehkan anda menutup 57 transaksi tambahan! Dengan kata lain, pendapatan jualan anda berpotensi meningkat sebanyak 57%. Siapa pun akan sangat bersedia untuk mengeluarkan 5% daripada komisen jualan mereka untuk mendapatkan pendapatan tambahan sebanyak 57%. Dan jika anda tidak menggunakan produk ini, anda tidak perlu membayar sepeser pun.

Anda mungkin sudah menebak apa yang ingin saya katakan—model penentuan harga Token untuk Claude sama sekali tidak seperti ini. Jika jurutera perisian anda kecanduan menggunakan Claude untuk pemrograman seperti pengguna dadah (saya baru sedar bahawa singkatan dalam bahasa Inggeris keduanya ialah 'cc'), dan menghasilkan 100 juta Token setiap hari, maka anda perlu membayar 100 dolar AS setiap hari untuk setiap jurutera.

Walaupun sebahagian kod yang mereka hasilkan dibuang ke tong sampah kerana tidak boleh dijalankan;

Walaupun beberapa kod kemudian menyebabkan kegagalan sistem serius (SEV) (SEV merujuk kepada Severity, sering digunakan oleh syarikat teknologi untuk merujuk kepada kejadian maya serius yang menyebabkan gangguan perkhidmatan) dan segera dipulihkan;

Sekalipun masih ada sebahagian kod, ia hanya untuk mengganti antaramuka alat dalaman agar papan pemantau data kelihatan lebih comel apabila dipandang oleh para wakil presiden;

Semua harus dibayar sepenuhnya. Kerana kod hanyalah “input”. Walaupun biasanya, jika arahnya betul, lebih banyak “input” sering membawa lebih banyak “output”, yang seterusnya membawa kepada “hasil” yang lebih baik. Tetapi, apabila anda meningkatkan input sebanyak 5 kali dalam semalam, hukum ini mungkin tidak lagi berlaku. “Input” tambahan yang anda tambahkan mungkin tiba-tiba menjadi seperti lalat yang kehilangan arah, sama sekali menyimpang dari “output” atau “hasil” yang dijangka.

Apa sebenarnya yang menghalang kita!

Dahulu, setiap kali CEO atau produk manajer (PM) ingin melakukan 10 perkara, pasukan pembangunan selalu berkata bahawa mereka hanya mampu menyelesaikan dua perkara paling penting, dan tidak ada masa untuk 8 perkara yang lain. Apakah alasannya? Kerana menulis kod bukanlah main-main; membangunkan perisian yang kompleks dan berfungsi memerlukan masa yang banyak.

Hmm... tetapi sekarang kod hampir percuma. Mengapa kita masih belum melakukan 8 perkara yang tinggal?

Ada dua jawapan: satu yang tidak disukai oleh CEO dan produk manajer; satu lagi yang tidak disukai oleh pengurusan peringkat tengah dan kakitangan berpengalaman.

Hanya kerana CEO atau produk manager memikirkan 10 idea, tidak bermakna ia benar-benar boleh ditukar menjadi hasil perniagaan yang sebenar. Walaupun anda benar-benar menghasilkan 10 ciri baru (hasil), ia tidak menjamin pengguna akan menerima semuanya dan menggunakannya lebih kerap pada aplikasi anda (hasil).

Sebenarnya, kerana sumber pembangunan sebelum ini terhad, “geseran” ini memaksa semua orang untuk berdebat lebih sengit, sehingga idea-idea buruk dapat dibuang sejak awal sebelum menghabiskan terlalu banyak sumber, dan hanya dua idea terbaik yang dipilih. Kini, menulis kod menjadi cepat dan murah, maka berdebat mengenai kebaikan atau keburukan idea kelihatan tidak bermakna lagi. Walaupun anda cuba membantah mereka, adakah anda benar-benar percaya boleh menghalang CEO atau PM daripada berpaling dan terus meminta Claude untuk melaksanakannya? Jangan sia-siakan usaha, bahkan tidak perlu cuba.

Kita semua tahu betapa meletihkannya ini. Pertama, semua pihak berkepentingan perlu mencapai konsensus mengenai “mengapa” perkara ini perlu dilakukan; seterusnya, perlu pertemuan tambahan untuk membincangkan “apa” yang perlu dilakukan; dan akhirnya, semua pihak masih perlu berdebat mengenai “bagaimana” melakukannya.

Semakin banyak pasukan, semakin banyak projek yang terperangkap di "neraka penyelarasan". Dahulu, masalah ini disembunyikan kerana kelajuan penulisan kod yang perlahan. Sekarang, sekali keputusan "buat sesuatu" dibuat, seseorang akan bekerja sepanjang malam untuk menghasilkan produk kelayakan minimum (MVP) (produk yang dibangunkan dengan kos paling rendah tetapi cukup untuk menunjukkan idea utama, digunakan untuk ujian pantas), dan pada esok harinya, mesyuarat seterusnya sudah dijadualkan.

Dalam pertemuan itu, anda terkejut mendapati pasukan lain juga secara sembunyi-sembunyi telah mengembangkan MVP! Lebih buruk lagi, kerana anda berdasarkan andaian yang berbeza, logik pengoperasian kedua-dua produk itu bertentangan satu sama lain.

Of course, you can sit back and take your time to discuss whose assumptions are correct.

Tapi katakanlah dengan jujur. Anda dan pasukan anda yang memegang token Claude tanpa had, tidak akan repot-repot melakukan ini. Pasukan lain pun tidak akan melakukannya. Anda akan berpaling tanpa ragu ke pelukan Claude, meminta ia mengimplementasi semula kerja pasukan lawan mengikut cara yang anda anggap paling sempurna. Dan Claude hanya akan menjawab dengan patuh: “Anda benar sekali!” sebelum segera memulakan penulisan kod.

Pemotongan tenaga kerja sebenarnya dapat menyelesaikan masalah apa?

Baiklah, terima kasih kerana bersabar mendengar saya bercakap panjang tentang perkara-perkara jelas ini. Saya tahu anda ingin melihat intipati utama yang sebenarnya.

Pemotongan tenaga kerja sebenarnya bertujuan untuk mencapai apa? Menurut anggapan saya, jika AI tidak benar-benar menggantikan 30% pekerja secara satu-ke-satu (titik ini seharusnya kita semua setujui, kan? Walaupun dalam banyak tugas, ia lebih unggul daripada pekerja perkantoran tingkat awal, tetapi dalam tugas lain ia kurang baik daripada manusia—ia jelas bukan komponen yang boleh dicabut dan dipasang secara langsung, apalagi boleh menggantikan 10%, 20%, atau bahkan 30% orang dalam sebuah syarikat secara langsung).

Jika begitu, logik pemotongan pekerjaan di mana? Kerana ia boleh menyelesaikan dua masalah jangka pendek yang jelas secara serta-merta.

Ini sebenarnya hanya soal aritmetik arus tunai paling asas. Jelas sekali, jika jurutera-jurutera anda yang ketagih kepada Claude menghabiskan $100 sehari di Claude (iaitu $2,500 sebulan, $30,000 setahun), jumlah ini sudah cukup untuk gaji penuh seorang jurutera pembangunan perisian (SDE) di India; separuh gaji SDE di Eropah; dan seperempat gaji SDE di Amerika Syarikat.

Jika dilakukan pengiraan paling ringkas dan langsung: andaikan di dalam sebuah syarikat yang rata, semua pekerja adalah SDE. Untuk mengekalkan jumlah perbelanjaan gaji semasa (termasuk perbelanjaan membeli Token), anda perlu memecat 50% (India), 33% (Eropah), atau 20% (Amerika Syarikat) pekerja.

Sebenarnya, kerana penggunaan AI sedang meningkat secara gila-gilaan tanpa menghiraukan apa-apa, tetapi pendapatan syarikat tidak meningkat seiring dengannya, pemotongan pekerjaan menjadi pilihan yang perlu diambil. Jika tidak, laporan kewangan syarikat akan runtuh sepenuhnya. Jika kos input anda meningkat 50%, tetapi hasil perniagaan akhir tidak berubah atau tetap sama, maka ekonomi unit keseluruhan kitaran pembangunan perisian anda telah runtuh sepenuhnya.

Jika kita benar-benar belajar bagaimana menggunakan AI—memahami cara mengubah peningkatan 50% dalam kos input menjadi peningkatan 50% dalam hasil pendapatan—kita tidak perlu melangkah ini. Tetapi, kerana anda belum belajar, sebahagian daripada anda mesti meninggalkan kerja, supaya ada dana untuk membayar gaji Anthropic.

Tidak diragukan lagi, ukuran sebarang syarikat besar jauh melebihi skala yang diperlukan semata-mata untuk 「bertahan hidup」. Ini adalah ciri khas syarikat besar; organisasi besar secara tak terelakkan akan mengumpulkan 「lemak organisasi」, yang merupakan hasil tak terhindarkan daripada reka bentuk struktur organisasi.

Di kalangan syarikat-syarikat ini, walaupun seseorang berhenti, sistem masih berfungsi kerana sentiasa ada orang lain yang tahu apa yang dia lakukan sebelum ini. Di banyak syarikat besar, anda bahkan boleh berehat dengan tenang selama enam bulan cuti bersalin, dan projek yang anda uruskan tetap selamat. Ini semua adalah tanda yang baik! Tetapi ini juga merupakan bukti teguh: jika sebahagian orang dipecat, syarikat tidak akan lumpuh segera. Sebaliknya, selepas beberapa minggu pertama kesakitan sistemik, dalam bulan-bulan seterusnya, kelajuan operasi bahkan akan menjadi lebih pantas!

Ingat lagi dua pasukan yang sebelum ini disebutkan berdebat mengenai penyelesaian teknikal? Sangat mudah, cukup berhentikan salah satu pasukan, kemudian biarkan pasukan yang tinggal bekerja sepanjang malam untuk menyelesaikan tugasnya—mereka tidak perlu lagi “menyesuaikan” diri dengan siapa pun.

Kita tidak boleh meramal apa yang akan berlaku dalam jangka panjang (atau mengikut perkataan ekonom John Maynard Keynes—“Dalam jangka panjang, kita semua akan mati”), tetapi dalam jangka pendek, memotong 10-20% pekerja dari syarikat besar hanya akan menjadikan ritme kerja lebih pantas.

Seiring berlalunya masa, syarikat besar secara tidak terelakkan akan mengumpulkan kelebihan dan ketidakefisienan, sama seperti mengumpulkan hutang teknikal, mereka juga mengumpulkan banyak «hutang organisasi». Ini adalah penyakit umum syarikat besar. Memotong 10% pekerja hari ini tidak akan mencegah masalah lama berulang dua tahun kemudian. Tetapi, apabila anda melihat semua orang membanggakan bahawa mereka menghantar kod lima kali lebih banyak daripada sebelum ini, tetapi gagal melancarkan produk kerana dihalang oleh pasukan lain, ubat paling langsung dan paling kasar jelas ialah: memotong beberapa orang, supaya tiada siapa lagi yang saling menghalang.

Inilah pemotongan tenaga kerja AI, walaupun AI tidak secara langsung menggantikan jawatan anda

Adakah nombor pekerja anda digantikan oleh satu contoh Claude baru yang berjalan di mesin maya? Kita semua tahu perkara itu tidak benar.

Namun, adakah banyak proses kerja di syarikat yang dahulu memerlukan anda menaip dan mengklik di VS Code, Figma, Canva, atau Google Docs, tetapi kini berubah menjadi orang lain (mereka yang sebelumnya memerlukan hasil kerja anda) hanya berteriak kepada model bahasa besar untuk menulis petunjuk, dan tidak lagi repot-repot datang meminta bantuan anda? Ini juga merupakan fakta yang tidak dapat disangkal.

Pemotongan tenaga kerja ini benar-benar dianggap sebagai “pencucian AI”? Dengan kata lain—apakah perusahaan sebenarnya menghadapi berbagai masalah mendasar yang tidak berkaitan dengan AI (seperti perekrutan berlebihan, penurunan keuntungan, tekanan persaingan, keputusan perniagaan yang buruk), dan sekarang hanya menggunakan AI sebagai “alasan” untuk pemotongan tenaga kerja? Ya, dalam beberapa hal, ini juga masuk akal.

Anda mungkin juga akan mendapati bahawa jika anda mengumpulkan semua e-mel "pemotongan tenaga kerja" yang dihantar oleh semua CEO semasa tempoh ini, anda mungkin akan rasa seolah-olah mereka telah membentuk satu kumpulan perbualan dan bekerjasama menulis e-mel-e-mel ini. "Kumpulan berasaskan AI", "pengurus yang menulis kod", "menambah julat pengurusan", "struktur rata", "pengurusan pasukan agen AI" ... anda akan mendapati kata-kata baru ini muncul secara serupa dalam setiap e-mel. Ia seolah-olah mereka memberikan GPT petunjuk yang sama.

Tetapi kenyataannya, walaupun pemotongan tenaga kerja ini bukan kerana AI secara langsung menggantikan anda, walaupun ia dicampurkan dengan elemen "pencucian AI", pemotongan tenaga kerja ini pada akhirnya masih disebabkan oleh AI. Dan gelombang pemotongan tenaga kerja ini akan berterusan sehingga kita benar-benar belajar bagaimana untuk menggunakan AI.

Hingga kita belajar bagaimana mengubah jumlah besar token AI menjadi hasil perniagaan yang nyata, bukan sekadar pelaburan kod; hingga kita belajar mempercepatkan "penyelarasan" antara organisasi supaya seiring dengan kelajuan pengkodean generasi baharu; hingga kita memahami bagaimana memanfaatkan produktiviti tambahan ini untuk mengejar 10 idea baru yang berpotensi, selain daripada 2 idea baik dan 8 idea buruk yang asal.

Sebelum kita benar-benar memahami bagaimana AI sebenarnya mendorong pertumbuhan PDB global, untuk menutupi perbelanjaan token tahunan yang mencapai 70 miliar dolar AS (jumlah pendapatan perusahaan dari OpenAI dan Anthropic), perusahaan hanya boleh memotong gaji pekerja untuk "mengambil dari satu tempat untuk menutupi yang lain".

Sebelum kita belajar bagaimana untuk lebih cekap mengatasi fenomena saling menghalang antara pasukan, penyelesaian masalahnya selalunya hanya satu—menghapuskan kita secara langsung daripada gambar struktur organisasi.

Masih 15 hari lagi, saya akan mengetahui takdir saya. Tetapi apa pun hasilnya, saya rasa saya sudah tahu penyebabnya. Sekiranya saya yang membuat keputusan di pejabat CEO yang luas itu pada masa itu, saya tidak tahu sama ada saya boleh membuat keputusan yang lebih baik, mungkin saya juga hanya akan membuat pilihan yang sama seperti CEO lain yang mengumpulkan kumpulan.

Link asal

Klik untuk mengetahui jawatan yang sedang dilamar oleh BlockBeats

Selamat datang ke komuniti rasmi律动 BlockBeats:

Kumpulan langgan Telegram: https://t.me/theblockbeats

Grup percakapan Telegram：https://t.me/BlockBeats_App

Akaun rasmi Twitter: https://twitter.com/BlockBeatsAsia