Увольнения будут продолжаться, пока мы не научимся использовать ИИ
Автор оригинала: Арнав Гупта, инженер по ИИ
Баоюй, AI-аналитик

В кабинете высшего руководства нашей компании где-то лежит список сокращений на 8000 человек. У меня есть 10% шанса оказаться в этом списке. Через несколько дней, 20 мая, я узнаю свою судьбу.

Увидев сегодня новость от Coinbase о «сокращениях, связанных с ИИ», я решил написать эту статью. Я специально начал писать до 20 мая, потому что хотел поделиться самыми искренними взглядами, не внося личных эмоций о том, уйти мне или остаться. Эти мысли не связаны с тем, уволят меня или нет, и не ограничиваются только моей компанией. Они исходят от реальных чувств моих друзей, работающих в крупных и средних компаниях.

Сейчас существует множество статей, ведущих дискуссию: вызвана ли эта новая волна увольнений (которую большинство считают начавшейся с увольнения 40% сотрудников Square Джеком Дорси) исключительно ИИ или же это просто «AI-washing» (термин, обозначающий использование приверженности ИИ в качестве прикрытия для других коммерческих неудач или истинных целей сокращений).

Я не хочу перегружать статью ссылками на новости и научные статьи, которые, возможно, вы уже видели или легко можете найти в Google или спросить у ChatGPT.

Высоко рекламируемая «AI-производительность» и труднодоступные доказательства

Повысила ли ИИ нашу эффективность? Это действительно спорный и важный вопрос! Если подойти к этому с обратной стороны и утверждать, что «ИИ ничего не изменил», я думаю, даже самые скептически настроенные люди в отношении ценности ИИ не согласятся с этим.

Особенно в технологических компаниях резкий рост использования ИИ — это очевидный факт. Даже самые консервативные компании, ограничивающие бюджет на ИИ и не предоставляющие сотрудникам инструменты ИИ, не могут отрицать, что часть работы фактически выполняется ИИ — даже если сотрудники тайно используют Gemini или Copilot в Google или Microsoft Office для редактирования документов.

Что касается компаний, обладающих более дальновидным подходом и погрузившихся в океан AI-токенов (токен — базовая единица обработки текста AI-моделями, при использовании крупных языковых моделей компании обычно платят в зависимости от количества потребленных токенов), таких как Uber или Shopify (я здесь не включаю такие компании, как Meta или Microsoft, которые разрабатывают собственные крупные языковые модели, а также Vercel или Cloudflare, активно строящие AI-инфраструктуру; речь идет только о чистых «пользователях»), их объем использования AI просто вышел из-под контроля.

Мы уже не удивляемся: от того, что 90–100% кода генерируется ИИ, до резкого роста количества код-ревью (PRs/diffs) в неделю в 2–5 раз, до израсходования годового бюджета на ИИ в сотни миллионов долларов за несколько месяцев.

Однако такие технологические обозреватели и инвесторы, как Эд Зитрон, Уилл Манидис, Гэри Маркус и Майкл Берри, наверняка зададут вам прямой и глубокий вопрос: если это так, почему доходы этих компаний не выросли в 2–5 раз? Почему их приложения выглядят почти так же, как и полгода назад? Если ИИ действительно такой продуктивный, что именно они с его помощью создали? Если они написали в 5 раз больше кода, но конечные пользователи этого не замечают, то в чем смысл этого кода? Это чрезвычайно острый и обоснованный вопрос.

Входные данные (Input), выходные данные (Output) и результаты (Outcome)

Сначала нам нужно немного основ управления бизнесом. Когда быстро растущая, перефинансированная и щедро тратящая деньги средняя компания в конце концов сталкивается с истощением денежных средств, вы обращаетесь за советом к опытному генеральному директору. Он посоветует вам пригласить консультантов из McKinsey, чтобы они оценили ситуацию. Консультанты разместят на первом слайде презентации чисто белый слайд с тремя словами, написанными шрифтом Arial по умолчанию: «Вложения, результаты, эффект».

Они объяснят вам суть бизнеса, которую все понимают, но часто забывают:

Код — это просто вложение.

Функциональность — это результат.

Пользователи охотно платят за ваш продукт —这才是成果。

ИИ (или, по крайней мере, такие продукты, как Claude Enterprise) по сути являются программным сервисом для бизнеса (B2B SaaS). Вы заметите, что модели ценообразования и маркетинга SaaS-продуктов различаются. Если продукт напрямую влияет на «результат», они обычно берут комиссию непосредственно с «результата». Представьте такую продажную речь: «Наш инструмент позволяет увеличить скорость генерации лидов на 36%. Начните использовать его прямо сейчас, заплатив всего 5% от объема продаж в качестве низкой платы за обслуживание».

Это точно поразит клиентов. При прочих равных условиях, если раньше за 100 дней вы заключали 100 сделок, теперь вам понадобится всего 63 дня. Сэкономленные 36 дней (если я правильно посчитал) позволят вам заключить еще 57 сделок! То есть ваш потенциальный объем продаж вырастет на 57%. Любой с радостью отдаст 5% от своих комиссионных, чтобы получить дополнительный доход в 57%. И если вы не используете этот продукт, вам не придется платить ни копейки.

Вы, вероятно, уже догадались, о чем я собираюсь сказать — модель ценообразования Claude за потребляемые токены совершенно иная. Если ваш инженер-программист так увлечён программированием с помощью Claude (я только что заметил, что их аббревиатуры на английском обе — «cc»), что генерирует 100 миллионов токенов в день, то вам придётся платить по 100 долларов США в день за каждого инженера.

Даже если часть сгенерированного ими кода была выброшена в мусорное ведро из-за того, что не работала;

Даже если некоторый код позже вызвал серьезную системную аварию (SEV) (SEV означает Severity — термин, используемый технологическими компаниями для обозначения серьезных онлайн-инцидентов, приводящих к остановке сервиса), и был срочно откатан;

Даже если часть кода существует лишь для того, чтобы переодеть внутренние инструменты, чтобы вице-президентам было приятнее смотреть на информационные панели;

Всё нужно оплачивать по счету. Код — это всего лишь «вложения». Хотя обычно, если направление правильное, большие «вложения» обычно приводят к большему «результату» и, соответственно, к лучшим «достижениям». Однако, когда вы в одночасье увеличиваете вложения в 5 раз, это правило уже может не работать. Эти дополнительные «вложения» могут внезапно превратиться в ослепленных мух, полностью отклонившись от ожидаемого «результата» или «достижения».

Что именно мешает нам!

Раньше, когда CEO или продукт-менеджер (PM) хотели сделать 10 вещей, команда разработчиков всегда говорила, что могут справиться только с двумя самыми важными, а остальные восемь — не успевают. Почему? Потому что написание кода — это не игра в дочки-матери; создание сложного и работающего программного обеспечения требует огромных временных затрат.

Хм... но сейчас код почти бесплатный. Почему мы до сих пор не сделали оставшиеся 8 вещей?

Ответов два: один не нравится генеральному директору и продуктовому менеджеру; другой — менеджерам среднего звена и опытным сотрудникам.

То, что CEO или менеджер продукта придумали 10 идей, не означает, что они действительно превратятся в реальные бизнес-результаты. Даже если вы действительно реализовали 10 новых функций (результат), это не гарантирует, что пользователи их примут и начнут чаще использовать ваше приложение (результат).

На самом деле, именно из-за ограниченных ресурсов в прошлом эта «сила трения» заставляла всех вести более ожесточённые дискуссии, чтобы заранее отвергнуть плохие идеи, прежде чем они поглотят слишком много ресурсов, и выбрать две лучшие. А сейчас, когда написание кода стало быстрым и дешёвым, спорить о том, хороша идея или нет, кажется бессмысленным. Даже если вы попытаетесь возразить им, разве вы можете остановить CEO или PM, которые просто пойдут и попросят Claude о реализации? Не стоит даже пытаться.

Мы все знаем, насколько это мучительно. Во-первых, нужно добиться согласия всех заинтересованных сторон по поводу «почему» это нужно делать; затем необходимо провести отдельное собрание, чтобы обсудить, «что именно» делать; и, наконец, всем еще предстоит спорить о том, «как» это делать.

Чем больше команд, тем больше проектов застревают в «аду согласования». Раньше эта проблема скрывалась из-за медленного написания кода. Теперь же, как только решение «что делать» принято, кто-то немедленно работает всю ночь, чтобы создать минимально жизнеспособный продукт (MVP) (продукт, разработанный с минимальными затратами, который просто демонстрирует основную идею для быстрой проверки гипотез), и на следующий день уже назначается следующее совещание.

На встрече вы с удивлением обнаружили, что другая команда тоже тайно разработала свой MVP! Еще хуже то, что из-за разных предположений логика работы двух продуктов совершенно противоположна.

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

Но честно говоря, вам и вашей команде, обладающим бесконечным количеством Claude Token, вообще не хочется так делать. Другая команда тоже не станет. Вы без колебаний повернетесь к Claude и попросите ее полностью переосмыслить работу другой команды так, как вы считаете наиболее идеальным образом. А Claude лишь покорно ответит: «Вы абсолютно правы!» — и сразу же начнет писать код.

Что именно может решить сокращение штата?

Хорошо, спасибо, что терпеливо слушали мои длинные рассуждения об очевидных вещах. Я знаю, что вы хотите увидеть самое главное.

Какой смысл в сокращении штата? Согласно моей гипотезе, если ИИ на самом деле не заменяет по одному 30% сотрудников (это, кажется, общепризнанный факт — хотя ИИ превосходит джуниоров в многих задачах, в других он уступает людям; он не является просто съемным компонентом, который можно подключить или отключить, и тем более не может напрямую заменить 10%, 20% или даже 30% персонала компании).

Тогда в чем логика сокращения штата? Потому что это немедленно решает две явные краткосрочные проблемы.

Это просто базовая арифметическая задача на денежные потоки. Очевидно, что если ваши инженеры, зависимые от Claude, тратят по 100 долларов в день на Claude (то есть 2500 долларов в месяц или 30 000 долларов в год), эта сумма в Индии равна всей зарплате инженера-программиста (SDE); в Европе — половине зарплаты SDE; в США — четверти зарплаты SDE.

Если сделать самый простой и грубый расчет: предположим, что в компании с плоской структурой все сотрудники являются SDE. Чтобы сохранить общую сумму расходов на зарплаты (включая расходы на покупку токенов), вам придется уволить 50% сотрудников (Индия), 33% (Европа) или 20% (США).

На самом деле, поскольку использование ИИ растет безудержно, а доходы компании не растут соответствующим образом, сокращения становятся неизбежным выбором. Иначе баланс компании полностью разрушится. Если ваши затраты увеличились на 50%, но конечные бизнес-результаты остались без изменений или даже ухудшились, то экономическая эффективность на единицу в вашем жизненном цикле разработки программного обеспечения полностью рухнула.

Если бы мы действительно научились использовать ИИ — поняли, как превратить увеличение затрат на 50 % в увеличение доходов на 50 %, — нам не пришлось бы идти по этому пути. Но поскольку вы еще не научились, некоторым из вас придется уйти, чтобы освободить средства для оплаты труда Anthropic.

Без сомнения, масштаб любой крупной компании намного превышает необходимый для ее «выживания». Именно это и является характеристикой крупных компаний: крупные организации неизбежно накапливают «организационный жир», что является неизбежным результатом проектирования организационной структуры.

В этих компаниях, даже если кто-то уходит, система продолжает работать, потому что всегда найдутся другие, кто знает, чем он занимался. Во многих крупных компаниях вы можете спокойно взять шестимесячный отпуск по уходу за ребенком — ваш проект останется в полном порядке. Это все хорошие признаки! Но это также является неопровержимым доказательством: если уволить часть сотрудников, компания не остановится сразу. Напротив, после первоначальных нескольких недель системных трудностей в последующие месяцы скорость работы даже увеличится!

Помните две команды, которые раньше спорили из-за технического решения? Просто уволите одну из них, а оставшейся команде достаточно несколько ночей не спать и закончить работу — тогда им больше не придется «согласовывать» ничего с кем-либо.

Мы не можем предсказать, что произойдет в долгосрочной перспективе (или, используя слова экономиста Кейнса — «в долгосрочной перспективе мы все умрем»), но в краткосрочной перспективе увольнение 10–20% сотрудников крупных компаний приведет только к ускорению темпа работы.

С течением времени крупные компании неизбежно накапливают избыточность и безделье, подобно тому, как накапливают технический долг — огромное количество «организационного долга». Это общая болезнь крупных компаний. Уволить сегодня 10% сотрудников не сможет предотвратить рецидив старых проблем через два года. Однако, когда вы видите, как все хвастаются, что теперь сдают в пять раз больше кода, но не могут запустить его в продакшн из-за блокировки со стороны других команд, самым прямым и грубым лекарством, очевидно, является: уволить некоторых людей, чтобы никто не блокировал друг друга.

Вот как выглядит увольнение с помощью ИИ, даже если ИИ напрямую не заменил вашу должность

Ваш номер сотрудника был заменён новым экземпляром Claude, запущенным на виртуальной машине? Мы все знаем, что это не так.

Тем не менее, не правда ли, что во многих компаниях множество рабочих процессов, которые раньше требовали от вас ввода данных с клавиатуры и кликов мышью в VS Code, Figma, Canva или Google Docs, теперь превратились в то, что другие люди (те, кто раньше зависел от ваших результатов) просто кричат большой языковой модели, чтобы написать подсказку, и больше не хотят обращаться к вам за помощью? Это тоже неоспоримый факт.

Эти увольнения действительно можно назвать «AI-омыванием»? То есть — не существовали ли изначально у компании самые разные фундаментальные проблемы, не связанные с ИИ (например, чрезмерный набор персонала, снижение прибыли, конкуренционное давление, плохие бизнес-решения), и теперь ИИ используется лишь в качестве «предлога» для увольнений? Да, в определенной степени это имеет смысл.

Вы также можете заметить, что если собрать все «письма об увольнениях», отправленные CEO за этот период, вам может показаться, будто они создали чат и совместно написали эти письма. «AI-натуральные команды», «менеджеры, пишущие код», «увеличение масштаба управления», «плоская структура», «управление командами AI-агентов»… Вы обнаружите, что эти новые термины идентично появляются в каждом письме. Будто бы они ввели один и тот же промт в GPT.

Но правда в том, что даже если эти увольнения не связаны напрямую с заменой вас ИИ, даже если в них присутствует элемент «ИИ-омывания», эти увольнения в конечном итоге все же вызваны ИИ. И эта волна увольнений будет продолжаться, пока мы действительно не научимся использовать ИИ.

Пока мы не научимся превращать огромное количество AI-токенов в реальные коммерческие результаты, а не только в кодовые вложения; пока мы не научимся ускорять «согласованность» между организациями до скорости кодирования нового поколения; пока мы не поймем, как использовать эту дополнительную производительность, чтобы преследовать еще 10 новых идей с большим потенциалом, помимо этих двух хороших и восьми плохих.

Прежде чем мы действительно поймем, как ИИ стимулирует рост мирового ВВП, компании вынуждены компенсировать ежегодные расходы на токены в размере 70 миллиардов долларов США (суммарный корпоративный доход OpenAI и Anthropic) за счет сокращения зарплат сотрудников.

До тех пор пока мы не научимся более эффективно устранять явления, при которых команды мешают друг другу, единственный способ решить проблему — это просто вычеркнуть нас из организационной структуры.

Осталось 15 дней, и я узнаю свою судьбу. Но как бы то ни было, я думаю, уже знаю причину. Даже если бы я принимал решение в той просторной офисной комнате в углу, где сидит генеральный директор, я не уверен, что сделал бы лучше — возможно, я бы выбрал то же самое, что и другие генеральные директора, собравшиеся в чате.

Original link

Нажмите, чтобы узнать о вакансиях BlockBeats

Добро пожаловать в официальное сообщество律动 BlockBeats:

Телеграм-канал с подпиской: https://t.me/theblockbeats

Телеграм-чат: https://t.me/BlockBeats_App

Официальный аккаунт Twitter: https://twitter.com/BlockBeatsAsia