การเลิกจ้างจะยังคงดำเนินต่อไปจนกว่าเราจะเรียนรู้วิธีใช้ AI
ผู้เขียนต้นฉบับ: Arnav Gupta วิศวกร AI
Baoyu, AI Analyst

ในสำนักงานระดับสูงของบริษัทเรา มีรายชื่อการเลิกจ้างจำนวนถึง 8,000 คนวางอยู่ที่ใดสักแห่ง ฉันมีโอกาส 10% ที่จะอยู่ในรายชื่อนี้ อีกไม่กี่วัน ซึ่งก็คือวันที่ 20 พฤษภาคม ฉันจะได้รู้ชะตากรรมของตัวเอง

เห็นข่าวจาก Coinbase วันนี้เกี่ยวกับ “การเลิกจ้างด้าน AI” ฉันจึงตัดสินใจเขียนบทความนี้ ฉันตั้งใจเขียนให้เสร็จก่อนวันที่ 20 พฤษภาคม เพราะต้องการแบ่งปันมุมมองที่แท้จริงที่สุด โดยไม่มีอารมณ์ส่วนตัวว่า “ฉันจะอยู่หรือไป” ความคิดเหล่านี้ไม่เกี่ยวข้องกับการที่ฉันจะถูกเลิกจ้างหรือไม่ และไม่ได้จำกัดอยู่แค่บริษัทที่ฉันทำงานอยู่เท่านั้น แต่เป็นเสียงจริงๆ จากเพื่อนๆ ของฉันที่ทำงานในองค์กรขนาดใหญ่และกลางหลายแห่ง

ขณะนี้มีบทความจำนวนมากที่ถกเถียงว่า คลื่นการเลิกจ้างครั้งใหม่นี้ (ซึ่งส่วนใหญ่เชื่อว่าเริ่มต้นจากการที่แจ็ค ดอร์ซี ปลดพนักงาน 40% ของ Square) เกิดจาก AI จริงๆ หรือแค่เป็นการ “ทำให้ดูเหมือนใช้ AI (AI-washing)” (ซึ่งหมายถึงบริษัทใช้การรับรอง AI เป็นข้ออ้างเพื่อปกปิดความล้มเหลวทางธุรกิจอื่นๆ หรือเป้าหมายจริงของการเลิกจ้าง)

ฉันไม่อยากเติมลิงก์ข่าวและเอกสารวิจัยมากมายลงในบทความนี้เพื่อทำให้คุณรู้สึกทรมาน เพราะคุณอาจเคยดูเนื้อหาเหล่านี้มาแล้ว หรือแค่ค้นหาบน Google หรือถาม ChatGPT ก็หาเจอได้

AI ผลิตภาพที่ได้รับการชื่นชมอย่างมาก และหลักฐานที่ยากจะจับต้องได้

AI ทำให้เรามีประสิทธิภาพมากขึ้นจริงๆ หรือ? นี่คือคำถามใหญ่ที่เต็มไปด้วยการถกเถียง! หากเราคิดกลับกันและยืนยันว่า “AI ไม่ได้เปลี่ยนแปลงอะไรเลย” ฉันคิดว่าแม้แต่ผู้ที่สงสัยมากที่สุดเกี่ยวกับคุณค่าของ AI ก็คงไม่เห็นด้วยกับข้อความนี้

โดยเฉพาะในบริษัทเทคโนโลยี การใช้งาน AI ที่พุ่งสูงขึ้นอย่างรวดเร็วเป็นข้อเท็จจริงที่เห็นได้ชัด แม้แต่บริษัทที่อนุรักษ์นิยมที่สุด ซึ่งจำกัดงบประมาณด้าน AI และไม่จัดเตรียมเครื่องมือ AI ให้พนักงาน ก็ยังไม่สามารถปฏิเสธได้ว่ามีงานบางส่วนที่ถูกดำเนินการโดย AI จริงๆ — แม้ว่าพนักงานจะแค่แอบใช้ Gemini หรือ Copilot ในการแก้ไขเอกสารผ่าน Google หรือชุดโปรแกรมของ Microsoft

สำหรับบริษัทที่มีวิสัยทัศน์กว้างไกลและลงลึกสู่ทะเลของ AI token (หน่วยพื้นฐานที่โมเดล AI ประมวลผลข้อความ โดยบริษัทมักจะคิดค่าใช้จ่ายตามจำนวน token ที่ใช้) เช่น Uber หรือ Shopify (ฉันไม่รวมบริษัทอย่าง Meta หรือ Microsoft ที่พัฒนาโมเดลภาษาขนาดใหญ่ของตนเอง หรือ Vercel หรือ Cloudflare ที่สร้างโครงสร้างพื้นฐาน AI อย่างแข็งขัน; ฉันพูดถึงผู้ใช้งานบริสุทธิ์เท่านั้น) การใช้งาน AI ของพวกเขากำลังพุ่งสูงอย่างบ้าคลั่ง

เราได้ชินกับสิ่งนี้ไปแล้ว: ตั้งแต่รหัส 90% ถึง 100% ที่ถูกสร้างโดย AI ไปจนถึงจำนวนการตรวจสอบรหัส (PRs/diffs) ที่เพิ่มขึ้น 2 ถึง 5 เท่าต่อสัปดาห์ และจนถึงงบประมาณ AI ทั้งปีหลายพันล้านดอลลาร์ที่ถูกใช้หมดภายในไม่กี่เดือน

อย่างไรก็ตาม นักวิจารณ์เทคโนโลยีและนักลงทุนอย่าง Ed Zitron, Will Manidis, Gary Marcus และ Michael Bury จะถามคุณด้วยคำถามที่เจาะลึกถึงแก่นสารว่า: หากเป็นเช่นนั้น ทำไมรายได้ของบริษัทเหล่านี้จึงไม่เพิ่มขึ้น 2 ถึง 5 เท่า? ทำไมแอปของพวกเขายังดูเหมือนกับเมื่อหกเดือนก่อนแทบไม่มีความแตกต่าง? หาก AI มีประสิทธิภาพสูงจริง พวกเขาผลิตอะไรออกมาจาก AI? หากพวกเขาเขียนโค้ดมากขึ้น 5 เท่า แต่ผู้ใช้ปลายทางกลับไม่รู้สึกถึงการเปลี่ยนแปลง แล้วโค้ดเหล่านั้นมีความหมายอะไร? นี่คือคำถามที่เฉียบคมและสมเหตุสมผลอย่างยิ่ง

การป้อนข้อมูล (Input) การผลิต (Output) และผลลัพธ์ (Outcome)

เราต้องหยุดชั่วคราวเพื่อสอนบทเรียนพื้นฐานด้านการจัดการองค์กรก่อน เมื่อบริษัทขนาดกลางที่เติบโตอย่างรวดเร็ว ระดมทุนเกินความจำเป็น และใช้จ่ายเงินอย่างฟุ่มเฟือย สุดท้ายก็เผชิญกับปัญหาเงินทุนหมด เมื่อคุณไปปรึกษาซีอีโอผู้มีประสบการณ์ เขาจะแนะนำให้คุณเชิญทีมจากแมคคินซีย์มาดูสถานการณ์ ที่ปรึกษาจะวางสไลด์หน้าแรกเป็นสีขาวล้วน โดยใช้ฟอนต์ Arial ค่าเริ่มต้นเขียนคำสามคำว่า: “การลงทุน ผลลัพธ์ ผลตอบแทน”

พวกเขาจะอธิบายแก่คุณถึงแก่นแท้ทางธุรกิจที่ทุกคนเข้าใจ แต่มักลืมไป:

รหัส แค่การลงทุน

ฟังก์ชันคือผลลัพธ์

ผู้ใช้ยินดีจ่ายเงินให้กับผลิตภัณฑ์ของคุณนั่นแหละคือความสำเร็จ

AI (หรืออย่างน้อยก็ผลิตภัณฑ์เช่น Claude Enterprise) โดยพื้นฐานแล้วเป็นบริการซอฟต์แวร์สำหรับธุรกิจ (B2B SaaS) คุณจะพบว่า วิธีการกำหนดราคาและการตลาดของผลิตภัณฑ์ SaaS นั้นแตกต่างกันไป หากผลิตภัณฑ์ใดสามารถเปลี่ยนแปลง “ผลลัพธ์” ได้โดยตรง มักจะเรียกเก็บค่าบริการเป็นสัดส่วนจาก “ผลลัพธ์” นั้น ลองจินตนาการถึงข้อความการขายแบบนี้: “เครื่องมือของเราช่วยให้คุณปิดการขายได้เร็วขึ้น 36% ลองใช้งานทันที โดยจ่ายค่าบริการเพียง 5% ของยอดขายเท่านั้น”

สิ่งนี้สามารถทำให้ลูกค้าประทับใจอย่างแน่นอน ในกรณีที่เงื่อนไขอื่นๆ ไม่เปลี่ยนแปลง หากคุณเคยปิดการขายได้ 100 รายการใน 100 วันที่ผ่านมา ตอนนี้คุณจะต้องใช้เพียง 63 วันเท่านั้น จำนวนวันที่ประหยัดได้ 36 วัน (ถ้าฉันคำนวณถูกต้อง) จะช่วยให้คุณปิดการขายได้อีก 57 รายการ! กล่าวอีกนัยหนึ่ง รายได้ของคุณมีศักยภาพเพิ่มขึ้น 57% ทุกคนย่อมยินดีจ่ายเงินค่าคอมมิชชั่นจากยอดขายเพียง 5% เพื่อแลกกับรายได้เพิ่มเติม 57% และถ้าคุณไม่ใช้ผลิตภัณฑ์นี้ คุณจะไม่ต้องจ่ายเงินแม้แต่บาทเดียว

คุณอาจเดาได้ว่าฉันจะพูดอะไร—รูปแบบการกำหนดราคา Token ของ Claude ไม่ได้เป็นแบบนี้เลย หากวิศวกรซอฟต์แวร์ของคุณติดการเขียนโปรแกรมด้วย Claude เหมือนติดยา (ฉันเพิ่งรู้ว่าตัวย่อภาษาอังกฤษของทั้งคู่ล้วนเป็น “cc”) และสร้าง 100 ล้าน Token ต่อวัน คุณจะต้องจ่าย 100 ดอลลาร์สหรัฐต่อวันสำหรับวิศวกรแต่ละคน

แม้ว่าส่วนหนึ่งของรหัสที่พวกเขาสร้างขึ้นจะถูกทิ้งลงถังขยะเพราะไม่สามารถรันได้;

แม้ว่ารหัสบางส่วนจะถูกย้อนกลับอย่างเร่งด่วนเนื่องจากก่อให้เกิดข้อผิดพลาดร้ายแรงของระบบ (SEV) (SEV ย่อมาจาก Severity ซึ่งบริษัทเทคโนโลยีมักใช้เพื่อหมายถึงเหตุการณ์ออนไลน์ร้ายแรงที่ทำให้บริการหยุดชะงัก)；

แม้จะยังมีโค้ดบางส่วนที่ใช้แค่เปลี่ยนหน้าตาให้เครื่องมือภายใน เพื่อให้ผู้บริหารระดับรองดูแดชบอร์ดข้อมูลแล้วรู้สึกน่ารักยิ่งขึ้น;

ต้องจ่ายให้ครบหมด เพราะโค้ดเป็นเพียง “การลงทุน” แม้ว่าโดยทั่วไปแล้ว หากทิศทางถูกต้อง การลงทุนที่มากขึ้นมักจะนำไปสู่ผลลัพธ์ที่มากขึ้น และส่งผลให้ได้ผลลัพธ์ที่ดีขึ้น แต่เมื่อคุณเพิ่มการลงทุนขึ้นเป็น 5 เท่าภายในหนึ่งคืน กฎข้อนี้อาจไม่ยังใช้ได้อีกต่อไป การลงทุนที่คุณเพิ่มเข้ามาอาจกลายเป็นแมลงวันที่บินวนโดยไม่มีเป้าหมาย และเบี่ยงเบนออกจากผลลัพธ์หรือผลสำเร็จที่คาดหวังอย่างสิ้นเชิง

สิ่งที่กำลังขัดขวางเราคืออะไรกันแน่!

ในอดีต ทุกครั้งที่ CEO หรือผลิตภัณฑ์ผู้จัดการ (PM) ต้องการทำสิ่งต่างๆ 10 อย่าง ทีมพัฒนาจะตอบว่าพวกเขาสามารถทำได้เพียงสองอย่างที่สำคัญที่สุดเท่านั้น ส่วนอีกแปดอย่างไม่มีเวลาทำ เหตุผลคืออะไร? เพราะการเขียนโค้ดไม่ใช่การเล่นของเด็ก การพัฒนาซอฟต์แวร์ที่ซับซ้อนและทำงานได้จริงต้องใช้เวลาอย่างมาก

ฮึม... แต่ตอนนี้โค้ดแทบจะฟรีแล้ว ทำไมเราถึงยังไม่ทำอีก 8 ข้อที่เหลือล่ะ?

คำตอบมีสองคำตอบ: หนึ่งคือสิ่งที่ซีอีโอและผลิตภัณฑ์ผู้จัดการไม่ชอบได้ยิน; อีกอันคือสิ่งที่ผู้จัดการระดับกลางและพนักงานผู้มีประสบการณ์ไม่ชอบได้ยิน

เพียงเพราะซีอีโอหรือผลิตภัณฑ์แมนเนเจอร์มีความคิด 10 ข้อในหัว ไม่ได้หมายความว่ามันจะเปลี่ยนเป็นผลลัพธ์ทางธุรกิจที่แท้จริงได้ แม้ว่าคุณจะพัฒนาฟีเจอร์ใหม่ 10 อย่างจริงๆ (ผลผลิต) ก็ไม่ได้รับประกันว่าผู้ใช้จะยอมรับทั้งหมดและใช้งานแอปของคุณมากขึ้น (ผลลัพธ์)

ในความเป็นจริง ด้วยทรัพยากรการพัฒนาที่จำกัดในอดีต ความ “แรงต้าน” นี้บังคับให้ทุกคนต้องถกเถียงกันอย่างรุนแรง ทำให้สามารถตัดไอเดียที่ไม่ดีออกก่อนที่จะสิ้นเปลืองทรัพยากรไปมากเกินไป และเลือกสองไอเดียที่ดีที่สุดออกมา แต่ตอนนี้ การเขียนโค้ดกลับเร็วและถูกมาก จึงดูเหมือนไร้ความหมายที่จะมาถกเถียงว่าไอเดียไหนดีหรือไม่ดี แม้คุณจะพยายามโต้แย้ง คุณคิดว่าคุณจะหยุดซีอีโอหรือพีเอ็มไม่ให้หันไปขอความช่วยเหลือจาก Claude เองได้อย่างไร? อย่าลองเลย ไม่จำเป็นต้องลองเลย

เราทุกคนรู้ดีว่ามันน่าทรมานแค่ไหน ก่อนอื่นต้องทำให้ผู้มีส่วนได้ส่วนเสียทุกคนเห็นพ้องต้องกันว่า “ทำไม” ถึงต้องทำสิ่งนี้ จากนั้นต้องจัดประชุมอีกครั้งเพื่อหารือว่า “จะทำอะไรบ้าง” และสุดท้าย ทุกคนยังต้องมาถกเถียงกันอีกว่า “จะทำอย่างไร”

ทีมมีจำนวนยิ่งมาก โครงการที่ติดอยู่ใน “นรกของการจัดแนว” ก็ยิ่งมากขึ้น ก่อนหน้านี้ปัญหานี้ถูกซ่อนไว้เพราะการเขียนโค้ดช้า ตอนนี้กลับกัน ทันทีที่ตัดสินใจว่า “ต้องทำอะไรสักอย่าง” ก็จะมีคนทำงานทั้งคืนเพื่อสร้างผลิตภัณฑ์ขั้นต่ำที่ใช้งานได้ (MVP) (ผลิตภัณฑ์ที่พัฒนาด้วยต้นทุนต่ำสุดเพื่อแสดงแนวคิดหลักเพียงพอสำหรับการทดลองอย่างรวดเร็ว) และจัดประชุมครั้งถัดไปในวันถัดไปทันที

ในการประชุม คุณรู้สึกตกใจที่พบว่าทีมอื่นก็แอบพัฒนา MVP ของตัวเองไปแล้ว! ยิ่งไปกว่านั้น เนื่องจากคุณทั้งสองทีมอิงสมมติฐานที่ต่างกัน ตรรกะการดำเนินงานของผลิตภัณฑ์ทั้งสองจึงแตกต่างกันอย่างสิ้นเชิง

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

แต่พูดให้ตรงไปตรงมาเถอะ คุณและทีมของคุณที่ถือครอง Claude Token ไม่จำกัดจำนวน คงไม่สนใจจะทำแบบนี้หรอก และทีมอื่นก็เช่นกัน คุณจะหันไปพึ่ง Claude ทันทีโดยไม่ลังเล และให้มันรีบสร้างงานของทีมตรงข้ามใหม่ทั้งหมดตามวิธีที่คุณคิดว่าสมบูรณ์แบบที่สุด โดย Claude จะตอบอย่างเชื่องฟังว่า: “คุณพูดถูกต้องมาก!” แล้วรีบเริ่มพิมพ์โค้ดทันที

การเลิกจ้างสามารถแก้ปัญหาอะไรได้บ้าง?

โอเค ขอบคุณที่อดทนฟังฉันพูดเรื่องหลักการที่ชัดเจนเหล่านี้มานานขนาดนี้ ฉันรู้ว่าคุณอยากดูเนื้อหาแก่นแท้ที่สุด

การเลิกจ้างสุดท้ายแล้วสามารถบรรลุเป้าหมายอะไรได้บ้าง? ตามสมมติฐานของฉัน หาก AI ไม่ได้แทนที่พนักงานจริงๆ 30% แบบ一对一 (จุดนี้ทุกคนน่าจะเห็นพ้องต้องกันใช่ไหม? แม้ว่า AI จะเก่งกว่าพนักงานระดับเริ่มต้นในหลายงาน แต่ในบางงานก็ยังด้อยกว่ามนุษย์—มันไม่ใช่ชิ้นส่วนที่สามารถถอดหรือเสียบแทนได้ทันที ยิ่งไปกว่านั้น มันไม่มีทางสามารถแทนที่พนักงาน 10% 20% หรือแม้แต่ 30% ของบริษัทได้โดยตรง)

ถ้าเป็นเช่นนั้น ตรรกะของการเลิกจ้างอยู่ที่ไหน? เพราะมันสามารถแก้ไขปัญหาสองข้อที่อยู่บนโต๊ะในระยะสั้นได้อย่างเห็นผลทันที

นี่คือโจทย์เลขพื้นฐานเกี่ยวกับกระแสเงินสด ชัดเจนว่า หากวิศวกรของคุณที่ติด Claude ใช้จ่าย 100 ดอลลาร์สหรัฐต่อวันบน Claude (ซึ่งเท่ากับ 2,500 ดอลลาร์สหรัฐต่อเดือนหรือ 30,000 ดอลลาร์สหรัฐต่อปี) จำนวนเงินนี้ในอินเดียเทียบเท่ากับเงินเดือนทั้งหมดของวิศวกรพัฒนาซอฟต์แวร์ (SDE) หนึ่งคน; ในยุโรปเทียบเท่ากับครึ่งหนึ่งของ SDE; และในสหรัฐอเมริกาก็เทียบเท่ากับหนึ่งในสี่ของ SDE

หากคำนวณอย่างง่ายที่สุด: สมมติว่าในบริษัทที่มีโครงสร้างแบนราบ พนักงานทั้งหมดเป็น SDE เพื่อรักษาค่าใช้จ่ายด้านเงินเดือนรวมทั้งหมด (รวมถึงค่าใช้จ่ายในการซื้อ Token) คุณจะต้องเลิกจ้างพนักงาน 50% (อินเดีย) 33% (ยุโรป) หรือ 20% (สหรัฐอเมริกา)

ในความเป็นจริง เนื่องจากการใช้งาน AI กำลังเติบโตอย่างบ้าคลั่งโดยไม่คำนึงถึงสิ่งอื่นใด แต่รายได้ของบริษัทกลับไม่เพิ่มขึ้นตามไปด้วย การปลดพนักงานจึงกลายเป็นทางเลือกที่หลีกเลี่ยงไม่ได้ มิฉะนั้น งบดุลของบริษัทจะพังทลายอย่างสมบูรณ์ หากต้นทุนการลงทุนของคุณเพิ่มขึ้น 50% แต่ผลลัพธ์ทางธุรกิจสุดท้ายกลับไม่มีการเปลี่ยนแปลงเลยหรือยังคงเดิม ประสิทธิภาพทางเศรษฐกิจต่อหน่วยของวงจรการพัฒนาซอฟต์แวร์ทั้งหมดของคุณก็จะล่มสลายอย่างสมบูรณ์

หากเราเรียนรู้วิธีใช้ AI อย่างแท้จริง — ค้นพบวิธีแปลงต้นทุนที่เพิ่มขึ้น 50% เป็นรายได้ที่เพิ่มขึ้น 50% เราก็ไม่จำเป็นต้องมาถึงขั้นนี้ แต่เนื่องจากคุณยังไม่ได้เรียนรู้ ดังนั้นบางคนในกลุ่มคุณจึงต้องแพ็กของออกไป เพื่อให้มีเงินจ่ายค่าจ้างให้กับ Anthropic

ไม่ต้องสงสัยเลย ขนาดของบริษัทใหญ่ใดๆ ย่อมใหญ่เกินกว่าที่จำเป็นสำหรับการ “อยู่รอด” เพียงอย่างเดียว นี่คือลักษณะเฉพาะของบริษัทขนาดใหญ่ องค์กรขนาดใหญ่จะต้องสะสม “ไขมันองค์กร” ซึ่งเป็นผลลัพธ์ที่หลีกเลี่ยงไม่ได้จากการออกแบบโครงสร้างองค์กร

ในบริษัทเหล่านี้ แม้จะมีคนลาออก ระบบก็ยังคงทำงานต่อไป เพราะยังมีคนอื่นที่รู้ว่าเขาเคยทำอะไรมา ในบริษัทใหญ่หลายแห่ง คุณสามารถพักลาคลอดได้ถึงหกเดือน และโปรเจกต์ที่คุณรับผิดชอบก็ยังคงปลอดภัยดี นี่เป็นสิ่งที่ดี! แต่ในขณะเดียวกัน มันก็เป็นหลักฐานที่ชัดเจนว่า หากบริษัทเลิกจ้างคนบางส่วน บริษัทจะไม่ล่มสลายทันที ตรงกันข้าม หลังจากผ่านช่วงแรกๆ ที่มีอาการเจ็บป่วยเชิงระบบ ภายในไม่กี่เดือนถัดมา ความเร็วในการดำเนินงานอาจยิ่งเร็วขึ้น!

ยังจำทีมทั้งสองที่เคยกล่าวถึงก่อนหน้านี้ซึ่งยึดมั่นในแนวทางเทคนิคของตนเองไม่ยอมประนีประนอมไหม? ง่ายมาก เพียงแค่เลิกจ้างทีมหนึ่งทีม แล้วให้ทีมที่เหลืออยู่ทำงานล่วงเวลาหลายคืนจนเสร็จสิ้น—พวกเขาจะไม่ต้องมา「ประสานงาน」กับใครอีกเลย

เราไม่สามารถคาดการณ์ได้ว่าในระยะยาวจะเกิดอะไรขึ้น (หรือใช้คำพูดของนักเศรษฐศาสตร์ keynes ที่ว่า — “ในระยะยาว เราทุกคนต่างก็ตายไปแล้ว”) แต่ในระยะสั้น การเลิกจ้างพนักงาน 10-20% ในบริษัทขนาดใหญ่ จะทำให้จังหวะการทำงานเร็วขึ้นเท่านั้น

องค์กรขนาดใหญ่เมื่อเวลาผ่านไป จะไม่หลีกเลี่ยงได้ที่จะสะสมความซ้ำซ้อนและพนักงานเกินความจำเป็น คล้ายกับการสะสมหนี้ทางเทคนิค แต่เป็นหนี้ด้านองค์กรจำนวนมาก นี่คือโรคประจำตัวขององค์กรขนาดใหญ่ การเลิกจ้างคน 10% วันนี้ก็ไม่สามารถหยุดยั้งการกลับมาของปัญหาเดิมอีกสองปีข้างหน้าได้ แต่เมื่อคุณเห็นทุกคนอวดว่าพวกเขาส่งโค้ดมากกว่าเดิมถึง 5 เท่า แต่กลับไม่สามารถเปิดใช้งานได้เพราะถูกทีมอื่นขัดขวาง วิธีแก้ที่ตรงที่สุดและรุนแรงที่สุดก็คือ: เลิกจ้างบางคน เพื่อให้ไม่มีใครขัดขวางกันอีก

นี่คือการเลิกจ้างโดยใช้ปัญญาประดิษฐ์ แม้ว่าปัญญาประดิษฐ์จะไม่ได้แทนที่ตำแหน่งของคุณโดยตรง

หมายเลขพนักงานของคุณถูกแทนที่โดยตัวอย่าง Claude ใหม่ที่ทำงานบนเครื่องเสมือนหรือไม่? เราทุกคนรู้ดีว่าเรื่องนี้ไม่เป็นความจริง

อย่างไรก็ตาม ไม่ใช่เรื่องจริงหรือที่ในบริษัทมีกระบวนการทำงานจำนวนมากที่ก่อนหน้านี้คุณต้องพิมพ์คีย์บอร์ดหรือคลิกเม้าส์ใน VS Code, Figma, Canva หรือ Google Docs เพื่อทำให้เสร็จ แต่ตอนนี้กลับกลายเป็นว่าผู้อื่น (ผู้ที่เคยต้องการผลลัพธ์งานจากคุณ) แค่ตะโกนคำสั่งไปยังโมเดลภาษาขนาดใหญ่ แล้วก็ไม่ยอมมาหาคุณช่วยอีกต่อไป? นี่ก็เป็นความจริงที่หลีกเลี่ยงไม่ได้

การเลิกจ้างเหล่านี้ถือเป็น “การล้างภาพด้วย AI” หรือไม่? กล่าวคือ — บริษัทมีปัญหาพื้นฐานที่ไม่เกี่ยวข้องกับ AI อยู่แล้วหรือไม่ (เช่น การจ้างงานเกินความจำเป็น กำไรลดลง แรงกดดันจากการแข่งขัน การตัดสินใจทางธุรกิจที่แย่) และตอนนี้แค่ใช้ AI เป็น “ข้ออ้าง” สำหรับการเลิกจ้าง? ใช่ ในระดับหนึ่งก็มีเหตุผล

คุณอาจสังเกตเห็นว่า หากรวบรวมอีเมลการปลดพนักงานทั้งหมดที่ซีอีโอเหล่านี้ส่งในช่วงเวลานี้ คุณอาจรู้สึกเหมือนพวกเขาสร้างกลุ่มแชทขึ้นมาเพื่อปรึกษากันและเขียนอีเมลเหล่านี้ร่วมกัน “ทีมเนื้อหาแบบ AI-native”、“ผู้จัดการที่เขียนโค้ด”、“เพิ่มช่วงการจัดการ”、“โครงสร้างแบบแบน”、“การจัดการทีมตัวแทนปัญญาประดิษฐ์”… คุณจะพบว่าคำศัพท์ใหม่ๆ เหล่านี้ปรากฏขึ้นเหมือนกันในทุกอีเมล ราวกับว่าพวกเขาให้ GPT รับคำสั่งเดียวกันทั้งหมด

แต่ความจริงคือ แม้ว่าการเลิกจ้างเหล่านี้จะไม่ได้เกิดจาก AI แทนที่คุณโดยตรง หรือแม้จะมีส่วนของ “การล้างภาพลักษณ์ด้วย AI” ผสมอยู่ การเลิกจ้างเหล่านี้ก็ยังคงเกิดขึ้นเพราะ AI โดยพื้นฐาน และคลื่นการเลิกจ้างนี้จะยังคงดำเนินต่อไปจนกว่าเราจะเรียนรู้วิธีใช้งาน AI อย่างแท้จริง

จนกว่าเราจะเรียนรู้วิธีแปลง AI Token จำนวนมากให้กลายเป็นผลลัพธ์ทางธุรกิจที่จับต้องได้ ไม่ใช่แค่การลงทุนในโค้ด; จนกว่าเราจะเรียนรู้ให้ความเร็วในการจัดแนวระหว่างองค์กร ทันกับความเร็วในการเขียนโค้ดของยุคใหม่; จนกว่าเราจะเข้าใจว่า นอกเหนือจากไอเดียที่ดี 2 ไอเดียและไอเดียแย่ๆ 8 ไอเดียเดิม เราจะใช้พลังผลิตที่เพิ่มขึ้นนี้เพื่อตามหาไอเดียใหม่ๆ อีก 10 ไอเดียที่มีศักยภาพได้อย่างไร

ก่อนที่เราจะเข้าใจอย่างแท้จริงว่า AI ขับเคลื่อนการเติบโตของ GDP ทั่วโลกได้อย่างไร บริษัทต่างๆ จึงต้องตัดเงินเดือนพนักงานเพื่อชดเชยค่าใช้จ่ายโทเค็นรายปีที่สูงถึง 7,000 ล้านดอลลาร์สหรัฐ (รวมรายได้ระดับองค์กรของ OpenAI และ Anthropic)

แต่ก่อนที่เราจะเรียนรู้วิธีแก้ไขปรากฏการณ์ที่ทีมต่างๆ ขัดขวางกันอย่างมีประสิทธิภาพมากขึ้น วิธีแก้ปัญหาเดียวที่มีอยู่คือการลบเราออกจากแผนผังองค์กรโดยตรง

อีก 15 วันฉันจะได้รู้ชะตากรรมของตัวเอง แต่ไม่ว่าผลลัพธ์จะเป็นอย่างไร ฉันคิดว่าฉันคงรู้สาเหตุแล้ว แม้ว่าคนที่นั่งตัดสินใจในห้องรองประธานกรรมการที่กว้างขวางตอนนั้นจะเป็นฉัน ฉันก็ไม่แน่ใจว่าจะทำได้ดีกว่านี้หรือไม่ บางทีฉันอาจเลือกตัดสินใจเหมือนกับ CEO คนอื่นๆ ที่สร้างกลุ่มขึ้นมา

Original link

คลิกเพื่อเรียนรู้ตำแหน่งที่律动BlockBeats กำลังรับสมัคร

ยินดีเข้าร่วมชุมชนอย่างเป็นทางการของ律动 BlockBeats:

กลุ่มสมัครรับข้อมูลบน Telegram: https://t.me/theblockbeats

กลุ่ม Telegram: https://t.me/BlockBeats_App

บัญชีทางการบน Twitter: https://twitter.com/BlockBeatsAsia