Tiêu đề gốc: Việc sa thải sẽ tiếp tục cho đến khi chúng ta học cách sử dụng AI
Tác giả gốc: Arnav Gupta, kỹ sư AI
Biên soạn gốc: Baoyu, nhà phân tích AI

Trong văn phòng cao tầng của công ty chúng tôi, đâu đó có một danh sách sa thải lên tới 8.000 người. Có 10% khả năng tôi có tên trong danh sách này. Vài ngày nữa, ngày 20 tháng 5, tôi sẽ biết được số phận của mình.

Sau khi xem tin tức về việc "sa thải AI" do Coinbase công bố ngày hôm nay, tôi quyết định viết bài này. Tôi cố tình bắt đầu viết trước ngày 20 tháng 5 vì tôi muốn chia sẻ một số ý kiến ​​​​trung thực nhất của mình mà không có bất kỳ cảm xúc cá nhân nào về việc "tôi nên ở lại hay tôi nên đi". Những suy nghĩ này không những không liên quan đến việc liệu tôi có bị sa thải hay không, mà còn không chỉ giới hạn ở công ty của tôi. Chúng đến từ tiếng nói thật của những người bạn của tôi, những người làm việc trong các công ty vừa và lớn.

Hiện có rất nhiều bài báo tranh luận liệu làn sóng sa thải mới này (thường được cho là bắt đầu khi Jack Dorsey sa thải 40% nhân viên của Square) là do AI gây ra, hay đó chỉ là do "rửa AI" (ám chỉ các công ty lấy danh nghĩa sử dụng AI để che đậy mục đích thực sự của những thất bại trong kinh doanh hoặc sa thải khác).

Tôi không muốn tra tấn bạn bằng các liên kết đến nhiều tin tức và bài báo khác nhau trong bài viết. Bạn có thể đã xem những nội dung này hoặc bạn có thể tìm thấy chúng bằng cách tìm kiếm trên Google hoặc hỏi ChatGPT.

“Năng suất AI” được quảng cáo rầm rộ và bằng chứng khó nắm bắt

Liệu AI có thực sự giúp chúng ta làm việc hiệu quả hơn không? Đây thực sự là một vấn đề gây tranh cãi! Nếu chúng ta nghĩ ngược lại và khẳng định “AI chẳng thay đổi gì cả”, tôi nghĩ ngay cả những người hoài nghi nhất về giá trị của AI cũng sẽ không đồng tình với nhận định này.

Đặc biệt là ở các công ty công nghệ, việc sử dụng AI tăng vọt là một thực tế trước mắt chúng ta. Ngay cả đối với những công ty bảo thủ nhất đặt ra giới hạn về ngân sách AI và không trang bị cho nhân viên các công cụ AI, không thể phủ nhận rằng một số công việc thực sự được thực hiện bởi AI - ngay cả khi nhân viên chỉ chăm chỉ chỉnh sửa tài liệu trong bộ ứng dụng văn phòng của Google hoặc Microsoft, bí mật sử dụng Gemini hoặc Copilot.

Đối với những công ty có tầm nhìn xa hơn và đi sâu vào đại dương token AI (đơn vị cơ bản để mô hình AI xử lý văn bản, doanh nghiệp thường được tính phí theo số lượng token tiêu thụ khi sử dụng mô hình ngôn ngữ lớn), chẳng hạn như Uber hay Shopify (Tôi không bao gồm các công ty như Meta hay Microsoft phát triển mô hình ngôn ngữ lớn của riêng họ, cũng như các công ty như Vercel hay Cloudflare tích cực xây dựng cơ sở hạ tầng AI; chỉ có "người dùng thuần túy"), việc sử dụng AI của họ đã trở nên điên rồ.

Chúng ta đã thấy tất cả: từ 90% đến 100% mã do AI tạo ra, đến số lượng đánh giá mã (PR/khác biệt) được gửi mỗi tuần tăng từ 2 đến 5 lần, đến ngân sách AI hàng năm lên tới hàng trăm triệu đô la được tiêu tốn chỉ trong vài tháng.

Tuy nhiên, các nhà phê bình và đầu tư công nghệ như Ed Zitron, Will Manidis, Gary Marcus và Michael Bury chắc chắn sẽ hỏi bạn một câu hỏi khiến bạn đau lòng: Nếu đúng như vậy, tại sao doanh thu của các công ty này không tăng từ 2 đến 5 lần? Tại sao ứng dụng của họ trông gần giống hệt như nửa năm trước? Nếu AI thực sự hiệu quả như vậy thì chính xác thì họ đang sản xuất cái gì với AI? Nếu họ viết mã nhiều hơn gấp 5 lần và người dùng cuối không nhận thấy thì việc đó có ý nghĩa gì? Đây là một câu hỏi cực kỳ chính đáng và chính đáng.

Đầu vào, đầu ra và kết quả

Trước tiên, chúng ta phải đưa vào một số bài học quản lý kinh doanh cơ bản. Khi một công ty cỡ vừa, đang phát triển nhanh, được tài trợ quá mức và đang vung tiền khắp nơi cuối cùng cạn tiền, bạn hãy tìm đến một CEO cấp cao để xin lời khuyên. Anh ta sẽ đề nghị bạn mời ai đó từ McKinsey tới để xem xét tình hình. Chuyên gia tư vấn sẽ đặt một slide màu trắng tinh trên trang đầu tiên của bài thuyết trình, trên đó viết ba từ bằng phông chữ Arial mặc định: “Input, Output, Outcome”.

Họ sẽ giải thích cho bạn một bản chất kinh doanh mà mọi người đều biết nhưng luôn quên:

Mã chỉ là đầu tư.

Hàm là đầu ra.

Người dùng sẵn sàng trả tiền cho sản phẩm của bạn, đây là kết quả.

AI (hoặc ít nhất là một sản phẩm như Claude Enterprise) về cơ bản là một sản phẩm B2B SaaS. Bạn sẽ thấy rằng các sản phẩm SaaS được định giá và tiếp thị khác nhau. Nếu một sản phẩm trực tiếp thay đổi "kết quả", họ thường lấy phần trực tiếp từ "kết quả". Hãy tưởng tượng lời chào hàng này: "Công cụ của chúng tôi có thể giúp bạn tạo ra khách hàng tiềm năng nhanh hơn 36%. Hãy thử ngay bây giờ và trả phí dịch vụ thấp bằng 5% doanh số bán hàng".

Đây là một cách chắc chắn để giết chết khách hàng. Tất cả những điều khác đều như nhau, nếu bạn có thể chốt 100 giao dịch trong 100 ngày qua thì hiện tại chỉ mất 63 ngày. 36 ngày được lưu lại (nếu phép tính của tôi đúng) sẽ cho phép bạn chốt thêm 57 giao dịch! Đó là tiềm năng tăng 57% doanh số bán hàng của bạn. Bất cứ ai cũng sẽ rất vui khi nhận 5% hoa hồng bán hàng của mình để đổi lấy doanh thu tăng thêm 57%. Và nếu bạn không sử dụng sản phẩm, bạn sẽ không phải trả một xu nào.

Bạn có thể đoán được điều tôi sắp nói - Mô hình định giá việc tiêu thụ Token của Claude hoàn toàn khác. Nếu kỹ sư phần mềm của bạn nghiện lập trình với Claude như nghiện (tôi mới phát hiện ra rằng chữ viết tắt tiếng Anh của cả hai thực ra là "cc") và tạo ra 100 triệu Token mỗi ngày, thì bạn sẽ phải trả 100 USD cho mỗi kỹ sư mỗi ngày.

Ngay cả khi một phần mã họ tạo ra bị ném vào thùng rác vì nó không hoạt động;

Ngay cả khi một số đoạn mã sau đó gây ra lỗi hệ thống nghiêm trọng (SEV) (SEV dùng để chỉ Mức độ nghiêm trọng (thường được các công ty công nghệ dùng để chỉ những sự cố trực tuyến nghiêm trọng dẫn đến gián đoạn dịch vụ) đã được khẩn trương khôi phục;

Cho dù vẫn còn một phần mã thì cũng chỉ là để làm lại các công cụ nội bộ để các phó chủ tịch cảm thấy dễ thương hơn khi nhìn vào bảng điều khiển dữ liệu;

Mọi thứ đều phải được thanh toán đầy đủ. Bởi vì mã chỉ là "đầu tư". Mặc dù nói chung nói, miễn là hướng đi đúng, nhiều "đầu vào" hơn thường sẽ mang lại nhiều "đầu ra" hơn, điều này sẽ dẫn đến "kết quả" tốt hơn. Tuy nhiên, quy tắc này không nhất thiết phải áp dụng khi bạn nhân số tiền đầu tư của mình lên 5 lần chỉ sau một đêm. src="https://image.blockbeats.cn/file_v6/20260511/a02480caecd9f0cfc8dca52309ba1902922e916c.jpg" alt="" data-href="" style=""/>

Điều gì đang cản trở chúng tôi

Trước đây, mỗi lần CEO hoặc giám đốc sản phẩm (PM) muốn làm 10 việc! nhiều thứ, nhóm phát triển sẽ luôn nói rằng họ chỉ có thể làm hai việc quan trọng nhất và họ không có thời gian để làm 8 việc còn lại. Lý do là gì? Bởi vì viết mã không chỉ là trò chơi, phải mất rất nhiều thời gian để phát triển một phần mềm phức tạp và đầy đủ chức năng

Hmm...nhưng hiện tại, tại sao chúng ta chưa làm được 8 việc còn lại? là điều mà quản lý cấp trung và nhân viên cấp cao không muốn nghe.

1. Trên thực tế, 8 ý tưởng đó...không đáng tin cậy chút nào?

Chỉ vì 10 ý tưởng xuất hiện trong đầu CEO hoặc người quản lý sản phẩm, không có nghĩa là chúng thực sự mang lại kết quả kinh doanh thực tế. Ngay cả khi bạn tạo ra 10 tính năng (đầu ra) mới, không có gì đảm bảo rằng người dùng sẽ mua tất cả và do đó sử dụng ứng dụng của bạn nhiều hơn (kết quả).

Trên thực tế, chính vì trước đây nguồn lực phát triển có hạn nên sự "ma sát" này buộc mọi người phải tranh luận gay gắt hơn, để những ý tưởng tồi có thể bị loại bỏ sớm trước khi chúng tiêu tốn quá nhiều tài nguyên và hai cái tốt nhất có thể được chọn. Bây giờ việc viết mã quá nhanh và rẻ, việc tranh luận về giá trị của các ý tưởng dường như vô nghĩa.

2. Bắt tất cả mọi người phải “đồng ý” là điều quá khó khăn.

Tất cả chúng ta đều biết điều này có thể đau đớn đến mức nào. Đầu tiên, tất cả các bên liên quan phải đạt được sự đồng thuận về "tại sao" nên thực hiện một việc gì đó; sau đó, một cuộc họp khác phải được tổ chức để thảo luận về "cái gì" cụ thể; trước đây, vấn đề này đã được che đậy do viết mã chậm. Bây giờ thì tốt hơn. Sau khi đưa ra quyết định "phải làm gì", ai đó sẽ ngay lập tức tìm ra một sản phẩm khả thi tối thiểu (MVP) (Phát triển một sản phẩm chỉ thể hiện được ý tưởng cốt lõi với chi phí thấp nhất, để dùng thử và sửa lỗi nhanh chóng) và ngay lập tức sắp xếp cuộc họp tiếp theo vào ngày hôm sau

Tại cuộc họp, bạn rất ngạc nhiên khi phát hiện ra rằng một nhóm khác cũng đã bí mật tạo MVP! Điều tệ hơn nữa là vì bạn. dựa trên những giả định khác nhau, logic hoạt động của hai sản phẩm là hoàn toàn khác nhau.

Tất nhiên, bạn có thể ngồi xuống và thảo luận xem giả thuyết của ai là đúng.

Nhưng thành thật mà nói, bạn và nhóm của bạn quá lười biếng để làm điều này vì bạn có số lượng Token Claude không giới hạn. Không ngần ngại, bạn sẽ quay lại và lao vào vòng tay của Claude, tái tạo lại tác phẩm của nhóm đối diện theo cách mà bạn cho là hoàn hảo. chỉ cần ngoan ngoãn trả lời: "Bạn hoàn toàn đúng!" và sau đó bắt đầu nhập mã ngay lập tức

Vấn đề gì có thể khiến nhân viên bị sa thải? giải quyết được không?

Chà, cảm ơn bạn đã kiên nhẫn nghe tôi nói về những sự thật hiển nhiên này trong một thời gian dài. Tôi biết bạn muốn xem nội dung cốt lõi.

Việc sa thải có thể đạt được mục đích gì? Theo giả thuyết của tôi, nếu AI không thực sự thay thế được 30% nhân viên (mọi người đều có thể đồng ý về điều này, phải không? Mặc dù nó tệ hơn những công nhân cổ trắng cấp dưới trong nhiều nhiệm vụ, nhưng nó không tốt bằng con người trong các nhiệm vụ khác). - nó chắc chắn không phải là bộ phận có thể trực tiếp cắm vào và thay thế chứ đừng nói đến việc thay thế trực tiếp 10%, 20% hay thậm chí 30% nhân sự của công ty).

Trong trường hợp này, logic của việc sa thải là gì? Bởi vì nó giải quyết ngay lập tức hai vấn đề ngắn hạn trên bàn

1. Các kỹ sư nghiện Claude chi 100 đô la một ngày cho Claude (tức là 2.500 đô la một tháng, 30.000 đô la một năm), số tiền này đã có giá trị bằng toàn bộ tiền lương của một Kỹ sư phát triển phần mềm (SDE) ở Ấn Độ; một nửa SDE ở Châu Âu; và một phần tư SDE ở Hoa Kỳ

Nếu bạn thực hiện phép tính đơn giản và thô sơ nhất: giả sử rằng trong một công ty phẳng, tất cả nhân viên đều là SDE. (bao gồm cả chi phí mua token), bạn sẽ phải sa thải 50% (Ấn Độ), 33% (Châu Âu) hoặc 20% (Mỹ) nhân viên của mình.

Trên thực tế, do việc sử dụng AI đang phát triển mạnh mẽ bất chấp mọi thứ, nhưng doanh thu của công ty không tăng tương ứng, việc sa thải đã trở thành một lựa chọn tất yếu, bảng cân đối kế toán của công ty sẽ hoàn toàn sụp đổ nếu chi phí đầu vào của bạn tăng 50% nhưng kết quả kinh doanh cuối cùng không được cải thiện hoặc thậm chí không thay đổi. tính kinh tế đơn vị trong toàn bộ vòng đời phát triển phần mềm của bạn sẽ hoàn toàn sụp đổ

Nếu chúng tôi thực sự học được cách sử dụng AI—và tìm ra cách biến mức tăng 50% chi phí đầu vào thành tăng 50% doanh thu—chúng tôi sẽ không phải thực hiện bước này. Nhưng vì các bạn chưa học nên một số bạn phải thu dọn đồ đạc và rời đi để dành tiền trả lương cho Anthropic

2. tax"

Không còn nghi ngờ gì nữa, quy mô của bất kỳ công ty lớn nào đều vượt xa quy mô được yêu cầu đơn giản để "sống sót". Đây chính xác là đặc điểm của các công ty lớn. Các tổ chức lớn đều có định mệnh tích lũy "mỡ tổ chức", đây là kết quả tất yếu của việc thiết kế cơ cấu tổ chức.

Ở những công ty này, ngay cả khi có ai đó rời công ty, hệ thống vẫn có thể hoạt động vì luôn có người khác biết những gì họ đã làm trước đây. Ở nhiều nhà máy lớn, bạn thậm chí có thể yên tâm nghỉ thai sản nửa năm. tâm trí, và các dự án mà bạn chịu trách nhiệm vẫn an toàn và lành mạnh. Đây đều là những dấu hiệu tốt! Nhưng đây cũng là một bằng chứng chắc chắn: nếu một số người bị sa thải, công ty sẽ không bao giờ bị tê liệt ngay lập tức. Ngược lại, sau vài tuần đầu tiên gặp khó khăn mang tính hệ thống, mọi thứ thậm chí còn nhanh hơn trong những tháng tới

Bạn có nhớ hai nhóm đã đề cập trước đó đã bế tắc về các giải pháp kỹ thuật không? để hoàn thành công việc - họ không còn phải "liên kết" với bất kỳ ai

Chúng ta không thể đoán trước được điều gì sẽ xảy ra về lâu dài (hay nói như nhà kinh tế học Keynes - "Về lâu dài, tất cả chúng ta đều chết"), nhưng trước mắt, việc sa thải 10-20% nhân viên ở các công ty lớn sẽ chỉ khiến tốc độ làm việc nhanh hơn. nợ nần Đây là một vấn đề phổ biến ở các công ty lớn. Việc sa thải 10% nhân viên ngày nay sẽ không ngăn được sự tái diễn của các vấn đề cũ trong hai năm. Tuy nhiên, khi bạn thấy mọi người khoe khoang rằng họ đã gửi mã nhiều hơn gấp 5 lần so với trước đây nhưng vẫn không thể lên mạng vì bị các nhóm khác mắc kẹt, thì giải pháp trực tiếp và thô thiển nhất rõ ràng là: sa thải một số người, để không ai mắc kẹt với nhau. src="https://image.blockbeats.cn/file_v6/20260511/31bd641faaeb2972f27297345a59540c4545255e.jpg" alt="" data-href="" style=""/>

Đây là đợt sa thải AI, ngay cả khi AI Nó không trực tiếp thay thế chỗ ngồi của bạn

Mã số công việc của bạn đã được thay thế bởi một phiên bản Claude mới chạy trên máy ảo? Tất cả chúng ta đều biết điều đó không xảy ra.

Mặc dù vậy, có nhiều quy trình làm việc trong công ty từng yêu cầu bạn gõ bàn phím và nhấp chuột trong VS Code, Figma, Canva hoặc Google Docs, nhưng giờ đây những người khác (những người ban đầu cần bạn cung cấp những kết quả công việc này) chỉ hét vào mô hình ngôn ngữ lớn và viết một từ nhắc nhở và không còn bận tâm đến nhờ bạn giúp đỡ nữa? Đây cũng là một sự thật không thể chối cãi.

Những đợt sa thải này có được coi là "tẩy trắng AI" không? Nói cách khác - công ty đã gặp phải nhiều vấn đề cơ bản khác nhau không liên quan gì đến AI (chẳng hạn như tuyển dụng quá nhiều, lợi nhuận giảm, áp lực cạnh tranh, quyết định kinh doanh kém) và giờ đây công ty chỉ sử dụng AI như một "cái cớ" để sa thải nhân viên? Chà, điều đó có lý ở một mức độ nhất định. họ đã thành lập một nhóm trò chuyện để chia sẻ những email này. "Nhóm AI gốc", "những người quản lý viết mã", "tăng phạm vi quản lý", "kiến trúc phẳng", "quản lý nhóm đặc vụ AI"... Bạn sẽ thấy rằng những từ mới này xuất hiện chính xác trong mọi email. Gần giống như họ đã cung cấp cho GPT cùng một cụm từ nhắc nhở

Nhưng sự thật là ngay cả khi những lần sa thải này không phải do AI trực tiếp thay thế bạn, ngay cả khi chúng được trộn lẫn với các yếu tố "tẩy trắng AI", những lần sa thải này cuối cùng vẫn gây ra. bởi AI. Và làn sóng sa thải này sẽ tiếp tục cho đến khi chúng ta thực sự học cách sử dụng AI.

Cho đến khi chúng ta học cách biến số lượng Token AI khổng lồ thành kết quả kinh doanh thực sự, không chỉ là đầu tư vào mã; cho đến khi chúng ta học cách làm cho tốc độ "liên kết" giữa các tổ chức theo kịp tốc độ mã hóa của thế hệ mới; cho đến khi chúng ta tìm ra cách sử dụng năng suất tăng thêm này để theo đuổi 10 ý tưởng mới đầy tiềm năng khác ngoài 2 ý tưởng hay và 8 ý tưởng tồi ban đầu

Trước khi chúng ta thực sự hiểu được. AI thúc đẩy tăng trưởng GDP toàn cầu như thế nào, để trang trải chi phí mã thông báo hàng năm lên tới 70 tỷ USD (doanh thu cấp doanh nghiệp kết hợp của OpenAI và Anthropic), các công ty chỉ có thể "loại bỏ thứ này để trả cho thứ kia" bằng cách cắt giảm lương nhân viên

Và cho đến khi chúng ta học được cách giải quyết hiệu quả hơn những nút thắt giữa các nhóm, sẽ luôn chỉ có một giải pháp cho vấn đề - chỉ cần xóa chúng tôi khỏi sơ đồ tổ chức

Trong 15 ngày nữa, tôi sẽ biết số phận của mình. Nhưng dù kết quả thế nào, tôi nghĩ tôi biết tại sao. Ngay cả khi tôi là người ngồi trong ghế CEO rộng rãi. văn phòng ở góc đưa ra quyết định, tôi không biết liệu mình có thể làm tốt hơn hay không. Có lẽ tôi sẽ đưa ra lựa chọn giống như những CEO khác làm việc theo nhóm

Liên kết gốc