Coinbase zwolnił 14 proc. ludzi: "AI was nie potrzebuje", a ja wiem, że to się rozsypie
Szef jednej z największych firm krypto na świecie skasował dziś kategorię stanowisk, na której stoi pół branży technologicznej. I tym samym ruchem wykopał sobie dół, do którego wpadnie za rok.
5 maja, godzina 13:31 polskiego czasu. Brian Armstrong, prezes Coinbase'a - amerykańskiej giełdy kryptowalut notowanej na nowojorskim Nasdaq, jednej z największych firm tego sektora na świecie - wrzuca na X-a maila do swoich pracowników.
Zwalnia 14 proc. załogi, czyli około 660 osób. I ogłasza nową strukturę firmy: zamiast zespołów po kilkanaście-kilkadziesiąt osób, mają powstać "zespoły jednoosobowe", w których jedna osoba robi to, co kiedyś robił programista, projektant aplikacji i menedżer produktu razem wzięci.
Powód? AI. Tempo, w jakim mała, skoncentrowana grupa potrafi dziś dowieźć produkt, "zmieniło się diametralnie i przyspiesza z każdym dniem" - pisze Armstrong.
Ludzie bez wykształcenia inżynierskiego "dostarczają teraz kod produkcyjny". Wiele procesów wewnątrz firmy jest już zautomatyzowanych. Wniosek: po co nam tylu ludzi, skoro maszyna potrafi sama.
To nie jest kolejna firma technologiczna tnąca etaty. To jest jeden z głośniejszych głosów Doliny Krzemowej, prezes spółki wartej dziesiątki miliardów dolarów, mówiący publicznie i bez ogródek: model "30 osób od jednego produktu" się skończył.
Wracamy do rozmiaru garażu, tylko że z modelem AI w środku. I to jest sygnał, na który warto popatrzeć szerzej, bo nie dotyczy tylko Coinbase'a.
Pracuję od kilkunastu lat w tworzeniu produktów cyfrowych - serwisów internetowych, platform i aplikacji mobilnych - i wiem, jak są zbudowane zespoły, które te produkty robią.
Programista pisze kod. Projektant rysuje to, co widzisz na ekranie telefonu, kiedy logujesz się do banku albo zamawiasz pizzę. Menedżer produktu decyduje, co w ogóle robić, dla kogo i w jakiej kolejności. Każdy z nich to oddzielny zawód, w Polsce łącznie kilkanaście tysięcy ludzi w samej branży technologicznej.
Armstrong powiedział, że jego firma nie potrzebuje już ich wszystkich - wystarczy jeden człowiek z dostępem do AI.
W branży zapanowała panika. I słusznie.
Bo jeśli to ma być nowy standard, to wymazane z mapy zostają wszystkie stanowiska, na których przez ostatnią dekadę zarabiali na życie polscy projektanci aplikacji - od początkujących, którzy dopiero uczą się, jak ułożyć ekran, po doświadczonych ludzi rysujących ilustracje do banków, sklepów internetowych i mediów społecznościowych.
Czytaj też:
Zanim wpadniemy w tryb żałoby - większość firm była po prostu przerośnięta
Jest coś, czego ten post-coinbase'owy szok na chwilę nie pozwala dostrzec. Większość firm technologicznych - i tych w Dolinie Krzemowej, i tych w Warszawie - przez ostatnie pięć lat była po prostu zbyt rozdęta.
W trakcie pandemii pieniądze leżały na ulicy. Stopy procentowe w okolicach zera, kapitał inwestycyjny szukał miejsca, gdzie się ulokować, a firmy technologiczne urosły szybciej niż potrafiły to ogarnąć.
Zatrudniało się "na zapas", bo tak się wtedy robiło. Każdy chciał mieć większy zespół niż konkurencja, bo to wyglądało dobrze w prezentacjach dla inwestorów.
Efekt? Zespoły, w których do jednego ekranu aplikacji przypisanych było pięć osób. Procesy zatwierdzania zmian rozciągnięte na trzy tygodnie. Trzy poziomy menedżerów nad jednym pracownikiem, który właściwie wykonywał całą robotę.
Sam to widziałem z bliska, nie raz.
W tym kontekście Coinbase nie tyle "kasuje zawód projektanta", ile odchudza strukturę, która naprawdę stała się dla firmy ciężarem.
AI jest tu wygodnym pretekstem, ale część tych etatów i tak by zniknęła - z prostej arytmetyki: stopy procentowe poszły w górę, pieniądze przestały być darmowe, a inwestorzy zaczęli pytać, czy spółka przypadkiem nie zatrudnia trzech ludzi do roboty dla jednego.
Tym bardziej że Armstrong nie jest tu pionierem.
W ciągu ostatnich osiemnastu miesięcy podobne ruchy ogłosiły dziesiątki firm - od Mety, przez Klarnę, po Salesforce'a - każda z odrobinę innym uzasadnieniem, ale z tym samym efektem: zespoły, które jeszcze trzy lata temu były znacznie większe, dziś liczą połowę tego. I co ciekawe, większość tych firm działa dalej. Niektóre nawet lepiej.
To nie znaczy, że Armstrong ma rację. Znaczy tyle, że nie wszystkie cięcia są równe. Część z tego, co się teraz dzieje, to porządkowanie bałaganu, który firmy same sobie nawarzyły w czasie pandemicznej hossy. I projektanci, którzy zostaną w tych odchudzonych zespołach, bardzo szybko odkryją, że pracuje im się lepiej, nie gorzej.
Ale to wszystko prawda tylko do pewnego poziomu. Bo jeśli odchudzanie idzie dalej, w rejony "zespołów jednoosobowych", to wjeżdżamy w zupełnie inną historię.
I tu zaczyna się druga warstwa, którą w euforii i panice większość komentatorów pomija - to, co się dzieje po tym, jak firma wytnie połowę zespołu i postawi na małe zespoły z AI w środku.
Za rok te zespoły jednoosobowe będą ratować ci sami ludzie, których teraz zwalniają. Za potrójną stawkę
Powiem wprost, bo siedzę w tym codziennie od dwóch lat: ten model się rozsypie. Nie spektakularnie, nie nagle, tylko po cichu, w trzech etapach.
Etap pierwszy - euforia. AI pisze większość kodu, generuje gotowe ekrany aplikacji, projekt rusza dwa razy szybciej niż wcześniej. Szefowie wrzucają na LinkedIna posty o "dziesięciokrotnym wzroście wydajności". Wszyscy świętują.
Etap drugi - "sprawdzanie pracy AI to nasza nowa robota". W zespołach przestaje być jasne, kto za co odpowiada, bo nikt już niczego nie pisze ani nie rysuje od zera - wszyscy edytują to, co wygenerowała maszyna. Decyzje techniczne i projektowe podejmuje model, a człowiek je akceptuje, często bez głębszego zrozumienia. W internecie pojawiają się posty o "końcu programowania" i "końcu projektowania".
Etap trzeci - moment otrzeźwienia. I tu zaczyna się część, którą widzę u siebie i u znajomych z innych firm już teraz. Dziesięć godzin debugowania - czyli ręcznego szukania błędów w kodzie - tego, co model wygenerował w godzinę. Nikt nie rozumie, jak właściwie zbudowany jest system, bo nikt go nie zaprojektował od zera - po prostu wyszedł z generatora. Coś się sypie, gdy aplikacja jest już używana przez prawdziwych klientów, i zespół spędza tydzień, żeby ustalić dlaczego, bo żadna z ostatnich zmian nie była po-ludzku przemyślana.
Doświadczony specjalista, który umie wejść w taki bałagan, skasować pięć tysięcy linijek wygenerowanego śmiecia i napisać pięćdziesiąt czystych, robi się nagle dziesięć razy droższy niż rok wcześniej. Bo jest jednym z pięciu w mieście, którzy to potrafią.
To nie jest spekulacja. To jest opis niemal każdego projektu z AI w roli głównej, przy którym przepracowałem ostatnie dwa lata. I dotyczy nie tylko kodu - dokładnie to samo dzieje się przy projektowaniu aplikacji.
Coinbase będzie tę krzywą przechodził publicznie i na żywo. Polecam śledzić.
AI już zjadło robotę początkujących projektantów. To nie spekulacja, to fakt z mojego biurka
Armstrong ma rację w jednym konkretnym punkcie: tempo, w jakim mała, skoncentrowana grupa potrafi dziś dowieźć działający produkt, faktycznie zmieniło się diametralnie. To, co zajmowało dwa dni, dziś robię z modelem AI w czterdzieści minut. Nie udaję, że jest inaczej. Liczby się zgadzają.
Problem zaczyna się gdzie indziej. Początkujący uczył się tego rzemiosła właśnie na takich zadaniach. To była jego ścieżka do tego, żeby kiedyś zrozumieć, dlaczego dany ekran w ogóle istnieje.
Jak teraz ma trafić od pierwszego dnia w pracy do "rozumienia kontekstu biznesowego", skoro etap dochodzenia mu się skasował? Nie znam dziś dobrej odpowiedzi. Cała branża nie zna.
Maszyna nie wejdzie do pokoju z wkurzonymi ludźmi
Tu zaczyna się druga strona medalu. AI świetnie generuje, ale fatalnie rozumie "dlaczego". Nie wejdzie do pokoju pełnego wkurzonych programistów i nie wyciągnie ze spotkania prawdziwego problemu.
Nie przeprowadzi zespołu przez konflikt z menedżerem, który chce dowieźć całość projektu w nierealistycznym terminie.
Nie usiądzie z użytkownikiem, nie zobaczy, jak ten się męczy, próbując znaleźć przycisk, i nie przestawi myślenia w locie. Nie powie szefowi: "Słuchaj, my w ogóle rozwiązujemy zły problem, wróćmy o dwa kroki".
Niedawno generowałem czterdzieści wariantów ekranów powitalnych dla aplikacji mobilnej. Wszystkie czterdzieści były technicznie poprawne. Wszystkie czterdzieści ignorowały, że użytkownicy to w większości ludzie, którzy aplikacji używają jeden raz - kiedy chcą szybko coś sprawdzić - i jeśli nie zrozumieją pierwszego ekranu w pięć sekund, znikają na zawsze.
Tego AI nie wiedziało.
Nie dlatego, że jest głupie - dlatego, że nigdy nie widziało, jak ktoś próbuje korzystać z naszej aplikacji.
Maszyna może wygenerować tysiąc wariantów, ale nie ma smaku ani osądu, który z nich jest właściwy w tym konkretnym kontekście.
To brzmi jak truizm, ale konsekwencje są ogromne. Bo właśnie tu jest cała wartość, która zostaje ludziom. Inteligencja.
