Block، Amazon، Synopsys و Cloudflare در حال تجدید نظر در مورد نحوه انجام کار با هوش مصنوعی هستند.
مدیران درباره نحوه بازسازی تیم ها، مدیریت هزینه های هوش مصنوعی و نحوه اندازه گیری بازده بحث می کنند.
صبح بخیر رهبران بلاک نمیخواستند هوش مصنوعی را روی کارهای موجود بپاشند.
آمریتا آهوجا، مدیر مالی و مدیر ارشد مالی شرکت بلاک، طی میزگردی که در نشست قدرتمندترین زنان فورچون در روز سهشنبه در سانتا باربارا، جایی که رهبرانی از سینوپسیس، کلودفلر، و آمازون به او پیوستند، گفت: «ما به اصلاح بنیادی نحوه عملکرد خود به عنوان یک شرکت فکر کردیم.
طی چند سال گذشته، شرکت فینتک از اوایل سال 2024 فرآیندهای خود را ادغام و ساده کرده و از هوش مصنوعی در تجارت استفاده میکند. در اوایل سال جاری، Block، شرکت مادر Square and Cash App، نیروی کار خود را تا 40 درصد کاهش داد و لایههای مدیریتی را حذف کرد.
آهوجا گفت: «ما اساسا معتقدیم که در دنیای هوش مصنوعی، شما کاملا به انسان در مرکز نیاز دارید. او گفت که شما هنوز در هر کارکردی به افرادی نیاز دارید که سازنده، تعیین کننده هدف و تصمیم گیرنده استراتژی باشند. او افزود، اما دیگر نیازی به شخصی ندارید که وظیفه اش انتقال اطلاعات یا بررسی کار قبل از رسیدن به بازبین واقعی باشد.
آهوجا گفت: در Block، مهندسان تغییرات بازبینی کد خود را تا 150 درصد بین آغاز سال تا اواسط سال بهبود دادند و آهوجا گفت: «حتی غیرمهندسها نیز 60 درصد پیشرفت دارند» و افزود که اکنون 15 درصد از تغییرات کد تقریبا کاملا خودکار هستند - به این معنی که «در پایان فقط یک انسان برای تصمیمگیری نهایی وجود دارد.»
با این حال، اندازه گیری بازده هنوز در حال تکامل است. او گفت که بخش اعظم صنعت همچنان هزینه های هوش مصنوعی را در مقابل پس انداز پرسنل می سنجد. بلاک در حال کار برای اصلاح معیاری است که آن را «ارزش مشتری زماندار» مینامد، که تغییر کد را به یک ویژگی، سپس به تعامل با مشتری و در نهایت به ارزش ردیابی میکند.
برای Synopsys، شرکتی که نرمافزاری را برای طراحی و تأیید نیمهرساناها توسعه میدهد، مدیر مالی Shelagh Glaser گفت که هزینهها بسیار سریع است. او با مقایسه عادات استفاده کارمندان با تنقلات در اتاق استراحت گفت: هزینههای هوش مصنوعی «تا زمانی که اینطور نبود بسیار معقول بود». سینوپسیس باید تصمیم می گرفت که چه کسی سطوح برتر را دریافت می کند و چه کسی از مدل های داخلی استفاده می کند. همچنین هنگامی که برخی از ارائه دهندگان سیستم اندازه گیری خود را ارائه نکردند، سیستم اندازه گیری خود را ساخت. هدف این است که "بسیار عمدی در مورد جایی که آن سرمایه گذاری است" با بازده اندازه گیری شده در نتایج مشتری، نه فقط انتشار محصول.
میشل زاتلین، یکی از بنیانگذاران و رئیس کلاد فلار، که شرکت او زیرساختهای وب و خدمات امنیت سایبری را ارائه میکند، گفت که این شرکت اکنون «هم کارمندان و هم نمایندگان» را استخدام میکند و میخواهد همه تقریبا 5000 نفر خود در سراسر تجارت سازنده باشند. زاتلین گفت، یکی از برجستهترین مدیران مالی بود که از نمایندگان استفاده زیادی کرد و مدیر مالی از او برای هدایت تحول هوش مصنوعی برای تیم مالی استفاده کرد. او گفت که Cloudflare همچنین متعهد به استخدام بیش از 1000 کارآموز در سال 2026 است و آنها به تیم ها کمک کرده اند تا بومی تر از هوش مصنوعی شوند.
هدر زورن، معاون تجربه مشتری، محصولات و خدمات آمازون گفت: «نکته مهم به عنوان یک رهبر در حال حاضر این است که مطمئن شوید که زمان و مکان و اجازه یادگیری را به تیمهای خود میدهید. زورن گفت که این شرکت قادر است بازده سرمایه گذاری را در نحوه استفاده کارکنان از هوش مصنوعی از طریق اندازه گیری پذیرش، سپس مشارکت، و سپس کارایی از طریق نتایجی مانند زمان صرفه جویی اندازه گیری کند.
او گفت: "شما می خواهید چیزی بسازید که برای مشتری برنده باشد، و سپس باید راهی پیدا کنید که برای کسب و کار نیز برنده شود." او اضافه کرد که رهبران باید قبل از دیدن هر دو پیروزی مشخص کنند که چقدر مایل به سرمایه گذاری هستند.
آهوجا گفت که انتظار دارد شرکتهای بیشتری عوامل هوش مصنوعی را در نمودارهای سازمانی خود ادغام کنند و کارگرانی که مسئول آموزش و استقرار این عوامل هستند.
او گفت: «جایی که کارها پیش میرود - و من قبلا درباره چند شرکت شنیدهام که این کار را انجام میدهند، بنابراین ما در مرز هستیم - این است که به نمودار کاری خود نگاه کنید که شرکت شما منتشر میکند و نه تنها واحدها، بلکه نمایندگانی نیز خواهند داشت. این عوامل، نه چندان بی شباهت به انسان، باید در طول زمان توسعه یابند.
شریل استرادا Sheryl.Estrada@fortune.com
این داستان در ابتدا در سایت Fortune.com منتشر شد
متن اصلی (انگلیسی)
Block, Amazon, Synopsys and Cloudflare are rethinking how work gets done with AI
Executives discuss how they're restructuring teams, managing AI costs and still working out how to measure the return.