कर्मचारी संख्येवरील दबाव आणि पायाभूत सुविधांची महत्त्वाकांक्षा एकत्र येतात
Meta आणखी एका मोठ्या layoff फेरीची तयारी करत असल्याचे समजते, आणि दिलेल्या अहवालात यामागचे कारण थेट सांगितले आहे: AI मध्ये प्रचंड गुंतवणुकीचा खर्च संतुलित करणे. Reuters स्रोतांचा हवाला देत The Decoder म्हणते की कंपनी 20 मे रोजी सुमारे 8,000 नोकऱ्या, म्हणजेच तिच्या जागतिक कामगारवर्गाच्या सुमारे 10 टक्के, कमी करण्याचा विचार करत आहे, आणि वर्षाच्या नंतर आणखी एक फेरीही नियोजित आहे. Reuters ने मार्चमध्ये कळवले होते की अखेरीस 20 टक्क्यांहून अधिक नोकऱ्या रद्द होऊ शकतात. लेखानुसार Meta ने टिप्पणी देण्यास नकार दिला.
हा अहवाल महत्त्वाचा ठरतो तो केवळ कपातीच्या आकारामुळे नाही. त्या कशा मांडल्या आहेत यामुळेही. लेखात असे वर्णन आहे की एक कंपनी अभूतपूर्व प्रमाणात संसाधने AI पायाभूत सुविधांकडे वळवत आहे, तर CEO Mark Zuckerberg शेकडो अब्ज डॉलर्स त्या buildout मध्ये गुंतवत असल्याचे सांगितले जाते आणि त्याचबरोबर अधिक सपाट hierarchies आणि AI-assisted कर्मचाऱ्यांवर अधिक अवलंबित्व पुढे रेटले जात आहे.
Compute आता संघटनेचे मुख्य तत्त्व बनत आहे
अहवालातील अंतर्निहित संदेश असा की compute आता अनेक budget line पैकी फक्त एक राहिलेला नाही. तो frontier AI कंपन्यांच्या strategy चा केंद्रवर्ती organizing principle बनत आहे. जर Reuters-आधारित आकडे खरे ठरले, तर Meta एक कठोर देवाणघेवाण करत असेल: अधिक chips, अधिक capacity, आणि अधिक infrastructure साठी कमी लोक.
तंत्रज्ञान कंपन्या growth बद्दल कसे बोलतात, यातला हा एक महत्त्वाचा बदल आहे. अनेक वर्षे headcount हा विस्ताराचा सर्वात स्पष्ट बाह्य संकेतकांपैकी एक होता. सध्याच्या AI चक्रात raw infrastructure कदाचित अधिक चांगला निदर्शक ठरतो. Training, inference, multimodal systems, आणि agentic products या सर्व गोष्टी कंपन्यांना अधिक capital commitments कडे ढकलतात. जेव्हा त्या commitments वेगाने वाढतात, तेव्हा labor costs कडे नव्या नजरेने पाहिले जाते.
The Decoder च्या सारांशानुसार हा दबाव आधीच internal structure घडवत आहे. Meta ने Reality Labs teams चे पुनर्गठन केले असून autonomous AI agents वर केंद्रित नवे Applied AI unit तयार केले असल्याचे म्हटले जाते. ही पावले layoff report मधील त्याच pattern शी जुळतात: संघटना सुलभ करणे, संसाधने वळवणे, आणि कंपनीचा अधिक भाग AI execution भोवती एकत्र करणे.



