Metaची रखडलेली ‘AI native’ योजना, agents ने कर्मचारी बदलण्याच्या मर्यादा दाखवते

Metaच्या रद्द झालेल्या पुनर्रचना योजनेत कंपन्या AI ला त्यांच्या मुख्य कामकाजात किती दूर नेऊ शकतात याचा अधिक स्पष्ट आढावा मिळतो

या वर्षाच्या सुरुवातीला Meta ने अधिक “AI native” बनण्याच्या कल्पनेभोवती बांधलेला एक व्यापक अंतर्गत पुनर्रचना प्रयत्न तपासला, असे दिलेल्या स्रोत मजकुरात उद्धृत अहवालात म्हटले आहे. अंतर्गत पातळीवर Project OT असे संबोधलेल्या या योजनेत काही संघांची संख्या 60 टक्क्यांपर्यंत कमी करता येईल अशा परिस्थितींचा आणि AI प्रणालींनी दैनंदिन कामाचा मोठा भाग ताब्यात घेण्याच्या परिस्थितींचा अभ्यास करण्यात आला.

हा प्रकल्प पूर्णपणे पुढे गेला नाही. स्रोत मजकुरात उद्धृत Reuters ला Meta ने पुष्टी केली की हा सराव व्यापक पुनर्रचना प्रयत्नाचा भाग होता आणि तपासणीखालील सर्व परिस्थिती स्वीकारल्या गेल्या नव्हत्या. हा फरक महत्त्वाचा आहे. याचा अर्थ कंपनी खोल संस्थात्मक बदल मॉडेल करण्याइतकी गंभीर होती, पण प्रत्येक पर्याय प्रत्यक्षात आणण्याइतकी परिणामाबाबत खात्रीशीर नव्हती.

व्यापक तंत्रज्ञान क्षेत्रासाठी हा प्रसंग उपयुक्त आहे, कारण Meta ने AI agents च्या मदतीने कर्मचाऱ्यांची पूर्णपणे जागा घेतली नाही म्हणून नाही, तर तसं केलं नाही म्हणून. स्रोत मजकूर ही योजना AI ला केवळ productivity tool म्हणून नव्हे, तर operating model म्हणून व्यवस्थापन कसे मोजते याचा प्रत्यक्ष कस म्हणून मांडतो. हा बदल विद्यमान workflows मध्ये copilot जोडण्यापेक्षा खूप कठीण आहे.

Project OT मध्ये काय समाविष्ट असावे असे दिसते

दिलेल्या मजकुराच्या आधारे, Project OT जानेवारीत तयार करण्यात आला आणि त्यात अशी परिस्थिती होती की AI हजारो कर्मचाऱ्यांनी केलेल्या दैनंदिन कामाचा मोठा भाग करू शकेल. लहान human teams या प्रणालींचे निरीक्षण करतील, काही कर्मचाऱ्यांना नवीन भूमिकांमध्ये हलवले जाईल आणि काहींना कामावरून कमी केले जाईल. स्रोत मजकुरानुसार Reuters ने हेही नोंदवले की एका human resources executive ने सांगितले होते की या परिस्थितींमुळे headcount सुमारे 25 टक्के किंवा त्याहून अधिक कमी होऊ शकला असता.

Meta ने पुष्टी केली की या सरावात redeployments, open roles बंद करणे, आणि cuts यांचा परिणाम पाहिला गेला. कंपनीने असेही सांगितले की या प्रक्रियेमुळे अखेरीस हजारो कर्मचाऱ्यांना newly established teams वरील priority work म्हणून वर्णन केलेल्या कामांकडे वळवले गेले. दुसऱ्या शब्दांत सांगायचे तर, प्रत्येक layoff scenario पुढे नेला गेला नाही तरीही, नियोजन प्रक्रियेने कंपनीच्या आत श्रम आणि संसाधनांच्या पुनर्वाटपावर प्रभाव टाकला असावा असे दिसते.

दिलेल्या स्रोत मजकुरात असेही म्हटले आहे की या योजनेत layoff च्या दोन फेऱ्या होत्या, ज्यातील पहिली मे महिन्यात झाली आणि दुसरी नंतर रद्द करण्यात आली. कोणते संघ प्रभावित झाले हे Meta ने पुष्टी केले नाही. त्यामुळे बाहेरील निरीक्षकांसाठी एक महत्त्वाचा प्रश्न उरतो: प्रभावित कार्ये वेगवान AI substitution साठी योग्य उमेदवार नव्हती असा निष्कर्ष कंपनीने काढला का, की पुनर्रचनेमुळे निर्माण झालेला व्यत्ययच पुढे सुरू ठेवण्यासाठी खूप खर्चिक झाला?

ही योजना Meta च्या पलीकडे का महत्त्वाची आहे

या कथेमधील मूल्य headline आकड्यात नाही, ज्यात काही संघांमध्ये 60 टक्क्यांपर्यंत कपात होऊ शकते असा अंदाज आहे. मूल्य हे आहे की apparent retreat सध्याच्या काळात मोठ्या संस्थांमध्ये agentic AI च्या मर्यादांबद्दल काय सांगतो. enterprise AI विषयीची सार्वजनिक चर्चा अजूनही प्रयोगापासून automation कडे तुलनेने सुरळीत मार्ग आहे असे गृहीत धरते. स्रोत मजकूर त्याच्या उलट दिशा दाखवतो. तो असा प्रसंग मांडतो जिथे executive ambition, planning documents, आणि पुनर्रचना गती शेवटी operational reality शी भिडली.

त्या reality चे अनेक भाग आहेत. एक reliability. दुसरा scope. तिसरा management overhead. एखाद्या worker ला software ने बदलणे ही एकच technical घटना नाही. याचा अर्थ tasks इतक्या अचूकपणे परिभाषित करणे की automation शक्य होईल, system भोवती supervision उभारणे, exceptions कसे हाताळायचे ते ठरवणे, आणि outputs चुकल्यास accountability टिकवून ठेवणे. AI system काही कामे चांगल्या प्रकारे करू शकते, तरी त्याचा अर्थ असा होत नाही की ती आसपासचे कामही आत्मसात करू शकेल जे एखादे function स्थिर ठेवते.

स्रोत मजकूर स्पष्टपणे सांगतो की हा अहवाल organizations ला AI चा सर्वोत्तम वापर ठरवताना आणि तंत्रज्ञान employees पेक्षा कधी अधिक योग्य असते हे ठरवताना भेडसावणाऱ्या आव्हानांवर प्रकाश टाकतो. ही advanced models आपोआप leaner organizations निर्माण करतात या सामान्य गृहितकापेक्षा अधिक वास्तववादी framing आहे. प्रत्यक्षात कंपन्यांना आढळू शकते की AI staffing patterns मध्ये असमान बदल घडवते, आणि काही jobs अधिक मोलाची बनतात कारण automation मुळे देखरेख आणि समन्वयाची गरज वाढते.

पैसा, प्रतिभा, आणि AI labor tradeoff

source material मधील आणखी एक महत्त्वाचा मुद्दा म्हणजे financial prioritization. इथे दिलेल्या मजकुरानुसार Reuters ने अहवाल दिला की Meta layoff मधून झालेली काही बचत high-performing employees ना, विशेषतः AI engineering skills असलेल्यांना, पगार देण्यासाठी वापरण्याचा विचार करत होती. हा तपशील दाखवतो की AI पुनर्रचना बहुतेकदा सर्वसाधारण workforce कपातीपेक्षा दुर्मीळ technical talent कडे compensation पुन्हा वळवण्याबद्दल अधिक असते.

याचे उद्योगभर परिणाम आहेत. आक्रमक AI धोरणे राबवणाऱ्या कंपन्या प्रत्येक अर्थाने खरोखर हलक्या बनतीलच असे नाही. त्या काही भूमिका कमी करू शकतात, पण इतरांना अधिक पैसे देऊ शकतात, विशेषतः engineers, infrastructure specialists, आणि models ना production systems मध्ये सुरक्षितपणे एकत्र करू शकणाऱ्या leaders ना. परिणामी, संस्था काही functions मध्ये लहान पण technical stack च्या वरच्या थरात अधिक महाग होऊ शकते.

यातून असेही दिसते की मोठ्या कंपन्यांमधील AI adoption आता product प्रश्नाइतकाच capital allocation प्रश्नही बनत आहे. automation मधून येणारी बचत margins वाढवण्यासाठी वापरायची, नवीन teams ना निधी द्यायचा, की specialized talent साठीची शर्यत subsidize करायची, हे management ला ठरवावे लागेल. Meta च्या reported planning वरून दिसते की ही निवड थेट विचारात घेतली जात होती.

उद्योगासाठी व्यापक संकेत

दिलेल्या रिपोर्टिंगमध्ये वर्णन केलेले Project OT हे आठवण करून देते की प्रमुख platforms मधील AI strategy अधिक निर्णायक टप्प्यात प्रवेश करत आहे. चर्चा chat interfaces आणि coding assistants पलीकडे जाऊन organizational redesign कडे सरकत आहे. पण redesign अशा कमकुवत बाजू उघड करते ज्या demos लपवू शकतात. नियंत्रित चाचणीत प्रभावी दिसणारी प्रणाली प्रत्यक्ष business process मध्ये deadlines, dependencies, आणि legal risk सह बसवल्यावर व्यत्यय निर्माण करू शकते.

म्हणूनच, exercise मधील सर्व परिस्थितींसह पुढे न जाण्याचा Meta चा निर्णय त्या परिस्थितीइतकाच महत्त्वाचा आहे. तो खोल automation शोधण्यास तयार असलेल्या कंपनीकडे निर्देश करतो, पण execution बद्दलच्या अनिश्चिततेने अजूनही मर्यादित आहे. काळजीपूर्वक पाहणाऱ्या इतर कंपन्यांसाठी हाच खरा takeaway असू शकतो: AI काम पुन्हा घडवू शकते, पण model capability पासून टिकाऊ replacement पर्यंतचा मार्ग अजूनही असमान, राजकीयदृष्ट्या संवेदनशील, आणि कार्यान्वयनाच्या दृष्टीने कठीण आहे.

• Meta ने पुष्टी केली की Project OT हा पुनर्रचनेशी जोडलेला scenario-planning exercise होता.
• या प्रकल्पात मोठ्या team reductions आणि दैनंदिन कामांसाठी AI चा व्यापक वापर तपासला गेला.
• सर्व परिस्थिती पुढे नेल्या गेल्या नाहीत, आणि अहवालित दुसरी layoff round रद्द झाली.
• या घटनेत AI महत्त्वाकांक्षा आणि enterprise execution यांच्यातील अंतर अधोरेखित होते.

हा लेख Ars Technica च्या रिपोर्टिंगवर आधारित आहे. मूळ लेख वाचा.