שכר בבינה מלאכותית: מנכ"ל אנבידיה מציע מודל תגמול חדש לעידן הסוכנים

מנכ"ל אנבידיה ג'נסן הואנג מציג מודל תגמול חדש לשוק העבודה: לצד השכר הבסיסי, עובדים, בעיקר מהנדסים, יקבלו "טוקנים" של בינה מלאכותית. אלה יחידות חישוב שמאפשרות להפעיל סוכני AI אוטונומיים שמבצעים משימות מורכבות באופן עצמאי. לדבריו, הטוקנים האלה שווים כסף כי הם מגבירים את הפרודוקטיביות. מהנדס שמרוויח כמה מאות אלפי דולרים בשנה יקבל תוספת של כחצי מהסכום בטוקנים, מה שיאפשר לו להפעיל מערכות שמכפילות את היעילות פי עשרה. במילים אחרות, אותו מהנדס יהפוך למנהל של סוכני AI והוא ירוויח הרבה יותר בזכות התפוקה שלהם. 

המודל הזה אינו רק תוספת לשכר אלא חלק משינוי מבני. סוכני AI הם תוכנות שפועלות כמו עובדים דיגיטליים: הם יכולים לכתוב קוד, לנתח נתונים, לתכנן לוחות זמנים או לטפל בתמיכה טכנית ללא התערבות מתמדת. עובד אנושי הופך למנהל שמפקח על צוות של סוכנים כאלה. בחברה כמו אנבידיה, עם 42 אלף עובדים אנושיים כיום, החזון הוא להגיע למאות אלפי, ואפילו מיליוני סוכנים דיגיטליים שפועלים לצדם. בעוד עשור, לדוגמה, 75 אלף עובדים אנושיים ינהלו 7.5 מיליון סוכנים, כלומר יחס של 100 סוכנים לעובד אחד.

כל מהנדס הוא עסק 

השינוי מגיע בזמן שבו שוק העבודה כבר חש את ההשפעה. לפי הערכות של גולדמן זאקס, כ-25% משעות העבודה בארצות הברית ניתנות לאוטומציה על ידי בינה מלאכותית. זה צפוי להוביל לעלייה של 15% בפרודוקטיביות הכללית, אבל גם לפגיעה של 6-7% במשרות, בעיקר בתפקידים שכוללים ניתוח נתונים, עיבוד מידע וכתיבה. הפגיעה תהיה חדה יותר בעבודות צווארון לבן שבהן הסוכנים מצטיינים, כמו הכנת דוחות או בדיקות קוד, כי הם פועלים 24 שעות ביממה ללא עייפות.

עם זאת, יש כאן פרדוקס כלכלי. יותר סוכנים פירושו יותר שימוש בכלי תוכנה, יותר כוח מחשוב ויותר ביקוש לתשתיות. כל סוכן חדש מגדיל את הצורך בשבבים, ברשתות ובמערכות אחסון. התוצאה היא שהבינה המלאכותית לא רק מחליפה עובדים אלא גם יוצרת צמיחה חדשה בתעשייה. הביקוש לשבבי AI צפוי להגיע להיקף מצטבר של טריליון דולר עד 2027, מה שמאיץ את ההשקעות במרכזי נתונים.

במקביל מתהווה "פרדוקס הכישרונות". רוב המנהלים מתכננים צמצום כוח אדם בעקבות האוטומציה, אך רבים מהם מדווחים על קושי למצוא עובדים שיודעים להפעיל ולנהל סוכני AI. התפקידים הראשוניים, אלה ששימשו בעבר כשלב כניסה לעולם הטכנולוגיה, נעלמים, והביקוש עובר למומחים שמבינים איך לבנות תהליכים שבהם בני אדם וסוכנים עובדים יחד.

למרות היתרונות, ההטמעה אינה פשוטה. רוב פרויקטי הבינה המלאכותית בארגונים, כ-80% עד 95%, לא מצליחים להגיע לתוצאות מלאות, בעיקר בגלל קשיים באינטגרציה עם מערכות קיימות ובשינוי תהליכי עבודה. קל לבנות סוכן, אבל קשה יותר לגרום לו לפעול בצורה יעילה בתוך חברה גדולה, עם כללי אבטחה, נתונים רגישים והרגלי עבודה ישנים.

חברות שרוצות להצליח מתחילות בקטן: מטמיעות סוכנים פשוטים למשימות חוזרות כמו עיבוד חשבוניות או מעקב אחרי לידים, מאמנות את העובדים להגדיר משימות ברורות ומפקחות על התוצאות. כך הופכים את הסוכנים לכלי עבודה אמיתי ולא רק לפיילוט טכנולוגי.

להרחבה: מנכ״ל אנבידיה: הביקוש לשבבי בינה מלאכותית עשוי להגיע לטריליון דולר עד 2027

להרחבה: האירוע שיכול להזיז את מניית אנבידיה: מה וול סטריט מחכה לשמוע

החזון של אנבידיה מראה עולם שבו העובד האנושי כבר לא מבצע את כל המשימות, אלא מנהל מערכת שלמה של עובדים דיגיטליים. השאלה אינה אם השינוי יגיע, אלא כמה מהר ארגונים יסתגלו אליו. מודל הטוקנים הופך את הגישה הזו למציאות כלכלית שבה הבינה המלאכותית היא לא רק כלי, אלא משאב שווה ערך לשכר.