Meta chciała przebudować firmę wokół sztucznej inteligencji, ograniczyć zatrudnienie i oprzeć pracę na niewielkich zespołach wspieranych przez agentów AI. W najbardziej radykalnym scenariuszu niektóre zespoły miały zostać zmniejszone nawet o 60 proc. Problem w tym, że AI zaczęła generować znacznie więcej kodu, ale nie przełożyło się to na równie szybki rozwój produktów. Pojawiły się za to problemy z niezawodnością, bezpieczeństwem i morale pracowników.
To miał być jeden z najbardziej ambitnych eksperymentów z AI w dużej firmie technologicznej. Meta Marka Zuckerberga chciała nie tylko wykorzystywać sztuczną inteligencję jako kolejne narzędzie dla pracowników. Firma planowała znacznie głębszą zmianę organizacyjną, w której AI miała stać się podstawą sposobu funkcjonowania całych zespołów.
Plan nazwany Project OT (Organization Transformation) zakładał m.in. mniejsze zespoły, mniej szczebli zarządzania, większe wykorzystanie agentów AI oraz ograniczenie liczby pracowników. Według dokumentu wewnętrznego analizowanego przez Reutersa niektóre zespoły mogły zostać zredukowane nawet o 60 proc. poprzez zwolnienia, zamrożenie rekrutacji i odejścia związane z oceną wyników.
Ostatecznie Meta wycofała się jednak z drugiej, znacznie większej fali restrukturyzacji. Firma przeprowadziła w maju redukcję zatrudnienia obejmującą 10 proc. pracowników, ale jeszcze przed jej ogłoszeniem Mark Zuckerberg zatrzymał przygotowania do kolejnego etapu planowanego na listopad.
Powód? AI nie przyniosła jeszcze efektów, których oczekiwało kierownictwo.
Meta produkuje znacznie więcej kodu. Problem w tym, że niewiele z tego trafia do użytkowników
Jednym z najbardziej wymownych elementów całego eksperymentu są dane dotyczące pracy programistów.
Według informacji opublikowanych wewnętrznie przez dyrektora technologicznego Meta, Andrew Boswortha, liczba zmian w kodzie wewnętrznych platform i infrastruktury wzrosła w ciągu roku aż o 220 proc.
Na pierwszy rzut oka wygląda to jak spektakularny sukces AI.
Problem polega na tym, że liczba nowych lub ulepszonych funkcji udostępnionych użytkownikom wzrosła w tym samym czasie tylko o 36 proc.
To zasadnicza różnica.
Samo wygenerowanie większej ilości kodu nie oznacza bowiem automatycznie, że firma szybciej tworzy lepsze produkty. Kod trzeba jeszcze sprawdzić, zintegrować, przetestować i utrzymać. Jeżeli generowana przez AI ilość pracy rośnie szybciej niż możliwości jej kontroli, firma może zamiast przyspieszenia otrzymać dodatkowe obciążenie.
I właśnie taki problem miał pojawić się w Mecie.
AI miała przyspieszyć pracę. Zaczęła jednak generować problemy
Już wiosną zespoły infrastrukturalne Meta miały ostrzegać przed konsekwencjami szybkiego zwiększania udziału AI w programowaniu.
W wewnętrznych komunikatach pojawiały się ostrzeżenia dotyczące niezawodności. Pracownicy zwracali również uwagę, że agenci AI działający bez odpowiedniego nadzoru mogą wykonywać na dużą skalę działania, których człowiek prawdopodobnie nigdy nie podjąłby samodzielnie.
Według wewnętrznych danych liczba poważnych incydentów technicznych i związanych z bezpieczeństwem wzrosła o 40 proc., a czas poświęcany przez pracowników na reagowanie na te problemy zwiększył się aż o 70 proc.
To jeden z najważniejszych wniosków z całego eksperymentu Meta: AI może zmniejszać koszt wykonania pojedynczego zadania, ale jednocześnie zwiększać koszt kontroli efektów jej pracy.
W przypadku firmy technologicznej działającej na skalę Facebooka, Instagrama czy WhatsAppa konsekwencje błędów mogą być szczególnie poważne.
Meta chciała stworzyć „AI-native” firmę
Project OT nie ograniczał się do zwolnień. Meta próbowała również całkowicie zmienić sposób organizacji pracy.
Pomysł wyrósł z wcześniejszego eksperymentu, w którym niewielkie zespoły składające się z dwóch lub trzech inżynierów i projektanta otrzymywały zadanie szybkiego budowania prototypów z wykorzystaniem AI.
Zamiast wielomiesięcznych cykli planowania pracownicy mieli działać w czterotygodniowych sprintach.
Meta zaczęła później rozwijać ten model na większą skalę. Wprowadzono koncepcję niewielkich „podów”, a tradycyjne role inżynierów i projektantów miały być stopniowo zastępowane szerszym pojęciem „buildera”.
Jednocześnie firma chciała ograniczyć liczbę szczebli kierowniczych.
W ramach tzw. „village approach” starsi liderzy mieli odpowiadać za grupy liczące około 30–50 osób, podczas gdy osoby prowadzące mniejsze zespoły zajmowałyby się codzienną pracą bez formalnych uprawnień menedżerskich.
Do czerwca taki model został wdrożony w co najmniej 11 jednostkach Meta, w tym w zespołach zajmujących się inżynierią i badaniami.
Pracownicy zaczęli się obawiać, że sami szkolą swoich następców
Największym problemem nie okazała się jednak sama reorganizacja.
Pracownicy zaczęli obawiać się, że program automatyzacji jest w rzeczywistości pierwszym krokiem do zastąpienia ich przez AI.
Szczególne kontrowersje wywołał pomysł instalowania na urządzeniach pracowników w USA oprogramowania rejestrującego ruchy myszy i naciśnięcia klawiszy. Dane miały być wykorzystywane do szkolenia agentów AI zdolnych do wykonywania zadań na komputerach.
Dla części pracowników przekaz był bardzo prosty: mają dostarczać dane, które pozwolą stworzyć systemy mogące w przyszłości wykonywać ich własną pracę.
Na wewnętrznych forach pojawiła się fala krytyki, a działania zmierzające do organizowania pracowników zaczęły zyskiwać na znaczeniu.
Nastroje w firmie wyraźnie się pogorszyły. Według półrocznego badania Pulse odsetek pracowników pozytywnie oceniających sytuację spadł z 74 do 55 proc.
Meta ostatecznie wstrzymała program śledzenia ruchów myszy i klawiatury.
Zuckerberg zatrzymał drugą falę zwolnień
W maju Meta przeprowadziła redukcję zatrudnienia obejmującą 10 proc. pracowników.
Jednocześnie Mark Zuckerberg zdecydował o zatrzymaniu planowanej drugiej fali restrukturyzacji, która miała nastąpić jesienią.
Po majowych zwolnieniach Zuckerberg przekazał pracownikom, że nie spodziewa się kolejnych ogólnofirmowych zwolnień w tym samym roku. Zapowiedział również potrzebę zapewnienia zatrudnionym większej stabilności.
Meta zaczęła później pozwalać części pracowników przeniesionych do zespołów zajmujących się AI na powrót do wcześniejszych jednostek.
Firma nie porzuciła jednak samego kierunku rozwoju.
Meta nadal wydaje na AI gigantyczne pieniądze
Paradoks całej sytuacji polega na tym, że Meta jednocześnie ogranicza skalę eksperymentu z pracownikami i zwiększa inwestycje w infrastrukturę AI.
Firma planuje wydać w 2026 roku co najmniej 130 mld dolarów na układy AI oraz pozostałą infrastrukturę.
To ogromna kwota, która pokazuje, jak dużą stawką jest dla Zuckerberga wyścig o sztuczną inteligencję.
Problem polega na tym, że inwestorzy coraz mocniej oczekują odpowiedzi na pytanie, co dokładnie Meta otrzyma w zamian za te wydatki.
Większa liczba serwerów, układów AI i wygenerowanych linii kodu nie jest jeszcze dowodem sukcesu.
To może być ważna lekcja dla całej branży AI
Historia Project OT jest interesująca nie tylko dlatego, że dotyczy jednej z największych firm technologicznych świata.
Pokazuje bowiem problem, z którym w kolejnych latach może zmierzyć się znacznie więcej przedsiębiorstw.
Firmy coraz częściej zakładają, że agenci AI pozwolą wykonywać pracę szybciej i przy mniejszej liczbie ludzi. Naturalnym kolejnym krokiem stają się więc plany redukcji zatrudnienia.
Tymczasem doświadczenie Meta pokazuje, że automatyzacja może mieć własny koszt organizacyjny.
Jeżeli AI generuje więcej kodu, dokumentów, decyzji czy działań, człowiek nadal musi kontrolować ich jakość. W niektórych przypadkach potrzebna jest wręcz większa liczba specjalistów odpowiedzialnych za bezpieczeństwo, niezawodność i weryfikację rezultatów.
Mark Zuckerberg sam przyznał w lipcu, że agenci AI nie przyspieszyli w takim tempie, jak oczekiwano. Jednocześnie podtrzymał przekonanie, że w ciągu kolejnych trzech do sześciu miesięcy technologia powinna przynieść znacznie większe korzyści.
To oznacza, że eksperyment Meta wcale się nie skończył.
Firma nie rezygnuje z wizji organizacji, w której AI wykonuje coraz większą część pracy. Na razie jednak okazało się, że droga do takiej firmy jest znacznie trudniejsza, niż sugerowały najbardziej optymistyczne prognozy.
Meta chciała dzięki AI potrzebować mniej ludzi. Na razie przekonała się, że większa ilość pracy wykonywanej przez sztuczną inteligencję niekoniecznie oznacza więcej gotowych produktów, a źle nadzorowana automatyzacja może wygenerować problemy, które człowiek będzie musiał później naprawiać.
Foto: DepositPhotos.