AI и автоматизация меняют технологическую индустрию, влияя на занятость и компенсации
Быстрое развитие искусственного интеллекта и автоматизации вызывает значительные сдвиги в технологической индустрии, влияя на перспективы трудоустройства и стратегии компенсаций, согласно недавним отчетам. В то время как AI-компании переживают взрывной рост оценок, спрос на традиционные роли в области компьютерного программирования снижается, и работодатели пересматривают модели компенсаций.
Занятость в сфере компьютерного программирования в США упала до самого низкого уровня с 1980 года, поскольку компании все чаще автоматизируют задачи, сообщает Fortune. Некоторые фирмы, такие как Anthropic, уже используют AI для 100% своих потребностей в кодировании. Ямини Ранган, генеральный директор HubSpot, софтверной компании стоимостью 15 миллиардов долларов, призналась, что не знает, как будет выглядеть работа в будущем, основанном на AI, даже через два года. "По мере того, как все развивается каждое десятилетие, будут появляться новые рабочие места", - сказала Ранган в подкасте Silicon Valley Girl. "Вы даже не можете планировать работу, которая будет существовать через 10 лет, или через 20 лет, или даже через пять лет".
В ответ на эти изменения многие работодатели отказываются от повышения заработной платы на основе заслуг в пользу "повышений в стиле арахисового масла", которые представляют собой равномерные, всеобщие повышения заработной платы, сообщает Fortune. Согласно отчету Payscale, около 44% работодателей планируют ввести равномерное повышение заработной платы в 2026 году. Около 16% организаций впервые внедряют эти повышения, 9% уже используют эту стратегию, а еще 18% рассматривают ее в этом году. Около 56% наиболее успешных компаний сообщили, что будут проводить повышения в стиле арахисового масла.
Еще одна область, претерпевающая значительные преобразования, - это системы Retrieval-Augmented Generation (RAG). Предприятия быстро внедрили RAG, чтобы заземлить большие языковые модели (LLM) в собственных данных, сообщает VentureBeat. Однако многие организации обнаруживают, что извлечение стало фундаментальной системной зависимостью, а не функцией, прикрепленной к выводу модели. Сбои в извлечении могут напрямую перетекать в бизнес-риски, подрывая доверие, соответствие требованиям и операционную надежность.
Диппу Кумар Сингх написал в VentureBeat, что многие предприятия развернули ту или иную форму RAG, но реальность оказалась неутешительной, особенно для отраслей, зависящих от тяжелого машиностроения. Неудача часто кроется в предварительной обработке, поскольку стандартные конвейеры RAG рассматривают документы как плоские строки текста, используя чанки фиксированного размера, что разрушает логику технических руководств. "Они разрезают таблицы пополам, отрывают подписи от изображений и игнорируют визуальную иерархию страницы", - написал Сингх.
Эти сдвиги подчеркивают необходимость для предприятий адаптироваться к меняющемуся ландшафту AI и автоматизации. Поскольку AI продолжает развиваться, компании должны инвестировать в надежную инфраструктуру извлечения и рассматривать новые стратегии компенсаций, чтобы оставаться конкурентоспособными и удерживать таланты.
Discussion
AI Experts & Community
Be the first to comment