Han Qin
1个月前
最近大家都在讨论为什么Facebook高薪招聘来的AI人才又在快速流失。结合我自己当年在Facebook工作过的经历来看,这和公司使命是有直接联系的。 Facebook的Mission是connect everyone,这和AI本身并没有直接联系。虽然内部也有众多的ranking算法和big data analysis,但总体和最前沿的LLM并无承前启后的关系。 研究型人员在Facebook内部并不被重视。许多被招来的研究员原本在学术界或 Google/DeepMind 有自由探索的空间,能做长期、前沿的研究。在 Facebook,AI 更多被要求服务于广告、推荐系统和内容审核等短期业务目标,研究人员容易觉得缺乏长期愿景或突破性意义。 Facebook 本质上是一家以“move fast”驱动的消费互联网公司,强调快速上线、直接影响公司业绩。这样基因让研究人员觉得缺乏学术环境,也难以和同行保持声望。 同时研究与产品部门割裂严重,研究成果很难直接落地产品,产品团队也不完全理解研究的价值。回顾之前内部 AI 投资转向 Metaverse、AR/VR,大量研究人员更感到方向和资源不匹配。 “金手铐”在硅谷顶尖人才中其实一直以来都并没有那么有效,这一点并非只在今天的Facebook的情况中得到体现。况且往往“金手铐”同时与“无用功”同时存在,一旦接受金手铐,就必须接受做不出真正的创新与成绩。明知不可为却每日忙碌,扼杀了动力。 这也是硅谷的魅力所在,没有任何一家大公司可以完全用资本控制人才。小公司在革新上却可以有绝对的吸引力。
宝玉
1个月前
斯坦福大学数字经济实验室的一篇新论文:《煤矿中的金丝雀?关于人工智能近期就业影响的六个事实》 煤矿里的金丝雀的意思大家都知道,矿工们通常会带金丝雀去煤矿检测二氧化碳。它们体型小,呼吸快,新陈代谢也快,所以更容易受到有毒气体的侵害,这能给矿工们更多的时间采取行动。这里对应的就是AI对就业影响的早期预警信号。 先说结论:AI对就业市场的冲击已经开始了,而且首当其冲的是刚刚踏入职场的年轻人 。 标题中说的六个事实是哪六大事实呢? 1. AI 精准打击入门岗位 自2022年底(ChatGPT发布的节点)以来,在最容易受AI影响的职业中(如软件开发、客户服务),22-25岁早期职业员工的就业率出现了高达13%的相对下降 。相比之下,在同一家公司从事同样工作的资深员工,或者在受AI影响较小的行业(如护士助理)工作的同龄人,就业情况保持稳定甚至持续增长 。 2. AI 成为年轻人就业增长停滞的“元凶” 虽然美国整体就业市场依然强劲,但22-25岁年轻人的总体就业增长自2022年底以来几乎陷于停滞 。正是因为AI对部分行业入门岗位的冲击,拉低了年轻群体的整体就业增长数据 。 3. “替代型AI” vs “增强型AI” 并非所有AI都会“抢饭碗”。就业下降主要集中在AI能自动化(Automate)人类工作的领域 。而在那些AI主要用于增强(Augment)人类能力的领域,就业并未出现下滑,甚至有所增长 。简单说,如果AI是帮你干重复性的活,你的岗位就危险;如果AI是给你提供更强工具,你的价值反而会提升。 4. 这不是科技行业独有现象 有人可能会说,这只是因为科技公司不景气。但研究通过控制“公司层面的冲击”(即无论员工是什么岗位,公司整体都在缩招),发现针对年轻、高风险岗位的就业下降趋势依然显著 。这意味着,即便在同一家公司内部,管理者也倾向于用AI替代部分入门级工作,而不是全面缩减招聘。 5. 冲击体现在“岗位数量”而非“薪酬” 有趣的是,尽管入门岗位在减少,但这些岗位的薪酬水平并没有明显变化 。这表明,劳动力市场的调整目前主要体现在企业选择“少招人”或“不招人”,而不是通过“降薪”来削减成本 。 6. 时间点对得上 以上所有趋势都清晰地指向2022年底,也就是生成式AI工具大规模普及的时间点 。而且研究还排除了远程办公、外包等其他潜在因素的干扰,让结论更加可信 。 那么这篇论文数据哪里来的?结论靠谱吗? 研究团队使用美国最大薪资服务商ADP的月度个体级记录(覆盖数百万员工、数万家公司,2021–2025),把岗位映射到两套AI暴露指标:一套来自GPT‑4任务暴露度(Eloundou等),一套来自Anthropic的Claude对话数据,后者还能区分“自动化”vs“增强式”使用场景。通过对比不同年龄段、不同暴露五分位的就业人数与薪酬走势,并在模型中吸收公司‑时间冲击,得到上述六个事实。 我个人觉得结论相对靠谱。 “自动化(Automation)”与“增强(Augmentation)”的区别是什么? 这篇论文的研究发现,就业岗位减少主要集中在AI能“自动化”的领域,而在AI起“增强”作用的领域,就业并未减少甚至还在增长 。 简单来说,自动化是让AI代替人去工作,而增强是让AI辅助人更好地工作。 举例子来说,作为软件工程师,如果只是实现一个已经设计好的模块,这部分AI其实可以自动化完成,还有一些测试工作,也是可以通过自动化脚本完成的。但如果是做系统设计、需求分析、代码审查,这些AI就只能辅助增强。