Topik trending
#
Bonk Eco continues to show strength amid $USELESS rally
#
Pump.fun to raise $1B token sale, traders speculating on airdrop
#
Boop.Fun leading the way with a new launchpad on Solana.

宝玉
Prompt Engineer, didedikasikan untuk mempelajari dan menyebarkan pengetahuan tentang AI, rekayasa perangkat lunak, dan manajemen teknik.
Saya ingin memberi Anda sedikit saran dari sisi rekayasa konteks: jika Anda menginstal 73 SubAgen sekaligus, yaitu, setiap kali Anda mengirim instruksi ke Claude Code, maka Anda harus mengirim instruksi dari 73 SubAgen ini ke model Claude, Anda harus tahu bahwa Claude Code hanya dilengkapi dengan sekitar 15 alat, jika semakin banyak alat dan SubAgen, semakin baik, maka bukankah lebih baik memiliki ratusan atau ribuan Agen dan alat yang dibangun ke dalam resmi?
Jelas, lebih banyak SubAgen dan alat tidak lebih baik, dan deskripsi alat ini perlu mengambil ruang konteks yang berharga dan mencairkan perhatian model, jadi pilih 3-5 SubAgen yang umum digunakan untuk menginstal.

刘小排4 jam lalu
Trik Malas Claude Code: Biarkan Claude Code Anda memiliki semua agen top dunia dengan satu klik dan gulung sendiri
712
宝玉 memposting ulang
Hari ini, Fonder Park memiliki artikel yang mengatakan bahwa adalah ilusi untuk berasumsi bahwa biaya model besar akan turun dengan cepat, dan saya setuju dengan itu. Sama seperti komputer, meskipun harga perangkat dengan kinerja yang sama turun dengan cepat, harga konfigurasi arus utama selalu sama, dan meskipun konfigurasi beberapa tahun yang lalu murah, tidak ada yang akan membelinya. Kinerja model besar jauh dari waktu kelebihan, dan jumlah terbesar adalah model generasi terbaru, dan model lama murah tetapi tidak cukup.
Jadi jika Anda kehilangan uang sekarang, jangan berharap untuk menghasilkan uang tahun depan.
4,63K
宝玉 memposting ulang
Dari pabrik besar menjadi guru, dan kemudian ke AI yang pergi ke luar negeri, seorang programmer non-profesional telah keluar dari involusi selama 6 tahun dan akhirnya menemukan kebebasannya sendiri.
Catatan sebenarnya tentang orang biasa yang mengejar kebebasan agak panjang, tetapi pasti layak dibaca. 👇
20,21K
Situs web kemajuan OpenAI menarik, dengan 14 petunjuk yang dipilih untuk melihat output yang berbeda untuk GPT-1 dan GPT-5


Greg Brockman18 Agu, 23.27
sangat keren untuk membandingkan output dari GPT-1 hingga GPT-5, diberi perintah yang sama:

14,41K
ChatGPT Go — paket berlangganan berbiaya rendah baru yang dimulai dengan dukungan di India seharga 399 rupee (sekitar $4.55) per bulan dan akan belajar dan menyesuaikan berdasarkan umpan balik pengguna sebelum memutuskan apakah akan meluncurkannya ke negara lain.
Dibandingkan dengan versi gratis, paket Go menawarkan peningkatan batas pesan 10x lipat, peningkatan 10x dalam pembuatan gambar, peningkatan 10x dalam unggahan file, dan peningkatan 2x dalam waktu memori.

Nick Turley16 jam lalu
Kami baru saja meluncurkan ChatGPT Go di India, tingkat langganan baru yang memberi pengguna di India lebih banyak akses ke fitur kami yang paling populer: batas pesan 10x lebih tinggi, pembuatan gambar 10x lebih banyak, unggahan file 10x lebih banyak, dan memori 2x lebih lama dibandingkan dengan tingkat gratis kami. Semua seharga Rs. 399. 🇮🇳
15,72K
Penelitian MIT NANDA menemukan bahwa hanya 5% organisasi yang berhasil membawa alat AI ke dalam produksi dalam skala besar
Perusahaan AS telah menginvestasikan antara $35 miliar dan $40 miliar dalam proyek AI generatif, tetapi sejauh ini, mereka hampir tidak kehilangan apa-apa.
Menurut sebuah laporan [PDF] oleh proyek NANDA (Agen AI Jaringan dan AI Terdesentralisasi) MIT, 95% organisasi perusahaan menerima pengembalian nol atas investasi AI mereka.
Hanya 5% organisasi yang berhasil mengintegrasikan alat AI ke dalam produksi dalam skala besar.
Laporan ini didasarkan pada wawancara terstruktur dengan 52 pemimpin bisnis, analisis lebih dari 300 proyek dan pengumuman AI publik, dan survei terhadap 153 profesional bisnis.
Penulis laporan – Aditya Challapally, Chris Pease, Ramesh Raskar, dan Pradyumna Chari – mengaitkan "kesenjangan AI generatif" ini dengan ketidakmampuan sistem AI untuk menyimpan data, beradaptasi dengan lingkungan, dan kemampuan untuk belajar terus menerus, daripada kurangnya infrastruktur, sumber belajar, atau bakat.
> "kesenjangan AI generatif" paling jelas dalam tingkat penyebaran, dengan hanya 5% alat AI perusahaan khusus yang berhasil berhasil.
"'Kesenjangan AI generatif' paling jelas dalam tingkat penyebaran, dengan hanya 5% alat AI perusahaan khusus yang berhasil berproduksi," kata laporan itu. "Chatbot berhasil karena mudah bereksperimen dan fleksibel, tetapi gagal dalam alur kerja penting karena kurangnya memori dan penyesuaian."
Seperti yang dikatakan seorang CIO anonim dalam sebuah wawancara dengan penulis: "Kami menonton lusinan demo tahun ini. Mungkin hanya satu atau dua yang benar-benar berguna. Sisanya adalah produk 'cangkang' atau proyek eksperimen ilmiah. ”
Temuan penulis bertepatan dengan hasil studi terbaru lainnya yang menunjukkan bahwa kepercayaan kepemimpinan bisnis pada proyek AI menurun.
Laporan NANDA menyebutkan bahwa sebagian kecil perusahaan telah menemukan kegunaan AI generatif dan bahwa teknologi tersebut memiliki dampak besar pada dua dari sembilan sektor industri – teknologi dan media dan telekomunikasi.
Untuk sektor lainnya—layanan profesional, perawatan kesehatan dan farmasi, konsumen dan ritel, layanan keuangan, industri canggih, serta energi dan material—AI generatif tidak relevan.
Laporan tersebut mengutip COO anonim dari perusahaan manufaktur pasar menengah: "Hype di LinkedIn merajalela bahwa semuanya telah berubah, tetapi dalam operasi kami yang sebenarnya, tidak ada yang berubah secara mendasar. Kami memproses beberapa kontrak lebih cepat, tetapi hanya itu. ”
Satu hal yang benar-benar berubah adalah lanskap ketenagakerjaan, setidaknya di industri yang terkena dampak. Di sektor teknologi dan media, "lebih dari 80% eksekutif berharap untuk mengurangi perekrutan dalam waktu 24 bulan," catat laporan itu. ”
Menurut penulis, PHK yang didorong oleh AI generatif terutama terjadi dalam kegiatan bisnis non-inti yang sering dialihdayakan, seperti dukungan pelanggan, pemrosesan administrasi, dan tugas pengembangan standar.
"Posisi-posisi ini menunjukkan kerentanan karena status outsourcing dan standarisasi proses mereka sebelum AI diterapkan," kata laporan itu, mencatat bahwa antara 5% dan 20% posisi dukungan dan penanganan administratif di industri yang terkena dampak terpengaruh.
Menurut The Register, PHK Oracle baru-baru ini mencerminkan upayanya untuk menyeimbangkan belanja modal AI, yang telah menjadi beban berat di leher raksasa teknologi AS. Di IBM, karyawan percaya AI telah digunakan sebagai alasan untuk memindahkan pekerjaan ke luar negeri.
Terlepas dari pembenaran publik dan motivasi nyata untuk PHK, AI generatif memang berdampak pada industri teknologi dan media dan telekomunikasi, yang juga merupakan area di mana ia paling banyak diadopsi.
Meskipun sekitar 50% anggaran AI dialokasikan untuk pemasaran dan penjualan, penulis laporan menyarankan bahwa investasi perusahaan harus mengalir ke kegiatan yang menghasilkan hasil bisnis yang bermakna. Ini termasuk kualifikasi prospek dan retensi pelanggan di front-end, serta downsourcing outsourcing proses bisnis, pengeluaran agensi, dan verifikasi risiko layanan keuangan di back-end.
Dengan menganalisis keberhasilan AI generatif di beberapa perusahaan, laporan tersebut menunjukkan bahwa alat tujuan umum seperti ChatGPT OpenAI mengungguli alat kelas perusahaan yang disesuaikan, bahkan jika mereka menggunakan model AI yang sama yang mendasari alat perusahaan ini.
Laporan tersebut berpendapat bahwa karyawan cenderung lebih akrab dengan antarmuka ChatGPT dan karenanya lebih banyak menggunakannya – hasil dari "TI bayangan" yang diprakarsai karyawan. Laporan tersebut mengutip wawancara dengan seorang pengacara perusahaan yang menggambarkan ketidakpuasannya dengan alat analisis kontrak profesional yang menelan biaya $ 50.000 di firma hukum menengahnya.
"Alat AI yang kami beli memberikan ringkasan yang sangat kaku dengan opsi penyesuaian terbatas," kata pengacara kepada para peneliti. "Dengan ChatGPT, saya dapat memandu percakapan, mengulangi sampai saya mendapatkan apa yang saya butuhkan. Perbedaan mendasar dalam kualitas sudah jelas, dan ChatGPT secara konsisten menghasilkan hasil yang lebih baik, meskipun vendor kami mengklaim bahwa mereka menggunakan teknologi dasar yang sama. ”
Para penulis berpendapat bahwa perusahaan yang berhasil melintasi "kesenjangan AI generatif" lebih seperti mencari layanan outsourcing proses bisnis daripada pelanggan software-as-a-service (SaaS) saat pengadaan AI.
"Mereka menuntut penyesuaian yang mendalam, mendorong adopsi dari garis depan, dan meminta pertanggungjawaban pemasok atas metrik bisnis," laporan itu menyimpulkan. "Pembeli yang paling sukses memahami bahwa melintasi kesenjangan ini membutuhkan kemitraan, bukan hanya membeli produk." ®
44,78K
Hanya anak-anak yang membuat pilihan, dan orang dewasa semua menginginkannya. Di era AI, kemampuan pengkodean masih penting, tetapi fokusnya tidak lagi pada menggosok Leetcode dengan tangan, tetapi pada estetika dan rasa kode, yang dapat mencium bau tak sedap dari kode tersebut.
Jika kemampuan kode tidak bagus, Anda tidak akan dapat melihat masalah keamanan dan masalah kinerja dalam kode, apalagi menyelesaikan masalah ketika kode bermasalah

WquGuru🦀17 Agu, 20.36
Semakin cepat seorang Insinyur menyadari hal berikut, semakin baik keuntungan jangka panjangnya:
Ketika ada masalah dengan kode yang dihasilkan AI, Anda tidak boleh memeriksanya sendiri, mengubahnya sendiri, tetapi lulus:
tingkat prompt: perencanaan tugas yang lebih rinci, TODO yang lebih rinci...
Tingkat teknik: e2e, tes tunggal, bahasa tipe yang kuat...
Berikan AI lebih banyak petunjuk dan kendala, dan biarkan dia mengulangi dirinya sendiri
Singkatnya, jangan melawan tren pengembangan AI dan kembangkan keterampilan teknik, arsitektur, dan perencanaan, bukan keterampilan pengkodean
23,95K
Berlangganan alat AI dan membeli kursus adalah semacam kenyamanan psikologis, memberi Anda ilusi bahwa membeli kursus adalah belajar dan berlangganan AI adalah menggunakan AI.
Tidak pernah langganan AI atau kursus AI yang membuka celah, tetapi keingintahuan dan praktik langsung, baik di era AI maupun tanpa AI.
AI hanyalah pengganda kemampuan, dan jika Anda tidak memiliki keterampilan dasar yang cukup, Anda tidak dapat menggunakan AI dengan baik, dan tidak peduli seberapa mengagumkan petunjuknya, mereka tidak dapat menutupi kekurangan Anda di bidang profesional.

铁锤人15 jam lalu
Berlangganan berbagai produktivitas AI adalah salah satu investasi mandiri paling sederhana bagi orang biasa untuk memperlebar kesenjangan
Karena setelah meneliti sebentar, Anda akan menemukan bahwa Anda dan orang-orang di sekitar Anda berada pada tingkat produktivitas yang berbeda.
23,84K
Seorang teman bertanya kepada saya apakah saya memiliki cara yang baik untuk menghasilkan kode untuk Figma, dan pendekatannya saat ini adalah mengekspor kode HTML dari Figma dan kemudian membiarkan GitHub Copilot menulis ulang kode yang diekspor sesuai dengan format komponen di basis kode. Dia merasa merepotkan untuk menyalin dan menempelkan kode dan menulis banyak petunjuk untuk ditulis ulang oleh Copilot.
Saya tidak terlalu akrab dengan Figma, jadi saya menyarankan agar dia mencoba mengambil tangkapan layar hasil Figma secara langsung atau mengekspor PNG, lalu mengirim tangkapan layar ke Copilot sehingga Copilot dapat menghasilkan kode UI berdasarkan tangkapan layar dalam satu langkah.
Dia mengatakan bahwa gaya yang diperoleh dengan cara ini tidak seakurat yang diekspor dari Figma, lagipula, Figma memiliki warna dan ukuran yang akurat, sedangkan yang dihasilkan AI tidak begitu akurat.
Saya menyarankan agar dia mempertimbangkan untuk menggabungkan keduanya, mengekspor kode dan menghasilkan tangkapan layar pada saat yang sama, dan kemudian mengirim tangkapan layar, kode ekspor Figma, dan deskripsi komponen ke AI (dipisahkan oleh tag XML dalam prompt), sehingga pembuatan UI dan akurasi gaya dapat diseimbangkan.
Petunjuk referensi adalah sebagai berikut:
[Tangkapan layar desain UI]
. <Figma导出代码>.
[Kode Gambar ......]
</Figma导出代码>. .
. <UI组件说明>.
[Deskripsi Komponen UI Reaksi......]
</UI组件说明>. .
Di atas adalah diagram desain UI dan kode Figma yang sesuai, silakan lihat deskripsi komponen UI dan buat ulang kode UI menggunakan komponen UI yang saya berikan.
10,23K
AI secara bertahap menggantikan pekerja outsourcing dan lepas pantai
Menurut laporan "State of AI in Business 2025" yang dirilis oleh Massachusetts Institute of Technology (MIT), kecerdasan buatan belum akan mengambil pekerjaan Anda. Sebaliknya, AI saat ini terutama menggantikan tenaga kerja outsourcing dan lepas pantai.
Mengapa layak ditonton: Sementara pekerja AS merasakan tekanan pasar tenaga kerja yang ketat dan khawatir tentang gelombang PHK kerah putih, temuan MIT menunjukkan bahwa dampak AI saat ini sebagian besar terjadi lebih jauh, meskipun dengan risiko jangka panjang yang jauh lebih besar.
Apa yang mereka katakan: Aditya Challapally, kepala kelompok "Connected AI" di MIT Media Lab, mengatakan kepada Axios: "Tampaknya tidak ada PHK saat ini. …… Pekerjaan yang paling terpengaruh adalah pekerjaan yang memiliki prioritas rendah atau telah dialihdayakan. ”
• Laporan tersebut mencatat bahwa perusahaan menemukan bahwa manfaat nyata berasal dari "outsourcing proses bisnis alternatif (BPO) dan lembaga eksternal, daripada memotong staf internal."
Melihat gambaran besarnya: Sementara 3% pekerjaan dapat digantikan oleh AI dalam jangka pendek, angka ini bisa mendekati 27% dalam jangka panjang, kata Challapally.
• Industri yang dianggap sebagai pengadopsi awal AI menjadi yang pertama merasakan dampak langsung pada tenaga kerja.
• Lebih dari 80% eksekutif yang disurvei di industri teknologi dan media memperkirakan perekrutan akan menyusut selama dua tahun ke depan. Keduanya juga satu-satunya industri yang jelas menunjukkan tanda-tanda terkena AI.
• Meskipun demikian, sebagian besar perusahaan yang disurvei saat ini hanya menggunakan AI untuk mengisi lowongan karyawan, daripada menggantinya secara langsung.
Data berbicara: Saat ini, perusahaan tidak memberhentikan karyawan, tetapi hanya membatalkan kontrak yang melibatkan tenaga kerja outsourcing, sebuah strategi yang membuahkan hasil secara finansial.
• Otomatisasi back-office juga menghasilkan pengembalian investasi yang lebih tinggi, dengan perusahaan yang dipelajari oleh peneliti MIT memangkas pengeluaran outsourcing proses bisnis (BPO) sebesar $2 juta menjadi $10 juta.
• Salah satu perusahaan yang diteliti menghemat $8 juta per tahun dengan menghabiskan $8.000 untuk alat AI.
Gema: Diperkirakan 50% anggaran AI digunakan untuk penjualan dan pemasaran.
• Ini mungkin menunjukkan bahwa sementara alat back-office menghemat lebih banyak uang, alat front-office mendapatkan lebih banyak investasi.
• Ini mungkin juga karena lebih sulit untuk mengukur hasil front office yang didukung AI. (Misalnya, sulit untuk mengatakan apakah AI benar-benar membantu Anda menutup lebih banyak penjualan dalam setahun.) )
Wawasan Utama: Bagi investor yang bertaruh bahwa AI akan mendorong pertumbuhan produktivitas, laporan ini menawarkan harapan dan risiko.
• 95% organisasi yang berinvestasi dalam AI generatif tidak melihat laba atas investasi.
• Tetapi Challapally mengatakan perusahaan memang melihat "peningkatan produktivitas yang signifikan."
Kesimpulan utama: Jika AI dapat meningkatkan produktivitas dan membantu perusahaan memangkas biaya tanpa memicu PHK massal, itu bisa menjadi skenario "Goldilocks" yang ideal bagi investor – mendorong pertumbuhan pendapatan sambil menghindari hambatan ekonomi yang disebabkan oleh pengangguran yang meluas.


宝玉17 Agu, 10.54
Saat ini, ada berita yang sangat populer di Hacker News, konten beritanya adalah bahwa tingkat pengangguran California telah naik menjadi 5,5%, bagian bawah Amerika Serikat, dan industri teknologi sedang berjuang: "Pasar kerja terlalu kejam".
> tingkat pengangguran California naik menjadi 5,5% pada bulan Juli, tertinggi di antara negara bagian mana pun di Amerika Serikat, menurut data pemerintah negara bagian yang dirilis pada hari Jumat. Di balik ini adalah kelemahan pekerjaan yang berkelanjutan di industri teknologi dan pekerjaan kantor lainnya, serta penurunan pasar rekrutmen.
Berita tersebut mengaitkan hal ini dengan kelemahan sektor teknologi, yang merupakan bagian penting dari ekonomi California. Berita itu dibahas hangat di komunitas Hacker News, dan alasan yang mendasari di baliknya dianalisis dari perspektif mereka sendiri, jauh lebih kompleks daripada yang disarankan oleh judulnya.
Saya pikir diskusi ini adalah ringkasan yang baik tentang mengapa pekerjaan di industri teknologi saat ini lamban.
1. Pertama-tama, poin intinya adalah: ucapkan selamat tinggal pada beberapa gejala sisa dari "era suku bunga nol"
Ini adalah poin paling arus utama dan mendalam dalam diskusi. Banyak yang percaya bahwa kesengsaraan industri teknologi saat ini tidak disebabkan oleh satu faktor, melainkan efek riak dari akhir era Zero Interest Rate Policy (ZIRP) dalam dekade terakhir.
- Gelembung modal meledak: Dari sekitar 2012 hingga 2022, suku bunga yang sangat rendah membuat modal sangat murah. Masuknya modal ventura (VC) ke dalam industri teknologi telah melahirkan model bisnis yang tak terhitung jumlahnya yang mengandalkan pertumbuhan "terbakar", terutama perusahaan kripto dan metaverse yang tidak memiliki nilai nyata. Ketika The Fed menaikkan suku bunga, era uang murah berakhir, dan rantai uang untuk perusahaan-perusahaan ini putus, yang menyebabkan banyak PHK dan penutupan.
- Ketidakseimbangan Penawaran dan Permintaan Bakat: Di era ZIRP, mitos gaji tinggi di industri teknologi telah menarik masuknya bakat. Perluasan besar-besaran program ilmu komputer (CS) di universitas, mekarnya kamp pelatihan, dan imigrasi teknis telah menyebabkan peningkatan dramatis dalam pasokan insinyur perangkat lunak selama dekade terakhir. Namun, seiring dengan surutnya modal, sisi permintaan, terutama startup, menyusut tajam, menciptakan surplus bakat yang serius.
- Efek riak di industri seperti bioteknologi: Industri seperti bioteknologi, yang juga mengandalkan investasi jangka panjang dan berisiko tinggi, juga terpukul keras. Industri ini bahkan lebih bergantung pada modal murah daripada industri perangkat lunak. Setelah ZIRP berakhir, dana VC berangsur-angsur mengering, dan startup tidak dapat memperoleh putaran pembiayaan baru setelah kehabisan "dana landasan pacu" (landasan pacu), dan harus memberhentikan karyawan atau bangkrut.
> (oleh tqi): "Menurut pendapat saya, terlalu dini untuk mengatakan bahwa 'AI' memiliki dampak substansial pada perekrutan perusahaan perangkat lunak. Penjelasan yang lebih masuk akal adalah bahwa antara 2012 dan 2022, pasokan bakat untuk insinyur perangkat lunak meningkat secara signifikan... Di sisi permintaan, dana VC di era suku bunga nol terutama diinvestasikan dalam perusahaan cryptocurrency dan metaverse yang tidak masuk akal, yang sebagian besar belum berhasil, mengakibatkan kurangnya perusahaan terdaftar tahap akhir atau baru di pasar yang dapat menyerap talenta ini. ”
2. "Pedang bermata dua" dari pekerjaan jarak jauh: gelombang baru outsourcing global
Pandemi COVID-19 telah mempopulerkan Work From Home (WFH), yang dipandang sebagai anugerah oleh banyak pengembang pada saat itu, namun kini efek negatifnya mulai muncul.
- Membuka jalan untuk outsourcing: Saat pengembang memperjuangkan hak untuk bekerja sepenuhnya dari jarak jauh, mereka mungkin tidak menyadarinya, yang juga membuka pintu bagi perusahaan untuk mengalihdayakan pekerjaan ke negara-negara berbiaya rendah. Karena semua orang terpencil, mengapa tidak mempekerjakan insinyur India atau Eropa Timur yang hanya 1/5 dari insinyur Amerika dan sama baiknya?
- Kantor "Tidak Kembali ke Kantor": Beberapa komentator percaya bahwa kebijakan "Kembali ke Kantor (RTO" yang dipromosikan oleh perusahaan teknologi sebagian ditujukan untuk melindungi pekerjaan lokal). Setelah pekerjaan terbukti 100% jarak jauh, maka itu dapat dilakukan di mana saja di dunia, dan keuntungan gaji untuk insinyur Amerika tidak akan ada lagi.
- Perdebatan Kualitas Outsourcing: Beberapa berpendapat bahwa outsourcing telah berlangsung selama beberapa dekade, dan pengembangan perangkat lunak berkualitas tinggi masih membutuhkan talenta lokal terbaik karena masalah seperti biaya komunikasi, perbedaan zona waktu, dan latar belakang budaya. Namun, mereka yang mendukung perspektif outsourcing percaya bahwa hambatan ini diatasi seiring dengan kematangan alat kolaborasi jarak jauh dan model manajemen meningkat.
> (oleh aurareturn): "Saya telah mengatakan di HN sejak 2022: semua pengembang Amerika Utara yang mendukung pekerjaan jarak jauh sepenuhnya, Anda akan terkejut ketika perusahaan Anda memutuskan untuk mengganti Anda dengan seseorang dari luar negeri. Karena semuanya jarak jauh, mengapa perusahaan harus mempekerjakan Anda dengan harga 5 kali lipat daripada karyawan luar negeri yang bekerja lebih keras dan mengeluh lebih sedikit? ... Mendukung perintah untuk kembali ke kantor dapat menyelamatkan karir Anda dalam jangka panjang. ”
3. Peran AI: Apakah itu alat produktivitas, alasan untuk memberhentikan karyawan, atau "vampir" modal?
Mengenai peran kecerdasan buatan (AI) dalam gelombang kehilangan pekerjaan ini, diskusi menghadirkan kesenjangan yang kompleks.
- Efek penggantian langsung terbatas: Sebagian besar setuju bahwa AI saat ini tidak dapat sepenuhnya menggantikan insinyur perangkat lunak berpengalaman. Tetapi itu telah mulai menggantikan beberapa tugas junior dan berulang, seperti beberapa tugas konsultasi kecil. Seorang konsultan maju dan mengatakan bahwa pelanggan berhenti menghubunginya karena ChatGPT dapat memecahkan beberapa bug kecil.
- "Alasan sempurna" untuk PHK: Keyakinan umum adalah bahwa AI telah menjadi "alasan sempurna" bagi perusahaan untuk memberhentikan karyawan dan mengurangi biaya dan meningkatkan efisiensi. Bahkan jika akar penyebab PHK adalah kemerosotan ekonomi atau keputusan manajemen, perusahaan dengan senang hati mengemasnya sebagai penyesuaian strategis untuk "merangkul AI dan meningkatkan efisiensi".
- "Lubang hitam" modal: AI memainkan peran kunci lainnya – menyedot satu-satunya modal ventura yang tersisa di pasar yang bisa mengalir ke sektor teknologi lain. VC sekarang hampir secara eksklusif tertarik pada proyek AI, yang telah memperburuk kesulitan pembiayaan startup di bidang non-AI.
4. "Zona karat" industri teknologi? Kekhawatiran struktural tentang masa depan
Beberapa panelis menyatakan keprihatinan tentang masa depan dari perspektif yang lebih luas, menarik paralel antara industri teknologi dan "Rust Belt" manufaktur yang dulunya mulia dan kemudian menurun.
- Kehilangan pekerjaan berulang: Sama seperti Amerika Serikat yang mengalihdayakan manufaktur ke China, pekerjaan TI dan pengembangan perangkat lunak sekarang mengalir ke India, Amerika Latin, dan Eropa Timur dalam skala besar. Hal ini dapat menyebabkan pengangguran struktural jangka panjang bagi kelompok insinyur perangkat lunak yang dulunya dibayar dengan baik.
- Dampak Politik dan Sosial: Jika sejumlah besar pekerjaan teknologi kelas menengah menghilang, itu dapat memicu masalah sosial dan politik baru, seperti penurunan Sabuk Karat yang masih memengaruhi lanskap politik Amerika saat ini.
- Kontroversi Kebijakan Imigrasi dan Visa (H1B/O1): Bagian dari diskusi menunjuk pada visa kerja seperti H1B, dengan alasan bahwa visa tersebut disalahgunakan, menurunkan gaji insinyur lokal dan meningkatkan persaingan. Yang lain adalah pembela setia migrasi terampil, dengan alasan bahwa talenta terbaik dari seluruh dunia, seperti lulusan dari University of Waterloo, yang membentuk landasan inovasi di Silicon Valley.
5. Manajemen perusahaan dan perubahan budaya: "Efek Musk"
Sudut pandang yang menarik adalah bahwa Musk telah memiliki efek teladan pada PHK besar-besaran Twitter (sekarang X).
- Rasionalisasi PHK: Ketika Musk memberhentikan lebih dari 75% karyawan Twitter, produk tersebut masih berfungsi, yang membuat banyak CEO merenungkan: "Karena dia bisa melakukannya, mengapa saya tidak bisa?" Ini mematahkan pola pikir "lebih banyak bakat, semakin baik" dari perusahaan teknologi di masa lalu, membuat PHK skala besar lebih dapat diterima baik secara psikologis maupun komersial.
6. Faktor politik dan kebijakan: Kontroversi atas perubahan undang-undang pajak
Petunjuk teknis namun luas adalah tentang perubahan undang-undang pajak AS.
- Aturan Amortisasi Pengeluaran R&D (Bagian 174): Ada ketentuan dalam Undang-Undang Reformasi Pajak (TCJA) pemerintahan Trump pada tahun 2017 yang mengharuskan perusahaan untuk mengamortisasi biaya penelitian dan pengembangan (R&D) seperti gaji pengembangan perangkat lunak dengan mencicil selama lima tahun mulai tahun 2022, daripada dipotong sepenuhnya pada tahun berjalan seperti sebelumnya. Hal ini telah sangat meningkatkan beban pajak pada perusahaan teknologi, terutama startup, dan menghalangi niat perekrutan di Amerika Serikat.
- Efek restoratif dari tagihan baru-baru ini: RUU Build Back Better (BBB) yang baru-baru ini disahkan sebagian memperbaiki masalah ini, memungkinkan pengeluaran R&D domestik segera dipotong lagi. Beberapa komentator percaya bahwa mereka merasakan peningkatan di pasar perekrutan sekitar Juli, yang mungkin ada hubungannya dengan itu.
Akhirnya
Dilihat dari diskusi ini, alasan penurunan lapangan kerja saat ini di industri teknologi California cukup kompleks, tidak disebabkan oleh satu faktor, juga tidak dapat hanya dikaitkan dengan "AI menggantikan manusia" atau "resesi siklus dalam industri", tetapi hasil dari resesi ekonomi setelah berakhirnya era suku bunga nol, restrukturisasi pasar tenaga kerja global yang disebabkan oleh kerja jarak jauh, dampak ganda AI sebagai teknologi baru dan magnet modal, dan perubahan kebijakan pajak tertentu.
Saya tidak tahu kapan saya akan keluar dari kesulitan ini? Atau alasannya bukan hanya yang dibahas di atas
18,79K
Teratas
Peringkat
Favorit
Trending onchain
Trending di X
Pendanaan teratas terbaru
Paling terkenal