Wiadomość na LinkedInie przychodzi z uprzejmą, lecz pustą manierą korporacyjnego rekrutera, jednak opis stanowiska zawiera pewien strukturalny błąd. Zaprasza do wysokopłatnego, krótkoterminowego projektu — programowania, analizy prawnej lub modelowania finansowego — pod warunkiem, że zgodzisz się na rejestrowanie każdego naciśnięcia klawisza, każdej poprawki i każdego twórczego zwrotu akcji. Nie jesteś zatrudniany do pracy; jesteś zatrudniany, by stać się biologicznym zestawem treningowym dla maszyny, która ostatecznie przekształci Twoje stanowisko w koszt przeszłości. To główny mechanizm działania Mercor, startupu z San Francisco, który niedawno osiągnął wycenę 10 miliardów dolarów, mimo że kierują nim dwaj założyciele, którzy nigdy nie pracowali w tradycyjnym zawodzie „białego kołnierzyka”.
Zbiory danych ukryte w ogłoszeniu o pracę
Założyciele, Adarsh Hiremath i Brendan Foody, reprezentują specyficzny archetyp z Doliny Krzemowej: inżyniera z krwi i kości, który postrzega złożoność życia zawodowego jako serię problemów optymalizacyjnych. Ich wycena na poziomie 10 miliardów dolarów, wspierana przez elitę zarządzającą majątkiem w Iconiq, odzwierciedla zakład, że kolejny skok produktywności nie będzie wynikał z lepszych algorytmów, lecz z posiadania profesjonalnych danych „eksperckich”. To cyniczna pętla. Płacisz człowiekowi 100 dolarów za godzinę, aby przez czterdzieści godzin trenował model; następnie ten model wykonuje pracę człowieka za ułamek tej stawki przez następną dekadę. Ekonomia jednostkowa jest druzgocąca dla każdego, kto obecnie posiada biurko i plan emerytalny.
Czy AI znajdzie pracę dla tych, których zastępuje?
W miarę jak Mercor przyspiesza automatyzację pracy specjalistów średniego szczebla, powstaje rynek wtórny mający zarządzać skutkami tego zjawiska. Pelgo, kolejny startup pojawiający się na fali obecnego boomu na sztuczną inteligencję, stawia sobie za cel wykorzystanie sztucznej inteligencji do znajdowania nowych zajęć dla pracowników, których ona sama wyparła. To symetria, którą tylko inwestor venture capital mógłby uznać za pocieszającą. Pelgo obiecuje świadczenie usług z zakresu outplacementu — optymalizacji CV, coachingu przed rozmowami kwalifikacyjnymi i automatycznego składania podań — taniej i szybciej niż robi to doradztwo zawodowe prowadzone przez ludzi. Wkraczamy w erę, w której AI cię zwalnia, a inna AI pomaga ci aplikować na stanowisko, które może (ale nie musi) być zarządzane przez trzecią AI.
Ten cykl ujawnia rosnącą presję w branży technologicznej, by uzasadnić swoje własne zakłócenia. Jeśli „mit” AI, jak zaprezentowano niedawno podczas spotkań MFW w kontekście nowego narzędzia Mythos firmy Anthropic, opiera się na pełnej efektywności, to rzeczywistość stanowi chaotyczne przejście o wysokim poziomie tarć. W Waszyngtonie szefowie finansów nie debatują już nad tym, czy AI wpłynie na rynek pracy; próbują wyliczyć, ile będą kosztować wynikające z tego zabezpieczenia społeczne. Dyskusja przeniosła się z laboratoriów do resortów finansów, a liczby nie są szczególnie korzystne dla pierwiastka ludzkiego.
Europejski zwrot ku sprzętowi i światłu
Podczas gdy Stany Zjednoczone dominują w warstwie oprogramowania tego przewrotu, Europa próbuje zabezpieczyć fundamenty. W roku, w którym akcje spółek typu „software-as-a-service” mierzyły się z sceptycyzmem co do swojej rzeczywistej użyteczności, najlepszą spółką na giełdzie w 2026 roku w Europie nie jest dostawca modeli generatywnych. Jest to francuska firma z branży fotoniki, płynąca na fali infrastruktury AI. Fotonika — wykorzystanie światła zamiast elektryczności do przesyłania danych — stała się krytycznym wąskim gardłem dla firm takich jak Mercor czy Anthropic. W miarę wzrostu modeli, koszt energii potrzebnej do przemieszczania elektronów przez miedziane przewody staje się nie do utrzymania.
Francuski wzrost akcji w sektorze fotoniki podkreśla rozbieżność w strategii przemysłowej. Bruksela w dużej mierze pogodziła się z faktem, że przegrała wyścig o dominujący duży model językowy z San Francisco i Seattle. Zamiast tego UE podwaja wysiłki w łańcuchu dostaw. Poprzez ustawę EU Chips Act i różne państwowe instrumenty inwestycyjne, punkt ciężkości przesunął się na wyspecjalizowany sprzęt, który fizycznie umożliwia działanie AI. Jeśli USA posiadają umysł maszyny, Europa chce posiadać jej układ nerwowy. To pragmatyczny, choć mniej efektowny zakład, oparty na fizyce centrów danych, a nie na kaprysach algorytmu LinkedIna.
Mur regulacyjny w Brukseli
Strategia Mercor polegająca na wykorzystywaniu profesjonalistów do szkolenia ich własnych następców prawdopodobnie zderzy się z ostrymi krawędziami unijnego aktu o sztucznej inteligencji (EU AI Act). Rozporządzenie, które przeszło od teorii do egzekwowania, zawiera konkretne przepisy dotyczące przejrzystości i praw pracowniczych. Zgodnie z obecnym prawem UE, platforma, która wykorzystuje profesjonalny wkład do trenowania modelu komercyjnego, musi wyraźnie o tym informować. W Bonn i Paryżu narasta debata prawna nad tym, czy „pozyskiwanie danych” w przebraniu „zatrudnienia” stanowi naruszenie praw pracowniczych lub własności intelektualnej.
Niemieccy liderzy przemysłu, zwłaszcza w sektorze Mittelstand, obserwują te zmiany z mieszanką ciekawości technicznej i instytucjonalnego przerażenia. Niemiecki model „Mitbestimmung” (współdecydowania) nie przystaje łatwo do systemu informatycznego, który traktuje wiedzę inżynierską jako zbiór danych jednorazowego użytku. Podczas gdy startup z San Francisco może z dnia na dzień osiągnąć wycenę 10 miliardów dolarów, omijając tradycyjne struktury zatrudnienia, europejska firma próbująca zrobić to samo napotkałaby górę sporów sądowych ze strony rad zakładowych i organów ochrony danych. To tarcie regulacyjne jest często określane jako słabość, ale w kontekście Mercor może pełnić rolę kluczowego hamulca dla procesu, który traktuje ludzkie doświadczenie jako surowy towar.
Infrastruktura przestarzałości
Ucieczka kapitału w stronę AI nie dotyczy tylko kodu; chodzi o zarządzanie majątkiem, które za tym stoi. Iconiq, doradca miliarderów z branży technologicznej, przenosi miliardy w infrastrukturę AI. To nie są spekulacyjne pieniądze detaliczne; to kapitał ludzi, którzy zbudowali platformy mediów społecznościowych i dostawców chmury ostatniej dekady. Sygnalizują oni, że era „człowieka w pętli” jest tymczasową fazą przejściową. Gdy dane od wysokopłatnych pracowników kontraktowych Mercor zostaną wystarczająco wchłonięte, pętla się zamknie.
To stwarza napięcie w łańcuchu dostaw, które jest często pomijane. Aby utrzymać wycenę na poziomie 10 miliardów dolarów, Mercor potrzebuje stałego dopływu wysokiej jakości danych profesjonalnych. Ale w miarę jak maszyny stają się lepsze w wykonywaniu zadań, pula ludzkich ekspertów się kurczy. Jesteśmy świadkami kanibalizacji profesjonalnej wiedzy. Ironia sytuacji polega na tym, że im skuteczniejszy jest Mercor w zastępowaniu pracowników umysłowych, tym droższe stają się jego własne dane treningowe. To przemysł wydobywczy, który podobnie jak ropa naftowa, stoi przed problemem wyczerpania zasobów. Skoro zautomatyzowałeś młodszego prawnika, to kto zostanie starszym prawnikiem, którego wiedzy będziesz potrzebować do kolejnej aktualizacji modelu?
Dolina Krzemowa spędziła ostatnią dekadę na tworzeniu narzędzi do zarządzania informacjami świata. Teraz tworzy narzędzia do zarządzania nieobecnością świata na rynku pracy. Europa ma fotonikę i regulacje, ale jeszcze nie zdecydowała, czy chce chronić pracowników, czy tylko dostarczać światło dla ich następców. Na razie klasie zawodowej płaci się za dokumentowanie własnej przestarzałości, wiadomość po wiadomości na LinkedInie. To niezwykłe osiągnięcie inżynieryjne, pod warunkiem, że nie jesteś tym, który trzyma klawiaturę.
Comments
No comments yet. Be the first!