- ความเร็วในการพัฒนา AI เอเจนต์ ยังไม่เป็นไปตามที่คาดหวัง และตลอดช่วงอย่างน้อย 4 เดือนที่ผ่านมา แนวโน้มการพัฒนา ไม่ได้เร่งตัวขึ้น อย่างที่คาด
- การปรับโครงสร้างองค์กรครั้งใหญ่ที่เริ่มใช้เมื่อต้นปีไม่ได้ "เรียบร้อย" เพียงพอ และฝ่ายบริหาร ตัดสินจังหวะเวลาของการเปลี่ยนแปลงพลาด
- ในเดือนพฤษภาคม บริษัทปลดพนักงานราว 10% ของพนักงานทั้งหมด และ ย้ายพนักงานราว 7,000 คนไปยังทีมที่เน้น AI ทำให้เกิดแรงต้านจากพนักงานและความกังวลด้านขวัญกำลังใจ
- การเดิมพันกับโครงสร้างองค์กรใหม่ ยังไม่ออกดอกออกผล และคาดว่าจะเห็นผลมากขึ้นในช่วง 3–6 เดือนข้างหน้า
- ท่ามกลางแผน ลงทุนโครงสร้างพื้นฐาน AI สูงสุด 145 พันล้านดอลลาร์ ในปีนี้ บริษัทยังเดินหน้าทบทวนซอฟต์แวร์ติดตามเมาส์และหารือเรื่องการนำระบบ opt-in กลับมาใช้อีกครั้ง
การพัฒนา AI เอเจนต์ล่าช้า
- ในการประชุม town hall ภายในบริษัท เขายอมรับว่าการปรับโครงสร้างองค์กรครั้งใหญ่มีข้อบกพร่อง และกล่าวถึงการที่ระบบ AI เอเจนต์ พัฒนาได้ไม่เร็วเท่าที่คาด
- AI เอเจนต์หมายถึง ระบบอัตโนมัติ ที่ทำงานแทนผู้ใช้
- อย่างน้อยตลอด 4 เดือนที่ผ่านมา แนวโน้มการพัฒนาแบบ agentic ไม่ได้เร่งตัวขึ้นในแบบที่คาดไว้ และการเดิมพันกับโครงสร้างใหม่ยังไม่ออกดอกออกผล
- ระหว่างการวางแผนปรับโครงสร้างในช่วงเดือนมกราคมถึงกุมภาพันธ์ มีความกังวลจากการพูดคุยกับ "บุคลากรระดับท็อป" ว่า ความเร็วในการปรับตัวต่อการเปลี่ยนแปลงอาจไม่เร็วพอ
- ในเวลานั้น ฝ่ายบริหารมีมุมมอง "มองบวกอย่างมาก" ต่อเครื่องมืออย่าง Claude Code ของสตาร์ทอัป AI อย่าง Anthropic
การปรับโครงสร้างและการจัดองค์กรใหม่
- การจัดองค์กรใหม่ที่รวมถึงการลดพนักงานจำนวนมากไม่ได้ "เรียบร้อย(clean)" เท่าที่ควร และฝ่ายบริหารประเมินจังหวะเวลาของการเปลี่ยนแปลงผิดพลาด
- ขณะนี้มีความพยายามที่จะ ผ่อนคลาย การเปลี่ยนแปลงองค์กรบางส่วนที่นำมาใช้เมื่อต้นปี โดยไม่เปลี่ยนทิศทางหลักอย่างสิ้นเชิง
- ในเดือนพฤษภาคม บริษัทปลดพนักงานทั่วโลกราว 10% และ ย้ายพนักงานประมาณ 7,000 คนไปยังทีมที่เน้น AI ก่อให้เกิดแรงต้านจากพนักงานและความกังวลเรื่องขวัญกำลังใจที่ตกต่ำ
- การเปลี่ยนแปลงนี้เป็นส่วนหนึ่งของ การปรับโครงสร้างครั้งใหญ่ เพื่อจัดหาเงินลงทุนสำหรับโครงสร้างพื้นฐาน AI และเพิ่มประสิทธิภาพงานที่ได้รับการสนับสนุนด้วย AI
- แม้ในเดือนพฤษภาคมบริษัทจะบอกพนักงานว่าจะไม่มีการปลดพนักงานทั้งบริษัทเพิ่มเติมในปีนี้ แต่พนักงานบางส่วนยังคงมีท่าทีสงสัย
ขนาดการลงทุน AI และแนวโน้ม
- คาดว่าปีนี้บริษัทจะใช้จ่ายด้านโครงสร้างพื้นฐาน AI สูงสุด 145 พันล้านดอลลาร์ ซึ่งคิดเป็นสัดส่วนสำคัญของการใช้จ่ายรวมมากกว่า 700 พันล้านดอลลาร์ของบรรดาบิ๊กเทค
- คาดว่าจะเริ่มเห็นผลลัพธ์ที่ชัดเจนยิ่งขึ้นจากการลงทุน AI ภายใน 3–6 เดือนข้างหน้า
- โฆษกของ Meta ปฏิเสธที่จะแสดงความคิดเห็นในวันดังกล่าว
การทบทวนซอฟต์แวร์ติดตามเมาส์
- Andrew Bosworth ประธานเจ้าหน้าที่ฝ่ายเทคโนโลยี เปิดเผยว่าจากผลการทบทวนเหตุการณ์ด้านความปลอดภัยของข้อมูลล่าสุด พบว่า ไม่มีข้อมูลพนักงานถูกรวมอยู่ในการฝึก AI
- เมื่อเดือนที่แล้ว Meta ได้ ระงับชั่วคราว โปรแกรมที่ติดตามการเคลื่อนไหวของเมาส์และกิจกรรมดิจิทัลของพนักงานเพื่อนำไปใช้ฝึก AI ระหว่างการสอบสวนกรณีข้อมูลอ่อนไหวรั่วไหล
- หากเปิดโปรแกรมอีกครั้งหลังการทบทวนเสร็จสิ้น จะใช้รูปแบบ "opt-in"
- เขาอธิบายกับพนักงานว่า "ใครที่สบายใจก็สามารถมีส่วนร่วมกับการตรวจสอบโดยมนุษย์ที่ยอดเยี่ยมนี้ได้ และถ้าไม่สบายใจก็ไม่เป็นไร"
- แตกต่างจากตอนที่ติดตั้งโปรแกรมนี้ครั้งแรกบนคอมพิวเตอร์ของพนักงานในสหรัฐเมื่อเดือนเมษายน ซึ่งในเวลานั้นบริษัทแจ้งว่า ไม่มีวิธี opt-out
1 ความคิดเห็น
ความคิดเห็นจาก Hacker News
ช่วงเวลานี้ของปีที่แล้ว ผมยังกังวลว่าในราวปีนี้ บริษัทต่าง ๆ อาจลดขนาดทีมวิศวกรรมให้เหลือคนเพียงไม่กี่คน และให้ เอเจนต์อัตโนมัติ ที่มนุษย์สั่งงานเป็นผู้จัดการงานส่วนใหญ่แทน แต่เรื่องนั้นก็ไม่ได้เกิดขึ้น
ตอนนี้ผมเขียนโค้ดทั้งหมดร่วมกับเอเจนต์ แต่การโยนแค่ผลลัพธ์ที่ต้องการให้แล้วปล่อยให้ทำเองโดยไม่กำกับดูแลนั้นเป็นไปไม่ได้เลย
แม้จะสร้างโค้ดได้มากกว่าเดิม แต่ถ้าต้องการโค้ดที่ดีและเสถียรตามที่ผู้จัดการผลิตภัณฑ์และนักออกแบบต้องการ ปริมาณที่เพิ่มขึ้นก็อยู่ราว 2–3 เท่า และโค้ดที่ต้องรีวิวก็เพิ่มขึ้น 2–3 เท่าตามไปด้วย จนหักล้างประโยชน์ด้านผลิตภาพไป
จำนวนบรรทัดโค้ดไม่ใช่สินทรัพย์ แต่เป็นหนี้ และควรมีให้น้อยที่สุดเท่าที่เป็นไปได้ ตราบใดที่ไม่กระทบฟีเจอร์ซึ่งเป็นสินทรัพย์ที่แท้จริง
ส่วนสำคัญของวิศวกรรมซอฟต์แวร์คือการสร้างโค้ดในปริมาณที่เหมาะสม ณ เวลาที่เหมาะสม
ในความเป็นจริง มันเพิ่งเริ่มทำงานได้ในระดับหนึ่งโดยไม่ต้องแก้เยอะมากในช่วงระหว่างเดือนพฤศจิกายนถึงกุมภาพันธ์ และตอนนี้องค์กรต่าง ๆ ก็ดูเหมือนยังอยู่ระหว่างเรียนรู้ว่าจะใช้โมเดลและเครื่องมือปัจจุบันให้ได้ประโยชน์สูงสุดอย่างไร
นักพัฒนาบางคนจับทางได้เร็ว นำทีมได้ดี และสร้างวัฒนธรรมที่ดีได้ แต่หลายคนจะลำบากหากไม่ได้รับการสนับสนุนให้เข้าใจว่าอะไรเปลี่ยนไปเมื่อเปลี่ยนจาก IC มาเป็นผู้จัดการ
เมื่อทีมหรือฝูงเอเจนต์ทำผลงานได้ไม่ดี ปัญหามักไม่ใช่ที่สมาชิก แต่เป็นผู้จัดการหน้าใหม่ที่จับทุกอย่างไว้และ ไมโครแมเนจ หรือกลับกันคือปล่อยทิ้งไว้เต็มที่ แล้วโผล่มาเฉพาะตอนเช็กอินจนทำให้งานออกมาเสีย
ถึงจะไม่มีหลักฐาน แต่ผมคิดว่าถ้าให้นักพัฒนาได้รับการฝึกด้านการจัดการบางอย่าง พวกเขาน่าจะใช้ฝูงเอเจนต์ได้ดีขึ้นมาก
มันเป็น สไตล์การเขียนโค้ด C# ที่ค่อนข้างเรียบง่าย แต่การสื่อสารความเรียบง่ายนั้นกลับยากกว่าที่คิด
เมื่อเอเจนต์สร้างโค้ดขึ้นมา ต้องใช้เวลานานในการตรวจว่าถูกต้องหรือไม่ และถ้าไม่ตรวจ พอถูกเพื่อนร่วมงานถามตอนรีวิวก็จะเผยให้เห็นว่ายังไม่เข้าใจมันจริง ๆ ซึ่งน่าอาย
ให้ความรู้สึกเหมือนทั้งโลกบอกว่าถ้าโบกแขนก็จะบินได้ แต่พอลองเองกลับได้แต่เผาพลังงานอยู่กับที่
สิ่งที่ระบุไว้อย่างชัดเจนว่าให้ทำเป็นส่วนหนึ่งของการออกแบบ กลับถูกมองข้ามไปเฉย ๆ
คนที่เป็น vibe coder จริง ๆ บอกว่าแค่เขียนพรอมป์ต์อย่างระมัดระวังก็พอ แต่ในสถานการณ์ที่พรอมป์ต์ที่เขียนอย่างระมัดระวังถูกเพิกเฉย นั่นไม่จริงเลย
ต่อให้ใส่ไว้ใน AGENTS.md ส่วนกลางว่า “อย่าล้มการตัดสินใจของฉันโดยไม่ถาม” มันก็ยังไม่ทำตามอยู่ดี
บทความนี้ดูใกล้เคียงกับการที่ TechCrunch นำบทความของ Reuters https://finance.yahoo.com/technology/ai/articles/exclusive-z... มาเขียนใหม่ให้บางลงมากกว่า
คำอ้างอิงที่ถูกต้องดูเหมือนจะเป็นว่า “ตลอดอย่างน้อย 4 เดือนที่ผ่านมา เส้นทางของการพัฒนาแบบเอเจนต์ไม่ได้เร่งขึ้นจริงตามแบบที่เราคาดไว้ และการเดิมพันของบริษัทกับสถาปัตยกรรมใหม่ยังไม่ออกดอกออกผล”
ยากจะคาดเดาได้ว่า เส้นทางของการพัฒนาแบบเอเจนต์ ที่ Zuckerberg พูดถึงตรงนี้หมายถึงอะไรกันแน่ แต่มีความเป็นไปได้สูงว่าหมายถึงความสามารถของโมเดลภายใน Meta ในการใช้เครื่องมือและทำงานบริบทยาว ๆ ยังไม่ได้ดีขึ้นพอที่จะขับเคลื่อนสภาพแวดล้อมรันเอเจนต์อย่าง Codex หรือ Claude Code ให้อยู่ในระดับเดียวกับโมเดลชั้นนำของ OpenAI และ Anthropic
ยิ่งไปกว่านั้น การโยกพนักงานจำนวนมากไปทำงานติดป้ายกำกับข้อมูล AI ก็น่าจะเป็นส่วนหนึ่งของเป้าหมายนั้นด้วย
หากมองในระดับสูง เอเจนต์เหล่านี้ยังไม่สามารถจัดการแม้แต่ปัญหาขนาดกลางได้อย่างมนุษย์ที่มีเหตุผล
ต่อให้เพิ่มหน่วยความจำเข้าไป ก็มีแต่เพิ่ม บริบทที่ถูกหลอนขึ้นมา และทำให้ความล้มเหลวของงานเปลี่ยนไปอยู่ในรูปแบบที่สังเกตเห็นได้ยากกว่าเดิม
เขามีความเป็นไปได้สูงว่ากำลังหาเหตุผลเข้าข้างตัวเองจากมุมมองต้นทุนสัมบูรณ์และ ผลตอบแทนจากการลงทุน ที่นิยามได้
ช่องว่างระหว่าง แชตบอตที่มีประโยชน์ กับ เอเจนต์ที่มีประโยชน์ ใหญ่กว่าที่ผู้คนคิดมาก
แชตบอตต่อให้ผิด 10% ก็ยังช่วยได้ แต่ถ้าเอเจนต์ผิด 10% มันจะส่งอีเมลผิด ๆ และเรียก API ผิด ๆ ในสภาพที่ไม่มีใครตรวจสอบ
เอเจนต์เขียนโค้ดสามารถตั้งสมมติฐานบางอย่าง ทดสอบ พบว่าผิด แล้วกู้กลับมาได้
แต่เมื่อเลยขอบเขตที่ทดสอบได้ง่าย และให้มันทำงานจริงแทนการเขียนแพตช์ ปัญหาคือมันจะจินตนาการสิ่งที่ไม่จริงให้เป็นเรื่องจริง
ถ้าใช้โดยไม่มีการกำกับดูแล อย่างดีที่สุดก็ดูมีประโยชน์จำกัด และอย่างแย่ที่สุดก็เลี่ยงไม่ได้ที่จะเป็นหายนะ
ตอนนี้งานที่ตรวจสอบได้ด้วยความแม่นยำสมเหตุสมผลคือขอบเขตที่เหมาะที่สุด
คำพูดที่ว่า “ภายใน 3–6 เดือนข้างหน้า เราจะเริ่มเห็นผลกำไรที่มีความหมายมากขึ้นจากการลงทุนด้าน AI” นั้นเหมือนกำลังหลอนแบบ AI และดูเหมือนอยู่ในสภาพที่ยอมรับข้อเท็จจริงหน้างานไม่ได้
Meta หลงทิศทางมาตั้งแต่ราว 5 ปีก่อนในเรื่อง metaverse, VR, แว่นตา และ AI และควรนั่งลงอย่างสงบแล้วคิดให้ดีว่าผลิตภัณฑ์หลักจริง ๆ คืออะไร
น่าเสียดายที่นอกจากผลิตภัณฑ์ที่ซื้อกิจการมาอย่าง WhatsApp และ Instagram แล้ว ก็ไม่มีแกนหลักที่ชัดเจน
เขาพยายามทำลายชีวิตผู้เขียน Careless People เพียงเพราะเปิดโปงอาชญากรรมต่อสังคม และพนักงานก็ยังคงปล่อยข้อมูลประกาศภายในออกมาเรื่อย ๆ
เพราะมีบั๊กพิมพ์เงินไม่จำกัดที่ชื่อว่าโฆษณา จึงสามารถถลุงเงินหลายหมื่นล้านดอลลาร์ไปกับการไล่ตามความฝันเพ้อเจ้ออื่น ๆ ได้
ต่อให้ความฝันมากมายเหล่านั้นจบลงโดยไม่มีอะไรเลย Meta ก็แทบไม่สะเทือน
การมีเอเจนต์ก็คล้ายกับจากที่เคยเดินอยู่แล้วได้ จักรยาน มา
ผู้บริหารเห็นแบบนี้แล้วคิดว่า “ด้วยความเร็วระดับนี้ อีกไม่กี่ปีก็น่าจะมีรถยนต์ขับเคลื่อนอัตโนมัติ” แล้ววางแผนอย่างจริงจังให้เข้ากับโลกแบบนั้น
แต่ในความเป็นจริง น่าจะต้องขี่จักรยานกันไปอีกนาน และสถานการณ์ที่ productivity ของ individual contributor สูงขึ้นนั้นทำให้วิศวกรกลายเป็นคนที่มีคุณค่าและมีประโยชน์มากขึ้น ไม่ใช่ภาระงบประมาณ
ดังนั้นการลดจำนวนคนลงในจังหวะที่วิศวกรมีศักยภาพจะ productive ขึ้นมาก จึงเป็นการตัดสินใจที่โง่เขลา
นี่คือการยอมรับโดยปริยายว่าไม่รู้วิธีบริหารคนอย่างมีประสิทธิภาพ และสำหรับคนที่ได้รับเงินมหาศาลเพราะความสามารถในการบริหาร ก็นับว่าน่าอายทีเดียว
แถมล้อก็มีโอกาสสูงว่าจะเป็นรูปหกเหลี่ยมด้วย
เพื่อให้สังคมมีเวลาปรับตัว ก็หวังว่าจะเป็นแบบนั้น แต่ในความเป็นจริงเราไม่รู้อะไรเลย
สิ่งที่ทุกคนประเมินต่ำไปคือขนาดอันบ้าคลั่งของ ทรัพยากรประมวลผล ที่จำเป็น และทรัพยากรเหล่านั้นต้องขยายตัวอย่างไรเพื่อไล่ตามโมเดลที่ใหญ่ขึ้น
มันใกล้เคียงกับเวอร์ชัน AI ของคำว่า “ต่อให้มีผู้หญิง 9 คน ก็ทำให้เด็กคลอดใน 1 เดือนไม่ได้”
ทรัพยากรประมวลผลเพิ่มเติมไม่ได้เสก ปัญญาประดิษฐ์ทั่วไป ขึ้นมาได้อย่างมหัศจรรย์
ความเร็วที่อุตสาหกรรมพูดถึงนั้นไม่สมจริง เช่น ผู้คนผิดหวังกับความเร็วในการพัฒนาของ Apple Intelligence แต่จริง ๆ แล้วมันเดินหน้าในระดับความเร็วที่คาดไว้
ปัญหาจริง ๆ คือ AI ไม่ได้สร้างประสิทธิผลหรือปริมาณการใช้งานได้ตามที่คาด จนต้องทำถึงขั้นนั้น และ Zuck อาจดูเหมือนเป็นผู้ชนะ แต่เป็นผู้ชนะที่ชวนไม่สบายใจ
อย่างไรก็ตาม เพราะคาดเดาได้ยากมากว่า breakthrough นั้นจะมาเมื่อไร จึงควรวางแผนโดยสมมติกรณีเลวร้ายที่สุด แต่เตรียมพร้อมให้สามารถใช้โอกาสได้เมื่อมันมาถึง
ถ้า AI เป็นการก้าวกระโดดครั้งใหญ่ของ productivity บริษัทก็ควรจ้างพนักงานจำนวนเท่าเดิมหรือมากขึ้นเพื่อชิงส่วนแบ่งตลาดเพิ่มด้วยความได้เปรียบในการแข่งขันไม่ใช่หรือ
การลดคนเพราะพนักงานมีประสิทธิภาพมากขึ้น ดูเหมือนยิงเท้าตัวเองเพื่อให้ยืนอยู่ตำแหน่งเดิมในการแข่งขัน
AI ควรทำให้แม้แต่พนักงานที่ทักษะน้อยกว่าก็จ้างได้และมีประโยชน์มากขึ้น ดังนั้นจึงควรทำให้เกิด ภาวะตลาดแรงงานคึกคัก
การที่ไม่เป็นเช่นนั้นชี้ว่า AI อาจเป็นแค่ข้ออ้างในการลดจำนวนคน ไม่ใช่สาเหตุพื้นฐาน
เทคโนโลยีนี้ยังไม่ถึง 10 ปี และเพิ่งมีประโยชน์จริง ๆ ก็ราว 3 ปีที่ผ่านมา
ไม่เข้าใจว่าทำไมถึงคาดหวังให้มันเปลี่ยนโลกแล้วตั้งแต่ตอนนี้
คล้ายกับที่เคยบอกว่า “อินเทอร์เน็ตก็เป็นแค่เครื่องแฟกซ์หรู ๆ”
ปัญหาอยู่ที่ว่าคุณกำลังทำงานร่วมกับคน และยังเป็นคนฉลาดที่แต่ละคนทำงานในวิธีแคบ ๆ เฉพาะทางที่ฝึกฝนมานาน
ถ้าคุณสมมติว่าวิศวกรทุกคนจะ คลั่ง AI แบบคุณ และเปิด Claude Code ทุกครั้งที่ถูกขอให้ทำอะไร วิธีคิดนั้นก็ผิดแล้ว
ต่อให้เครื่องมือยอดเยี่ยมแค่ไหน ถ้าไม่เข้ากับพฤติกรรมและวิธีทำงานของวิศวกร มันก็จะถูกทิ้งไปเฉย ๆ
ผมเห็นปัญหานี้จากลูกค้าหรือว่าที่ลูกค้าอยู่เสมอ ทีม 5 คนใช้เวลา 2 สัปดาห์สร้างวิดเจ็ต foobar หนึ่งตัว ก็เท่ากับใช้แรงงาน 50 คน-วัน
ถ้ามีใครแสดงให้เห็นว่าใช้ AI ทำสิ่งเดียวกันได้ใน 2 ชั่วโมง ด้วยคุณภาพเท่ากันหรือสูงกว่า ผู้บริหารคงชอบ แต่ทีมก็อาจยังเขียนโปรแกรมด้วยมือ และถามข้อผิดพลาดของ build tool กับ ChatGPT แทน Stack Overflow แค่นั้น
แค่แจกเครื่องมือแล้วบอกว่ามันเจ๋งยังไม่พอ
ต้องเข้าใจทีมวิศวกรรม ทำงานร่วมกับพวกเขา ค่อย ๆ นำทางอย่างถูกต้องทีละขั้น และเปลี่ยนพฤติกรรม
เรื่องนั้นไม่ได้เกิดขึ้นได้ในชั่วข้ามคืน น่าเสียดายที่แนวทางตอนนี้คือไล่คนที่ทำผลงานไม่ได้ในยุควิศวกรรมซอฟต์แวร์ที่มี AI ช่วยออกไป ซึ่งผมคิดว่าไม่ถูกต้อง
ไม่แน่ใจว่าทำไมเราต้องสนใจว่า Zuckerberg พูดอะไรเกี่ยวกับ AI เอเจนต์
เขาเป็นนักพัฒนา PHP ช่วงต้นยุค 2000 ที่โชคดีกับ Facebook ไม่ใช่นักวิทยาศาสตร์หรือนักวิจัย AI
เขามีอำนาจอะไรที่จะพูดถึงอนาคตของ AI เอเจนต์
ขวัญกำลังใจของบริษัทอยู่ในระดับต่ำสุดเป็นประวัติการณ์ และนั่นสะท้อนความสามารถด้านภาวะผู้นำที่เขาควรให้ความสำคัญได้ดีกว่า หรือไม่แน่ว่าเอเจนต์อาจจะมาแทนที่เขาในไม่ช้า
ในระดับสูง เขากำกับดูแลการพัฒนา AI เอเจนต์ส่วนใหญ่ จึงอยู่ในตำแหน่งที่จะเห็นว่ามันสำเร็จหรือไม่ และน่าจะได้รับตัวชี้วัดโดยละเอียดด้วย
ไม่ว่าการตัดสินของเขาจะถูกหรือไม่ CEO ในวงการเทคโนโลยีก็ขึ้นชื่อเรื่องไล่ตามกระแส ดังนั้นการตัดสินของเขาอาจกำหนดบรรยากาศให้บริษัทอื่น ๆ ได้
บางทีครั้งนี้ตัวเขาเองอาจเป็นฝ่ายตามกระแส และกำลังนำกระแสที่ทำให้ ความร้อนแรงเกินจริงของ AI เย็นลงตั้งแต่ช่วงต้นก็ได้
ไม่ได้ตั้งใจจะชม และเรื่องนี้ก็ใช้ได้กับ C-level ของบริษัทใหญ่จำนวนมากเช่นกัน
มีช่องว่างระหว่างผลิตภาพที่วัดได้กับผลิตภาพแบบ “เล่าจากประสบการณ์”
เหตุผลที่ชาร์ตนี้ดีคือมันยังแสดงหนึ่งในวิธีที่มีประสิทธิภาพที่สุดในการเพิ่มผลิตภาพด้วย นั่นคือแค่ ลดจำนวนพนักงาน ก็พอ
https://fred.stlouisfed.org/series/OPHNFB
ในเงื่อนไขที่มีความขาดแคลน โดยทั่วไปการเพิ่มผลผลิตหรือสร้างผลผลิตประเภทอื่นมักเป็นประโยชน์ และยิ่งเป็นเช่นนั้นหากมีใครยอมจ่ายเงิน
ดังนั้นคำถามสำคัญคือ อะไรคือสิ่งที่ขาดแคลน มีใครจะยอมจ่ายเงินให้สิ่งนั้นหรือไม่ และจะสร้างมันให้มากขึ้นได้อย่างไร
หากสามารถสร้างสิ่งที่ผู้คนยอมจ่ายเงินได้ ก็สามารถจ้างคนมาสร้างมันได้
น่าเสียดายที่สิ่งที่ชัดเจนที่สุดซึ่งคนมีเงินยินดีจ่ายคือ โทเค็น AI, ศูนย์ข้อมูล และปัจจัยนำเข้าสำหรับศูนย์ข้อมูล
ยังไม่ชัดเจนว่าสิ่งนี้จะทำให้เราได้สิ่งอื่น ๆ ที่เราต้องการมากขึ้นหรือไม่
เป้าหมายของการลงทุนคือ การผลิต การเติบโต และกำไร ไม่ใช่ผลิตภาพในตัวมันเอง