اگر تصور می‌کنید «سواد هوش مصنوعی» برای حفظ جایگاه شغلی شما کافی است، نگاهی به استراتژی جدید جنرال موتورز بیندازید. این شرکت ثابت کرد که در دنیای جدید، دانستنِ نحوه استفاده از ابزارها، جایگزینِ توانایی ساختن آن‌ها نمی‌شود.
جنرال موتورز (General Motors) بیش از ۱۰ درصد از بخش فناوری اطلاعات خود را پاکسازی کرده و حدود ۶۰۰ پست حقوق‌بگیر را حذف کرده است. هدف این شرکت، جایگزینی این نیروها با استعدادهای مهندسی بومی هوش مصنوعی (AI-native Engineering) — تشبیه روزمره: مثل ساختمانی که از ابتدا برای آسانسور طراحی شده، نه اینکه بعداً سعی کنند آسانسور را در دیوارهای یک خانه قدیمی جای کنند — است.
همان‌طور که در تحلیل‌های پیشین ما درباره‌ی «بدهی فنی» در سیستم‌های قدیمی اشاره کردیم، شرکت‌های سنتی برای گذار به تکنولوژی‌های جدید اغلب با بن‌بست مواجه می‌شوند. برای غولی مثل GM، این تغییر دقیقاً مشابه جایگزینی مکانیک‌های موتورهای احتراقی با شیمی‌دانان باتری در دوران گذار به خودروهای برقی است.
به گزارش TechCrunch در تاریخ ۱۱ مه ۲۰۲۶، این شرکت به‌طور مشخص به دنبال جذب متخصصانی است که در حوزه‌های زیر مهارت دارند:
- توسعه عامل (Agent) و مهندسی مدل
- جریان‌های کاری بومی هوش مصنوعی و مهندسی پرامپت (Prompt Engineering) — تشبیه روزمره: هنر سؤال درست پرسیدن، مثل کسی که می‌داند چطور از یک مشاور باتجربه بهترین جواب را بگیرد.
- مهندسی داده (Data Engineering) — تشبیه روزمره: مثل لوله‌کشی مدرنی که داده‌ها را از منابع مختلف جمع کرده و به تصفیه‌خانه می‌رساند و تحلیل‌های ابری
این بازسازی ساختاری پس از اخراج ۱۰۰۰ کارکن نرم‌افزاری در اوت ۲۰۲۴ شدت گرفت. طبق اعلام منابع داخلی، این چرخش پس از روی کار آمدن استرلینگ اندرسون (Sterling Anderson) به عنوان مدیر ارشد محصول در مه ۲۰۲۵ شتاب گرفت. برای هدایت این مسیر، GM در اکتبر بهراد توگی (Behrad Toghi) را از اپل به عنوان مدیر هوش مصنوعی و راشد حق (Rashed Haq) را به عنوان معاون خودروهای خودران استخدام کرد.
این اقدام، واقعیت تلخی را درباره پذیرش هوش مصنوعی در سازمان‌ها برملا می‌کند: روایت «ارتقای مهارت» (Upskilling) برای شرکت‌های قدیمی اغلب یک افسانه است. GM به جای آموزش کارکنان فعلی، جایگزینی کامل نیروی کار را انتخاب کرده تا از انباشت بدهی فنی جلوگیری کند.
گام بعدی شما
- اگر در حوزه IT فعالیت می‌کنید، تمرکز خود را از «کار با ابزارهای AI» به «معماری سیستم‌های AI-native» تغییر دهید.
- بررسی کنید که آیا مهارت‌های شما در لایه «استفاده» است یا لایه «ساخت»؛ چرا که بازار در حال حذف لایه اول است.
- گزارش‌های سه ماهه شرکت‌های Fortune 500 را دنبال کنید تا ببینید چه تعداد از آن‌ها مسیر «جایگزینی» را جایگزین «آموزش» می‌کنند.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell و تأثیر آن‌ها بر هزینه‌های استنتاج مراجعه کنید.
گفتگو