Проект OT компании Meta: запланированное сокращение 60% команды с помощью ИИ отменено в последнюю минуту
Reuters сообщает о Project OT (Organization Transformation) от Meta — плане по сокращению размеров команд до 60% за счёт внедрения ИИ. Отменённый в последнюю минуту, этот план показывает, насколько далеко Meta была готова зайти, и с какими последствиями уже столкнулись инженеры.
Ключевые детали плана
Сформированный в январе на гавайском ретрите Цукерберга, Project OT предполагал создание «AI-native» Meta, где небольшие «талантливые» команды будут управлять ИИ-работниками. Внутренние документы показывали, что многие команды могут сократиться на 60% за счёт увольнений и перевода на другие должности. HR прогнозировал общее количество увольнений, превышающее раунд 2022-2023 годов (25% персонала). План предусматривал две волны: в мае и ноябре.
Что произошло на самом деле
За несколько часов до сокращений 19 мая Цукерберг «передумал» — отменил ноябрьское планирование. Майские сокращения затронули лишь 10% сотрудников, но некоторые команды всё равно столкнулись с сокращением на 30-40%. Инженеры с критически важными знаниями в предметной области были переведены на разметку данных для ИИ, что привело к потере знаний и сбоям, таким как ошибка Instagram «zero auth password reset», когда любой аккаунт мог быть взломан с помощью ИИ-бота.
Почему это важно для инженеров
Действия Meta отражают более широкую тенденцию: компании делают ставку на то, что ИИ может заменить старших специалистов. Но трудности оставшихся команд подчёркивают риск — ИИ пока не способен заменить глубокую экспертизу в предметной области, необходимую для инфраструктурных и продуктовых задач.
Для инженеров это сигнал о движении к «AI-native» рабочим процессам; понимание того, что ИИ может и не может делать в вашей области, имеет решающее значение для сохранения работы.
📖 Читайте полный источник: HN AI Agents
👀 Смотрите также
Anthropic откладывает изменения лимитов скорости API Claude Code
Anthropic отложил запрет на использование Claude Agent SDK и claude -p в рамках подписки. Первоначальный срок 15 июня перенесен для обновления планов.
Тонкая настройка Phi-4-mini путем обучения только параметров LayerNorm не приводит к улучшению производительности.
Энтузиаст протестировал обучение только значений γ в LayerNorm на модели Phi-4-mini в Python и медицинской областях с разными скоростями обучения и форматами данных. Производительность незначительно снизилась на всех тестах по сравнению с базовым уровнем, и автор пришёл к выводу, что трансформеры уже динамически направляют информацию через механизм внимания.
Исследование Cursor AI: Краткосрочные выигрыши в скорости ведут к долгосрочной сложности
Исследование с использованием анализа разности разностей показало, что внедрение Cursor AI приводит к статистически значимому, но временному увеличению скорости разработки, а также к существенному и устойчивому росту предупреждений статического анализа и сложности кода, что вызывает долгосрочное замедление.
OneUptime добавляет 12 000 AI-сгенерированных постов в блог одним коммитом.
Репозиторий блога OneUptime добавил 12 000 AI-сгенерированных постов, охватывающих ClickHouse, Redis, MongoDB, MySQL и другие технологии, в одном коммите, который изменил 5 012 файлов и более 1 миллиона строк кода.