무슨 일이 일어났나요?
Revelio Labs는 공개적으로 해고를 AI에 기인한 기업을 분석하여 인력 변화를 일치하는 업계 동료와 비교했습니다. 기업들은 전반적으로 AI 관련 역할을 확대하고 비AI 인력을 줄였지만, 거의 절반은 AI로의 일관된 전환을 보여주지 못한 것으로 나타났다.
Revelio Labs는 System2와 제휴하여 뉴스 보도에서 공개적으로 해고를 인공 지능에 기인한 회사를 식별한 다음 Revelio Labs 데이터를 사용하여 인력 동향을 조사했다고 보고합니다. 코호트에는 Meta 및 Amazon와 같은 기술 회사뿐만 아니라 General Motors, The Washington Post, UPS 및 McKinsey를 포함한 회사도 포함되었습니다. 소스는 코호트의 정확한 규모, 전체 선택 기준 또는 분석된 회사의 전체 목록을 제공하지 않으므로 결과를 얼마나 정확하게 평가할 수 있는지 제한됩니다.
Revelio Labs에 따르면 발표 전 2년 동안 동종 기업은 AI 관련 역할을 평균 11% 이상 증가시켰으며, 일치하는 업계 동료들은 해당 역할을 13% 이상 증가시켰습니다. 동시에 나중에 AI 관련 해고를 발표한 기업은 비AI 인력 수를 3% 이상 줄인 반면, 동료 기업은 비AI 인력 수를 거의 그대로 유지했습니다. Revelio Labs는 해당 회사가 비교 가능한 회사만큼 빠르게 AI 역할을 확장하지 않았음에도 불구하고 이러한 결합을 AI 관련 업무로 인력 이동의 증거로 해석합니다.
Revelio Labs는 또한 해고 발표 전과 6개월 후 모두 AI 관련 역할이 동종 기업에 비해 동종 기업의 전체 고용에서 차지하는 비중이 거의 두 배에 달했다고 보고합니다. 지난 24개월 동안 상대적으로 가장 고용률이 높은 분야에는 전기 및 정보 기술 인프라, 제품 전략, 연구 개발, 사이버 보안이 포함되었습니다. 소식통은 비AI 고용이 대규모 운영, 실제 상품 운송, 법률 업무로 옮겨갔다고 밝혔습니다. Revelio Labs는 인공지능의 신뢰성이 여전히 떨어지는 분야라고 말했습니다. 기업 수준에서 Revelio Labs는 AI로 전환하는 기업, 전체 인력을 확대하는 기업, 인력을 축소하는 기업, AI에서 멀어지는 기업이라는 네 가지 패턴을 식별합니다.
왜 중요한가요?
이 분석은 AI만이 최근 해고를 주도했다는 주장을 복잡하게 만듭니다. 이는 일부 기업이 AI를 중심으로 조직을 재편하고 있는 반면 다른 기업은 비용 절감, 과잉 채용 반전 또는 기타 인력 감축을 위한 근거로 AI를 사용했을 수 있음을 시사합니다.
이번 연구 결과는 AI 관련 해고에 대한 지나치게 단순한 두 가지 설명에 이의를 제기합니다. 한 계정에서는 모든 발표를 자동화가 이미 많은 수의 근로자를 대체했다는 증거로 취급합니다. 다른 하나는 모든 AI 설명을 일반적인 비용 절감을 위한 홍보 언어로 취급합니다. Revelio Labs는 두 가지 현실에 대한 증거를 보고합니다. 조사한 기업의 절반 이상이 AI로의 전환과 일치하는 인력 변화를 보인 반면, 상당수는 AI 인력을 줄이거나 업계보다 AI를 더 느리게 채택했습니다.
총 채용은 서로 다른 전략을 은폐할 수 있기 때문에 회사 수준 비교가 중요합니다. Revelio Labs는 Atlassian, Meta 및 Coinbase가 해고를 발표하기 전에 전체 인력을 확장하고 있었는데, 이는 과잉 채용이 AI 관련 개편과 함께 기여했을 수 있음을 의미합니다. 대조적으로 Block과 McKinsey는 지난 2년 동안 이미 인원을 줄였으며, 소식통은 AI 중심 확장에 초점을 맞춘 이야기와 조화시키기가 더 어렵다고 말했습니다. Revelio Labs는 또한 Cloudflare가 발표 전에 AI에서 멀어지는 것처럼 보이는 동시에 Washington Post, Dropbox 및 UPS를 AI 관련 작업을 향한 보다 명확한 움직임을 보여준 회사의 예로 설명합니다.
근로자와 일반 대중의 경우 이러한 차이는 해고를 이해하고 평가하는 방법에 영향을 미칩니다. 기업은 인프라 구축, 제품 개발 또는 AI 시스템 보안을 담당하는 전문가를 고용하는 동시에 AI 이외의 역할을 줄일 수 있습니다. 이는 특정 직업을 테스트된 자동화 시스템으로 대체하는 것과 실질적으로 다릅니다. 분석에 따르면 투자자, 직원 및 정책 입안자는 어떤 작업이 변경되었는지, 어떤 역할이 추가되었는지, 회사의 AI 채택이 동료를 능가했는지 여부를 물어봐야 합니다. 이는 나머지 근로자의 생산성이 높아졌다거나, 대체된 작업이 완전히 자동화되었거나, 보고된 인력 패턴이 제품이나 서비스를 개선했다는 사실을 입증하지 못합니다.
대화형 메커니즘: 실제로 작동하는 방식
이 개발의 이면에 있는 기본 기술을 대화식으로 살펴보세요.
What should a useful AI forecast state?
다음에 무엇을 볼 것인가
이 분석은 생산성 향상을 직접 측정하거나 AI가 특정 해고를 유발했음을 입증하지 않습니다. 추가 조사는 회사 수준의 증거, 제거된 업무, 해고 후 AI 관련 채용, 명시된 자동화 계획이 측정 가능한 운영 변화를 가져오는지 여부에 초점을 맞춰야 합니다.
가장 중요한 제한은 인과관계입니다. Revelio Labs는 해고를 가능하게 한 내부 생산성 향상을 직접 관찰할 수 없다고 명시적으로 밝혔습니다. 따라서 인력 측정은 AI가 특정 감소를 초래했다는 증거가 아니라 조직 방향의 신호를 제공합니다. 기업은 방어적이거나 실험적인 이유로 AI 전문가를 고용하거나, 역할을 다르게 분류하거나, 광범위한 재정적 및 전략적 압박과 함께 AI를 인용할 수 있습니다. 또한 출처는 각 회사의 공개 설명을 독립적으로 확인하거나 모든 채용 변경에 대한 기본 기록을 제공하지 않습니다.
향후 보고에서는 발표 후 회사 수준의 증거를 조사해야 합니다. 관련 지표에는 기업이 AI 엔지니어 및 인프라 전문가를 계속 고용하는지 여부, 제거된 기능을 복원하거나 교체하는지 여부, 채용 공고에 임시 채용 추진보다는 AI 도구의 지속적인 채택이 표시되는지 여부가 포함됩니다. 발표된 자동화 계획을 서비스 용량, 제품 출력, 오류율, 배송 시간 또는 고객 지원의 변화와 같은 운영 결과와 비교하는 것도 유용할 것입니다. 이러한 조치는 주로 투자자나 직원을 대상으로 하는 언어와 진정한 프로세스 재설계를 구별하는 데 도움이 될 수 있습니다.
Revelio Labs는 AI 시스템을 구축하거나 AI 도구를 활용할 수 있는 역할에 대한 채용 공고 비율을 기준으로 AI 채택률을 기준으로 합니다. 이는 실용적인 지표이지만 작업자가 해당 도구를 얼마나 광범위하게 사용하는지, 도구의 성능이 얼마나 좋은지, 도구가 인간 노동을 대체하는지 여부는 보여주지 않습니다. 따라서 독자들은 급여, 작업 수준, 생산성 및 직원 결과 데이터를 사용하는 독립적인 연구를 주의 깊게 살펴보아야 합니다. 소스는 코호트의 정확한 규모, 회사의 지리적 범위, AI 및 비AI 역할에 대한 분류 규칙, 6개월의 후속 기간이 인력에 미치는 장기적인 영향을 포착하는지 여부를 포함하여 몇 가지 의미 있는 알려지지 않은 사항을 남겼습니다.