TL;DR
Tokenowe wynagrodzenie: dyrektor generalny Nvidii, Jensen Huang, zaproponował zapewnienie inżynierom budżetów na tokeny AI o wartości mniej więcej połowy ich podstawowego wynagrodzenia jako nowej formy wynagrodzenia. Cyfrowa siła robocza: Huang przewiduje, że w ciągu następnej dekady Nvidia rozrośnie się do 75 000 pracowników i 7,5 miliona agentów AI. Wpływ na pracę: Goldman Sachs szacuje, że sztuczna inteligencja może zautomatyzować 25% godzin pracy w USA, powodując jednocześnie zmianę od 6% do 7% stanowisk pracy w okresie wdrożenia. Pogląd sceptyczny: od 2018 r. około 80% do 85% projektów AI zakończyło się niepowodzeniem, co rodzi pytania o wykonalność wdrożenia agentów masowych.
Dyrektor generalny Nvidii, Jensen Huang, podczas firmowej konferencji GPU Technology Conference (GTC) 20 marca zaproponował płacenie inżynierom w tokenach AI oprócz ich podstawowego wynagrodzenia.
Huang zasugerował firmom przeznaczenie mniej więcej połowy wynagrodzenia inżyniera na budżety obliczeniowe, nazywając tokeny AI jedno z narzędzi rekrutacyjnych w Dolinie Krzemowej. Tokeny AI to jednostki danych wykorzystywane przez systemy AI, które można wykorzystać do uruchamiania narzędzi i automatyzacji zadań, co czyni je bezpośrednim czynnikiem mnożącym produktywność dla inżynierów, którzy wiedzą, jak z nich korzystać.
„[Inżynierowie] będą zarabiać kilkaset tysięcy dolarów rocznie, ich podstawa płacę. Dam im prawdopodobnie połowę tej kwoty oprócz [ich wynagrodzenia podstawowego] w postaci tokenów… ponieważ każdy inżynier mający dostęp do tokenów będzie bardziej produktywny.”
Jensen Huang, dyrektor generalny Nvidia
Poprzez powiązanie budżetów tokenów bezpośrednio z wynagrodzeniem, Huang przekształca obliczenia AI w formę kapitału ludzkiego, a nie wydatek na infrastrukturę. Dostęp do obliczeń obok kapitału własnego i premii stanowi obecnie konkurencyjną dźwignię pozyskiwania talentów.
Z kolei ta zmiana sygnalizuje, że wartość inżyniera w coraz większym stopniu zależy nie od przepracowanych godzin, ale od jego umiejętności koordynowania systemów sztucznej inteligencji. Firmy oferujące obliczenia w ramach wynagrodzenia przyciągną zdolne do tego talenty.
Ponadto Szacunki Goldman Sachs Sztuczna inteligencja może zautomatyzować zadania odpowiadające 25% wszystkich godzin pracy w USA, podsycając obawy przed „apokalipsą pracy” i zwiększając ryzyko, w jaki sposób firmy przyciągną pracowników biegle posługujących się sztuczną inteligencją.
[treści osadzone]
Wizja cyfrowej siły roboczej
Za propozycją wynagrodzeń Huanga kryje się szersza ambicja: siła robocza, w której biologia jest silna a cyfrowi pracownicy współistnieją na dużą skalę. powiedział CNBC w lutym 2026 r., że Nvidia zatrudnia obecnie „42 000 pracowników biologicznych” i spodziewa się dodać do nich „setki tysięcy pracowników cyfrowych”.
Projekty Huang Nvidia wzrośnie w ciągu następnej dekady do 75 000 pracowników 7,5 miliona agentów, czyli 100 pracowników cyfrowych na każdego człowieka. Działając przez całą dobę, agenci ci wykonywali zadania, które wcześniej wymagały interwencji człowieka, od pisania kodu po zarządzanie infrastrukturą.
W efekcie Nvidia pozycjonuje się zarówno jako architekt, jak i pierwszy klient modelu siły roboczej, który sprzedaje innym. Jeśli stosunek 100 do 1 okaże się wykonalny wewnętrznie, stanie się dowodem słuszności koncepcji, który wzmocni ofertę Nvidii dla nabywców korporacyjnych. Strategia ta łączy plan rozwoju produktów Nvidii z jej własną transformacją operacyjną.
Nvidia przeznaczyła setki miliardów dolarów na inwestycje w chipy w USA w ciągu czterech lat, budując infrastrukturę fizyczną, której będzie potrzebować jej własny personel agentów. Na zeszłorocznych targach GTC firma zaprezentowała swoje chipy Blackwell Ultra i strategię rozumowania AI; w 2026 r. uwaga skupiła się bezpośrednio na integracji pracowników.
Agenci jako konsumenci oprogramowania
Oprócz prognoz dotyczących zatrudnienia Huang przedstawił także sprzeczny z intuicją argument na temat ekonomii agentów AI. Zamiast zastępować oprogramowanie dla przedsiębiorstw, argumentował, agenci staną się zaawansowanymi użytkownikami istniejących narzędzi, co spowoduje, że licencje na narzędzia „eksplodują, a nie odwrotnie”.
Wzrost szybkości tylko to potwierdza. Huang powiedział, że agenci sztucznej inteligencji zamienili miesięczne cykle rozwojowe w 30 minut, co sprawia, że inżynierowie są stale w centrum uwagi. Kiedy agenci mogą wykonać specyfikację produktu w pół godziny, inżynierowie spędzają mniej czasu na czekaniu, a więcej na kierowaniu pracą, co z kolei zwiększa zużycie kompilatorów, baz danych i platform programistycznych.
W rezultacie szybsze cykle programowania generują zapotrzebowanie na więcej narzędzi, tworząc koło zamachowe, które wytwarza więcej pracy dla agentów. Goldman Sachs rozpoczął już wdrażanie agentów kodujących AI we własnych operacjach, łącząc programistów z autonomicznymi inżynierami oprogramowania.
Podobnie Microsoft dzięki swojej platformie agentów AI buduje infrastrukturę do zarządzania pracownikami cyfrowymi na skalę przedsiębiorstwa. Agenci AI nie zmniejszą rynku oprogramowania; będą go rozbudowywać, przy czym każdy nowy agent będzie wymagał własnego zestawu narzędzi, licencji i obliczeń.
Goldman Sachs o przemieszczeniu a tworzeniu
Mimo optymizmu Huanga co do produktywności opartej na sztucznej inteligencji, otrzeźwiające prognozy gospodarcze łagodzą entuzjazm. Według Goldman Sachs sztuczna inteligencja może zapewnić 15% wzrost produktywności, ale ta sama transformacja może doprowadzić do zwolnienia od 6% do 7% miejsc pracy w okresie wdrożenia. Badacze Goldman Sachs przewidują, że sztuczna inteligencja może ograniczyć wzrost liczby miejsc pracy o 1 do 4 milionów miejsc pracy rocznie, choć bank przewiduje maksymalny wzrost stopy bezrobocia brutto o około pół punktu procentowego w miarę transformacji rynków.
Jednak rozbieżność między silnym wzrostem wydajności a umiarkowanym wzrostem bezrobocia sugeruje, że większość zwolnionej pracy zostanie wchłonięta, a nie wyeliminowana. Starszy ekonomista globalny Goldman Sachs, Joseph Briggs, przestrzegł, że „ryzyko przesunie się” w stronę większego przemieszczenia, jeśli sztuczna inteligencja okaże się bardziej wypierająca siłę roboczą niż wcześniejsze technologie. Jednak Briggs prognozuje również stabilizację rynku pracy napędzaną niekorzystnymi warunkami fiskalnymi i przyspieszeniem PKB w pierwszej połowie 2026 r.
Na tej podstawie wskazuje na precedens historyczny: według CNBC 60% dzisiejsi pracownicy wykonują zawody, które nie istniały w 1940 r., cytując ekonomistę Davida Autora. Poprzednie fale automatyzacji stworzyły więcej miejsc pracy niż zniszczyły, a Briggs spodziewa się, że w przypadku sztucznej inteligencji będzie podobnie.
Wczesne dowody potwierdzają tę tezę. Z badania Anthropic dotyczącego sposobu, w jaki pracownicy korzystają ze sztucznej inteligencji, wynika, że pracownicy już korzystają ze sztucznej inteligencji, aby zwiększać swoje możliwości, a nie je zastępować, a pracownicy umysłowi zachowują kontrolę podczas automatyzacji określonych zadań. Podsumowując, dane wskazują na zakłócenia, które przekształcają role, a nie je hurtowo eliminują.
Paradoks talentów
Tymczasem nastroje przedsiębiorstw ujawniają ostrą sprzeczność, nawet gdy ekonomiści debatują nad harmonogramem przemieszczeń. Według Lewisa Garrada z Mercer Asia 98% kadry kierowniczej wyższego szczebla oczekuje, że sztuczna inteligencja doprowadzi do redukcji zatrudnienia w ciągu najbliższych dwóch lat, a 54% jednocześnie jako najważniejszy makro makro podaje niedobory talentów wyzwanie.
Według ankiety Mercer około 65% kadry kierowniczej spodziewa się, że do 2026 r. od 11% do 30% ich pracowników zostanie przekwalifikowanych w związku z zmianą funkcji stanowisk pracy przez sztuczną inteligencję. Ten paradoks wyjaśnia, dlaczego symboliczna propozycja Huanga w zakresie wynagrodzeń cieszy się dużym zainteresowaniem: firmy planujące redukcję zatrudnienia nadal muszą zatrzymać inżynierów biegle posługujących się sztuczną inteligencją, którzy będą zarządzać ich kurczącymi się zespołami ludzkimi i rosnącą kadrą agentów.
W odpowiedzi Firmy z Doliny Krzemowej już eksperymentują z agresywnymi strategiami zatrzymywania talentów AI, w tym płaceniem pracownikom AI za to, aby nie przyłączali się do konkurencji. Symboliczny budżet Huanga dodaje do arsenału retencji kolejne narzędzie, które bezpośrednio wiąże wynagrodzenie ze zdolnością produkcyjną, a nie przepracowanymi godzinami.
Co widzą sceptycy
Jednak między ambicjami a wykonaniem utrzymuje się duża rozbieżność. Andreas Welsch, założyciel Intelligence Briefing, zauważa, że od 2018 r. około 80–85% projektów AI nie powiodło się. Welsch przestrzegł, że niepożądane byłoby wdrażanie setek tysięcy agentów, którzy stwarzają więcej problemów, niż rozwiązują, szczególnie w regulowanych branżach, w których błędy niosą ze sobą konsekwencje prawne.
Dla firm, które przez lata walczyły o zapewnienie podstawowej sztucznej inteligencji, wizja Huanga dotycząca milionów autonomicznych agentów stanowi krok, na który wiele osób nie jest przygotowanych. Przedsiębiorstwa zainwestowały od milionów do dziesiątek milionów dolarów w infrastrukturę sztucznej inteligencji, a wiele z nich spodziewa się, że rok 2026 będzie rokiem zwrotu z inwestycji w sztuczną inteligencję.
Niemniej jednak skalowanie od projektów pilotażowych do wdrożeń agentów w całym przedsiębiorstwie wiąże się z wyzwaniami, których same budżety tokenów nie są w stanie rozwiązać. Ramy zarządzania dla agentów autonomicznych wciąż się rodzą, a protokoły bezpieczeństwa dla oprogramowania działającego niezależnie od ludzkiego nadzoru są wciąż w fazie tworzenia. Barierą jest także niezawodność: organizacje, które borykały się z podstawowymi wdrożeniami chatbotów, stoją teraz przed perspektywą zarządzania tysiącami agentów działających w połączonych ze sobą systemach.
„Za pośrednictwem agentów tworzona jest nowa warstwa abstrakcji. Teraz inżynierowie oprogramowania mogą „powiedzieć” co komputery powinny robić, nie w języku programowania, ale po prostym języku angielskim. Prace, których wykonanie zajmowało kiedyś miesiące, teraz zajmują kilka dni. Od tego momentu widzimy, że tempo to jedynie przyspiesza.”
Bruno Guicardi, prezes i założyciel CI&T (za pośrednictwem CNBC)
Czy agenci osiągną skalę przewidywaną przez Huanga pociąga za sobą ogromne konsekwencje finansowe. Inwestor Howard Marks, założyciel Oaktree Capital Management, ostrzegł, że rozróżnienie między sztuczną inteligencją, która pomaga, a sztuczną inteligencją, która działa autonomicznie, oddziela Rynek wart 50 miliardów dolarów od rynku wartego wiele bilionów dolarów.
Huang stawia na większą liczbę. Nvidia przewiduje, że do 2027 r. zamówienia na chipy wyniosą bilion dolarów, co będzie wynikać z przejścia od szkolenia w zakresie sztucznej inteligencji do zaawansowanego wnioskowania. Ekonomia symboliczna, którą sobie wyobraża, to nie tylko eksperyment dotyczący wynagrodzeń.
Zamiast tego jest to zakład na zupełnie nowy model siły roboczej. Dla inżynierów znajdujących się w centrum tej transformacji następny cykl rekrutacji może w mniejszym stopniu zależeć od negocjacji w sprawie wynagrodzeń, a raczej od pytania, przed którym nie stanęło żadne poprzednie pokolenie: ilu agentów AI będziesz dowodził i co z nich zbudujesz?
