Meta Mahu Guna Ejen AI Ganti Pekerja, Rancangan Runtuh dalam Empat Bulan: Kod Bertambah 220%, Fungsi Dilancarkan Hanya Naik 36%

Awal pagi 20 Mei, senarai pemberhentian gelombang pertama Meta sudah memasuki peringkat pengesahan akhir. Beberapa jam sahaja sebelum surat notis dihantar, Mark Zuckerberg membuat satu keputusan: membatalkan keseluruhan rancangan pemberhentian gelombang kedua seluruh syarikat yang asalnya dijadualkan pada November.

Dunia luar baru mengetahui perkara ini lebih tiga bulan kemudian. Pada akhir Ogos, Reuters mendedahkan rancangan berkod dalaman Project OT (Organization Transformation, transformasi organisasi) ini, serta sebab ia bertukar daripada "masa depan syarikat" kepada "disimpan secara senyap" dalam masa empat bulan sahaja. Bagi semua pengurus perniagaan yang sedang mengira-ngira untuk menggunakan ejen AI menggantikan tenaga manusia, ini ialah satu kes kegagalan berdata yang amat jarang ditemui.

Latar Belakang Peristiwa

Titik permulaan Project OT ialah Januari 2026, semasa mesyuarat tertutup peringkat kepimpinan Meta yang diadakan di Hawaii. Idea terasnya ialah menukar Meta menjadi syarikat "AI-natif" — bukan menambah fungsi AI, tetapi menyerahkan kerja harian itu sendiri kepada ejen AI untuk dilaksanakan, dengan manusia hanya dikekalkan pada kedudukan yang benar-benar memerlukan pertimbangan.

Skalanya ditetapkan agak agresif. Menurut laporan Reuters, pengurangan tenaga sebahagian pasukan mencecah enam puluh peratus, dan skala pemberhentian keseluruhan dijangka mencapai atau melebihi kali 2023 — tahun itu Meta memotong seperempat daripada pekerjanya. Rancangan dilaksanakan dalam dua gelombang, satu pada Mei, satu pada November. Sebahagian pekerja tidak akan dipecat, sebaliknya dipindahkan ke jawatan baharu seperti "menghasilkan data latihan model AI".

Kedengaran seperti satu pertaruhan besar, dan pada hakikatnya memang begitu. Zuckerberg bertaruh pada "agentic development" — membiarkan ejen AI menyiapkan tugas pembangunan secara autonomi — akan matang dalam tahun 2026 sehingga cukup untuk menyokong output syarikat.

Tumpuan Kali Ini

Data dalaman yang diperoleh Reuters membentangkan keputusan pertaruhan ini di bawah cahaya matahari:

• Jumlah perubahan kod meningkat 220% setahun: ejen AI memang menulis sesuatu, dan menulis dengan amat banyak
• Fungsi baharu atau penambahbaikan yang benar-benar sampai kepada pengguna hanya bertambah 36%: jurang besar timbul antara output dengan hasil
• Insiden teknikal dan keselamatan siber bertambah 40%: banyak yang ditulis, tetapi kualiti tidak menyusul
• Masa yang diambil pekerja untuk mengendalikan masalah bertambah 70%: tenaga manusia tidak dibebaskan, sebaliknya digunakan untuk membersihkan kekotoran
• Indeks emosi pekerja dalaman merosot 19 mata: perisian penjejakan pekerja yang diperkenalkan mencetuskan bantahan kuat, dan aktiviti pengorganisasian kesatuan sekerja jelas meningkat

Kenyataan Zuckerberg sendiri pada Julai ialah, agentic development "tidak mempercepat dengan cara yang kami jangkakan". Ayat ini sangat sopan, dan datanya bercakap lebih terus terang: output kod melonjak lebih tiga kali ganda, benda yang boleh digunakan hanya bertambah satu pertiga, sedangkan insiden bertambah empat puluh peratus.

Akhirnya Meta masih memecat kira-kira 10% daripada pekerjanya, tetapi gelombang November itu dibatalkan.

Analisis Kesan Pasaran

Bagi Pengguna Tempatan

Kaitan perkara ini dengan orang biasa terletak pada bagaimana ia menyanggah satu dakwaan yang tersebar luas: ejen AI sudah boleh "menyiapkan sendiri satu fungsi penuh". Salah satu syarikat yang mempunyai sumber terbanyak dan budaya kejuruteraan terkuat di dunia, telah menggunakan setengah tahun untuk menguji dalam persekitaran pengeluaran sebenar, dan kesimpulan yang diperoleh ialah jumlah output melonjak tetapi penghasilan nilai tidak berkembang secara berkadar.

Jika anda jurutera atau pereka, data ini berbaloi dicatat. Bukan kerana ia membuktikan AI tidak berguna — perubahan kod meningkat 220% menunjukkan AI memang meningkatkan kelajuan "penghasilan" dengan ketara — tetapi kerana ia membuktikan bahawa kesesakan bukan pada penghasilan. Kesesakan ada pada integrasi, pengesahan, penyahpepijatan dan pertimbangan, dan inilah kebetulannya bahagian AI yang paling lemah pada masa ini.

Bagi Aplikasi Korporat

Banyak pengurus perniagaan tempatan sepanjang dua tahun ini menanya soalan yang sama: selepas memperkenalkan AI, berapa banyak tenaga manusia boleh dijimatkan? Data Meta memberikan jawapan rujukan yang sangat kejam — dalam jangka pendek mungkin tiada satu pun boleh dijimatkan, malah bertambah 70% masa untuk mengendalikan masalah yang dicipta AI.

Satu lagi butiran yang patut diberi perhatian ialah bantahan pekerja. Perisian penjejakan pekerja yang digunakan Meta untuk mengukur keberkesanan pengenalan AI, secara langsung menyebabkan indeks emosi dalaman turun 19 mata, dan mempercepatkan pengorganisasian kesatuan sekerja. Ini mengingatkan kita satu perkara: kegagalan transformasi AI kadangkala bukan masalah teknikal, tetapi rintangan yang timbul selepas ia difahami dengan betul oleh pekerja sebagai "bersedia menyingkirkan kami". Apabila pasukan menganggap tujuan sistem ini ialah untuk menggantikan mereka, anda tidak akan mendapat kerjasama, hanya sikap pasif.

Pandangan saya sendiri ialah, kesilapan Meta bukan pada mencuba, tetapi pada urutan. Menetapkan dahulu skala pemberhentian, kemudian mengesahkan sama ada AI boleh menyokongnya, urutan ini menjadikan keseluruhan perkara satu pertaruhan tanpa jalan keluar. Cara yang munasabah sepatutnya terbalik: buktikan dahulu kualiti output dalam skala kecil, kemudian barulah bercakap tentang pelarasan organisasi.

Bagi Pembangun

Insiden bertambah 40% dan masa mengendalikan masalah bertambah 70%, kedua-dua angka ini apabila dilihat bersama sangat menarik. Ia menggambarkan satu perangkap pengoptimuman setempat yang tipikal — anda mempercepatkan bahagian "menulis kod" sebanyak tiga kali ganda, tetapi bahagian lain seluruh rantaian nilai (semakan, ujian, penggunaan, operasi) tidak berkembang seiring, akhirnya kesesakan bertimbun ke hilir.

Bagi pasukan yang sedang memperkenalkan Cursor, Claude Code atau GitHub Copilot, ini amaran yang sangat praktikal: jika proses semakan kod dan ujian anda tidak dinaik taraf serentak, peningkatan output yang dibawa AI akan terus bertukar menjadi hutang teknikal dan insiden dalam talian. Yang benar-benar perlu dilaburkan mungkin ialah ujian berautomasi dan alat semakan kod AI, dan bukan membeli beberapa lesen ejen lagi.

Trend Perkembangan Masa Depan

Project OT dibatalkan tidak bermakna hala tuju ini ditinggalkan. Laporan Reuters juga menyebut bahawa Meta hanya membatalkan gelombang November, dan tidak mengumumkan meninggalkan matlamat AI-natif. Jangkaan yang munasabah ialah: rancangan jenis ini akan beralih daripada "penstrukturan semula organisasi sekali gus" kepada "melaras selepas mengesahkan setiap proses satu demi satu".

Yang lebih patut diperhatikan ialah kesan pendedahan itu sendiri. Sepanjang dua tahun lalu, ketika perniagaan bercakap tentang pengenalan AI mereka hampir hanya mengumumkan angka positif — berapa banyak jam kerja dijimatkan, berapa banyak kecekapan ditingkatkan — data negatif amat jarang terdedah. Selepas data dalaman Meta ini bocor, saya jangkakan lebih banyak perniagaan akan diminta di peringkat lembaga pengarah untuk mengemukakan angka "keseluruhan rantaian nilai", dan bukan hanya melihat jumlah output satu bahagian. Ini sebenarnya perkara baik bagi seluruh industri.

Satu lagi trend ialah tindak balas terhadap pemantauan pekerja. Apabila pengenalan AI diiringi penjejakan tingkah laku pekerja yang lebih terperinci, ketegangan hubungan majikan dan pekerja akan terus memakan dividen kecekapan. Ini terutamanya jelas dalam pasaran Eropah dan Amerika yang mempunyai tradisi kesatuan sekerja yang kukuh, dan walaupun persekitaran perniagaan tempatan berbeza, tanggapan pekerja tetap akan tercermin pada kadar pusing ganti.

Rumusan dan Ulasan TheAI Academy

Reaksi pertama saya ketika membaca berita ini bukan "AI memang tidak boleh", tetapi "akhirnya ada orang membentangkan angka seluruh rantaian".

Sepanjang dua tahun lalu ketika bercakap tentang pengenalan AI, dakwaan yang paling lazim ialah "output jurutera meningkat 30%", tetapi hampir tiada siapa yang bertanya soalan berikutnya: kalau begitu berapa banyak kelajuan penghantaran produk meningkat? Data Meta menjelaskan jurang ini dengan sangat jelas — bahagian penghasilan 220%, bahagian penghantaran 36%. 184 mata peratus di tengah-tengah itu tidak hilang, ia bertukar menjadi barisan semakan, menjadi ujian yang tidak mencukupi, menjadi insiden dalam talian yang bertambah 40%.

Ulasan: AI menjadikan "menulis" tiga kali lebih pantas, tetapi tidak menjadikan "betul" lebih pantas. Kesesakan sebenar tidak pernah pada kelajuan menaip.

Cadangan konkrit untuk pembaca ada tiga. Pertama, jika anda pengurus, jangan tetapkan KPI pengenalan AI sebagai "jumlah output", tetapkan ia sebagai "hasil yang dihantar ke tangan pengguna", dan jurang antara kedua-duanya ialah kesesakan sebenar anda. Kedua, jika anda jurutera, keupayaan paling bernilai kini bukan menulis dengan pantas, tetapi menilai dengan cepat sama ada benda yang dihasilkan AI itu betul — nilai semakan, ujian dan pertimbangan seni bina sedang meningkat. Ketiga, jika syarikat anda sedang merancang pelarasan organisasi yang serupa, pastikan anda menjalankan data sebenar selama tiga bulan dahulu sebelum membuat keputusan tenaga kerja, jangan seperti Meta yang menetapkan dahulu skala pemberhentian kemudian barulah kembali mengesahkan.

Untuk mencari alat yang berkaitan, anda boleh melihat alat pembangunan program AI, senario tugas AI dan templat gesaan di laman ini.

Sumber Rujukan

• Meta reportedly abandoned an AI-focused restructuring plan that would have laid off thousands — Engadget (memetik laporan eksklusif Reuters)
• How Meta's Plan To Replace Workers With AI Agents Fell Apart — Slashdot

Artikel ini disusun berdasarkan maklumat awam; data adalah tertakluk pada laporan asal Reuters dan kenyataan rasmi Meta. Perbincangan tentang pengurusan perniagaan dan keputusan tenaga kerja dalam teks hanya sebagai rujukan, dan bukan nasihat pelaburan atau pengurusan.