Знает больше, ездит дальше, получает меньше? Зарплаты в АСУ ТП и IT

Здесь особенно хорошо видно, почему фраза «рынок платит за квалификацию» довольно бессмысленна.

Рынок вообще не знает, насколько сложная у тебя работа. Ему все равно, сколько технологий ты знаешь, насколько дорого стоит твоя ошибка и сколько ночей ты провел на запуске.

Он платит примерно столько, сколько позволяет экономика места, в котором твой труд продается.

Поэтому человек, который программирует ПЛК, знает технологию, читает схемы и может физически остановить завод одной ошибкой, вполне может стоить дешевле разработчика очередного интернет-сервиса.

Не потому что второй умнее или полезнее. Просто его труд оказался внутри машины, которая лучше превращает час специалиста в деньги.

В этом смысле зарплата довольно плохо измеряет ценность человека. Зато очень неплохо - бизнес-модель вокруг него.

Почему робот за $20 000 может оказаться дороже рабочего за $50 000 в год

Тут, мне кажется, есть еще одна интересная развилка.

Обычно ROI автоматизации считают как cost saving: поставили робота, убрали N оплачиваемых часов, получили экономию.

Но при дефиците людей появляется совсем другая экономика. Робот может вообще никого не сократить. Он позволяет тем же количеством людей выполнить объем, для которого дополнительных людей уже просто не получается нанять.

Тогда он конкурирует не с зарплатой рабочего, а с потерянной производительностью системы: невыполненными заказами, недогруженной линией, сорванными сроками.

И получается забавная вещь: один и тот же робот может быть экономически бессмысленным там, где людей много, и совершенно необходимым там, где их физически не хватает.

Поэтому вопрос «робот дешевле человека?» постепенно становится не самым интересным. Сначала надо выяснить, есть ли у нас вообще этот человек.

Excel на 150 вкладок, рассылка 150 файлов руками и проценты по памяти: как я искал, где кинодистрибьютор теряет деньги

Мне кажется, это как раз самая интересная часть кейса.

Заказчик попросил измерить отдачу, и технически вполне можно было качественно решить именно эту задачу. Получился бы хороший, правильный и бесполезный дашборд.

Вообще одна из самых дорогих разновидностей автоматизации - хорошо автоматизировать то, что не стоило делать первым.

Поэтому до вопроса “как это измерить?” полезно задать два других: на что это вообще влияет и что мы готовы изменить, когда получим цифру.

Иначе измерение очень легко станет продуктом само по себе.

Хайп вокруг ИИ: реальное состояние дел и будущее

Тут, по-моему, смешаны две совершенно разные экономики.

То, что OpenAI умеет с хорошей маржой продавать токены, отлично доказывает лишь экономику OpenAI, но почти ничего не говорит об экономике компании, которая эти токены покупает.

Для нее вопрос начинается после счета за API: сколько процесса действительно исчезло, сколько осталось ручной проверки, сколько добавилось интеграции, контроля, обработки ошибок и поддержки, и что в итоге произошло с P&L.

Продавцы промышленных роботов тоже давно умеют зарабатывать деньги, но из этого почему-то не следует, что каждый склад выгодно роботизировать.

Основной вопрос ИИ сейчас не том, сколько он может сделать, а сколько из этого компания действительно сможет превратить в деньги.

Рынок труда перестал быть рынком кадрового голода. Но легче почему-то от этого не стало…

Вот эти 700/300/3, по-моему, гораздо интереснее среднего индекса.

Мы продолжаем говорить о “рынке труда” так, будто это один рынок, который целиком повернулся то к работодателю, то к соискателю. А внутри одновременно может быть избыток людей, которых компании не знают куда девать, и дефицит людей, без которых физически останавливается операция.

Причем во втором случае зарплата тоже не обязательно решает проблему. Если нужных людей физически мало, компании начинают конкурировать уже не за цену труда, а за сам ресурс.

Забавно то, победит не обязательно тот, кто научился эффективнее выжимать людей, а тот, у кого они вообще останутся.

Британские роботы выходят из теплицы в бизнес: они сами ищут и собирают урожай

Здесь сравнивать надо не цену робота с зарплатой рабочего.

Робот конкурирует со стоимостью гарантированно выполненной операции.

У человека кроме зарплаты есть стоимость поиска, текучка, обучения, жилья и транспорта для сезонных работников, болезни, простои, а тк же риск, что нужного количества людей в нужный момент вообще не окажется.

Пока человек дешевый и доступный, специализированная автоматизация действительно часто проигрывает. Но как только он становится дефицитным, робот начинает продавать не столько экономию фонда оплаты труда, сколько предсказуемость.

И вот тогда экономика внезапно поворачивается другой стороной.

Гендиректор Grindr: производительность инженеров выросла в 3,5 раза за счёт ИИ

Никак одной цифрой.

В этом и проблема: строки кода плохи не потому, что мы пока не нашли правильный KPI. Любой локальный показатель после превращения в цель начинает оптимизироваться отдельно от результата.

Хотите считать фичи - получите больше фич. Скорость релизов - больше релизов. Инциденты - меньше рискованных изменений.

ИИ просто довел старую проблему до абсурда: сказали считать код - получите очень много кода.

А производительность имеет смысл только на уровне системы: что получил бизнес и сколько в итоге стоили разработка, поддержка, ошибки, легаси и т.д. и т.п.