- Das Entwicklungstempo von AI-Agenten blieb hinter den Erwartungen zurück, und die Entwicklungskurve der vergangenen mindestens vier Monate hat sich nicht so stark beschleunigt wie erwartet
- Die zu Jahresbeginn eingeführte groß angelegte organisatorische Umstrukturierung verlief nicht ausreichend „sauber“, und das Management verschätzte sich beim Zeitpunkt der Veränderungen
- Im Mai wurden rund 10 % der gesamten Belegschaft entlassen und etwa 7.000 Beschäftigte in AI-zentrierte Teams versetzt, was Widerstand in der Belegschaft und Sorgen um die Moral auslöste
- Die Wette auf die neue Organisationsstruktur hat sich noch nicht ausgezahlt, größere Effekte werden in den kommenden 3 bis 6 Monaten erwartet
- Während in diesem Jahr Investitionen von bis zu 145 Milliarden US-Dollar in AI-Infrastruktur geplant sind, wird zugleich die Prüfung von Maus-Tracking-Software sowie die Wiedereinführung eines Opt-in-Modells diskutiert
Verzögerungen bei der Entwicklung von AI-Agenten
- Bei einer internen Townhall räumte er ein, dass die umfassende Umstrukturierung des Unternehmens Mängel hatte, und sagte, dass sich AI-Agenten-Systeme nicht so schnell entwickelt hätten wie erwartet
- Mit AI-Agenten sind automatisierte Systeme gemeint, die Aufgaben im Namen von Nutzern ausführen
- Die agentische Entwicklung der vergangenen mindestens vier Monate hat sich nicht in der erwarteten Weise beschleunigt, und die Wette auf die neue Struktur hat sich noch nicht ausgezahlt
- Bei Gesprächen mit den „Top-Talenten“ während der Umstrukturierungsplanung im Januar und Februar gab es Bedenken, dass die Anpassung an die Veränderungen nicht schnell genug verlaufen würde
- Damals war das Management in Bezug auf Tools wie Claude Code des AI-Startups Anthropic „sehr optimistisch“
Umstrukturierung und organisatorischer Umbau
- Der organisatorische Umbau einschließlich umfangreicher Stellenstreichungen verlief nicht so „clean“ wie möglich, und das Management verschätzte sich beim Zeitpunkt der Veränderungen
- Derzeit laufen Versuche, einige der zu Jahresbeginn eingeführten organisatorischen Veränderungen abzumildern, ohne die grundlegende Richtung zu ändern
- Im Mai wurden rund 10 % der weltweiten Belegschaft entlassen und rund 7.000 Beschäftigte in AI-zentrierte Teams versetzt, was Widerstand unter den Mitarbeitenden und Sorgen über sinkende Moral auslöste
- Diese Veränderung war Teil einer breit angelegten Umstrukturierung, um Mittel für Investitionen in AI-Infrastruktur bereitzustellen und die Effizienz AI-gestützter Arbeit zu sichern
- Zwar wurde den Beschäftigten im Mai gesagt, dass es in diesem Jahr keine weiteren unternehmensweiten Entlassungen geben werde, einige Mitarbeitende reagierten jedoch skeptisch
Umfang der AI-Investitionen und Ausblick
- Es wird erwartet, dass in diesem Jahr bis zu 145 Milliarden US-Dollar für AI-Infrastruktur ausgegeben werden, was einen erheblichen Teil der branchenweiten Ausgaben der Big Tech von mehr als 700 Milliarden US-Dollar ausmacht
- Es wird erwartet, dass in den kommenden 3 bis 6 Monaten stärkere Effekte aus den AI-Investitionen spürbar werden
- Ein Sprecher von Meta lehnte an diesem Tag eine Stellungnahme ab
Prüfung von Maus-Tracking-Software
- Technologiechef Andrew Bosworth erklärte nach einer Überprüfung eines jüngsten Datensicherheitsvorfalls, dass keine Mitarbeiterdaten in das AI-Training eingeflossen seien
- Im vergangenen Monat setzte Meta ein Programm vorübergehend aus, das Mausbewegungen und digitale Aktivitäten von Beschäftigten zur Untersuchung der Offenlegung sensibler Daten nachverfolgte und für AI-Training nutzte
- Nach Abschluss der Prüfung soll das Programm, falls es wieder aktiviert wird, im „Opt-in“-Modell betrieben werden
- Den Beschäftigten wurde erklärt: „Wer sich damit wohlfühlt, kann zu dieser großartigen menschlichen Untersuchung beitragen, und wenn nicht, ist das kein Problem.“
- Das steht im Gegensatz dazu, dass bei der ersten Installation des Programms auf Computern von US-Beschäftigten im April mitgeteilt worden war, es gebe keine Möglichkeit zum Opt-out
1 Kommentare
Meinungen auf Hacker News
Noch um diese Zeit im vergangenen Jahr hatte ich befürchtet, dass Unternehmen bis etwa dieses Jahr ihre Engineering-Teams auf wenige Leute verkleinern würden und der Großteil von autonomen Agenten erledigt würde, die von Menschen angewiesen werden – aber dazu ist es nicht gekommen.
Inzwischen schreibe ich sämtlichen Code zusammen mit Agenten, aber ihnen einfach nur das gewünschte Ergebnis hinwerfen und sie unbeaufsichtigt machen lassen: absolut unmöglich.
Man kann zwar mehr Code produzieren als früher, aber wenn stabiler, guter Code entstehen soll, so wie Produktmanager und Designer ihn wollen, liegt der Zuwachs eher bei 2- bis 3-fach – und entsprechend gibt es auch 2- bis 3-mal so viel Code zu reviewen, was den Produktivitätsgewinn wieder aufhebt.
Codezeilen sind kein Vermögenswert, sondern eine Verbindlichkeit, und es sollte so wenig davon geben wie möglich, solange die eigentliche Anlage – die Funktionalität – nicht beeinträchtigt wird.
Ein großer Teil von Software Engineering besteht darin, zur richtigen Zeit die richtige Menge Code zu schreiben.
Tatsächlich begann es erst irgendwann zwischen November und Februar ohne größere Nacharbeit einigermaßen zu funktionieren, und auch jetzt scheinen Organisationen noch zu lernen, wie sie die aktuellen Modelle und Tools bestmöglich nutzen.
Manche Entwickler bekommen schnell ein Gefühl dafür, führen Teams gut und schaffen eine gute Kultur, aber viele tun sich beim Wechsel vom IC zum Manager schwer, wenn sie keine Unterstützung dabei bekommen, was sich dadurch ändert.
Wenn Teams oder Schwärme von Agenten schlecht funktionieren, liegt das oft nicht an den Mitgliedern, sondern daran, dass ein neuer Manager alles an sich reißt und mikromanagt – oder im Gegenteil völlig loslässt und nur bei Check-ins auftaucht, um das Ergebnis zu ruinieren.
Belege habe ich nicht, aber ich vermute, dass Entwickler mit einer Art Management-Training Agentenschwärme deutlich besser nutzen könnten.
Es geht um einen vergleichsweise einfachen C#-Coding-Style, aber diese Einfachheit zu vermitteln ist schwieriger als gedacht.
Wenn ein Agent Code erzeugt, dauert es lange zu prüfen, ob er korrekt ist; wenn man es nicht prüft, merkt man bei Fragen im Review durch Kolleginnen und Kollegen peinlicherweise, dass man ihn selbst nicht richtig verstanden hat.
Es fühlt sich an, als würde die Welt behaupten, man könne fliegen, wenn man nur mit den Armen wedelt – und wenn man es selbst versucht, verbrennt man nur Energie auf der Stelle.
Dinge, die ausdrücklich als Teil des Designs erledigt werden sollten, werden einfach beiseitegeschoben.
Echte Vibe-Coder sagen, man müsse Prompts nur sorgfältig formulieren, aber wenn sorgfältig formulierte Prompts ignoriert werden, stimmt das überhaupt nicht.
Selbst wenn ich in die globale AGENTS.md schreibe: „Revidiere meine Entscheidungen nicht, ohne zu fragen“, hält sich das System einfach nicht daran.
Dieser Beitrag wirkt eher wie eine dünnere Neufassung eines Reuters-Artikels durch TechCrunch: https://finance.yahoo.com/technology/ai/articles/exclusive-z...
Das genaue Zitat scheint sinngemäß zu lauten, dass „sich die Entwicklungskurve agentischer Entwicklung in den vergangenen mindestens vier Monaten nicht wirklich so beschleunigt hat, wie wir erwartet hatten, und dass sich die Wette des Unternehmens auf die neue Struktur noch nicht ausgezahlt hat“.
Was Zuckerberg hier genau mit der Entwicklungskurve agentischer Entwicklung meint, ist schwer zu erraten, aber wahrscheinlich geht es darum, dass sich Tool-Nutzung und Fähigkeiten für Langform-Aufgaben der internen Meta-Modelle nicht genug verbessert haben, um agentische Ausführungsumgebungen wie Codex oder Claude Code auf dem Niveau der besten Modelle von OpenAI und Anthropic zu betreiben.
Darüber hinaus dürfte auch die Versetzung vieler Beschäftigter in AI-Data-Labeling Teil dieses Ziels gewesen sein.
Auf hoher Ebene betrachtet können solche Agenten nicht einmal mittelgroße Probleme wie ein vernünftiger Mensch bearbeiten.
Mehr Memory führt nur zu mehr halluziniertem Kontext, und Aufgabenfehler verändern sich so, dass sie schwerer zu bemerken sind.
Gut möglich, dass er sich mit Blick auf absolute Kosten und definierbaren Return on Investment selbst rechtfertigt.
Die Lücke zwischen einem nützlichen Chatbot und einem nützlichen Agenten ist viel größer, als die Leute denken.
Ein Chatbot kann immer noch hilfreich sein, wenn er in 10 % der Fälle falschliegt; wenn ein Agent in 10 % der Fälle falschliegt, verschickt er falsche E-Mails und macht falsche API-Aufrufe, ohne dass jemand es überprüft.
Ein Coding-Agent kann Annahmen treffen, sie testen, feststellen, dass sie falsch waren, und sich dann erholen.
Aber jenseits dessen, was sich leicht testen lässt – wenn man ihm also nicht nur Patches, sondern echte Arbeit überträgt –, wird es zum Problem, dass er sich Dinge als wahr vorstellt, die nicht wahr sind.
Für unbeaufsichtigten Einsatz wirkt der Nutzen bestenfalls begrenzt, schlimmstenfalls zwangsläufig katastrophal.
Im Moment eignen sich am besten Aufgaben, die sich mit vernünftiger Genauigkeit verifizieren lassen.
Die Aussage, man werde „in den nächsten 3 bis 6 Monaten beginnen, deutlichere Gewinne aus AI-Investitionen zu sehen“, wirkt selbst halluziniert wie AI und so, als könne man die Fakten vor Ort nicht akzeptieren.
Meta hat seit etwa fünf Jahren bei Metaverse, VR, Brillen und AI die Orientierung verloren und sollte sich in Ruhe hinsetzen und darüber nachdenken, was genau sein Kernprodukt ist.
Leider gibt es außer übernommenen Produkten wie WhatsApp und Instagram keinen klaren Kern.
Er versucht, der Autorin von Careless People das Leben zu ruinieren, weil sie Verbrechen an der Gesellschaft offengelegt hat, und Mitarbeiter leaken weiterhin interne Ankündigungen.
Es gibt diesen Infinite-Money-Glitch namens Werbung, sodass man zig Milliarden Dollar verschwenden kann, während man anderen Hirngespinsten hinterherläuft.
Selbst wenn all diese Träume im Nichts enden, trifft das Meta kaum.
Dass Agents aufgetaucht sind, ist in etwa so, als wäre man vom Gehen auf ein Fahrrad umgestiegen.
Das Management sieht das und denkt: „Bei diesem Tempo haben wir in ein paar Jahren selbstfahrende Autos“, und plant ernsthaft für diese Welt.
Realistisch gesehen werden wir wohl noch lange Fahrrad fahren, und eine höhere Produktivität einzelner Mitarbeiter macht Engineers nicht zu einer Budgetbelastung, sondern zu wertvolleren und nützlicheren Personen.
Deshalb war es eine dumme Entscheidung, ausgerechnet in dem Moment Personal abzubauen, in dem das Potenzial, dass Engineers deutlich produktiver werden, stark gestiegen ist.
Das ist ein Eingeständnis, dass man nicht weiß, wie man Menschen effektiv führt, und für jemanden, der enorme Summen für seine Managementfähigkeiten bekommt, ziemlich peinlich.
Und zwar wahrscheinlich welche mit sechseckigen Rädern.
Ich hoffe es, damit die Gesellschaft Zeit zur Anpassung gewinnt, aber tatsächlich wissen wir es überhaupt nicht.
Was meiner Ansicht nach alle unterschätzt haben, ist das wahnsinnige Ausmaß der benötigten Rechenressourcen und wie diese Rechenressourcen skalieren müssen, um mit größeren Modellen Schritt zu halten.
Es ist eher die AI-Version von „Auch mit neun Frauen kann man ein Baby nicht in einem Monat bekommen“.
Zusätzliche Rechenressourcen erzeugen nicht auf magische Weise allgemeine künstliche Intelligenz.
Das Tempo, von dem die Branche gesprochen hat, ist unrealistisch; zum Beispiel waren viele vom Entwicklungstempo von Apple Intelligence enttäuscht, tatsächlich verlief es aber ungefähr so schnell wie zu erwarten war.
Das eigentliche Problem könnte sein, dass AI nicht so viel Wirkung oder Nutzung erzeugt wie erwartet, sodass man überhaupt so weit gehen musste; Zuck sieht vielleicht wie der Sieger aus, aber wie ein Sieger mit schlechtem Beigeschmack.
Da aber sehr schwer vorherzusagen ist, wann dieser Durchbruch kommt, sollte man für den Worst Case planen und zugleich bereit sein, Chancen zu nutzen, wenn sie auftauchen.
Wenn AI ein großer Produktivitätssprung ist, müsste ein Unternehmen dann nicht gleich viele oder sogar mehr Mitarbeiter einstellen, um sich durch seinen Wettbewerbsvorteil mehr Marktanteile zu sichern?
Personal abzubauen, weil Mitarbeiter effizienter geworden sind, wirkt, als würde man sich im Rennen selbst in den Fuß schießen, nur um an derselben Stelle stehen zu bleiben.
AI hätte auch weniger qualifizierte Mitarbeiter besser einstellbar und nützlicher machen müssen und damit einen Boom am Arbeitsmarkt auslösen sollen.
Dass das nicht passiert, deutet darauf hin, dass AI nur ein Vorwand für Personalabbau ist, aber wahrscheinlich nicht die eigentliche Ursache.
Diese Technologie ist noch keine zehn Jahre alt, und wirklich nützlich ist sie erst seit etwa drei Jahren.
Ich verstehe nicht, warum man erwartet, dass sie jetzt schon transformativ sein muss.
Das erinnert an Aussagen wie „Das Internet ist nur ein schickes Faxgerät“.
Das Problem ist, dass man mit Menschen arbeitet. Und zwar mit klugen Menschen, die jeweils lange auf ihre eigene, enge und spezielle Weise gearbeitet haben.
Wenn man davon ausgeht, dass jeder Engineer genauso AI-verfallen ist wie man selbst und bei jeder Anfrage Claude Code startet, ist der Ansatz falsch.
Selbst ein hervorragendes Tool wird einfach liegen gelassen, wenn es nicht zum Verhalten und zur Arbeitsweise der Engineers passt.
Dieses Problem sehe ich ständig bei Kunden oder potenziellen Kunden. Wenn ein Team aus fünf Leuten zwei Wochen lang ein foobar-Widget baut, sind das 50 Personentage.
Wenn jemand zeigt, dass man dasselbe mit AI in zwei Stunden und in gleicher oder höherer Qualität bauen kann, freut sich das Management, aber das Team programmiert vielleicht weiterhin von Hand und fragt bei Build-Tool-Fehlern nur noch ChatGPT statt Stack Overflow.
Es reicht nicht, Tools zu verteilen und zu sagen, dass sie cool sind.
Man muss Engineering-Teams verstehen, mit ihnen zusammenarbeiten, sie Schritt für Schritt richtig führen und Verhalten verändern.
Das passiert nicht über Nacht. Leider besteht der aktuelle Ansatz eher darin, Menschen zu entlassen, die im Zeitalter AI-gestützter Softwareentwicklung keine Leistung bringen; ich halte das nicht für richtig.
Ich frage mich, warum man sich überhaupt darum kümmern sollte, was Zuckerberg über AI Agents sagt.
Er war Anfang der 2000er ein PHP-Entwickler und hatte mit Facebook Glück; er ist kein AI-Wissenschaftler oder -Forscher.
Welche Autorität hat er, über die Zukunft von AI Agents zu sprechen?
Die Moral im Unternehmen ist auf einem historischen Tiefstand, und das zeigt viel besser, auf welche Leadership-Fähigkeiten er sich konzentrieren sollte. Oder vielleicht ersetzt ihn ja bald ein Agent.
Auf hoher Ebene beaufsichtigt er einen erheblichen Teil der Entwicklung von AI Agents und ist daher in der Position zu sehen, ob sie erfolgreich sind; außerdem dürfte er detaillierte Kennzahlen bekommen.
Ob sein Urteil nun richtig ist oder nicht: CEOs in der Tech-Branche sind berüchtigt dafür, Trends hinterherzulaufen, und sein Urteil kann die Stimmung in anderen Unternehmen prägen.
Vielleicht läuft er diesmal selbst dem Trend hinterher und führt gerade die Bewegung an, die AI-Überhitzung früh wieder abzukühlen.
Das soll kein Lob sein; es gilt ebenso für viele C-Level-Leute in großen Unternehmen.
Zwischen gemessener Produktivität und „anekdotischer“ Produktivität besteht eine Kluft
Das Gute an diesem Diagramm ist, dass es auch eine der effektivsten Methoden zeigt, Produktivität zu steigern: Man muss einfach Personal abbauen
https://fred.stlouisfed.org/series/OPHNFB
Unter Bedingungen von Knappheit ist es in der Regel vorteilhaft, den Output zu erhöhen oder eine andere Art von Output zu erzeugen – erst recht, wenn jemand dafür bezahlt
Die wichtigen Fragen lauten daher: Was ist knapp, würde jemand dafür bezahlen, und wie lässt sich mehr davon herstellen?
Wenn man etwas herstellen kann, wofür Menschen zu zahlen bereit sind, kann man Menschen einstellen, um es herzustellen
Leider sind die offensichtlichsten Dinge, für die zahlungskräftige Menschen bereitwillig bezahlen, AI-Tokens, Rechenzentren und Inputs für Rechenzentren
Ob uns das zu mehr von den anderen Dingen verhilft, die wir wollen, ist unklar
Ziel von Investitionen sind Produktion, Wachstum und Gewinn, nicht Produktivität an sich