Przejdź do treści
Czas na świecieEU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

portal o AI i technologiiwydarzenia · analizy · wywiady · tło techniczne

Szukaj
NA ŻYWO
›

Canva zwalnia 1 271 osób, a badania podważają tezę o cięciach przez AI

Canva poinformowała 3 listopada, że 1 271 osób, czyli 22% załogi, straci pracę, zmieni stanowisko lub przeniesie się do centralnych hubów. Badania opublikowane mniej więcej w tym samym czasie przekonują, że AI częściej przebudowuje zadania, niż likwiduje całe zawody.

AI i modeleAnalizaMarta ZielińskaOpublikowano: 4 listopada 20263 min czytaniaŹródła 8
Canva zwalnia 1 271 osób, a badania podważają tezę o cięciach przez AI

Canva zwalnia piątą część załogi

Canva ogłosiła zwolnienia i szeroką reorganizację, podał Bloomberg 3 listopada 2026 r. Prezes Melanie Perkins napisała w notatce do pracowników, że 1 271 osób, czyli 22% załogi, straci pracę, zmieni stanowisko lub przeniesie się do centralnych hubów. Notatkę opublikowano na stronie firmy. Według Bloomberga sztuczna inteligencja wymusza strukturalne rozliczenie się w jednej z najbardziej znanych firm technologicznych w Australii. Bloomberg opisał tę decyzję jako pierwsze spowolnienie wzrostu w firmie produkującej oprogramowanie projektowe.

Mniejsza załoga ma obsługiwać narzędzia projektowe, z których korzystają użytkownicy Canvy. Firma skupi stanowiska w centralnych hubach.

Canva nie podała, ile osób objętych zmianami odejdzie, zmieni stanowisko albo się przeniesie. Nie podała też, ile reorganizacja kosztuje ani ile oszczędza.

Badania: AI zmienia zadania, nie całe zawody

Biała księga IIT Madras przekonuje, że AI automatyzuje konkretne zadania w ramach zawodów, a nie likwiduje całych profesji. Dokument opublikowano na stronie instytutu 26 października 2026 r. Nosi tytuł „How AI Is Reconfiguring Work in India”. Przedstawiono go na konklawie poświęconym zarządzaniu AI 22 października. Prof. Balaraman Ravindran, który kieruje Centrum Odpowiedzialnej AI w IIT Madras, powiedział: „Większość zawodów składa się z zadań i tylko część z nich może przejąć AI”. Autorzy wskazują siedem ścieżek, przez które AI może zmieniać pracę, w tym automatyzację napędzaną kosztami oraz zadania wymagające ludzkiego osądu lub odpowiedzialności regulacyjnej.

Automatyzacja rutynowych zadań na niższym szczeblu może osłabić tradycyjne ścieżki kariery, ostrzega dokument.

Biała księga szkicuje „geografię kosztów AI”. Tanie narzędzia do konkretnych zadań rozprzestrzeniają się w małych firmach, a zaawansowana praca w badaniach prawnych i obrazowaniu medycznym zostaje w dużych, dobrze finansowanych organizacjach. Autorzy nazywają swoje ramy hipotezą, którą trzeba sprawdzić. Zalecają tanie narzędzia AI, badania dotyczące Indii i mocniejsze ścieżki przekwalifikowania.

Dane o rekrutacji pokazują lukę między kupowaniem AI a jej używaniem

Badanie iCIMS i Kyle & Co. objęło 500 liderów HR i talentów oraz 1 000 osób szukających pracy w USA. 45% szefów HR oceniło wdrożenie AI w swojej firmie jako bardzo udane, choć organizacje uruchomiły w produkcji tylko około połowy kupionych funkcji AI. Firmy osiągające lepsze wyniki używały średnio sześciu z siedmiu funkcji AI w rekrutacji, wobec 2,5 wśród słabszych. Około jedna czwarta respondentów wdrożyła agentową AI w wieloetapowych procesach rekrutacji na pełną skalę. Wśród lepszych było to 42%, wśród słabszych 9%.

Osoby szukające pracy widzą mniej, niż myślą pracodawcy. Spośród tych, które uważały, że AI je przesiewała, tylko 32% stwierdziło, że firmy jasno to ujawniły, a 41% podejrzewało ukryte użycie.

Kyle Lagunas jest założycielem Kyle & Co. Powiedział, że luka nie przebiega między organizacjami, które mają AI, a tymi, które jej nie mają. Dodał: „Przebiega między kupowaniem możliwości a budowaniem umiejętności, własności danych i praktyk operacyjnych, żeby je wykorzystać”.

Pracownicy uczą się AI bez pracodawców

Biała księga University of Phoenix z 31 października 2026 r. opiera się na indeksie Career Optimism Index i opisuje, jak pracownicy zdobywają umiejętności AI na własną rękę. Połowa pracowników uczy się używać AI samodzielnie, bez formalnego szkolenia od pracodawcy, a 60% chce więcej wskazówek dotyczących narzędzi. Po stronie pracodawców 62% twierdzi, że pracownicy rozwijają umiejętności AI szybciej, niż organizacje potrafią się dostosować. Kolejne 48% martwi się o utrzymanie biegłych w AI pracowników.

Osobne badanie objęło 45 pracowników wiedzy na amerykańskim uniwersytecie publicznym. Okazało się, że świadome proszenie AI o podważanie własnych pomysłów poprawiało ich wyniki. Monideepa Tarafdar, profesor systemów informacyjnych na University of Massachusetts Amherst, nazywa to podejście wywoływaniem tarcia.

Tarafdar powiedziała, że chatboty dryfują w stronę zgody i mówią użytkownikom to, co już myślą, i ostrzegła, że wspólne narzędzia pchają myślenie w stronę, którą nazwała „zbiorową homogenizacją”. Powiedziała: „Nie mów mi rzeczy, z którymi się zgadzam. Mów mi rzeczy, z którymi się nie zgadzam, sprzeciw się albo spróbuj znaleźć dziury w moim argumencie”.

Komentarze 0

Źródła

8
  1. 01Canva Announces Layoffs, Job Changes for About 22% of WorkforceEN
  2. 02AI-ready organisations report stronger hiring outcomes, Study findsEN
  3. 03Want AI to make your workforce smarter? Research says to try thisEN
  4. 04White Paper Outlining Strategies to Address Rural AI Skills Gaps and Support Workforce Retention Published by the University of Phoenix College of Doctoral StudEN
  5. 05Entry-level jobs at risk as AI reshapes India's workforce: IIT-Madras studyEN
  6. 06AI jobs debate: IIT Madras study says tasks may change firstEN
  7. 07Rapid LLM development is outrunning the research meant to explain it, study findsEN
  8. 08Studying Fraudulent North Korean IT WorkersEN

Wszystkie liczby i cytaty w tym tekście pochodzą z poniższych źródeł. Nie dopisujemy danych, których w źródłach nie ma.

Materiały zostały przygotowane przez zespół redakcyjny wspierane przez AI.

Marta Zielińska

Marta Zielińska

AI, modele i technologie

Marta Zielińska pisze o technologiach, AI i modelach oraz mediach i internecie, opierając się na dokumentacji, preprintach i danych z API, a nie na zapowiedziach producentów. Przy każdej publikacji sprawdza karty modeli, parametry treningowe i benchmarki, a liczby porównuje z niezależnymi testami i wynikami z repozytoriów. Rozmawia z badaczami i inżynierami, czeka na kolejne wydania modeli i zestawia ich działanie z wcześniejszymi wersjami. Prywatnie drukuje w 3D, naprawia stare komputery i sprawdza, jak modele uczą się na śmieciach z internetu. Nie publikuje wyników, których nie może odtworzyć na własnym sprzęcie.

Redakcja →

Komentarze

0
  1. Brak komentarzy — bądź pierwszy.

Dodaj komentarz

Komentarze są widoczne publicznie. Nie publikujemy wulgaryzmów, spamu i treści reklamowych.