Wyścig na umiejętności AI w motoryzacji: kto zyska, kto straci
Redakcja••4 min czytania•1
Zdjęcie: © Lenny Kuhne / Unsplash
Źródło: unsplash.com/photos/jHZ70nRk7Ns
Sektor motoryzacyjny znajduje się w punkcie przełomowym: sztuczna inteligencja nie tylko napędza innowacje produktowe, lecz także restrukturyzację zespołów i rynków pracy. Coraz częściej obserwujemy zjawisko, które można opisać jako „swap umiejętności” — firmy zwalniają pracowników z jednych obszarów, by zatrudnić specjalistów z kompetencjami AI. To przesunięcie ról i oczekiwań rodzi zarówno szanse, jak i ryzyka dla pracowników, menedżerów i regulatorów.
Przykładem opisanej tendencji jest General Motors, który przeprowadził znaczące cięcia w działach IT — sięgające około 10% tego zespołu, co oznaczało blisko 600 etatów płatnych na umowach salaried. Firma określiła te zmiany jako celowy „swap umiejętności”:
Słownik artykułu
Krótkie objaśnienia terminów występujących w tekście. Każde hasło prowadzi do szerszej definicji i przykładów użycia.
Zjawisko to nie ogranicza się do jednego producenta. Obliczenia CNBC wskazują, że Ford, General Motors i Stellantis odnotowały łączne redukcje przekraczające 20 000 etatów typu salaried w USA, co odpowiada około 19% ich łącznych zatrudnień w tym segmencie w porównaniu z szczytowymi poziomami tego dekady. Chociaż przyczyny zwolnień są wielorakie, analitycy i firmy łączą część tych cięć z długofalowymi zmianami technologicznymi, w tym adaptacją rozwiązań opartych na AI.
W międzyczasie pojawiają się przypadki firm, które przekształciły dane i modele AI w produkty generujące przychód. Samsara, znana z dostarczania kamer do tysięcy ciężarówek, wykorzystała zebrane dane w celu wytrenowania modelu wykrywającego dziury w jezdniach oraz oceniającego tempo ich degradacji. Produkt adresowany jest do władz miejskich — firma poinformowała o kilku kontraktach, w tym z miastem Chicago. To przykład, jak dane z systemów flotowych mogą być użyte do nowych usług miejskich.
Jakie konkretnie kompetencje są dziś najbardziej pożądane? Firmy mówią o potrzebie specjalistów od AI-native development, inżynierii danych i analityki, chmurowego inżynieringu, tworzenia agentów i modeli, inżynierii promptów oraz projektowania nowych przepływów pracy z wykorzystaniem AI. W praktyce oznacza to poszukiwanie osób, które potrafią zaprojektować systemy, przeprowadzić trening modeli i zbudować niezawodne pipeline’y danych — nie tylko użytkowników gotowych narzędzi.
Równocześnie pojawiają się sygnały, że nie wszystkie firmy mają jasną strategię wdrożenia AI. Anektodyczne relacje od inżynierów i założycieli wskazują, że część organizacji eksperymentuje z technologiami bez wyraźnego planu komercjalizacji lub integracji z procesami produkcyjnymi. To może prowadzić do sytuacji, w której zwolnienia i nowe zatrudnienia nie będą równoważyć się w krótkim czasie, a transformacja będzie kosztowna i złożona.
W kontekście finansowania i rozwoju technologii warto odnotować dynamiczne ruchy na rynku inwestycji: spółki powiązane z autonomią i robotyką pozyskują znaczne środki, a założyciele takich projektów potrafią przyciągnąć kapitał poprzez kolejne rundy. Jednocześnie sektor jest pod obserwacją regulatorów i instytucji bezpieczeństwa — od doniesień o kolizjach robotaksów obsługiwanych zdalnie po aktualizacje oprogramowania w dużych flotach autonomicznych.
Zmiany technologiczne w motoryzacji nie dzieją się w próżni: kwestie bezpieczeństwa i nadzoru regulacyjnego nabierają znaczenia. W źródle opisano przypadki, w których teleoperatorzy zdalnie sterujący robotaksami uczestniczyli w co najmniej dwóch zdarzeniach z udziałem pojazdów Tesli, według niezdredagowanych dokumentów przekazanych amerykańskiemu regulatorowi ruchu drogowego. Równolegle Waymo wprowadziło aktualizację oprogramowania, mającą pomóc uniknąć dróg zalanych wodą, w ramach akcji związanej z ogłoszonym przez NHTSA recall — firma przyznała, że problem operowania w takich warunkach nie został całkowicie rozwiązany. Te przykłady pokazują, że w miarę jak AI trafia do krytycznych systemów transportowych, rosną oczekiwania dotyczące testów, przejrzystości działania i standardów bezpieczeństwa.
Co to oznacza dla pracowników i firm? W najbliższych latach można spodziewać się większego nacisku na przekwalifikowanie, rozwój szkoleń praktycznych i współpracę z ośrodkami edukacyjnymi. Firmy będą musiały inwestować nie tylko w technologie, lecz także w programy rozwoju talentów i przejrzyste strategie wdrożeń. Regulatorzy i samorządy miejskie będą z kolei jednym z odbiorców nowych produktów opartych na AI, co otwiera pole do współpracy publiczno-prywatnej w dziedzinie poprawy infrastruktury i bezpieczeństwa ruchu.
Podsumowując: AI wymusza w motoryzacji głębokie przesunięcia kompetencyjne i organizacyjne. Dla części pracowników oznacza to konieczność szybkiego dokształcania się i adaptacji, dla firm natomiast — potrzebę jasnego planowania wdrożeń i zarządzania ryzykiem. Równoległe przykłady komercyjnych zastosowań i intensywnego finansowania pokazują, że mimo trudności transformacja niesie ze sobą też realne możliwości biznesowe.
W grach komputerowych oznacza mechanizmy sterujące zachowaniem przeciwników lub innych elementów świata. Mogą one dobierać działania na podstawie sytuacji, przyjętych reguł i dostępnych danych.
Brak komentarzy. Bądź pierwszy!
