גם השבוע אני ממשיך בפורמט החדש - שלושה דברים שנתקלתי בהם השבוע, שני דברים מהעבר, בלי המלצה על ספר. הנה מהדורה מספר 16:
דברים שנתקלתי בהם השבוע
מהפיכת הבינה המלאכותית: איך הגענו לכאן?
נתקלתי השבוע בסקירה מעולה שכתב משקיע בקליינר-פרקינס על הפיתוחים שאיפשרו את ההתקדמויות האחרונות בבינה מלאכותית. היא כתובה בצורה מעניינת ולא טכנית מדי. חשבתי שמעניין לשתף את זה בשבוע שבו הכרזות סביב ההתקדמויות האלה תפסו את מרכז השיח בביג טק.
תרגמתי כמה קטעים שאהבתי במאמר, אבל אני ממליץ לקרוא את כולו. זה לא קל לכתוב על דברים מהסוג הזה בצורה שתהיה מעניינת גם לקוראים שלא עובדים או מתעניינים בכל הפרטים הטכניים של הבעיה, וזו דוגמא לאיך עושים את זה מאד טוב.
הטרנספורמר הומצא בתור מתרגם, שעובר משפה אחת לאחרת. אתה יכול לתרגם מאנגלית לצרפתית, אנגלית לאנגלית, לטינית לאנגלית, וכו׳. אבל בעצם, שפות הן פשוט רצף סדור של סמלים, ותרגום הוא פשוט מיפוי מרצף סמלים אחד לאחר. טרנספורמר הוא כלי להבנת החוקים שבשפה אחת, ואז מיפוי שלהם לאחרת. אז אם אתם יכולים להבין איך לייצג משהו באופן דומה לשפה, אתם יכולים לאמן מודל טרנספורמר כדי לתרגם ביניהם.
זה בדיוק מה שקרה עם תמונות … מודל deep learning יכול ללמוד איך לחלץ את המאפיינים החשובים של התמונה ולכווץ אותה לייצוג במספר מימדים נמוך יותר, שנקרא latent space [״מרחב נסתר״ או ״מרחב לא מוגדר״ בעברית? א.מ.] … אפשר לחשוב על זה כאילו המודל לומד מספר ענק של צורות, קווים ותבניות בסיסיות - ואז חוקים בשביל להרכיב אותם ביחד לתמונות ברורות … latent space נקרא ככה בגלל שהוא מתפקד כמרחב קואורדינטות שמייצג תכונות של תמונות. למשל, ייצוג תמונה של מכונית שנראית כמו פרצוף יתבצע על ידי מעבר לנקודה במרחב הזה שגבוהה בציר ה״נראה כמו מכונית״ וגם בציר ה״נראה כמו פרצוף״. למעשה, ציור של תמונה (או עבודה עם תמונות) פשוט מתבצע על ידי תזוזה במרחב הזה … אז עכשיו הפכנו את היצירה או עבודה עם תמונות לבעיה של יצירת רצף מספרים… ואת זה אנחנו יודעים לעשות.
המודלים האחרונים לתמונות כמו Stable Diffusion משתמשים בתהליך שנקרא latent diffusion … במקרה הזה, במקום טרנספורמר שמייצר תמונות, יש לכם מודל טרנספורמר שלוקח ייצוג latent של תמונה ופקודת טקסט, ומשנה את התמונה כדי להתאים לטקסט בצורה טובה יותר … ככה אפשר לקבל מודל בינה מלאכותית שלוקח רישום גס והופך אותו לתמונה מציאותית.
לסיכום, הפריצת דרך עם מודלי תמונה ג׳נרטיביים היא שילוב של שתי התקדמויות בבינה מלאכותית. הראשון הוא היכולת של deep learning ללמוד ״שפה״ לייצוג של תמונות באמצעות latent representations. השני, מודלים שיכולים לנצל את יכולת ה״תרגום״ של טרנספורמרים כדי לעבור בין עולם הטקסט לעולם של תמונות.
הטכניקה העוצמתית הזו הולכת הרבה מעבר לתמונות. כל עוד יש דרך לייצג משהו עם מבנה שנראה דומה לשפה, ביחד עם מידע שאפשר לאמן עליו, טרנספורמרים יכולים ללמוד את החוקים ואז לתרגם בין שפות. Copilot של גיטהאב למד לתרגם בין אנגלית ושפות תכנות שונות, וה-Alphafold של גוגל יכול לתרגם בין שפה של DNA ורצפי חלבונים.
אם לקחתם משהו מכל זה, אתם יודעים שאימון של בינה מלאכותית תלוי מאד במידע. יש הרבה מאד טקסט ותמונות, וזו הסיבה שמודלים כמו Stable Diffusion וה-Imagen של גוגל יכלו להגיע מיד אחרי Dall-E. חברת Stability.ai מקושרת לכמה פרוייקטי open source AI … המידע שלהם מאפשר לחוקרים אחרים להשלים פערים מהר מול המאמצים של OpenAI בטקסט ותמונות.
זה אומר שלכלי בינה מלאכותית תהיה השפעה אחרת שתלויה בתחום ואיזה סוגים של מידע זמינים בו. למשל, ברובוטיקה אין משהו שמקביל ל ImageNet או LAION [המודלים הפתוחים ש Stability.ai השתמשה בהם] כדי לאמן מודלים לתכנון תנועה של רובוטים … או אם נסתכל על גילוי תרופות, התחום שבו חברות ביוטק מאמנות בינה מלאכותית כדי לתכנן תרופות חדשות. אבל התרופות האלה חוקרות איזורים חדשים של ביולוגיה - למשל, חלבונים ששונים מדוגמאות שהתפתחו באופן טבעי. תכנון מבוסס AI חייב להתקדם יד ביד עם כמויות אדירות של מחקרים פיזיים במעבדות בגלל שהמידע שנדרש כדי לאמן את המודלים האלה פשוט לא קיים עדיין.
עוד משהו שחשוב לזכור לגבי מודלי הבינה המלאכותית האלה הוא שהם מבוססים על אקראיות. הם מאומנים באמצעות טכניקה שנקראת gradient descent. אלגוריתם האימון משווה את המידע שלו לפלט של מודל ה AI ומחשב את ה״כיוון״ שצריך לזוז בו כדי להתקרב לתשובה הנכונה. אבל אין רעיון של תשובה נכונה או שגויה - רק כמה קרוב האלגוריתם ללהיות צודק.
היום אנחנו לא חושבים על המצאת הדפוס או הגיליון האלקטרוני או מעבד תמלילים בתור טכנולוגיות מרגשות במיוחד. אבל על ידי הפצת הגישה ליכולת לייצר מידע בצורה רחבה, הם שינו את העולם - לטובה בהרבה מובנים, אבל גם לפעמים לרעה. למודלי הבינה המלאכותית החדשים האלה יש את הפוטנציאל להיות בעלי אימפקט מסדר גודל דומה בגלל הדרכים שאנשים ימצאו כדי להשתמש בהם.
קשה לחזות את העתיד. אולי הדבר היחיד שאפשר לומר הוא שכלי הבינה המלאכותית האלה ימשיכו להיות חזקים יותר, קלים יותר לשימוש, וזולים יותר. אנחנו בשלבים המוקדמים של מהפיכה שתוכל להיות משמעותית ועמוקה כמו חוק מור, ואני גם מתלהב וגם מבוהל ממה שעתיד להגיע.
לפני שנמשיך, תזכורת להירשם לבלוג כדי לקבל עדכונים ישירות במייל
השקעות בתוכנה - שאלות ותשובות
פטריק אושאנאסי, המנחה הנהדר של הפודקאסט Invest like the Best, התחיל פורמט חדש של ריאיונות בטוויטר. הקטע הוא שהתשובה חייבת להיכנס בסקרינשוט. ה״שאלות ותשובות״ הראשון שפירסם היה סביב השקעות בתוכנה, ונהניתי מאד מהפורמט בעיקר כי הוא מגבלת ה״מה שנכנס בצילום מסך״ הפכה את התשובות לישירות ותמציתיות.
היו 12 שאלות בריאיון, בחרתי כאן שלוש שאהבתי. הראשונה היא מה מגדיר חברה כ ״shitco״, ועוזרת גם להבין את התפיסה בשוק והתרסקות מניות ה SaaS במהלך 2022.
המשקיע האגדי ביל גורלי, שהזכרתי כבר כמה פעמים בעבר בבלוג, התארח בפודקאסט של טים פריס לשיחה של שעתיים שהייתה גדושה בסיפורים ותובנות מרתקות. מצאתי בסוף מעל עשרים כאלה בהערות שרשמתי לעצמי תוך כדי ההאזנה, אכתוב כאן ארבעה מהם אבל באמת שעדיף להאזין לכל השיחה.
סיפור מעניין ראשון הוא על האופן שבו הם זיהו וחוו את הכל של אפקט רשת ב OpenTable, חברה שביל גורלי ובנצ׳מארק השקיעו בה בשנת 2000:
אז ב-1996, בריאן ארתור, שהיה ב Santa Fe Institute אז, פרסם מאמר ב Harvard Business Review שנקרא ״Increasing Returns and the Two Worlds of Business״. וזו הייתה באמת הכתיבה הראשונה שדיברה על אפקט רשת … והרעיון היה שתעשיות מסויימות הולכות להיות בנויות ככה שאתה מקבל ״המנצח לוקח את הרוב״, וככל שאתה יותר מצליח, אתה יותר נעול. ובריאן דיבר על דברים כמו ה UI של מיקרוסופט - אתה יודע איך וורד עובד, מרגיש בנח עם זה, ואז יש עלות גדולה לעבור, ושיתוף מסמכים ועבודה ביחד …
כשנפגשתי עם צ׳אק טמפלטון, הפאונדר של OpenTable, היו לו שלוש מסעדות. היית צריך להאמין הרבה כדי להגיע מהנקודה הזו לתופעה הגלובלית שזה הפך להיות. וההימור שדיברנו עליו היה ״אם נשיג מספיק מסעדות על הדבר הזה, אז הלקוחות יגיעו. ואם הלקוחות יגיעו, אז עוד מסעדות יהיו חייבות להצטרף.״ וזה מה שקרה. אבל היית צריך להאמין בזה בגלל שאחרת, באותו זמן מכרנו מחשבים לבעלי מסעדות, ונחש מה? לא היה להם חיבור לאינטרנט באותו זמן. אז היינו צריכים גם למצוא שותף שיתקין להם אינטרנט, משהו שלא היה קל לעשות. זה היה נראה רע … אנחנו שמים חומרה בעסק קטן עד בינוני שלא היה לו הרבה כסף, ואנחנו צריכים לחבר אותו לאינטרנט …
בנקודה מסויימת עברנו על הפרודוקטיביות של אנשי המכירות, והמודל שלנו כרק התחלנו להגדיל את העסק היה שכל איש מכירות היה צריך לסגור ארבע מסעדות בחודש. ובאותו זמן עלינו ל-7.7, אז הרגשנו די טוב. ואז בישיבת דירקטוריון, הם הניחו את הרשימה של כל אנשי המכירות, ואחד מהם עשה 35 מסעדות בחודש. ואז שאלתי ״מי האיש מכירות הזה?״. ו OpenTable התחילה בסן פרנסיסקו, ושיחקנו משחק מקומי. לא הלכנו בבת אחת לכל המקומות, בנינו נזילות עיר אחרי עיר. בכל מקרה, באותו זמן, האיש מכירות הזה היה האחרון שנשאר בסן פרנסיסקו שם היה לנו שיעור חדירה של 90%. ואז ה-35 מסעדות באו מה-10% הנותרים. והאיש מכירות הזה בעצם פשוט לקח הזמנות. וזה היה בשבילי ״או, כן, אפקט הרשת באמת עובד כאן.״
כמה סיפורים על הכח של Open Source:
בתור התחלה, אני חושב שאנשים יחסית מכירים פרוייקטי תוכנה גדולים, לינוקס הוא הכי ידוע מהם. זה קיים כבר מעל 20 שנים. זו בבירור מערכת ההפעלה הכי נפוצה בעולם. ומה שאנשים אולי לא יודעים על זה זה שהרבה אנשי מחשבים מאמינים שהיא הכי בטוחה. וזה קצת בניגוד לאינטואיציה - כל הקוד הוא פומבי, איך זה יכול להיות הכי מאובטח? אבל זה מקבל הכי הרבה התקפות, כי זה הכי הרבה בשימוש … קוד פתוח הוא הרבה יותר טוב בבעיות מורכבות מאשר בבעיות פשוטות. אלה הבעיות המורכבות שקשה לחברה אחת לפתור … וראינו את זה עם MySQL ופרוייקטים אחרים כמו MongoDB ו Elastic …
גוגל פחדה שאמזון תברח עם עסק שירותי הענן שלה ב AWS. והייתה להם טכנולוגיה בשם קוברנטיס, וזה היה בערך כשדוקר ושימוש בקונטיינרים התחיל לתפוס, וקוברנטיס הייתה שכבת אורקסטרציה בשביל קונקטיינרים … וגוגל החליטו שהכי טוב עבורם לקחת את הטכנולוגיה הזו ולתת אותה במתנה לאיגוד הקוד הפתוח (open source consortium). הם נתנו לעמותת הלינוקס לנהל את זה, ואז הם הלכו וגייסו את IBM ו-HP וכל שאר השחקנים להציע תמיכה בקוברנטיס, בגלל שכולם רצו לוודא שאנשים לא יהיו נעולים באמזון. ובסופו של דבר זה נעשה כל כך מצליח שאמזון נאלצה להכריז על תמיכה בקוברנטיס. ועכשיו אם אתה צריך להזיז workload מגוגל לאמזון, יש דרך סטנדרטית לעשות את זה ואתה פחות נעול …
אני חושב שרכבים אוטונומיים צריכים בהחלט להיות open source. אני חושב שכולם מרוויחים, זה בטוח יותר, שכבות התקשורת יהיו טובות יותר. הרעיון שצריך להשתמש בבינה מלאכותית כדי להבין האם הרמזור הוא אדום, צהוב או ירוק הוא באמת טיפשי בגלל שזו מכונת מצבים. הרמזור הוא באחד המצבים האלה ואפשר לתקשר את זה לתוך התוכנה. לא צריך ״להבין״ את זה, זה דבר ידוע. אבל צריך שפה משותפת. ומערכת הבדיקות שלך יכולות להיות בשימוש על ידי כולם.
על הערכות שווי, והדיעות שלו על שימוש במכפיל הכנסות בתור קיצור דרך:
אם היה סולם של תחכום פיננסי בין אחד לעשר, והיית אומר שאדם מאד חכם בניו יורק יהיה 8.5, האדם הממוצע בסיליקון ואלי בהבנה פיננסית הוא שתיים.
וזה מצחיק כי הם צוחקים על וול סטריט, אבל זה רק מתוך בורות, הם לא יודעים כלום. וככה הרבה מהם חושבים על הערכות שווי בתור מכפיל הכנסות, ולא יכול להיות כלי גס יותר מזה. ובשלב מסויים כתבתי פוסט שנקרא ״המפתחות למועדון ה 10x הכנסות״, ואני בוחן שם חברות טק ציבוריות ומיינתי אותם לפי מכפיל הכנסות. ואחת מהן הייתה ב-20 ואחת הייתה ב-0.1, וזה טווח די גדול. אין שם קו ברור. אין שום סיבה לחשוב שמכפיל הכנסות הוא הדרך להעריך שום דבר. אבל רק בגלל שזה קל, והחברות האלה הן צעירות ולא בוגרות, וזה קשה לעשות DCF. קשה לעשות משהו מתוחכם יותר. זו השפה המשותפת של הקבוצה.
אבל הכל השתנה בין לילה. וכמו שמישהו בטוויטר הראה, הם השתמשו במכפיל רווח גולמי במקום מכפיל הכנסות, ועדיין טוויליו ירדה ממכפיל 70 על הרווח הגולמי ל-3 בתוך פרק זמן קצר. אם כבר מדברים על איפוס של הערכות שווי, זה פשוט קיצוני. ואז זה מזעזע את התעשיה. ואף אחד לא הולך להרגיש רע בשביל סיליקון ואלי, אני לא מנסה לייצר אמפתיה, אבל במונחים של להבין מה קורה - זה כל כך יסודי ועמוק, השינוי כל כך קיצוני שהדבר הכי טוב שאתה יכול לעשות הוא להתאים את המודלים המנטליים שלך מהר ולהצטרף לעולם החדש, אבל קשה לאנשים לעשות את זה.
וסיפור אחרון - על אמזון:
ג׳ף בזוס הוא כנראה היזם הכי טוב שאי פעם ראיתי … החברה היום היא בגודל כל כך קיצוני והוא לא נוגע בכל ההחלטות, הוא בנה מסגרת אירגונית שלוקחת את מה שג׳ף בזוס מאמין ומפעילה את כל החברה באופן הזה, וזה לא מספיק מנותח ומובן. הנה סיפור מעולה, אני נוסע באובר, לפני בערך שמונה שנים. ואני תמיד מדבר עם הנהגים כי יש לי מניות בחברה (אובר), ואני שואל משהו את הנהג. הוא אומר לי ״אני חייב לחזור לסן חוזה עד 2:30״, ואני שואל ״מה קורה ב 2:30?״ והוא מסביר ״אני חייב להגיע לפגישה במחסן של אמזון ב 2:30״. אני מנסה להבין מה קורה שם, והוא מסביר ״יש להם תכנית חדשה שהם מריצים, אתה מגיע ב 2:30 ויש להם טלפונים זולים עם כרטיסי סים זמניים, והם מעמיסים את המכונית שלך עם חבילות ונותנים לך תכנית משלוח ואז הם מזמינים נסיעה עם אובר״. וזה היה בימים המוקדמים של משלוח-באותו-יום.
זו חברה ששווה מאות מיליארדי דולרים שמריצה ניסוי על גבי אובר, ואני יודע בוודאות שרוב החברות שעבדתי איתן והגיעו מעל 20-30 מיליון דולר בהכנסות לא היו מריצות ניסוי כזה, כי מישהו היה אומר שאי אפשר לעשות את החשבונאות, או שזה יותר מדי האק, או תירוץ אחר … יש ריאיון עם ג׳ף בזוס שאני פשוט יכול לראות שוב ושוב. זה מרתק. ומישהו שאל אותו ״מתי אתה מפסיק ניסוי פנימי?״ והוא אמר ״כשהאדם האחרון עם שיקול דעת מוותר״. וזה לא איך שחברות גדולות אחרות עובדות. הם לא מריצים ניסויים ככה. למעשה, אחת הסיבות שסטארטאפים יכולים להתחרות עם חברות גדולות היא שרוב הניסויים בחברות גדולות - הן מריצות ניסוי אחד ואם זה נכשל, הן מוותרות. וסטארטאפ לא יכול לוותר בגלל שהם יצטרכו להיסגר אם הם יוותרו. אז הם מריצים ניסוי מספר אחד ושתיים ושלוש וארבע וחמש, ואז הם עושים פיבוט ושש ושבע ושמונה, והם נשארים ערים כל הלילה בגלל שזה חייב לעבוד. ואז יש להם הרבה יותר בעיטות לשער מאשר לחברות הגדולות.
השבוע שתי המלצות עבר שהן לא מהעבר המאד-רחוק - שתיהן מאיזור קיץ 2022 - אבל תופעות מעניינות ויסודיות מספיק כדי לא להיחשב בתור תוכן זמני וחולף בעיניי. הייתי מהמר שימשיכו לדבר עליהן גם בעוד כמה שנים מעכשיו, כשיסתכלו על התקופה הנוכחית.
Vibecession
אינדיקטורים כלכליים הם כמו ציור מופשט של נתונים ומגמות. אם מתרכזים מספיק חזק, הם מתחילים להיראות הגיוניים, אבל צריך להוסיף הרבה פרשנות. לכלכלנים יש תיאוריות ומודלים לגבי איך הכלכלה צריכה להתנהג, אבל מגיפה, מלחמה ובעיות אספקה הרחיבו את הפער בין ה״מציאות״ הכלכלית לבין איך שאנשים חווים אותה …
הפדרל רזרב, מי שקובע את הוייב בזמנים הטובים והרעים, נכנסו למצב ״מהיר ועצבני״ בניסיון להילחם באינפלציה. הכלי העיקרי של הבנק הפדרלי הוא להרע את הוייבים הכלליים - ניהול הביקוש על ידי העלאת הריבית והפיכת הדברים ליקרים יותר, כדי שאנשים יקנו פחות …
הבנק הפדרלי עושה כל מה שהוא יכול כדי להשיג ״נחיתה יחסית-רכה״, שכרוכה בסיכונים. כמו שכולנו יודעים, הבנק הפדרלי לא יכול לשתול תירס. הוא לא יכול לגרום לספינות להפליג מהר יותר. בסופו של דבר, ארגז הכלים של יו״ר הפדרל ריזרב ג׳רום פאוול הוא להוריד את המשקפיים שלו ולומר בפנים חמורות ״היי,תפסיקו לקנות כל כך הרבה דברים״, בניסיון לנרמל את הכוחות של היצע וביקוש.
קיילה סקנלון מעלה סרטונים שמסבירים בצורה מעולה (ומשעשעת) קונספטים כלכליים מורכבים. היא גם כותבת עליהם בבלוג שלה. באחד המאמרים/סרטונים שלה היא טבעה את המונח Vibecession כדי לתאר את המציאות הכלכלית המבלבלת של 2022, מונח שצבר פופולריות מאד מהר והתחיל להיות בשימוש על ידי הרבה מהעיתונות הכלכלית המובילה באמריקה. הניו יורק טיימס גם הזמין אותה לפרסם מאמר דיעה כדי להסביר את הקונספט הזה. הציטוט הזה הוא מהמאמר שלה בניו יורק טיימס באוגוסט 2022.
אי הוודאות והנתונים הסותרים ממשיכים להגיע, וחשבתי שזו הזדמנות טובה להזכיר את המאמר הזה בשבוע שבו השוק חווה טלטלות בעקבות נתונים מבלבלים ואמירות סותרות של יו״ר הבנק הפדרלי. בשבוע שעבר ג׳יי פאוואל הודה שהם רואים ירידה באינפלציה מצד אחד, אבל מצד שני התפרסם ביום שישי דו״ח תעסוקה שהצביע על שיעור האבטלה הנמוך ביותר מזה 50 שנה, וגרר אמירה של הבנק הפדרלי על כך שהם יצטרכו להגיב לנתונים, ואולי להעלות את הריבית יותר ממה שתכננו.
כמו שצ׳ארלי מאנגר ניסח את זה כבר במאי 2021, ״אם אתם לא מבולבלים לגבי מה שקורה, אתם לא מבינים את זה.״ חזרה לקיילה -
הוייבים בכלכלה הם … מוזרים. למוזרות הזו יש השלכות אמיתיות. מחקר לאחרונה מצא שהוייבים הכללים משפיעים על איך שאנשים מתנהגים, עם הנרטיב בתקשורת לגבי הכלכלה אחראי ל-42% מהירידה בביטחון הצרכים במחצית השניה של 2021.
אינדיקטורים כמו תל״ג הם חשובים, אבל הרבה מהזמן, המקור לבעיות כלכליות נובע מהציפיות. כשאנחנו חושבים על דברים כמו אינפלציה, תנאים פיננסיים ומדיניות מוניטרית, הכי טוב להסתכל עליהם דרך אנשים. ואנשים הם, כמובן, טיפשיים ומבולגנים. הרבה יותר מדי כלכלנים ומומחים שוכחים שהכלכלה היא בעצם אוסף של אנשים שמתנהגים כמו אנשים ומנסים להבין מה קורה בעולם.
כשמדיניות ממוקדת יותר על אינדיקטורים שאולי לא משקפים נכון את המציאות, ולא על הצד הטיפשי והמבולגן של האנשים שהמדיניות נועדה לשרת, אנחנו נכנסים לאיזור מסוכן.
אין מיתון (recession) עדיין. כרגע אנחנו במעין “vibe-cession” - תקופה שבה צונחות הציפיות שאנשים מרגישים גם על סמך דאגות אמיתיות וגם חוויות מהעבר. הרבה דברים הם לא בסדר. ואם הם לא ישתפרו, נצטרך להתמודד עם הרבה יותר מוייבים לא טובים.
ג׳סיקה וויליאמס עבדה במקביל בשתי משרות מלאות ב-remote בתור דירקטור משאבי אנוש במהלך 2020. זה התחיל כי היה לה הרבה זמן פנוי שהייתה מבודדת בביתה (היא לא רצתה לפגוש אנשים כי פחדה להדביק את אבא שלה בקוביד). שתי החברות לא ידעו אחת על השניה, וחשבו שהיא עובדת במשרה מלאה אצלם. היא עשתה עבודה מצויינת ובשתי המשרות הציעו לה קידום אחרי שנה. היא הייתה שחוקה מאד והחליטה להתמקד בעבודה אחת, אבל אומרת שחשבון הבנק שלה היה מרוצה.
מסתבר שהתופעה הזו, שמכונה באמריקה Overemployment, נעשתה די נפוצה. קבוצת הרדיטמתפוצצת בפוסטים על איך להסתיר מהמעסיק, מה לעשות עם הלינקדאין, איך לסנכרן את הפגישות בין שתי המשרות. לאחרונה כבר יצא ספר - Job Stacking - שמארק אנדריסן שיתף בטוויטר שלו. בכתבה שפורסמה בוושינגטון פוסט העריכו שלמעלה מ-300 אלף אמריקאים מחזיקים כמה משרות במקביל.
חלק מהאנשים עושים את זה מאותם מניעים כמו ג׳סיקה. חלקם פחדו מאי הוודאות הכלכלית והאפשרות שיפוטרו, ולקחו עבודה שניה בתור גיבוי. חלקם גם פחות מוסריים, ולוקחים כמה עבודות בלי כוונה לעבוד ברצינות באף אחת מהן, כי יודעים שייקח זמן עד שיפטרו אותם.
לא הייתי מהמר שהתופעה הזו מאד נפוצה בישראל. המדינה קטנה, כולם מכירים את כולם, וגם תרבות העבודה מהמשרד הרבה יותר חזקה. בישראל חזרו למשרדים כבר במאי 2020, בעוד שבסיליקון ואלי הרבה משרדים נשארו סגורים למעלה משנתיים, ועובדים נדרשו להגיע לראשונה רק באפריל 2022. חוקי העבודה גם שונים בין המדינות, באמריקה מפעילי הקהילה טוענים שזה לא מנוגד לחוק, מדובר אולי רק בהפרה של החוזה והמעסיק רשאי לסיים את ההעסקה אם הוא יגלה על זה.
הייתי מאד סקפטי כששמעתי לראשונה על מנכ״לים של סטארטאפים שטוענים בביטחון שרוב העובדים שגייסו באמריקה מאז 2020 עובדים בעוד עבודות. חשבתי שזה היה מוגזם כשאילון מאסק דרש שעובדי טסלה יתייצבו לעבוד במשרד (״ומי שלא רוצה להגיע למשרד, אז שיעמידו פנים שהם עובדים בשביל מישהו אחר״). אבל מסתבר שבאמת יש כאן תופעה די נרחבת, וחשבתי הרבה על מה מוביל אליה.
כשדור המילניאלס נכנסו לשוק העבודה באמריקה, בהדרגה במהלך עשרים השנים האחרונות, הם הביאו איתם תרבות שהייתה מאד שונה מהדור שהיה לפניהם. הם מחפשים ״הגשמה עצמית״ ו״אימפקט״, דברים שההורים שלהם מדור הבייבי בומר לא מבינים עד הסוף. הם עוברים הרבה בין עבודות, בניגוד לדור הבומרים שהיה נאמן למעסיק אחד. מושג ה "work-life balance״ צבר תאוצה בתקופתם, והם לוקחים מאד ברצינות את התחביבים שלהם לצד העבודה - קולים פולי קפה בסגנון הגל השלישי, מקליטים פודאקסטים, מארגנים סדנאות להכנת דים סאם.
דור ה gen z גם מביא איתו תרבות והרגלים שישנו את שוק העבודה, וייראו מוזר למבוגרים יותר. אני עצמי שייך לשכבת הגיל שמכונה ״מילניאל גריאטרי״, והייתי מאד מבולבל כשחנכתי interns באמריקה בשנתיים האחרונות. לא הצלחתי להבין מה הם כותבים בצ׳אט. הם גם התלוננו שהם מתקשים להתבטא בסלאק, כי חסרים הרבה מהאמוג׳ים שהם רגילים אליהם. אין ספק שמדובר בדור שמתנהל אחרת.
אני חושב שאחד ההבדלים העיקריים הוא שהדור הזה הוא כבר הרבה יותר בתוך ה״מטאוורס״ מאשר כל הדורות הקודמים. קשה להם להתבטא בלי אוסף עשיר של אמוג׳י. וכש-2020 הגיעה, באמריקה הם ננעלו מאחורי מסך מחשב, וחוו את תחילת חייהם הבוגרים דרך המטאוורס. זה בעיניי חלק ממה שהביא לתופעות כמו הנסיקה של המניה של טסלה, או קריפטו, או מם סטוקס. אז מה אם הרץ או איי אם סי פושטים רגל, זה בכלל לא משנה מה קורה בעולם האמיתי. מה שקורה בתוך רוביןהוד זה רק וידאו גיים.
אז למה שזה יהיה אחרת כשהם מתחילים לעבוד? המנהלים והאנשים שהם עובדים איתם, הם לא אנשים אמיתיים. זה רק אוואטארים. אולי הם NPC בכלל. מה הבעיה שאני אקח עוד עבודה? זו אסטרטגיה מעניינת להתקדם במשחק ולצבור עוד ״נקודות״. במקרה במשחק שוק העבודה קוראים לנקודות דולרים. אני עובד על פרוייקט, אבל אין לו באמת משמעות בעולם. זה הכל וידאו-גיים.
הגבולות בין המציאות למטאוורס היטשטשו מאד במהלך המגיפה.
אני סקרן לגלות איזה עוד השפעות הדור הזה יביא איתו. אני גם קצת חושש, כי לראשונה אני מרגיש שאני בצד המבוגר שמסתכל מהצד ודברים נראים לו מוזר. אני מקווה שאמצא את האמוג׳י הנכון לבטא את כל הרגשות האלה.
כרגיל, מעניין ומשכיל.
תודה.