在 Uber，人工智能已经超出了预算
根据 信息Uber Technologies 首席技术官 Praveen Neppalli Naga 表示，代码生成工具的大量使用已经消耗了 2026 年计划的全部人工智能预算，此时距本财年仅几个月。 Anthropic 开发的 Claude Code 等解决方案的快速采用极大地加速了这种转变。
除了预算轶事之外，这一事件实际上是首席技术官本人已经解释过的逻辑的一部分。在最近的一次采访中，Praveen Neppalli Naga 描述了一个在各个层面部署人工智能的组织：加速软件开发、通过代理实现客户服务自动化，以及直接集成到驾驶员和用户端的产品中。
这种定位部分解释了观察到的漂移。通过内化大规模使用的文化（产品中的“人工智能优先”、开发人员的副驾驶、操作自动化），Uber 机械地将人工智能转变为 资源不断消耗，而不是作为一次性投资。然后，账单将与使用强度成正比。
在“修复错误”和不断迭代是操作要求的环境中，代码生成工具变得至关重要。这种功能依赖性事实上降低了根据成本仲裁使用的能力。
在这里，我们发现了结构性反弹效应：人工智能提高团队生产力的程度越高，软件生产量的增加就越多……因此资源的消耗也就越多。局部收益变成了全球通胀。在像 Uber 这样的大型组织中，这种现象更加难以遏制，因为它是分散的、分散的。
最后，在 Uber，经济优化是在竞争优势之后进行的。超出人工智能预算与其说是一种偏差，不如说是一种假设的战略选择的症状，其中成本控制暂时被技术加速所取代。
仍然存在一个结构性问题：随着人工智能成为关键的可变成本，Uber 是否能够维持这种密集使用的模式，而不从根本上重新考虑其堆栈，甚至不内部化部分这些功能，以重新获得经济控制？
其雄心和执行速度是一个鼓舞人心的例子，但它提醒我们，人工智能的产业化现在需要像其技术部署一样严格的经济纪律。
Meta 将员工互动转化为其人工智能的培训数据
据路透社报道，Meta Platforms 计划收集其员工在某些内部工具上的鼠标移动、点击和击键，以训练其人工智能模型。目标是产生能够再现真实用户行为（导航、操作序列、界面决策）的代理。
在广泛利用公共网络数据之后，人工智能玩家正在进入数据变成行为的阶段。为模型提供的不再只是内容，而是一系列动作，换句话说，是对“如何做”的精细捕捉。因此，我们正在从生成式人工智能转向执行式人工智能。
Meta 确认这些数据不会用于个人评估目的，但没有具体说明它是否最终可以推动能够自动执行员工当前执行的某些任务的代理的开发。
与此同时，据路透社报道，Meta Platforms 计划从 5 月 20 日起第一波裁员 8,000 人，占员工总数的近 10%，作为专注于人工智能的重组的一部分。
从 Airbnb 到 OpenAI：Emmanuel Marill 负责 EMEA 地区
OpenAI 任命 Emmanuel Marill 为 EMEA 董事总经理，这是一个新设立的职位，总部设在巴黎。这位曾领导欧洲业务的 Airbnb 前高管将负责加速 ChatGPT 在该地区的采用，该地区的月用户数已超过 1.2 亿。
Emmanuel Marill 曾在 LVMH、Roland Berger、Groupon 和 Meta Platforms 工作过，带来了在受监管市场和复杂竞争环境方面的经验。特别是，他必须处理数字服务法案和人工智能法案之间的欧洲框架，同时加强 OpenAI 的存在，对抗 Anthropic 等竞争对手。
