پرداخت حقوق با توکن هوش مصنوعی به عنوان بخشی از دستمزد مهندسان، رویکرد جدیدی در سیلیکون ولی است که با هدف افزایش بهره وری و استفاده از ابزارهای پیشرفته پردازشی مطرح شده و چالش ها و فرصت های مالی جدیدی را برای نیروی کار ایجاد می کند.
این هفته، موضوعی که مدتی بود در سیلیکون ولی دست به دست می شد، حسابی سر و صدا به پا کرد: ایده پرداخت حقوق با توکن هوش مصنوعی. ایده خیلی ساده ست؛ شرکت ها به جای اینکه فقط حقوق، سهام و پاداش به مهندس ها بدن، یه بودجه از توکن های هوش مصنوعی هم براشون در نظر می گیرن. همون واحدهای پردازشی که ابزارهایی مثل Claude، ChatGPT و Gemini رو راه می اندازن. از این توکن ها برای اجرای ایجنت ها، خودکارسازی کارها و کدنویسی سریع استفاده می شه. حرف اصلی اینه که دسترسی به پردازش بیشتر، بهره وری مهندس ها رو بالا می بره و مهندس هایی که بازدهی بیشتری دارن، ارزشمندترن. در واقع ایده اینه که این کار یه جور سرمایه گذاری روی خودِ اون فرده.
حقوق با توکن هوش مصنوعی؛ مفهوم و اهمیت
جن سون هوانگ، مدیرعامل کاپشن چرم پوش انویدیا، با مطرح کردن این ایده در همایش سالانه GTC شرکت در اوایل این هفته، توجه همه رو جلب کرد؛ اون پیشنهاد داد که مهندس ها باید تقریبا معادل نصف حقوق پایه شون رو دوباره در قالب توکن دریافت کنن. طبق محاسبات اون، نیروهای رده بالاش ممکنه سالانه حدود 250,000 دلار صرف پردازش های هوش مصنوعی کنن. اون این کار رو یه ابزار برای جذب نیرو دونست و پیش بینی کرد که به زودی در کل سیلیکون ولی به یه استاندارد تبدیل می شه و آینده حقوق با توکن هوش مصنوعی را شکل می دهد.
دقیقا مشخص نیست که این ایده اولین بار از کجا اومده. توماس تونگوز، سرمایه گذار خطرپذیر (VC) مشهور منطقه خلیج سن فرانسیسکو که مدیریت Theory Ventures رو بر عهده داره و روی استارتاپ های هوش مصنوعی، داده و SaaS تمرکز می کنه، اواسط بهمن 1402 در این مورد صحبت کرده بود. اون نوشته بود که استارتاپ های تکنولوژی همین الان هم دارن هزینه های استنتاج (inference) رو به عنوان «چهارمین بخش از پکیج دستمزد مهندسی» اضافه می کنن.
اون با استفاده از داده های سایت Levels.fyi که حقوق ها رو رصد می کنه، حقوق یه مهندس نرم افزار در رده های بالای حقوقی رو 375,000 دلار تخمین زد. حالا اگه 100,000 دلار توکن هم بهش اضافه کنید، در مجموع به 475,000 دلار می رسید؛ یعنی تقریبا از هر 5 دلار دستمزد، 1 دلارش مربوط به پردازشه. این نشان دهنده یک مدل نوین از حقوق با توکن هوش مصنوعی است.
این موضوع اتفاقی نیست. هوش مصنوعی ایجنتی (Agentic AI) به شدت در حال رشد بوده و عرضه OpenClaw در اواخر دی 1402، در کنار معرفی راهکار انویدیا برای تامین امنیت ایجنت های سازمانی هوش مصنوعی و حل چالش های OpenClaw، این بحث ها رو خیلی جدی تر کرده. OpenClaw یه دستیار هوش مصنوعی متن بازه که طوری طراحی شده تا به صورت مداوم کار کنه؛ یعنی وقتی کاربر خوابه، اون داره کارها رو جلو می بره، ایجنت های فرعی می سازه و لیست وظایف رو تیک می زنه. این بخشی از یه تغییر بزرگتر به سمت هوش مصنوعی «ایجنتی» هست؛ یعنی سیستم هایی که فقط به دستورات جواب نمی دن، بلکه در طول زمان یه سری اقدامات رو به صورت خودمختار انجام می دن. این روند، بستر لازم برای گسترش مدل حقوق با توکن هوش مصنوعی را فراهم می کند.
نتیجه عملی این اتفاق، انفجار مصرف توکنه. در حالی که شاید کسی که داره یه مقاله می نویسه در طول یه بعدازظهر 10,000 توکن مصرف کنه، یه مهندس که مجموعه ای از ایجنت ها رو مدیریت می کنه، می تونه روزانه میلیون ها توکن مصرف کنه؛ اون هم به صورت خودکار، در پس زمینه و بدون اینکه حتی یه کلمه تایپ کنه.
تا آخر این هفته، نیویورک تایمز نگاه هوشمندانه ای به روند موسوم به “tokenmaxxing” انداخت و متوجه شد که مهندس ها در شرکت هایی مثل متا و OpenAI دارن توی رده بندی های داخلی که میزان مصرف توکن رو ردیابی می کنه، با هم رقابت می کنن. این روزنامه گزارش داده که بودجه های سخاوتمندانه توکن داره کم کم به یه مزیت شغلی استاندارد تبدیل می شه، درست مثل بیمه دندانپزشکی یا ناهار رایگان که قدیما بود. یکی از مهندس های اریکسون در استکهلم به تایمز گفته که احتمالا بیشتر از حقوقش، خرج استفاده از Claude می کنه، هرچند که کارفرما هزینه اش رو پرداخت می کنه. این تغییرات، چشم انداز حقوق با توکن هوش مصنوعی را متحول کرده است.
چالش ها و پیامدهای حقوق با توکن هوش مصنوعی
شاید واقعا توکن ها بشن رکن چهارم دستمزد مهندسی. اما مهندس ها قبل از اینکه این رو یه پیروزی قطعی بدونن، بهتره کمی تامل کنن. توکن بیشتر ممکنه در کوتاه مدت به معنی قدرت بیشتر باشه، اما با توجه به سرعت بالای تغییرات، لزوما به معنی امنیت شغلی بیشتر نیست. یه دلیلش اینه که اختصاص بودجه زیاد توکن، با انتظارات زیادی هم همراهه. اگه یه شرکت داره عملا به اندازه هزینه یه مهندس دیگه برای شما خرج پردازش می کنه، فشار غیرمستقیمی روی شماست که دو برابر (یا حتی بیشتر) بازدهی داشته باشید. این جنبه مهمی از بحث حقوق با توکن هوش مصنوعی است.
و یه مشکل پیچیده تر هم زیر این قضیه هست: وقتی هزینه توکنِ یه شرکت برای هر کارمند به اندازه حقوق اون کارمند یا حتی بیشتر از اون می شه، منطق مالی استخدام برای تیم مالی شرکت تغییر می کنه. وقتی پردازش داره کار رو انجام می ده، این سوال که چند نفر آدم برای مدیریت اون لازمه، دیگه به این راحتی ها قابل نادیده گرفتن نیست.
جمال گلن، فارغ التحصیل MBA استنفورد که ساکن ساحل شرقی آمریکاست و سرمایه گذار خطرپتر سابق که الان مدیر مالی (CFO) خدمات مالیه، به نکته مشابهی اشاره می کنه؛ چیزی که ممکنه یه مزیت به نظر برسه، می تونه یه راه هوشمندانه برای شرکت ها باشه تا ارزش ظاهری پکیج دستمزد رو بالا ببرن، بدون اینکه نقدینگی یا سهام رو افزایش بدن؛ یعنی همون چیزهایی که در طول زمان برای کارمند سودآور و انباشته می شن.
بودجه توکن شما قابلیت نقد شدن تدریجی (Vest) نداره، ارزشش با گذشت زمان زیاد نمی شه و موقع مذاکره برای شغل بعدی هم مثل حقوق پایه یا سهام، اعتباری براتون نمی آره. اگه شرکت ها بتونن استفاده از توکن به جای دستمزد رو عادی سازی کنن، براشون راحت تره که حقوق نقدی رو ثابت نگه دارن و در عوض، افزایش بودجه پردازش رو به عنوان نشونه ای از سرمایه گذاری روی نیروهاشون جلوه بدن. این رویکرد جدید در پرداخت حقوق با توکن هوش مصنوعی باید با دقت بررسی شود.
این یه معامله خوب برای شرکته. اما اینکه آیا مدل حقوق با توکن هوش مصنوعی برای مهندس هم معامله خوبیه یا نه، به سوالاتی بستگی داره که اکثر مهندس ها هنوز اطلاعات کافی برای جواب دادن بهشون رو ندارن.
در نهایت، ورود توکن ها به سبد دستمزد نشان دهنده پارادایم جدیدی در اقتصاد دیجیتال است. اگرچه این منابع می توانند ابزاری قدرتمند برای پیشرفت حرفه ای باشند، اما نباید جایگزین حقوق پایدار و دارایی های نقدی شوند. توازن بین بهره وری حاصل از هوش مصنوعی و امنیت مالی کارمندان، کلید اصلی موفقیت این مدل در بلندمدت خواهد.
Are AI tokens the new signing bonus or just a cost of doing business?
