Wiedziałem, że coś jest nie tak, gdy tylko wszedłem do serwerowni w poniedziałek rano. Wentylatory wyły na maksymalnych obrotach, zamiast swojego zwykłego, miarowego szumu. To pomieszczenie było moim centrum dowodzenia przez dwanaście lat. Tu utrzymywałem finansowy kręgosłup infrastruktury Gór Skalistych w czterech stanach.
Beze mnie ośmiu i pół tysiąca pracowników budowlanych od Teksasu po Kolorado nie dostałoby wypłat. A gdy pracownicy budowlani nie dostają pieniędzy, nie składają skarg. Zamykają place budowy i odchodzą z krytycznych projektów. Jestem Marcus Walsh, ale wszyscy mówią mi Mac.
Pięćdziesiąt sześć lat, starszy administrator systemów od 2012 roku, po dwudziestce w marynarce. Prowadzę backend płacowy dla wszystkiego, od ekip betoniarskich w Houston po operatorów dźwigów w Denver. To niewdzięczna robota, ale krytyczna. Znam te systemy jak nawigacyjne komputery na moim niszczycielu z roku dziewięćdziesiątego dziewiątego, gdy Y2K groziło zawieszeniem wszystkich sieci we flocie.
Płace w budowlance to nie przelewanie pieniędzy pracownikom biurowym. Ci ludzie pracują w czterdziestopięciostopniowym upale i mrozie w górach. Wylewają beton na autostrady, budują szpitale, pracują w nadgodzinach, gdy tornada niszczą społeczności. Zasługują na każdą zarobioną złotówkę i na to, by dostać ją w terminie.
Mój system to nie żadne chmurowe rozwiązanie z broszury sprzedażowej. To utwardzona sieć zbudowana na legacy mainframes, własnych protokołach i dwunastu latach modyfikacji, które wprowadzałem z precyzją mistrza. Kiedy w Nowym Meksyku zmienili przepisy o płacach prevailing wage, przekonfigurowałem macierz obliczeniową w siedemdziesiąt dwie godziny. Gdy OSHA zaktualizowała wymogi raportowania, zbudowałem moduł zgodności od zera, popijając bourbona o trzeciej nad ranem.
Spróbuj obliczyć nadgodziny dla ekipy, która zaczyna tydzień na federalnym projekcie w Teksasie, w środę przechodzi na stanową inwestycję w Kolorado, a kończy na prywatnym osiedlu w Arizonie. Każdy stan ma inne kody pracy, inne podatki, inne protokoły związkowe. Do tego śledzenie wynajmu sprzętu, dodatek za pracę przy zbiornikach chemicznych i federalne stawki dla kontraktów rządowych. Ale korporacja widziała to inaczej.
Widziała przestarzały system wymagający kosztownego utrzymania i widziała mnie jako przeszkodę w modernizacji. Andrew Donovan przyszedł trzy miesiące temu z mandatem do usprawnienia operacji i wyeliminowania redundancji. Tłumaczenie: zastąpić doświadczonych pracowników tańszymi, zautomatyzowanymi rozwiązaniami. Jeden z tych dyrektorów w włoskich garniturach, który ogląda place budowy z klimatyzowanego SUV-a.
Myśli, że każdy problem operacyjny można rozwiązać prezentacją PowerPoint i buzzwordami o cyfrowej transformacji. Nigdy nie liczył nadgodzin dla ekip sprzątających po burzy. Nigdy nie tłumaczył samotnej matce, czemu jej przelew nie przyszedł, bo jakiś zautomatyzowany system padł. Spotkanie odbyło się we wtorek.
Andrew wezwał mnie do swojego biura razem z Rebeccą Stone z HR. Rebecca jest tu prawie tak długo jak ja, ale zawsze woli chronić firmę niż pracowników. Weszła do środka z tą nerwową energią kogoś, kto wie, że nadchodzą złe wieści, ale musi je przekazać profesjonalnie. Biuro Andrew wyglądało jak rozkładówka z magazynu korporacyjnego.
Szklane biurko, skórzane fotele, panorama placu sprzętowego, którego pewnie nigdy nie obserwował. Przeglądał coś na tablecie, każąc mi czekać. – Mac – powiedział, nie podnosząc wzroku. – Restrukturyzujemy dział IT.
Wdrażamy bardziej elastyczne, opłacalne ramy. – Co to oznacza dla operacji płacowych? – Tu zaczyna się robić ekscytująco. – W końcu na mnie spojrzał z tym wyćwiczonym uśmiechem, który venture capitaliści doskonalą w salach konferencyjnych.
– Chcę, żebyś poznał naszą nową konsultantkę systemową, Ashley Rivera. Właśnie ukończyła doktorat z uczenia maszynowego i opracowała niesamowity model AI, który zrewolucjonizuje przetwarzanie płac. W venture capital innowacja zawsze bierze górę nad wiedzą instytucjonalną. Widziałem ten schemat w innych firmach.
Myślałem tylko, że nasza operacja jest zbyt krytyczna, by ryzykować. Ashley weszła, jakby to ona była właścicielką miejsca. Dwadzieścia dziewięć lat, garnitur droższy niż miesięczne zarobki większości naszych pracowników, laptop jakby zawierał rozwiązanie wszystkich problemów amerykańskiego przemysłu. – Cześć, Mac – wyciągnęła wypielęgnowaną dłoń.
– Analizowałam twoje procesy. Bardzo dokładne, ale też bardzo manualne. Myślę, że możemy znacząco zoptymalizować. To „manualne” zabrzmiało, jakbym wciąż używał kart dziurkowanych.
– Zoptymalizować jak? – zapytałem, choć już znałem odpowiedź. Ashley otworzyła laptopa i zaczęła klikać z pewnością kogoś, kto nigdy nie patrzył, jak krytyczny system pada o drugiej w nocy podczas awaryjnego przetwarzania płac. – Opracowałam kompleksowe rozwiązanie AI, które obsłuży wszystkie obliczenia, którymi teraz zajmujesz się na tych legacy mainframes.
Używa algorytmów uczenia maszynowego do przetwarzania danych płacowych, automatycznie dostosowując się do zmiennych regionalnych, kontraktów związkowych i wymogów federalnych. – Uczenie maszynowe? Chcesz prowadzić płace dla ośmiu i pół tysiąca pracowników budowlanych za pomocą algorytmów, które zgadują odpowiedzi? – Nie zgadują – odparła defensywnie.
– System uczy się na historycznych wzorcach i robi inteligentne przewidywania oparte na modelach statystycznych. To jak baza danych, tylko mądrzejsza. „Mądrzejsza”. Zawsze to mówią, gdy chcą zastąpić coś, co działa, czymś, co wygląda na bardziej wyrafinowane.
Inteligentne przewidywania zwykle znaczą: działa świetnie, dopóki nie napotka scenariusza, którego programiści nie przewidzieli. A wtedy toniesz, bo nikt nie rozumie, co się dzieje pod maską. Spojrzałem na Andrew, szukając jakiegokolwiek sygnału, że rozumie, jak niebezpieczny jest ten pomysł. – Czy to oficjalne?
– To innowacja, Mac. Model Ashley może skrócić czas przetwarzania o siedemdziesiąt pięć procent i znacząco obniżyć nasze koszty IT. „Eliminacja kosztów IT”. Czyli mogli zwolnić mnie i płacić Ashley ułamek mojej pensji.
Widziałem ten film w innych firmach. Młody konsultant obiecuje rewolucyjną wydajność z nietestowanym rozwiązaniem. Doświadczony pracownik dostaje kosz. Sześć miesięcy później desperacko próbują posprzątać po katastrofie.
– Przetwarzanie płac jest w piątek – powiedziałem spokojnie. – Dziś wtorek. Jeśli chcecie wdrożyć ten system, musicie zrozumieć, z czym się mierzacie. Zacząłem liczyć na palcach.
– Mamy obliczenia płac prevailing wage dla kontraktów federalnych, różnice związkowe i pozazwiązkowe zmieniające się w zależności od typu projektu i dni przepracowanych z rzędu, śledzenie wynajmu sprzętu krzyżowane z danymi GPS, raportowanie OSHA, podatki wielostanowe, gdzie ekipa zaczyna tydzień w Teksasie, a kończy w Kolorado. Ashley kiwała głową, jakby rozumiała, ale widziałem, jak jej wzrok sztywnieje. Myślała, że rozumie, bo czytała o płacach w czasopiśmie akademickim. Nie miała pojęcia, w co wchodzi.
– Uwzględniłam to wszystko – przerwała. – Mój model zawiera sieci neuronowe trenowane na regulacyjnych bazach danych i zautomatyzowane silniki obliczania podatków. – Sieci neuronowe? Dane treningowe?
Mówiła o płacach budowlanych jak o rozpoznawaniu wzorców. Sama baza danych płac prevailing wage w Nowym Meksyku ma dziewięćset trzydzieści cztery klasyfikacje zawodów ze stawkami zależnymi od hrabstwa i typu projektu. Kontrakty związkowe mają zasady nadgodzin, od których głowa by eksplodowała analitykowi wywiadu marynarki. Półtora stawki po ośmiu godzinach, podwójna po dwunastu, ale tylko przy niektórych typach kontraktów.
Do tego dodatek za pracę w promieniu stu metrów od składu chemikaliów, zależny od rodzaju substancji i odległości. – Ashley – powiedziałem, starając się nie brzmieć protekcjonalnie. – Liczyłaś kiedykolwiek płace prevailing wage dla federalnego projektu autostradowego? – Analizowałam ramy regulacyjne.
– Analizowanie i wdrażanie to różne umiejętności. Wiesz, co się dzieje, gdy źle obliczysz stawki na federalnym kontrakcie? Departament Pracy audytuje wszystko. Mogą nas ukarać za każdą godzinę błędnie obliczoną z ostatnich trzech lat.
Andrew machnął ręką. – Będziemy mieć nadzór nad zgodnością. Model Ashley zawiera protokoły wykrywania błędów. Wykrywanie błędów w algorytmach uczenia maszynowego.
Jakby rozpoznawanie wzorców miało wyłapać, gdy brygadzista z El Paso wprowadza złą kartę czasu, a sieć neuronowa Ashley zwraca błędną klasyfikację dla czterdziestu ludzi na rządowym kontrakcie. – Mac – odezwała się Rebecca. – Będziemy potrzebować, żebyś przekazał Ashley wszystkie niezbędne dane dostępowe i dokumentację do płynnego przejścia. – Dokumentację?
– Zaśmiałem się bez humoru. Większość krytycznych procesów to własne skrypty rozwijane przez dwanaście lat. Prawdziwa wiedza operacyjna nie jest nigdzie udokumentowana. To pamięć instytucjonalna.
Systemy, które naprawdę działają w terenie, nie powstają z podręczników. Budują je ludzie, którzy robią tę robotę na tyle długo, by znać wszystkie miejsca, gdzie kryją się awarie. Wiem, że system czasu pracy w magazynie w Phoenix ma problem z synchronizacją i czasami tworzy zduplikowane wpisy po dwudziestej trzeciej, ale tylko w środy, i tylko gdy opóźnienie sieci przekroczy pewien próg. Wiem, że kontrakt związkowy dla ekip betoniarskich ma klauzulę o przerwach na posiłek, której nikt inny nie pamięta.
Ashley tego nie wie. Ma swoje eleganckie algorytmy i czyste modele danych, ale nigdy nie musiała tłumaczyć Big Jimowi Crawfordowi, czemu jego operatorzy dźwigów mają ujemne godziny. – Potem będziemy potrzebować, żebyś wszystko udokumentował przed odejściem – powiedział Andrew. I wtedy zrozumiałem, że decyzja już zapadła.
Nie pytali o opinię. Wręczali mi wypowiedzenie i oczekiwali, że wyszkolę swojego następcę. – Kiedy mój ostatni dzień? – W piątek, po przetwarzaniu płac.
Chcemy zapewnić płynne przejście. Ashley wtrąciła się:
– Będzie płynnie. Gruntownie przetestowałam swój model. – Na jakich danych?
– Na przykładowych zbiorach z systemu HR oraz symulowanych scenariuszach. Przykładowe dane. Symulowane scenariusze. Testowała swoją rewolucyjną technologię płacową na sztucznych liczbach.
Jak testowanie systemu nawigacji statku w basenie i zakładanie, że poradzi sobie z północnym Atlantykiem. Wstałem, kolana zachrzęściły. – W porządku. Zobaczymy, jak sobie poradzi w warunkach bojowych.
– Właśnie takiego nastawienia potrzebujemy – powiedział Andrew, już patrząc w tablet. Ruszyłem do drzwi, po czym się zatrzymałem. – Jedna rada. Ashley spojrzała na mnie, pewnie spodziewając się technicznej wskazówki o architekturze bazy danych.
– Gdy to zawiedzie – powiedziałem – a zawiedzie, nie panikuj. Pamiętaj, że osiem i pół tysiąca osób liczy na wypłatę, żeby spłacić kredyty i kupić jedzenie. To może pomóc ci w ustaleniu priorytetów. Wyraz jej twarzy mówił, że nadal nie rozumie, w co się pakuje.
Myślała, że to zwykłe przetwarzanie danych. Nie miała pojęcia, że właśnie wzięła odpowiedzialność za ludzkie życia. Trzy kolejne dni były jak oglądanie zderzenia pociągu towarowego z autobusem szkolnym w zwolnionym tempie. Środę i czwartek spędziłem, robiąc dokładnie to, o co prosili.
Dokumentowałem wszystko, tworzyłem instrukcje, pisałem procedury krok po kroku. Ale oto, jak działa złożony system rozwijany przez dwanaście lat: nie da się udokumentować wiedzy instytucjonalnej. Nie da się zapisać intuicji, która mówi ci, że coś wygląda nie tak. Instynktu, by zweryfikować obliczenia, bo wydają się odrobinę nie na miejscu.
Ashley chodziła za mną przez te dwa dni, robiąc notatki na laptopie i zadając pytania, które zdradzały, że nie ma pojęcia, co przejmuje. – Czemu ręcznie weryfikujesz klasyfikacje płac dla Arizony? – zapytała w środę rano, gdy sprawdzałem wstępne obliczenia. – Baza stanowa jest uszkodzona od 2019.
Pokazuje właściwe stawki, ale około trzech procent klasyfikacji zwraca błędne kody hrabstw. Jeśli tego nie wyłapiesz, pracownicy w Phoenix dostają stawki z Tucson. Różnica około czterech dolarów na godzinę. – Nie można naprawić bazy?
– To system rządowy. Nie kontrolujemy go. Musimy po prostu pracować wokół uszkodzenia. Zanotowała coś.
Widziałem, jak pisze „naprawić problem z bazą stanową”, jakby to dało się załatwić jednym mailem. W czwartek po południu Ashley poczuła się na tyle pewnie, by zaimportować dane do swojego systemu. Patrzyłem, jak wgrywa surowe pliki czasu pracy z pięćdziesięciu dwóch placów w czterech stanach. Algorytmy od razu zaczęły się dusić.
– To tylko przetwarzanie – powiedziała, odświeżając stronę, podczas gdy system męczył się z ośmioma i pół tysiąca rekordów. Widziałem, co się dzieje. Jej sieci neuronowe napotykały zapętlone odwołania, bo nie rozumiała, jak kaskadują obliczenia płac prevailing wage. Gdy federalne, stanowe i lokalne stawki dotyczą tego samego projektu, nie używasz rozpoznawania wzorców.
Potrzebujesz logiki warunkowej, która sprawdza wiele kryteriów w konkretnej kolejności. – Ashley – powiedziałem ostrożnie. – Może przetestuj to na mniejszym zbiorze danych. – Ustabilizuje się – odparła, ale w jej głosie słyszałem narastającą niepewność.
Piątek rano. Oficjalne przekazanie obowiązków. Ashley przyszła wcześnie z laptopem i nerwową energią świeżo upieczonych marynarzy przed pierwszym sztormem. – Gotowy zapisać się w historii?
– zapytała, próbując brzmieć pewnie. Zbierałem swoje rzeczy. Kubek z napisem „Najbardziej przeciętny administrator systemów na świecie”. Zdjęcie mojego Forda F-150.
Butelka Jack Daniel’s trzymana na nagłe wypadki. Uznałem, że ją zabiorę. Coś mi mówiło, że tu jej bardziej potrzebują. – Limit bankowy na przelewy jest w południe – przypomniałem jej.
– Po tym czasie ludzie nie dostaną wypłat do poniedziałku. – Rozumiem – powiedziała, wpatrzona w ekran, gdzie jej AI mielił dane płacowe jak rębak stalowe liny. Ruszyłem do wyjścia, po czym przystanąłem. – Ashley.
Jeszcze jedno. Nie słuchała. Patrzyła na ekran, gdzie algorytmy pokazywały błędy w około połowie obliczeń. – Gdy to runie – powiedziałem – a runie, nie próbuj naprawiać, uruchamiając algorytmy ponownie.
Każde przetworzenie tworzy duplikaty wpisów w systemie. Najpierw napraw podstawowy problem, potem uruchom ponownie. Nie przyswajała tego. Była zbyt zajęta patrzeniem, jak jej eleganckie rozwiązanie AI spotyka brutalną rzeczywistość płac budowlanych.
Rebecca odprowadziła mnie do ochrony, gdzie Eddie Barnes czekał z papierami. Dobry człowiek, były marine. – Przykro mi, Mac – powiedział, gdy podpisywałem. – To nie w porządku.
– To tylko biznes, Eddie. Zły biznes, ale biznes. Jechałem do domu z opuszczonymi szybami, Alan Jackson w radiu. Miałem być zły, ale bardziej czułem się jak w filmie katastroficznym, gdzie wiesz, że asteroida uderzy, ale bohaterowie jeszcze tego nie wiedzą.
Telefon zaczął wibrować około dziesiątej trzydzieści. SMS od Kevina Fostera, jednego z księgowych. „Mac, AI Ashley pokazuje dziwne liczby. Moje obliczenia nadgodzin mówią, że pracowałem ujemnie w zeszłym tygodniu.
”
Potem wiadomość od Danny’ego Riversa z Phoenix. „Stary, według tego raportu zarabiam 923 dolary na godzinę jako wykańczacz betonu. Chciałbym. ”
Do jedenastej telefon rozgrzewał się jak choinka.
Pracownicy z całego regionu widzieli odcinki wypłat w portalu. Nic nie miało sensu. Numery identyfikacyjne mieszały się z numerami ubezpieczenia społecznego. Klasyfikacje zawodów były pomieszane.
Operatorzy dźwigów widniali jako urzędnicy biurowi. Najlepsza wiadomość przyszła od Tony’ego Gutierreza, brygadzisty z El Paso. „Mac, mój odcinek mówi, że pracowałem 3247 godzin w zeszłym tygodniu, a wypłata netto to 47 tysięcy. Okradłem firmę czy firma okradła mnie?
”
Widziałem dokładnie, co poszło nie tak podczas importu danych. Algorytmy pomieszały mapowanie pól. Numery identyfikacyjne użyto jako godzin pracy, a godziny jako stawek. AI próbowała obliczać wypłaty, używając numerów ubezpieczenia jako mnożników.
Ale prawdziwa katastrofa dopiero nadchodziła. Dziwne liczby w portalu to był zwiastun. Główny spektakl czekał w południe, gdy bank spróbuje przetworzyć wygenerowany przez AI plik płac. O jedenastej czterdzieści pięć zadzwoniła Rebecca.
– Mac – głos jej drżał. – Musimy porozmawiać. System Ashley wykazuje pewne nieprawidłowości. – Nieprawidłowości?
Według jej obliczeń byliśmy winni federalnemu rządowi 3,1 miliona dolarów podatków, ale pobraliśmy z wypłat tylko sto dziewięćdziesiąt tysięcy. – Poza tym – ciągnęła Rebecca – bank pyta, czemu próbujemy przelać osiemdziesiąt trzy tysiące dolarów jednemu betoniarzowi w Albuquerque, jednocześnie potrącając trzydzieści jeden tysięcy operatorowi dźwigu za coś, co nazywa się „opłatami za przetwarzanie algorytmiczne”. – Czy Andrew został poinformowany? – Jest na spotkaniach z inwestorami.
Powiedział, żeby nie przeszkadzać. Powiedział, że to chwilowe problemy z wdrożeniem. Słynne ostatnie słowa. Słyszałem je od każdego zbyt pewnego siebie konsultanta, który myślał, że załata tonący statek prezentacją i dobrymi intencjami.
– Rebecca – powiedziałem. – Może powinnaś odwołać te spotkania. Do drugiej Rocky Mountain Infrastructure nie była już firmą budowlaną. Była strefą katastrofy.
Bank odrzucił plik płac wygenerowany przez AI tak mocno, że pewnie uruchomił algorytmy wykrywania oszustw. Portal pracowniczy padł pod naporem ośmiu i pół tysiąca ludzi próbujących zrozumieć, czemu ich odcinki wypłat wyglądają jak z zepsutego automatu do gry. Ale prawdziwe fajerwerki zaczęły się, gdy włączył się związek. Big Jim Crawford reprezentuje pracowników budowlanych od dwudziestu ośmiu lat.
Zbudowany jak linebacker, mówi jak sierżant sztabowy i ma zerową tolerancję dla korporacyjnej niekompetencji. Gdy jego ludzie nie dostają wypłat, Jim nie wysyła grzecznych maili. Zatrzymuje wszystko. Do trzeciej Jim stał na pace pickupa przed naszym biurem z megafonem, a za nim ustawiały się ciężarówki.
– Rocky Mountain Infrastructure myśli, że może igrać z wypłatami pracowników! – ryczał. – Jeśli nie potrafią nas płacić, może przestaniemy dla nich pracować! Dziki strajk rozprzestrzenił się szybciej niż plotki w małym mieście.
Najpierw stanęły place w Phoenix, potem Albuquerque, potem projekt autostrady pod Denver. Do czwartej każdy plac budowy firmy w czterech stanach zamilkł. Pięciuset pracowników siedziało w ciężarówkach, wrzucając filmy do social mediów, dzwoniąc do lokalnych stacji. Materiał był piękny w tragiczny sposób.
Lotnicze ujęcia martwych placów budowy. Wywiady z robotnikami trzymającymi odcinki wypłat bez sensu. Przedstawiciele związków tłumaczący reporterom, jak firma budująca krytyczną infrastrukturę nie potrafi obsłużyć podstawowych płac. Telefon ciągle mi wibrował od Eddiego i ludzi w środku.
„Ashley zamknęła się w sali konferencyjnej – napisał. – Próbuje debugować swój system od czterech godzin, ale każda zmiana psuje coś innego. ”
Kolejna wiadomość: „Andrew wrzeszczy na技术支持 przez całe popołudnie. ”
Potem okazało się, że Ashley usunęła oryginalne dane treningowe, próbując ponownie wytrenować algorytmy.
To mnie rozbawiło. Oczywiście, że tak zrobiła. Gdy panikujesz i coś nie działa, naturalny odruch każe zaczynać od nowa. Ale w uczeniu maszynowym bez odpowiedniej kontroli wersji tracisz wszystko.
Ashley właśnie wymazała jedyny zbiór danych, na którym trenował jej system. A procedury kopii zapasowych działają tylko wtedy, gdy ktoś, kto rozumie architekturę, skonfiguruje je właściwie. We wtorek rano siedziałem na werandzie, popijając kawę i czytając artykuły o kryzysie płacowym, gdy zadzwonił telefon. Andrew Donovan.
– Mac – głos miał jak po żwirze. – Musimy porozmawiać. – Dzień dobry, Andrew. Widziałem cię w wiadomościach.
Niezły wywiad. Szczególnie ta część o „nieprzewidzianych komplikacjach algorytmicznych podczas rutynowej modernizacji systemu”. – Bez komentarzy. Stanowa komisja pracy otwiera śledztwa w czterech stanach.
Związek mówi o pozwie zbiorowym. Bank zamroził nasze konta operacyjne, bo nasz plik płac wygenerowany przez AI uruchomił systemy wykrywania oszustw. – Brzmi jak niezła sytuacja. – Potrzebuję, żebyś wrócił.
W charakterze konsultanta. Podaj cenę. Czekałem na ten telefon od piątkowego popołudnia. – Dwadzieścia tysięcy z góry w gotówce plus nowy kontrakt z podwójną pensją.
– Zgoda. – Nie skończyłem. Chcę publicznego oświadczenia od ciebie i Ashley na stronie firmy, że problemy płacowe wynikały z przedwczesnego wdrożenia niewystarczająco przetestowanego systemu. Długa cisza.
– Dobrze. – I jeszcze jedno. Raportuję bezpośrednio do CTO, nie do operacji. Skończyłem z ludźmi, którzy myślą, że sztuczna inteligencja zastąpi wiedzę instytucjonalną.
– Cokolwiek chcesz, Mac. Tylko to napraw. Wróciłem do biura w środę rano. Na parkingu wciąż obozowali przedstawiciele związku, ale machali, gdy zobaczyli moją ciężarówkę.
Jim Crawford podszedł, gdy wysiadałem. – Mac, powiedz, że przyjechałeś ratować nam tyłki. – Pracuję nad tym, Jim. Zobaczycie postępy do czwartku rano.
– A rekompensata za czas, który tu przesiedzieliśmy? – Co do centa, z nadgodzinami dla wszystkich, którzy mieli być w pracy. Wszedłem do budynku, jakbym był właścicielem. Bo przez najbliższe kilka dni byłem.
Serwerownia powitała mnie jak dom po długiej służbie. Włączyłem stację roboczą i zacząłem analizować zgliszcza, które zostawiła Ashley. Było gorzej, niż myślałem. Nie tylko uszkodziła dane płacowe.
Zablokowała tabele bazy danych, stworzyła zapętlone odwołania w modułach podatkowych i przekonała system, że zatrudniamy dwieście czterdzieści siedem tysięcy ludzi o imieniu Xor. Zajęło mi dwadzieścia dwie godziny ciężkiej pracy. Odbudowałem wszystko z archiwalnych dzienników transakcji. Prawdziwych kopii zapasowych, o których Ashley nawet nie wiedziała.
W czwartek rano miałem czysty plik płac gotowy dla banku. Wysłałem go o szóstej zero zero. Przelew przeszedł bez jednego błędu. Ośmiu i pół tysiąca pracowników obudzi się z prawidłowymi wypłatami plus rekompensatą za stracone dni.
W piątek rano wszedłem do biura Andrew. Wyglądał, jakby postarzał się o dziesięć lat w tydzień. – Gotowe – powiedziałem. – Wszyscy dostali prawidłowe wypłaty, łącznie z rekompensatą za dni strajku.
– Dziękuję – powiedział cicho. – Gdzie Ashley? – Przeniesiona do badań rynkowych. Jak się okazuje, powiązania z venture capital sięgają tylko tak daleko, gdy kosztujesz firmę miliony i omal nie prowokujesz śledztw federalnych.
– A mój nowy gabinet? Andrew wskazał narożne biuro z oknami na plac sprzętowy. – Cały twój. Kazałem zamontować nowy ekspres do kawy.
Usiadłem w skórzanym fotelu. Przez okno widziałem place budowy wracające do życia. Dźwigi w ruchu, ciężarówki wyjeżdżające z pełnymi ekipami. Telefon zabrzęczał.
SMS od Sary, mojej siedemnastoletniej wnuczki. „Dziadku, słyszałam o awansie w wiadomościach. Czy to znaczy, że mój fundusz na studia jest bezpieczny? ”
Otworzyłem szufladę i wyciągnąłem butelkę Jack Daniel’s, którą trzymałem na specjalne okazje.
Ta się kwalifikowała. Czasem doświadczenie bije na głowę innowację. Czasem wiedza instytucjonalna pokonuje sztuczną inteligencję. A czasem, gdy venture capital próbuje naprawić coś, co nie jest zepsute, uczą się na własnych błędach, że niektóre prace wymagają czegoś więcej niż algorytmów.
Nalałem sobie do kubka i uniosłem go w stronę okna. – Za utrzymanie infrastruktury w ruchu i za to, żeby ludzie pracy dostawali to, na co zasłużyli. To jest warte świętowania.
