Am Montagmorgen wusste ich sofort, dass etwas nicht stimmte, als ich den Serverraum betrat und die Lüfter mit voller Drehzahl heulten, statt ihr gewohntes gleichmäßiges Summen von sich zu geben. Zwölf Jahre lang war dieser Raum mein Kommandoposten gewesen, der Ort, an dem ich das finanzielle Rückgrat der Rocky-Mountain-Infrastruktur über vier Bundesstaaten hinweg am Laufen hielt. Ohne mich bekamen 8. 500 Bauarbeiter von Texas bis Colorado ihren Lohn nicht.
Und wenn Bauarbeiter keinen Lohn bekommen, legen sie nicht einfach Beschwerden ein. Sie legen die Baustellen still und gehen von kritischen Infrastrukturprojekten. Ich bin Marcus Walsh, aber alle nennen mich Mac. Sechsundfünfzig Jahre alt, seit 2012 leitender Systemadministrator hier, davor zwanzig Jahre bei der Marine.
Ich betreibe das Lohnabrechnungssystem für alles, von den Betonkolonnen in Houston bis zu den Kranführern in Denver. Nicht gerade glamourös, aber von entscheidender Bedeutung. Ich kenne diese Systeme so gut wie die Navigationscomputer auf meinem Zerstörer, als 1999 die Y2K-Panik drohte, jedes Netzwerk der Flotte zum Absturz zu bringen. Lohnabrechnung im Baugewerbe ist kein Bürojob.
Diese Männer arbeiten bei 46 Grad Hitze und eisigen Temperaturen in den Bergen. Sie gießen Beton für Autobahnen. Sie bauen Krankenhäuser. Sie leisten Überstunden, wenn Tornados Gemeinden verwüsten und die Menschen ihre Stromversorgung zurückbrauchen.
Sie verdienen jeden Cent, und sie verdienen es, pünktlich bezahlt zu werden. Mein System ist keine Cloud-Lösung aus einem Werbeprospekt. Es ist ein gehärtetes Netzwerk aus Legacy-Mainframes, eigenen Protokollen und zwölf Jahren Anpassungen, die ich mit der Präzision eines Master Chiefs vorgenommen habe. Ich kenne jeden Backup-Prozess, jeden Fehlerpunkt, jede Notfall-Übersteuerung.
Als New Mexico letztes Jahr die Prevailing-Wage-Gesetze änderte, habe ich die Berechnungsmatrix in 72 Stunden umgebaut. Als die OSHA ihre Meldepflichten aktualisierte, habe ich das Compliance-Modul um drei Uhr morgens bei Bourbon und Garth Brooks von Grund auf neu programmiert. Versuchen Sie einmal, Überstunden für eine Kolonne zu berechnen, die am Montag ein Bundesautobahnprojekt in Texas beginnt, am Mittwoch zu einem staatlichen Infrastrukturprojekt in Colorado wechselt und die Woche dann auf einer privaten Baustelle in Arizona beendet. Jeder Staat hat andere Arbeitsgesetze, andere Steuerstrukturen, andere Gewerkschaftsprotokolle.
Dazu Gerätemiet-Tracking, Gefahrenzulagen für Arbeiten in der Nähe von Chemielagern und bundesstaatliche Lohnvorgaben für öffentliche Aufträge. Die KI-Algorithmen von Ashley Rivera waren dabei, der Realität zu begegnen. Und die Realität interessiert sich nicht für Machine-Learning-Modelle. Aber die Konzernleitung sah das anders.
Sie sah ein veraltetes System, das teure Wartung erforderte, und sie sah mich als Hindernis für die Modernisierung. Da kommt Andrew Donovan ins Spiel. Andrew ist der VP für Betrieb, und was wichtiger ist, er antwortet direkt den Risikokapitalgebern, die uns vor sechs Monaten übernommen haben. Vor drei Monaten kam er mit dem Auftrag, Abläufe zu straffen und Redundanzen zu beseitigen.
Übersetzung: Erfahrene Mitarbeiter durch billigere Automatisierung ersetzen. Ich hatte Andrew ein paar Mal flüchtig getroffen. Einer dieser Manager, die italienische Anzüge auf Baustellen tragen und im klimatisierten SUV sitzen, während echte Arbeiter in der Sonne schwitzen. MBA von einer Eliteuniversität, und er glaubt, dass sich jedes operative Problem mit PowerPoint-Präsentationen und Schlagwörtern wie digitale Transformation und algorithmische Optimierung lösen lässt.
Er hat noch nie Überstunden für Notfall-Sturmeinsätze berechnet, noch nie einer alleinerziehenden Mutter erklären müssen, warum ihre Überweisung fehlgeschlagen ist, weil ein automatisiertes System abgestürzt war. Das Gespräch fand an einem Dienstag statt. Andrew bestellte mich zusammen mit Rebecca Stone aus der Personalabteilung in sein Büro. Rebecca ist fast so lange hier wie ich, aber sie hat immer das Unternehmen über die Mitarbeiter gestellt.
Sie hatte diese nervöse Energie von jemandem, der weiß, dass schlechte Nachrichten kommen, sie aber professionell überbringen muss. Andrews Büro sah aus wie ein Magazin-Cover. Glastisch, Ledersessel, Panoramablick auf den Gerätehof, den er wahrscheinlich nie wirklich beobachtete. Er starrte auf sein Tablet, als ich eintrat, und ließ mich warten, während er eine dringende Aufgabe erledigte.
„Mac“, sagte Andrew, ohne aufzublicken, „wir restrukturieren die IT-Abteilung und führen ein agileres, kosteneffizienteres Framework ein. “
Ich ließ mich in den Sessel gegenüber seinem Schreibtisch sinken. „Was bedeutet das für die Lohnabrechnung? “
„Genau da wird es spannend.
“ Andrew sah mich endlich an und zeigte dieses einstudierte Lächeln, das Risikokapitalgeber in Sitzungszimmern perfektionieren. „Ich möchte dir unsere neue Systemberaterin vorstellen, Ashley Rivera. Sie hat gerade ihren Doktor in Machine Learning abgeschlossen und ein unglaubliches KI-Modell entwickelt, das unsere Lohnabrechnung revolutionieren wird. “
Das ist das Problem bei Übernahmen durch Risikokapital.
Innovation hat immer Vorrang vor institutionellem Wissen. Ich hatte dieses Muster schon bei anderen Firmen gesehen, aber ich dachte, unsere Operation sei zu kritisch für solche Experimente. Ich lag falsch. Ashley Rivera betrat den Raum, als gehöre er ihr, was über ihre Investorenkontakte im Grunde auch stimmte.
Sie war neunundzwanzig, trug einen Business-Anzug, der mehr kostete als der Monatslohn unserer meisten Arbeiter, und einen Laptop, als enthielte er die Lösung für jedes operative Problem der amerikanischen Industrie. „Hi Mac“, sagte sie und streckte mir eine perfekt manikürte Hand entgegen. „Ich habe deine Prozesse analysiert. Sehr gründlich, aber auch sehr manuell.
Ich glaube, wir können erheblich optimieren. “
Die Art, wie sie manuell sagte, klang, als würde ich noch mit Lochkarten arbeiten. „Optimieren wie? “, fragte ich, obwohl ich bereits spürte, wohin dieses Gespräch führte.
Ashley stellte ihren Laptop auf Andrews Glastisch und klickte sich mit dem Selbstvertrauen von jemandem durch die Bildschirme, der noch nie erlebt hat, wie ein kritisches System um zwei Uhr morgens bei einer Notfall-Lohnrunde versagt. „Ich habe eine umfassende KI-Lösung entwickelt, die alle Berechnungen übernehmen kann, die du gerade mit diesen Legacy-Mainframes machst. Sie nutzt Machine-Learning-Algorithmen, um Lohnabrechnungsdaten zu verarbeiten und automatisch regionale Variablen, Gewerkschaftsverträge und bundesstaatliche Compliance-Anforderungen zu berücksichtigen. “
Ich starrte sie lange an.
„Machine Learning? Du willst die Löhne von 8. 500 Bauarbeitern mit Algorithmen berechnen, die raten? “
„Nicht raten“, verteidigte sich Ashley.
„Das System lernt aus historischen Datenmustern und trifft intelligente Vorhersagen auf Basis statistischer Modelle. Wie eine Datenbank, nur intelligenter. “
„Intelligenter? “ Das behaupten sie immer, wenn sie etwas, das wirklich funktioniert, durch etwas ersetzen wollen, das nur ausgefeilter aussieht.
Ich bin lange genug im Geschäft, um zu wissen, dass intelligente Vorhersagen meistens bedeutet, dass es großartig funktioniert, bis ein Szenario auftaucht, das die Programmierer nie bedacht haben. Und dann stehen Sie im Regen, weil niemand versteht, was unter der Haube passiert. Ich sah Andrew an, in der Hoffnung, ein Zeichen dafür zu finden, dass er verstand, wie gefährlich dieser Vorschlag war. „Ist das offiziell?
“
„Es ist Innovation, Mac“, sagte Andrew und lehnte sich in seinem Ledersessel zurück. „Ashleys Modell kann die Verarbeitungszeit um 75 Prozent senken und unsere IT-Kosten erheblich reduzieren. “
Da war es. IT-Kosten senken.
Was sie meinten, war, dass sie mich feuern und Ashley einen Bruchteil meines Gehalts zahlen konnten. Ich hatte diesen Film schon bei anderen Firmen gesehen. Junger Berater kommt herein, verspricht revolutionäre Effizienz mit ungetesteter Lösung. Der erfahrene Mitarbeiter fliegt, und sechs Monate später versuchen sie verzweifelt, den Schaden zu beheben.
„Die Lohnrunde ist am Freitag“, sagte ich mit ruhiger Stimme. „Heute ist Dienstag. Wenn ihr dieses System einsetzen wollt, müsst ihr verstehen, womit ihr es zu tun habt. “ Ich begann an den Fingern abzuzählen.
„Wir haben Prevailing-Wage-Berechnungen für Bundesaufträge, Gewerkschafts- gegen Nicht-Gewerkschaftsunterschiede, die sich je nach Projekttyp und aufeinanderfolgenden Arbeitstagen ändern, Gerätemiet-Tracking mit GPS-Telemetrie, OSHA-Compliance-Berichte, Steuerabzüge über mehrere Bundesstaaten, wenn eine Kolonne die Woche in Texas beginnt und in Colorado endet. “
Ashley nickte, als würde sie folgen, aber ich sah, wie ihre Augen glasig wurden. Sie glaubte zu verstehen, weil sie in einem Fachjournal über Lohnabrechnung gelesen hatte. „Das alles habe ich berücksichtigt“, unterbrach sie mich.
„Mein Modell umfasst neuronale Netze, die mit Regulierungsdatenbanken trainiert wurden, und automatisierte Steuerberechnungs-Engines. “
„Neuronale Netze? Trainingsdaten? “ Sie redete über Bau-Lohnabrechnung, als wäre es ein Mustererkennungsproblem, das man mit genug Rechenleistung lösen kann.
„Allein die Prevailing-Wage-Datenbank von New Mexico hat 934 verschiedene Berufsklassifikationen mit Sätzen, die je nach Landkreis und Projekttyp variieren. Die Gewerkschaftsverträge haben Überstundenregeln, bei denen einem Marine-Geheimdienstanalysten schwindelig wird. Anderthalbfacher Satz nach acht Stunden, doppelter Satz nach zwölf, aber nur bei bestimmten Vertragsarten. Dann gibt es Gefahrenzulagen, die aktiviert werden, wenn innerhalb von 90 Metern zu einer Chemielagerung gearbeitet wird, wobei der Satz je nach Chemikalie und Entfernung variiert.
“
„Ashley“, sagte ich und bemühte mich, keine Herablassung durchklingen zu lassen, „hast du jemals Prevailing Wages für ein Bundesautobahnprojekt berechnet? “
„Ich habe die regulatorischen Rahmenbedingungen analysiert. “
„Analysieren und Umsetzen sind verschiedene Fähigkeiten. Weißt du, was passiert, wenn du Prevailing Wages bei einem Bundesauftrag falsch berechnest?
Das Arbeitsministerium prüft alles. Sie können uns für jede fehlberechnete Stunde der letzten drei Jahre mit Geldstrafen belegen. “
Andrew winkte ab. „Wir haben Compliance-Überwachung.
Ashleys Modell enthält Fehlererkennungsprotokolle. “ Fehlererkennung durch Machine-Learning-Algorithmen. Als ob Mustererkennung etwas nützt, wenn ein Vorarbeiter in El Paso seine Stundenzettel falsch einträgt und Ashleys neuronales Netz für vierzig Arbeiter auf einem Regierungsjob die falsche Lohnklassifikation ausgibt. „Mac“, meldete sich Rebecca zu Wort, „wir brauchen von dir alle Zugangsdaten und Dokumentationen für einen reibungslosen Übergang.
“
„Dokumentation? “ Ich lachte, aber ohne Humor. „Die meisten kritischen Prozesse stecken in eigenen Skripten, die ich über zwölf Jahre entwickelt habe. Das eigentliche Betriebswissen ist nirgends dokumentiert.
Es ist institutionelles Gedächtnis. Das ist die Realität von Systemen, die wirklich funktionieren. Sie sind nicht aus Lehrbüchern gebaut, sondern von Leuten, die lange genug im Job waren, um zu wissen, wo die Fehlerquellen lauern. “ Ich weiß, dass das Zeiterfassungssystem im Phoenix-Lager ein Synchronisationsproblem hat und nach 23 Uhr doppelte Einträge erzeugt, aber nur mittwochs und nur bei bestimmten Netzwerk-Latenzen.
Ich weiß, dass der Gewerkschaftsvertrag für Betonkolonnen eine Klausel über Essenspausen enthält, an die sich niemand sonst erinnert – lässt man sie weg, bekommen die Arbeiter ihre Mahlzeiten-Penalty-Entschädigung nicht. Ashley weiß das alles nicht. Sie hat ihre eleganten Algorithmen mit ihren sauberen Datenmodellen, aber sie musste noch nie Big Jim Crawford erklären, warum seine Kranführer negative Arbeitsstunden haben, weil irgendeine Berechnung schiefgelaufen ist. „Dann müssen wir dich bitten, alles zu dokumentieren, bevor du gehst“, sagte Andrew.
In diesem Moment wusste ich mit Sicherheit, dass ihre Entscheidung bereits gefallen war. Sie wollten keinen Input, sie wollten kein Verständnis dafür, warum ihr Plan garantiert scheitern würde. Sie gaben mir meine Kündigung und erwarteten, dass ich meine Nachfolgerin anlernte. „Wann ist mein letzter Tag?
“, fragte ich. „Freitag“, sagte Andrew, „nach der Lohnrunde. Wir wollen einen reibungslosen Übergang sicherstellen. “
„Und wenn der Übergang nicht reibungslos ist?
“
Ashley mischte sich wieder ein. „Er wird es sein. Ich habe mein Modell ausgiebig getestet. “ „Mit welchen Daten?
“ „Beispieldaten aus dem HR-System plus simulierte Szenarien. “ Beispielsdaten, simulierte Szenarien. Sie hatte ihre revolutionäre Lohnlösung mit künstlichen Zahlen getestet. Als würde man die Navigation eines Schiffs in einem Schwimmbecken testen und dann annehmen, sie sei für den Nordatlantik geeignet.
Ich stand auf, die Knie knackten. „Also gut. Dann werden wir ja sehen, wie es sich unter Beschuss schlägt. “ „Genau diese Einstellung brauchen wir“, sagte Andrew und starrte bereits wieder auf sein Tablet.
„Rebecca hat deine Trennungspapiere bis Geschäftsschluss fertig. “ Ich ging zur Tür, blieb dann stehen und drehte mich zu Ashley um. „Ein Ratschlag. “ Sie sah von ihrem Laptop auf, erwartete wohl technische Hinweise zu Datenbankverbindungen.
„Wenn das hier scheitert – und es wird scheitern –, dann geraten Sie nicht in Panik. Denken Sie einfach daran, dass 8. 500 Menschen auf ihren Lohn warten, um Hypotheken zu zahlen und Essen auf den Tisch zu bringen. Das hilft vielleicht bei der Priorisierung der Fehlersuche.
“ Ihr Gesichtsausdruck zeigte, dass sie immer noch nicht begriff, worauf sie sich einließ. Sie dachte, das sei nur Datenverarbeitung. Sie hatte keine Ahnung, dass sie ab sofort für den Lebensunterhalt von Menschen verantwortlich war. Ich argumentierte nicht weiter.
Ich versuchte nicht zu erklären, warum Ashleys Ansatz scheitern würde wie ein Navigationssystem mit korrupten GPS-Koordinaten. Manchmal ist Erfahrung der beste Lehrer, und Ashley stand eine Ausbildung bevor, die kein Doktorprogramm bieten konnte. Die nächsten drei Tage fühlten sich an, als würde man eine Kollision zwischen einem Güterzug und einem Schulbus in Zeitlupe beobachten. Mittwoch und Donnerstag tat ich genau das, was sie verlangten: Ich dokumentierte alles, was mir einfiel, schrieb Benutzerhandbücher und Schritt-für-Schritt-Anleitungen.
Aber so funktioniert das nicht bei komplexen Systemen, die über zwölf Jahre gewachsen sind. Man kann institutionelles Wissen nicht dokumentieren. Man kann nicht aufschreiben, warum etwas nicht stimmt, wenn man es spürt, oder das Bauchgefühl, eine Berechnung nochmal zu prüfen, weil sie um genau so viel abweicht, dass es zählt. Ashley folgte mir an diesen beiden Tagen, machte Notizen auf ihrem Laptop und stellte Fragen, die zeigten, dass sie keine Ahnung hatte, was sie erbte.
„Warum prüfst du die Lohnklassifikationen in Arizona manuell? “, fragte sie am Mittwochmorgen, während ich die Vorprüfung der Lohnrunde durchlief. „Die staatliche Datenbank ist seit 2019 beschädigt“, erklärte ich. „Sie zeigt die korrekten Lohnsätze an, aber bei ungefähr drei Prozent der Klassifikationen liefert sie falsche Landkreis-Codes zurück.
Wenn man das nicht abfängt, werden Arbeiter in Phoenix mit den Sätzen aus Tucson bezahlt. “ „Können wir die Datenbank nicht reparieren? “ „Das ist ein System der Staatsregierung. Wir kontrollieren es nicht.
Wir müssen nur damit umgehen. “ Sie machte eine Notiz. Ich sah sie tippen: Staatsdatenbank-Problem beheben. Als könnte sie das mit einer E-Mail an Sacramento lösen.
Donnerstagnachmittag war Ashley selbstbewusst genug, um zu versuchen, Live-Daten in ihr KI-System zu importieren. Ich sah zu, wie sie die rohen Stundenzettel von unseren 52 Baustellen in vier Bundesstaaten hochlud. Die Machine-Learning-Algorithmen würgten sofort an der Datenmenge. „Das ist nur Verarbeitung“, sagte sie und klickte wiederholt auf Aktualisieren, während ihr System mit 8.
500 Mitarbeiterdatensätzen kämpfte. Aber ich sah, was geschah. Ihre neuronalen Netze stießen auf zirkuläre Referenzen, weil sie nicht verstand, wie Prevailing-Wage-Berechnungen kaskadierten. Wenn bundesstaatliche, staatliche und lokale Lohnanforderungen für dasselbe Projekt gelten, kann man nicht einfach Mustererkennung nutzen.
Man braucht Bedingungslogik, die mehrere Kriterien in einer bestimmten Reihenfolge prüft. „Ashley“, sagte ich vorsichtig, „vielleicht solltest du das erst mit einem kleineren Datensatz testen. “ „Es wird sich stabilisieren“, antwortete sie, aber ich hörte die Unsicherheit in ihrer Stimme, als die Speichernutzung ihres Systems in die Höhe schoss und die Algorithmen Fehlermeldungen produzierten. Freitagmorgen war die offizielle Übergabe fällig.
Ashley kam früh mit ihrem Laptop und der nervösen Energie von Rekruten vor ihrem ersten echten Sturm. „Bereit, Geschichte zu schreiben? “, fragte sie und versuchte, selbstbewusst zu klingen. Ich packte meine persönlichen Sachen, während sie sich an meinem Arbeitsplatz einrichtete.
Eine Kaffeetasse mit der Aufschrift Bester Systemadministrator der Welt, ein Foto von meinem Ford F-150 und eine Flasche Jack Daniel’s für Notfälle. Schien angebracht, sie mitzunehmen. Irgendetwas sagte mir, dass sie sie dort drinnen mehr brauchen würden als ich. „Der Bankstichtag für Überweisungen ist um zwölf Uhr“, erinnerte ich sie.
„Danach bekommen die Leute erst am Montag ihr Geld. “ „Verstanden“, sagte Ashley, schon ganz auf ihren Bildschirm fixiert, wo ihr KI-System die Lohnabrechnungsdaten verarbeitete. Ich wollte gehen, blieb dann aber stehen. „Ashley, noch etwas.
“ Sie hörte nicht wirklich zu. Sie starrte auf ihren Bildschirm, wo die Machine-Learning-Algorithmen bei etwa der Hälfte der Berechnungen Fehlerwerte anzeigten. „Wenn das hier abstürzt – und es wird abstürzen –, versuche nicht, es zu beheben, indem du die Algorithmen einfach neu laufen lässt. Jede erneute Verarbeitung erzeugt doppelte Einträge im System.
Behebe zuerst das Grundproblem, dann starte neu. “ Sie nahm nichts auf. Sie war zu damit beschäftigt, zuzusehen, wie ihre elegante KI-Lösung der brutalen Realität der Bau-Lohnabrechnung begegnete. Rebecca eskortierte mich zum Sicherheitsdienst, wo Eddie Barnes mit meinen Trennungspapieren wartete.
Eddie ist ein guter Mann, Ex-Marine, der versteht, wie wichtig es ist, seinen Job in- und auswendig zu kennen. „Tut mir leid, dass du gehst, Mac“, sagte Eddie, während ich unterschrieb. „Das fühlt sich nicht richtig an. “ „Es ist nur Geschäft, Eddie.
“ „Schlechtes Geschäft, aber immerhin Geschäft. “ Ich fuhr mit meinem Pickup nach Hause, Fenster runter, Alan Jackson im Radio. Ich hätte wütend sein sollen, aber ich fühlte mich wie bei einem Katastrophenfilm, in dem man weiß, dass der Asteroid einschlägt, nur die Figuren haben es noch nicht begriffen. Gegen 10:30 Uhr begann mein Telefon zu summen.
Text von Kevin Foster, einem der Lohnbuchhalter: Mac, Ashleys KI zeigt verrückte Zahlen. Meine Überstundenberechnung sagt, ich habe letzte Woche negative Stunden gearbeitet. Dann ein Text von Danny Rivers im Phoenix-Büro: Mann, laut diesem Lohnbericht verdiene ich als Betonfertiger 923 Dollar pro Stunde. Wenn das nur stimmte.
Um elf Uhr glich mein Telefon einem Weihnachtsbaum. Arbeiter aus dem gesamten Gebiet sahen ihre Lohnabrechnungen im Mitarbeiterportal, und nichts ergab mathematisch Sinn. Mitarbeiter-IDs wurden mit Sozialversicherungsnummern vermischt. Berufsklassifikationen jenseits jeder Vorstellungskraft durcheinandergewürfelt.
Kranführer wurden zu Büroangestellten. Betonfertiger zu Führungskräften. Das unterhaltsamste kam von Tony Gutierrez, einem Vorarbeiter in El Paso: Mac, meine Lohnabrechnung sagt, ich habe letzte Woche 3. 247 Stunden gearbeitet und mein Nettolohn beträgt 47.
000 Dollar. Habe ich die Firma ausgeraubt oder die Firma mich? Ich konnte mir genau vorstellen, was beim Datenimport passiert war. Ashleys Machine-Learning-Algorithmen hatten die Feldzuordnungen vermischt.
Mitarbeiter-IDs wurden als Arbeitsstunden verwendet und Arbeitsstunden als Lohnsätze behandelt. Die KI versuchte, Löhne mit Sozialversicherungsnummern als Multiplikatoren zu berechnen. Aber die eigentliche Katastrophe stand noch bevor. Die verrückten Zahlen im Portal waren nur die Vorschau.
Der Hauptgang kam um zwölf, wenn die Bank versuchte, Ashleys KI-generierte Lohnabrechnungsdatei für elektronische Überweisungen zu verarbeiten. Um 11:45 Uhr klingelte mein Telefon. Rebecca aus der Personalabteilung. „Mac“, ihre Stimme klang panisch, „wir müssen reden.
Ashleys KI-System zeigt Unregelmäßigkeiten. “ Unregelmäßigkeiten? Nach ihren Berechnungen schuldeten wir der Bundesregierung diese Woche 3,1 Millionen Dollar an Steuerabzügen, hatten aber nur 190. 000 Dollar von den Mitarbeitergehältern einbehalten.
Ich fuhr in meine Einfahrt und blieb im Truck sitzen, während Rebecca erklärte, wie Ashleys KI-Modell ein rechnerisches Schwarzes Loch erschaffen hatte. „Außerdem“, fuhr Rebecca fort, „hinterfragt die Bank, warum wir versuchen, einem Betonmischer in Albuquerque 83. 000 Dollar zu überweisen und gleichzeitig einem Kranführer 31. 000 Dollar für etwas namens algorithmische Verarbeitungsgebühren abzuziehen.
“ „Wurde Andrew informiert? “ „Er ist den ganzen Tag in Investorengesprächen. “ Berühmte letzte Worte. Ich hatte sie schon von jedem überheblichen Berater gehört, der dachte, er könne ein sinkendes Schiff mit PowerPoint-Präsentationen und guten Absichten flicken.
„Rebecca“, sagte ich, „du solltest diese Gespräche besser absagen. “
Um zwei Uhr war Rocky Mountain Infrastructure kein Bauunternehmen mehr, sondern ein Katastrophengebiet. Die Bank hatte Ashleys KI-generierte Lohnabrechnungsdatei so heftig abgelehnt, dass sie vermutlich deren Betrugserkennungsalgorithmen ausgelöst hatte. Laut automatischer Antwort versuchten wir, ungültige Beträge auf ungültige Konten mit ungültigen Verarbeitungsprotokollen zu überweisen.
Das Mitarbeiterportal war zusammengebrochen, als 8. 500 Arbeiter versuchten zu verstehen, warum ihre Lohnabrechnungen aussahen, als hätte sie ein defekter Spielautomat erzeugt. Einige hatten Überstundensätze von 923 Dollar pro Stunde. Andere hatten negative Gehälter und schuldeten der Firma Geld für das Privileg, dort zu arbeiten.
Aber richtig Feuer gab es, als die Gewerkschaft sich einschaltete. Big Jim Crawford vertritt seit 28 Jahren Bauarbeiter. Er ist gebaut wie ein Linebacker, redet wie ein Ausbilder und hat null Toleranz für Unternehmensinkompetenz. Wenn seine Leute nicht bezahlt werden, schickt Jim keine förmlichen E-Mails.
Er legt alles still. Um drei Uhr stand Jim auf der Ladefläche eines Pickups vor unserem Hauptbüro mit einem Megafon, und hinter ihm reihten sich Lastwagen auf. „Rocky Mountain Infrastructure glaubt, sie können mit dem Lohn arbeitender Menschen Spielchen treiben“, donnerte seine Stimme über den Parkplatz. „Wenn sie nicht in der Lage sind, uns zu bezahlen, hören wir vielleicht einfach auf, für sie zu arbeiten.
“
Der wilde Streik breitete sich schneller aus als Neuigkeiten in einer Kleinstadt. Zuerst legten die Baustellen in Phoenix still, dann Albuquerque, dann das Autobahnprojekt vor den Toren Denvers. Um vier Uhr nachmittags standen alle Baustellen von Rocky Mountain Infrastructure in vier Bundesstaaten still. Fünfhundert Arbeiter saßen in ihren Trucks, posteten Videos in den sozialen Medien und riefen lokale Nachrichtensender an.
Das Filmmaterial war auf tragische Weise schön. Luftaufnahmen stillgelegter Baustellen, Interviews mit Arbeitern, die Lohnabrechnungen hielten, die keinen mathematischen Sinn ergaben. Gewerkschaftsvertreter erklärten Reportern, wie ein Unternehmen, das kritische Infrastruktur im Südwesten baut, nicht einmal einfache Lohnabrechnung hinbekam. Mein Telefon summte ununterbrochen mit Updates von Eddie und den anderen, die noch im Gebäude waren.
„Ashley hat sich im Konferenzraum eingeschlossen“, tippte Eddie. „Sie versucht seit vier Stunden, ihr KI-System zu debuggen, aber jedes Mal, wenn sie etwas ändert, zerstört sie etwas anderes. “ Noch ein Text. „Andrew schreit den ganzen Nachmittag den Technischen Support an.
“ Anscheinend hatte Ashley die ursprünglichen Trainingsdaten gelöscht, als sie die Algorithmen neu trainieren wollte. Das musste ich doch schmunzeln. Natürlich hatte sie das. Wenn man in Panik gerät und etwas nicht funktioniert, ist der natürliche Impuls, neu anzufangen.
Aber ohne ordentliche Versionskontrolle verliert man beim Neustart im Machine Learning alles. Ashley hatte gerade den einzigen Datensatz gelöscht, mit dem ihr KI-System trainiert worden war, und die Backup-Protokolle funktionieren nur, wenn jemand sie richtig eingerichtet hat, der die Systemarchitektur versteht. Dienstagmorgen saß ich auf meiner Veranda, trank Kaffee und las Nachrichtenartikel über unsere Lohnkrise, als mein Telefon klingelte. Andrew Donovan.
„Mac“, seine Stimme klang, als hätte er Kies geschluckt, „wir müssen reden. “ „Guten Morgen, Andrew. Habe dich gestern Abend in den Nachrichten gesehen. Netter Auftritt.
Besonders der Teil, in dem du sagtest, die Probleme seien durch unvorhergesehene algorithmische Komplikationen bei einer routinemäßigen Systemmodernisierung verursacht worden. “ „Spare dir die Kommentare. Das staatliche Arbeitsamt leitet Untersuchungen in vier Bundesstaaten ein. Die Gewerkschaft erwägt eine Sammelklage.
Die Bank hat unsere Betriebskonten eingefroren, weil unsere KI-generierte Lohnabrechnungsdatei ihre Betrugserkennungssysteme ausgelöst hat. “ „Klingt nach einer ziemlichen Lage. “ „Ich brauche, dass du zurückkommst. Als Berater.
Nenne deinen Preis. “ Ich habe auf diesen Anruf seit Freitagnachmittag gewartet. „20. 000 bar im Voraus plus einen neuen Vertrag zum doppelten Gehalt.
“ „Abgemacht. “ „Ich bin noch nicht fertig. Ich will eine öffentliche Erklärung von dir und Ashley auf der Firmenwebsite, in der ihr anerkennt, dass die Lohnprobleme durch die voreilige Einführung eines unzureichend getesteten Systems verursacht wurden. “ Langes Schweigen.
Dann: „In Ordnung. “ „Und noch etwas. Ich berichte jetzt direkt an den CTO, nicht an den Betrieb. Ich habe es satt, mit Leuten zu verhandeln, die künstliche Intelligenz für einen Ersatz für institutionelles Wissen halten.
“ „Was auch immer du brauchst, Mac. Behebe einfach das Problem. “
Am Mittwochmorgen fuhr ich zurück ins Büro. Im Parkplatz lagerten noch Gewerkschaftsvertreter, aber sie winkten, als sie meinen Truck sahen.
Jim Crawford kam auf mich zu, als ich ausstieg. „Mac, sag mir, dass du hier bist, um unsere Ärsche zu retten. “ „Ich arbeite dran, Jim. Du solltest bis Donnerstagmorgen Fortschritte sehen.
“ „Was ist mit der Entschädigung für die Zeit, die wir hier gesessen haben? “ „Jeder Cent, mit Überstunden für alle, die zur Arbeit eingeteilt waren. “ Ich ging ins Gebäude, als gehörte es mir, denn für die nächsten Tage tat ich das im Grunde auch. Der Serverraum fühlte sich wie nach Hause kommen nach einem langen Einsatz an.
Ich startete meinen Arbeitsplatz und begann, das Wrack zu analysieren, das Ashley hinterlassen hatte. Es war schlimmer als erwartet. Sie hatte nicht nur die Lohnabrechnungsdaten zerstört. Sie hatte es geschafft, die Datenbanktabellen zu sperren, zirkuläre Referenzen in den Steuerberechnungsmodulen zu erzeugen und das System glauben zu lassen, wir würden 247.
000 Menschen namens Xor beschäftigen. Es dauerte 22 Stunden konzentrierter Arbeit, aber ich baute alles aus den archivierten Transaktionsprotokollen wieder auf, aus echten Backups, von denen Ashley nicht einmal wusste, dass sie existierten. Bis Donnerstagmorgen hatte ich eine saubere Lohnabrechnungsdatei bereit. Ich drückte um sechs Uhr früh auf Senden.
Die elektronische Überweisung lief ohne einen einzigen Fehler durch. Achttausendfünfhundert Arbeiter würden aufwachen und ihre korrekten Löhne vorfinden, plus Überstundenentschädigung für die Tage, die sie auf Parkplätzen verloren hatten. Freitagmorgen ging ich in Andrews Büro. Er sah aus, als wäre er in einer Woche zehn Jahre gealtert.
„Es ist erledigt“, sagte ich. „Alle wurden korrekt bezahlt, inklusive Entschädigung für die Streiktage. “ „Danke“, sagte er leise. „Wo ist Ashley?
“ „In die Marktforschung versetzt. Risikokapital-Kontakte reichen nur so weit, wenn man das Unternehmen Millionen kostet und beinahe Bundesermittlungen auslöst. “ „Und dein neues Büro? “ Andrew deutete auf das Eckbüro mit Fenstern zum Gerätehof.
„Gehört dir. Ich habe eine neue Kaffeemaschine einbauen lassen. “ Ich ging zu meinem neuen Schreibtisch und setzte mich in den Ledersessel. Durch das Fenster sah ich die Baustellen wieder zum Leben erwachen.
Kräne bewegten sich, Lastwagen rollten mit vollen Kolonnen los. Mein Telefon summte mit einer Nachricht von Sarah, meiner siebzehnjährigen Enkelin. „Opa, habe die Beförderung in den Nachrichten gehört. Heißt das, mein College-Fond ist sicher?
“ Ich öffnete die Schreibtischschublade und holte die Flasche Jack Daniel’s heraus, die ich für einen besonderen Anlass aufgehoben hatte. Das qualifizierte. Manchmal schlägt Erfahrung Innovation. Manchmal schlägt institutionelles Wissen künstliche Intelligenz.
Und manchmal lernen Leute, die versuchen, mit Risikokapital zu reparieren, was nicht kaputt ist, es auf die harte Tour: dass manche Jobs mehr erfordern als Algorithmen und Machine-Learning-Modelle. Ich goss einen Schluck in meine Kaffeetasse und erhob sie zum Fenster. „Darauf, die Infrastruktur am Laufen zu halten und dafür zu sorgen, dass arbeitende Menschen bekommen, was sie verdient haben. Das ist einen Toast wert.
“
