اخباری
Sunday, 08 March 2026
Breaking

بلاک، شرکت مادر اسکوئر و کش اپ، بیش از 4000 نفر را اخراج می‌کند

غول فین‌تک به هوش مصنوعی روی می‌آورد و نیروی کار را به طور ق

بلاک، شرکت مادر اسکوئر و کش اپ، بیش از 4000 نفر را اخراج می‌کند
7DAYES
1 week ago
12

ایالات متحده - خبرگزاری اخباری

بلاک، با استراتژی محوری هوش مصنوعی، کاهش نیروی کار گسترده‌ای را سازماندهی می‌کند

در یک تغییر استراتژیک قابل توجه، Block Inc.، غول شناخته شده فناوری مالی که پلتفرم‌های پرداخت پرکاربرد Square و Cash App را اداره می‌کند، دور جدیدی از اخراج‌های گسترده را آغاز کرده است که بیش از 4000 کارمند را تحت تأثیر قرار می‌دهد. این تصمیم، تعداد کل کارکنان شرکت را از حدود 10000 نفر به کمتر از 6000 نفر کاهش خواهد داد. این اقدام، چرخش واضح به سمت بهره‌برداری از فناوری‌های هوش مصنوعی (AI) برای افزایش کارایی و ساده‌سازی عملیات را برجسته می‌کند.

جک دورسی، هم‌بنیان‌گذار و رئیس هیئت مدیره بلاک، منطق پشت این اقدام رادیکال را در نامه‌ای به سهامداران تشریح کرد و بر تأثیر دگرگون‌کننده ابزارهای هوشمند بر عملیات تجاری تأکید کرد. دورسی اظهار داشت: "منطق اصلی ساده است. ابزارهای هوشمند، معنای ایجاد و اداره یک شرکت را تغییر داده‌اند." "ما این را در حال حاضر به صورت داخلی مشاهده می‌کنیم. تیمی به طور قابل توجهی کوچک‌تر، با استفاده از ابزارهایی که ما می‌سازیم، می‌تواند کارهای بیشتری انجام دهد و آن را بهتر انجام دهد. و قابلیت‌های ابزارهای هوشمند هر هفته سریع‌تر در حال افزایش هستند." این احساس، باور به اینکه پیشرفت‌های هوش مصنوعی می‌توانند در برخی قابلیت‌ها، کار انسانی را جبران کرده و حتی از آن فراتر روند، را برجسته می‌کند.

این شرکت به طور فعال در قابلیت‌های هوش مصنوعی خود سرمایه‌گذاری کرده است، به ویژه با توسعه یک عامل هوش مصنوعی به نام "codename goose" در سال گذشته که برای تعامل با مدل‌های زبان بزرگ (LLM) طراحی شده است. انتظارات بالای این پروژه و سایر ابتکارات داخلی هوش مصنوعی، استراتژی عمدی برای استفاده از این فناوری‌ها به منظور مدیریت مؤثر نیروی کار کاهش‌یافته را نشان می‌دهد. نامه سهامداران این چشم‌انداز را بیشتر توضیح داد: "هوش مصنوعی در هسته نحوه عملکرد کل شرکت قرار خواهد گرفت. چگونه تصمیم می‌گیریم، چگونه اعتماد می‌سازیم و ریسک‌ها را مدیریت می‌کنیم، چگونه محصولات را می‌سازیم و چگونه به مشتریان خدمات می‌دهیم." این نشان‌دهنده بازنگری بنیادین در چارچوب عملیاتی بلاک با محوریت هوش مصنوعی است.

این اولین بار نیست که بلاک کاهش قابل توجهی در نیروی کار خود انجام می‌دهد. این شرکت فین‌تک قبلاً در سال‌های 2024 و 2025 نیز شاهد شایعاتی مبنی بر اخراج حدود 1000 کارمند بوده است، که نشان‌دهنده یک روند تکراری از بازسازی سازمانی با هدف بهینه‌سازی هزینه‌ها و افزایش چابکی در بازاری با تحولات سریع است. با این حال، مقیاس اخراج‌های فعلی، نشان‌دهنده تغییر عمیق‌تری در فلسفه عملیاتی شرکت است.

همزمان با اعلام اخراج‌ها، بلاک آخرین نتایج مالی خود را نیز گزارش کرد و سال مالی 2025 را با درآمد عملیاتی قوی 1.71 میلیارد دلار به پایان رساند. این عملکرد مالی قوی، همراه با پذیرش تهاجمی هوش مصنوعی، نشان می‌دهد که بلاک با تمرکز بر نوآوری فناورانه و بهینه‌سازی هزینه‌ها، خود را برای رشد آینده آماده می‌کند. به نظر می‌رسد این شرکت شرط سنگینی بر روی هوش مصنوعی بسته است تا نه تنها مزیت رقابتی خود را در چشم‌انداز فین‌تک حفظ کند، بلکه آن را تقویت نماید.

پیامدهای گسترده‌تر تصمیم بلاک در سراسر صنعت فناوری طنین‌انداز می‌شود و منعکس‌کننده روند رو به رشد شرکت‌هایی است که اتوماسیون مبتنی بر هوش مصنوعی را برای افزایش بهره‌وری، بهبود تجربه مشتری و کاهش هزینه‌های سربار بررسی می‌کنند. در حالی که هوش مصنوعی پیشرفت‌های قابل توجهی را در زمینه‌هایی مانند تشخیص تقلب، ارزیابی ریسک و خدمات شخصی‌سازی شده به مشتریان نوید می‌دهد، چنین تعدیلات گسترده‌ای در نیروی کار نیز سوالات مهمی را در مورد آینده اشتغال و تأثیر اجتماعی اتوماسیون پیشرفته مطرح می‌کند. اقدام جسورانه بلاک به عنوان نشانه‌ای از ادغام هوش مصنوعی در عملیات اصلی شرکت‌های بزرگ فناوری، به دقت مورد توجه قرار خواهد گرفت.

با گذار بلاک به سمت یک مدل عملیاتی متمرکز بر هوش مصنوعی، موفقیت استراتژی آن به اجرای مؤثر و مقیاس‌پذیری ابزارهای هوش مصنوعی آن بستگی خواهد داشت. توانایی شرکت برای استفاده از قدرت هوش مصنوعی برای انجام وظایف پیچیده، هدایت نوآوری و حفظ سطوح بالای رضایت مشتری، برای توجیه این تغییرات شغلی مهم و تضمین موقعیت خود به عنوان یک رهبر در بخش فناوری مالی، حیاتی خواهد بود.

Keywords: # بلاک، اسکوئر، کش اپ، اخراج، هوش مصنوعی، فین‌تک، جک دورسی، کاهش نیروی کار، ابزارهای هوش مصنوعی، LLM