Karamihan ng usapan ngayon tungkol sa AI at mga trabaho ay nakatuon sa nakikitang antas: sino ang sumusulat ng code, sino ang nag-uutos sa modelo, sino ang matatanggal kapag kayang gawin ng chatbot ang unang burador. Nakabaon sa mga balita ngayong linggo ang isang kuwento tungkol sa antas na walang tumitingin sa usapang iyon — at karapat-dapat itong bigyang-pansin dahil halos walang nakikipagkumpitensya para sa mga kasanayang ginagantimpalaan nito.

Isang bug na naroon na mula pa noong 2013

Detalyadong ipinaliwanag ngayong linggo ng mga mananaliksik sa seguridad kung paano maaaring mapasukan nang malayuan ang libu-libong server na nakakonekta sa internet mula sa malalaking manufacturer sa pamamagitan ng kanilang mga baseboard management controller, o BMC — maliliit at hiwalay na computer na nakapaloob sa halos bawat motherboard ng enterprise server, na may sarili nitong OS, network stack, at IP address, hiwalay sa anumang nangyayari sa pangunahing makina (Ars Technica). Ang mga BMC ang nagbibigay-daan sa mga kawani ng IT na mag-reboot, mag-reimage, o mag-monitor ng server nang malayuan kahit naka-off ito o tuluyang hindi tumutugon — tunay na kapaki-pakinabang na pamamahalang “lights out.” Ang problema, ayon sa mga mananaliksik, ay matagal nang itinuturing na madaling puntiryahin ang pinagbabatayang protocol mula pa noong hindi bababa sa 2013, at mahigit isang dekada na ang ilan sa mga kahinaang kasalukuyang pinagsasamantalahan. Inilarawan ito ng Ars bilang isang “laganap, kulang sa pagmamanman, at kulang sa paglalapat ng patch na hiwalay na attack surface” — hindi isang bagong butas, kundi isang lumang butas na tahimik na napabayaan dahil nasa ilalim ito ng antas kung saan nakatuon ang karamihan ng atensyon sa software at seguridad.

Mas marami at mas mabilis na ganito ang magagawa ng agentic coding

Sa parehong linggo, inilunsad ng Meta ang Muse Code, isang coding agent na nakabatay sa terminal na sumasama kina Claude Code, Codex, at sa mabilis lumaking larangan ng mga harness na sumusulat at nagde-deploy ng software nang kaunti ang pakikilahok ng tao (TechCrunch). Kapansin-pansin ang sariling paglalarawan dito ni Zuckerberg: sa sapat na kalaking trabaho, hinahati nito ang gawain sa maraming sub-agent na sabay-sabay na nagtatrabaho sa magkakahiwalay na worktree at sabay-sabay na bumubuo ng ilang feature. Tunay itong pagtaas ng produktibidad. Ngunit sa estruktura, nangangahulugan din itong mas maraming imprastrukturang itinatayo, kino-configure, at dini-deploy sa bawat yunit ng atensyon ng tao kaysa dati — mas maraming cloud instance, mas maraming test environment, mas maraming server na mabilis na ipinoprovide ng mga taong maaaring hindi kailanman humawak sa setting ng BMC o bumasa ng firmware changelog. Napakahusay ng agentic tooling sa pagsulat ng application. Wala itong pakialam kung ang out-of-band management chip sa ilalim ng application na iyon ay gumagamit ng firmware na anim na taon na.

Hindi nangangahulugan ang alinman dito na likas na hindi ligtas ang mga agentic coding tool — hiwalay na tanong iyon sa tinatalakay sa artikulo ng Ars Technica. Mas makitid ang punto: mas mabilis lumalaki ang dami ng imprastrukturang nalilikha kaysa sa hindi kaakit-akit na disiplina ng paglalapat ng patch sa pisikal na layer sa ilalim nito, at hindi kusang nagsasara ang agwat na iyon dahil lamang naging mas matalino ang code sa ibabaw.

Bakit senyales ito sa karera, hindi lamang kuwento tungkol sa seguridad

Iugnay ito sa mga tanggalan na patuloy pa ring dumaraan sa industriya — ang humigit-kumulang 20% pagbawas ng Monday.com sa workforce nito ngayong linggo, na tahasang iniugnay sa isang restructuring na pinapatakbo ng AI, ay sumasama sa lumalaking listahan ng mga kumpanyang bumabanggit sa AI sa mga pagbabawas ng trabaho (TechCrunch). Mahalagang maging tapat tungkol sa hindi natin alam dito: wala sa mga filing na ito ang naghihiwalay ng mga tanggalan ayon sa tungkulin, kaya walang malinaw na datos na nagsasabing “ligtas ang mga tungkulin sa seguridad at imprastruktura.” Labis na pag-aangkin iyon. Ang mas may kumpiyansang masasabi ay estruktural, hindi estadistikal: ang mga tungkuling pinakamabilis na ina-automate ay yaong ang produkto ng trabaho ay teksto, code, o interaksiyon sa customer na kayang tantiyahin ng isang LLM. Ang seguridad sa pisikal at antas ng firmware — ang pag-alam kung ano ang BMC, kung paano gumagana ang IPMI at mga kahalili nito, kung paano i-audit ang out-of-band management access, kung paano magtulak ng firmware patch sa isang fleet nang hindi nasisira ang kalahati nito — ay mas malapit sa makina kaysa sa modelo. Hindi ito malinaw na gawaing kasalukuyang pinupuntirya ng mga AI agent, at hindi ito nagiging mas madaling i-automate dahil lamang umiiral ang software layer sa ibabaw nito.

Ano talaga ang dapat gawin dito

Hindi mo kailangang maging firmware engineer para kumilos batay rito. Narito ang ilang hakbang na maaaring tiyakin:

  • Magtanong, huwag magpalagay. Kung nagtatrabaho ka sa IT, platform, o seguridad sa isang kumpanyang nagpapatakbo ng sarili nitong mga server (hindi purong cloud), itanong kung kasama ba ang BMC firmware sa isang patch cycle. Maraming organisasyon ang talagang hindi alam ang sagot.
  • Alamin ang bokabularyo, hindi lamang ang headline. Ang BMC, IPMI, Redfish, at out-of-band management — mga konseptong madaling hanapin at mahusay ang dokumentasyon — ay mauunawaan, at ang pag-unawa sa mga ito ay maglalagay sa iyo sa unahan ng karamihan ng mga taong ang pagbuo ng kasanayan sa panahon ng AI ay nakatuon lamang sa prompt at agent.
  • Pansinin ang hindi saklaw ng mga agentic coding tool. Habang ikaw o ang iyong team ay gumagamit ng mga tool tulad ng Muse Code o Claude Code para sa gawaing kaugnay ng imprastruktura, tahasang itanong kung ano ang nasa labas ng saklaw — mga deployment target, firmware, pisikal na access control — at ituring ang puwang na iyon bilang lugar na maaaring pag-ukulan ng kadalubhasaan sa halip na oversight na dapat ipagsawalang-bahala.
  • Huwag mag-over-rotate. Isa lamang itong posibleng niche sa ilang iba pa, hindi garantisadong ligtas na kanlungan. Ituring itong hedge na sulit siyasatin, hindi pagbabago ng karera na gagawin batay lamang sa isang kuwento ng Ars Technica.

Nalalapat ang mas malawak na aral lampas sa mga BMC mismo: habang gumagaling ang AI sa software na nakikita ng mga tao, ang halagang mas mahirap i-automate ay lalong nasa pisikal at operasyonal na mga layer sa ilalim nito — ang mga bahaging hindi lumilitaw sa isang demo. Mas makitid itong taya kaysa sa “matutong gumawa ng prompt,” ngunit mas kakaunti ang kasalukuyang tumataya rito.