مستقبل الشركة

ملاحظة الكاتبين: هذا هو المقال الثاني في سلسلتنا عن الاقتصاد القادم، ضمن منصة جديدة تستضيف أصواتًا مستقلة تستكشف مستقبل الذكاء الاصطناعي العام (AGI). وهو يعبّر عن آرائنا، لا عن آراء OpenAI أو زملائنا.

كان كلّ منا في الرابعة والعشرين حين بدأنا إدارة فريقه الخاص هنا في OpenAI. لكن الأمر يبدو أقل إبهارًا حين تتعرّفون إلى فرقنا.

فالمفترض أن نكون نحن من يتولّى الأعمال الروتينية الشاقة. في الرابعة والعشرين، تكون في أسفل السلّم الوظيفي. تدوّن محاضر الاجتماعات وتكتب بعض المذكرات. وبعد سنوات من العمل الرتيب، تُمنح، على أمل، نطاقًا أوسع من المسؤوليات.

لكن مسارنا، ومسار كثير من الشباب اليوم، يبدو مختلفًا. ندخل سوق العمل ولدينا بالفعل «موظفون» يعملون تحت توجيهنا. يعمل هؤلاء المساعدون ليلًا ونهارًا، وفي عطلات نهاية الأسبوع والأعياد. وهم بارعون في الأعمال الروتينية الشاقة. بل إن بين أعضاء فرقنا فائزين بذهبيات أولمبياد الرياضيات يقدّمون لنا المشورة. ولا يزال مرؤوسونا الجدد يرتكبون نصيبهم من الأخطاء. لكنهم يتحسّنون ويتعرّفون إلى احتياجاتنا، ونحن نتعلّم كيف نديرهم.

لم يصعد أيّ منا السلّم الوظيفي. بل نزلت الإدارة إلى درجتنا. يتناول هذا المقال ترقيتنا، والسبل الأخرى التي قد تعيد بها الشركات تنظيم نفسها مع دخولنا عصر الذكاء.

حين يدخل AI الشركة، أين يجد مكانه؟ نطرح ثلاثة سيناريوهات توضيحية:

لن يتحقّق أيّ من هذه السيناريوهات تمامًا كما نصفه، لكننا نعتقد أن جوانب من الثلاثة ستصبح واقعًا. فكلّها بدأت بالفعل، وإن بصور غير لافتة.

لا نركّز هنا على الأتمتة الكاملة، بل على اقتصاد يمرّ بمرحلة انتقالية. ما يهمّنا هو شكل الشركات التي تجمع البشر وAI مع تحسّنه وتغلغله في المؤسسات القائمة.

نرى أن مفهوم الشركة الهجينة مهم، لأن تبنّي AI بصورة منتجة لا يحدث فورًا. حين لا تنفّذ النماذج سوى بعض المهام، قد يكون تبنّيها أسهل على الموظفين في المستويات الدنيا الملمّين بالعمل. وحين تؤدّي النماذج وظائف واسعة من البداية إلى النهاية، يصبح بوسع المسؤولين الأعلى استخدامُها مباشرة. في رأينا، كلما ازدادت قدرات AI، سهل تبنّيه: على الشركات أن تتعلّم التقنيات، أما العاملون فيتعرّفون إلى الشركة ويستطيعون الاندماج فيها بأنفسهم.

سنحلّل الأنواع الثلاثة الجديدة من الهياكل التنظيمية، ثم نبحث دلالاتها لمستقبل البيروقراطية، واستقلالية العاملين، وحجم الشركات، وتفاوت الأجور.

يبدو سيناريونا الأول الأقل إحداثًا للاضطراب. يبقى الناس هنا في مواقعهم، وتظل علاقات التبعية الإدارية كما هي، ويؤدّون ظاهريًا الوظائف نفسها. يبدو الهيكل التنظيمي البشري في هذا المستقبل مطابقًا لما هو عليه اليوم.

الاختلاف يقع تحتنا. فأسفل كل موظف غير إداري، تظهر قوة عمل جديدة من AI تتبع كلًّا منا. يُضاف إلى هيكلنا التنظيمي طابق سفلي، ونصبح جميعًا مديرين.

في البداية، يكون هذا الطابق غير مكتمل. يبدأ كلّ منا بوكيل أو اثنين، أشبه بمتدرّبين متحمّسين نحتاج إلى الإشراف عليهم والتسامح مع أخطائهم، لا بموظفين متمرّسين. توقّعاتنا متواضعة: إرسال بريد إلكتروني هنا، وصياغة مذكرة هناك، والردّ على رسائل Slack في كل مكان. ومثل الموظفين البشر المبتدئين، يبدأون بقدر محدود من الاستقلالية والثقة.

لكن مع تحسّن النماذج، يتولّى وكلاؤنا مهام أكثر بإشراف أقل. وينسّقون فيما بينهم. قد نجد مديرين وموظفين تنفيذيين ومحاسبين ومحامين من أنظمة AI، يعملون جميعًا معًا تحت توجيهك. وبدلًا من ملازمة متدرّب لتوجيه كل خطوة، يصبح ما تديره في النهاية أشبه بشركة صغيرة قائمة بذاتها، لها هيكلها التنظيمي وتؤدّي أنت دور مجلس إدارتها.

لاحظ أن هذا السيناريو لا يستلزم تسريح الموظفين. فنحن هنا نتبنّى AI من دون أن نستبدل أنفسنا بالأتمتة. بل نؤتمت ما كانت تفعله نسخنا السابقة، ونصعد في التسلسل الهرمي. يتولّى AI المزيد والمزيد مما كنّا نفعله. وتبقى وظائفنا لأن هناك المزيد مما يحتاج إلى إدارة، ونصبح مسؤولين عن حجم أكبر من المخرجات.

الوظائف ليست ثابتة⁠(يفتح في نافذة جديدة). لنفترض أن AI يستطيع أداء تسعين في المئة مما كنت تفعله. قد تستنتج أنه لم يتبقَّ لك إلا عشرة في المئة من العمل. لكن الاحتمال الآخر أنك لا تزال تؤدّي وظيفة كاملة، وإن كانت مختلفة، تركّز الآن على هدف أكبر بعشر مرات. تلك هي هبة التقنية المعتادة: ترتفع الإنتاجية، ويرتفع الطموح ليواكبها، وقد ترتفع الأجور⁠(يفتح في نافذة جديدة) مع الطموح.

يتوقّف كل ذلك على ما إذا كنا لا نزال نضيف قيمة⁠(يفتح في نافذة جديدة) إلى الإنتاج. يركّز هذا المقال على السنوات المقبلة، حين لن تكون الأتمتة قادرة على كل شيء أو معتمدة في كل مكان. حتى لو استطاع AI فعل كل شيء، فقد نمنح شيئًا قيمة أكبر لأن إنسانًا صنعه، أو نصرّ على أن تكون الكلمة الأخيرة لإنسان.

ويعتمد الأمر أيضًا على شهيّتنا للاستهلاك. إذا لم نرغب، كمستهلكين، في إنتاج أكبر بعشر مرات، فسيتحوّل التوازن نحو عدد أقل من العاملين أو ساعات عمل أقل. تاريخيًا، لم تُشبعنا زيادات الإنتاج. نملك أكثر بكثير⁠(يفتح في نافذة جديدة)، لكننا لا نعمل إلا أقل بقليل⁠(يفتح في نافذة جديدة). إذا واصلت شهيّتنا النمو مع تضاعف الإنتاج، وظللنا نضيف إليه، فسنختار مواصلة مبادلة عملنا بمزيد من الاستهلاك. أما إذا أصبح الإنتاج وفيرًا إلى حدّ الإشباع، فقد نختار طوعًا تقليص القوى العاملة.

ثمة اعتراضات أخرى سنناقشها لاحقًا، مثل احتمال وجود عدد أكبر من الشركات الأصغر حجمًا. ومع ذلك، نرى هذا السيناريو مهمًا لأن التبنّي لا بدّ أن يبدأ من مكان ما. تحتاج الشركات إلى طريقة تتطوّر بها بصورة مستقرة انطلاقًا من هياكلها التنظيمية الحالية. قد يكون تعزيز عمل الموظفين الحاليين خطوة أولى أسهل من إعادة الهيكلة الشاملة. نرى ذلك يحدث اليوم: عامل تلو الآخر يفوّض المهام إلى AI، من دون ثورة تنظيمية حتى الآن.

يعتمد هذا السيناريو على أن يكون العاملون في الصفوف الأمامية أول من يستعين بعمالة جديدة. يقود تبنّي AI العاملون في المستويات الدنيا، لا المديرون والتنفيذيون. ويبدو ذلك مرجّحًا ما دام الأقدر على جعل AI ينجز العمل هو من كان يؤدّيه بنفسه.

تستطيع النماذج بالفعل أتمتة مهام كثيرة في علم البيانات، لكن رئيس قسم غير ملمّ بالأساليب والتفاصيل سيجد صعوبة في الاستفادة من الأدوات. إلى أن يصبح AI مبادرًا بما يكفي ليخبرك بما لا تعرفه، كما في سيناريونا التالي، فسيكون على الأرجح أنفع لمن يعرفون أصلًا كيف يُنجَز العمل.

أكبر تغيير في هذا السيناريو يخصّ الموظفين المبتدئين. لن تبقى هناك درجة دنيا، على الأقل للبشر. حين نوظّف الشباب، لن يكون ذلك لوضعهم في قاع الشركة المثقل بالعمل الرتيب. ستشغل تلك المواقع أنظمة لا تنزعج من ذلك.

وبذلك نفقد بعض الطرق التقليدية لتعليم العاملين الشباب: التلمذة المهنية⁠(يفتح في نافذة جديدة)، والتعلّم عبر الأعمال الروتينية الشاقة، وإثبات الجدارة بالتدرّج. هذه تكاليف حقيقية، لكننا نرى الأمر في معظمه امتيازًا. حتى أقل الموظفين خبرة، إذا كانت لديه فكرة جيدة، سيملك موارد لتجربتها. أقدم عذر في الشركة، ليست لدينا الأيدي العاملة الكافية، آخذ في الزوال. موظفة مبتدئة تتخيّل لعبة فيديو رائعة ولا تملك سبيلًا للحصول على فريق، تستطيع الآن ببساطة أن تبنيها.

في رأينا، يظل في سيناريو «الترقية» هذا الكثير ليتعلّمه المبتدئون: حُسن التقدير، والذوق، والمهارات الإدارية، والرؤية الإبداعية. ستكون لدينا حوافز لتنمية هذه المهارات لأنها تنعكس في نتاج عملنا. سنظل نتعلّم بالممارسة⁠(يفتح في نافذة جديدة)، لكن ضمن نطاق أوسع. وسيظل لدى المخضرمين في الشركة حافز لمساعدتنا بوصفهم رعاة مسؤولين، ولهم حصص ملكية تربط مصلحتهم بنجاحنا. الفرصة هنا هي دور أكثر تحفيزًا للجميع في كل درجة. يستطيع أي عامل إظهار مواهبه بنطاق مسؤوليات أوسع، وهذا أهمّ ما يكون للمبتدئين الذين لم تكن لهم مسؤوليات خاصة أصلًا.

في طريقه الثاني إلى الشركة، يتخلّل AI الهيكل التنظيمي القائم. هنا لا يشغل الوكلاء أدنى المراتب، بل يصبحون زملاء. تسلّم مديرة تقليدية جزءًا من عمل فريقها إلى نموذج، كما تفوّضه إلى أي موظف. يجد AI مكانه بجانب البشر، لا تحتهم فقط.

الفرق الأساسي عن السيناريو الأول: هنا يتبنّى المديرون البشر الحاليون أنظمة AI المنتجة، لا الموظفون غير الإداريين وحدهم. ولكي يحدث ذلك، يجب أن يكون كفؤًا بما يكفي ليصبح عضوًا كامل الأهلية في الفريق.

البشر متعدّدو القدرات. تساعد المطرقة في مهمة واحدة؛ أما الإنسان فيفعل أكثر من ذلك بكثير. رحلة AI من أداة إلى عمالة هي اتّساع مستمر في النطاق: أتمتة المهمة، ثم الوظيفة، ثم الفريق، وأخيرًا الشركة. تتطلّب كل خطوة نحو نطاق أوسع كفاءة أشمل.

الوظيفة حقيبة مليئة بمهام كثيرة. أما للفريق بأكمله، فتمتلئ تلك الحقيبة بأعمال شتّى ومتنوّعة. كلما زادت المهام ضمن نطاق المسؤولية، زادت نقاط التعطّل المحتملة. إذا تضمّنت مهمة أساسية واحدة في الفريق عملًا بدنيًا، فستكون هناك حاجة إلى مجموعة جديدة بالكامل من الأجهزة الطرفية. لكي يحلّ AI محلّ فريق كامل مباشرةً، يجب أن يكون قادرًا على أداء جميع مسؤولياته المتنوّعة.

بناء AI قادر على التعامل مع نطاق أوسع أصعب. لكن بالنسبة إلى الشركات، وهنا المفارقة المحورية في هذا التحوّل كله، النطاق الأوسع أسهل تبنّيًا.

يمكن لمسؤول تنفيذي أن يتبنّى مباشرة فريقًا مؤتمتًا بالكامل أو وظيفة واسعة مؤتمتة من البداية إلى النهاية. أما الأداة محدودة القدرات، فلا يمكن تطبيقها من أعلى بهذه البساطة. تعتمد الأداة الأبسط على قبول واسع وإعادة تدريب في مختلف صفوف العاملين.

تقليديًا، تخفّض التقنيات الجديدة تكلفة تنفيذ مجموعة محدودة من المهام. ثم ينتقل العبء إلى المشتري. على الشركة أن تكتشف كيف تستفيد من الأداة الجديدة، وأن تعيد تدريب العاملين وتنظيم نفسها وبناء عملياتها⁠(يفتح في نافذة جديدة) على أساسها. لم تدمج برامج جداول البيانات نفسها في قسم المحاسبة، بل أعاد القسم تشكيل نفسه حولها.

أما العمالة فعلى العكس. المتدرّب والموظف والفريق الجيد يكتشفون كيف يكونون مفيدين لك. يسألونك باستفاضة، ويستوعبون سياقك، ويلحظون احتياجاتك. ويخبرونك بما لم تكن تدرك أصلًا أنك تجهله. أفضل العاملين يهيّئون أنفسهم للعمل بأنفسهم.

كلما أصبح AI أقرب إلى العمالة بهذا المعنى، بما لديه من مبادرة وقدرة على التكيّف، قلّت حاجة الشركة إلى تعلّم كيفية توظيفه، وازدادت قدرته هو على اكتشاف كيف يفيدها. على الأرجح، لن يجلس مسؤول تنفيذي في محاضرة تمهيدية عن برامج التصميم ليتعلّم أداة جديدة. لكنه سينظر بسرور في عرض من قبيل: ما عليك إلا أن تأمر، وسأتولّى تأسيس نشاطك التسويقي بالكامل.

كثيرًا ما نعدّ أتمتة وظيفة الغاية المنشودة للذكاء الاصطناعي العام (AGI). صحيح أننا لم نصل حتى إلى ذلك بعد. فالوظائف بالغة التعقيد لأن قدراتنا نحن مدهشة. ومع ذلك، لا يأتي من العاملين فرادى إلا جزء ضئيل جدًا⁠(يفتح في نافذة جديدة) من إنتاج اقتصادنا. تسهم الوظائف المنتجة في الفرق، وتسهم الفرق في الشركات، وتنتج الشركات معظم ما نستهلكه.

اعتماد «الوظيفة» معيارًا للذكاء الاصطناعي العام (AGI) لا ينصف قدراتنا نحن البشر. فالعمل ليس مجرد مهام، ولا حتى التعامل مع الأجزاء غير الروتينية؛ بل يشمل أيضًا تنسيقًا هائلًا، ومرونتنا في إنجاز أجزاء صغيرة من مخرجات أكبر. اختزالنا في مجرد حزم من المهام يبخسنا قيمتنا الحقيقية. تكمن القدرة البشرية في مؤسساتنا⁠(يفتح في نافذة جديدة) أكثر مما تكمن في الفرد. على الذكاء الاصطناعي العام (AGI) في المجال الاقتصادي أن يبلغ مستوى البشر مجتمعين، لا الفرد.

لذلك قد يفتقر سيناريو «التداخل» إلى الكفاءة بشدة إذا ظل AI أشبه بأداة أو حتى بعامل، لا بفريق أو شركة. وضع نموذج بجانب كل عامل يعني آلاف نقاط الفصل وتسليم المهام⁠(يفتح في نافذة جديدة). وقد يبطئ هذا الترتيب المجزّأ وتيرة التبنّي.

نرى سباقًا بين تطبيقات مبكرة أقل قدرة ونماذج لاحقة أكثر قدرة. ويتوقّف الفائز على ما إذا كان تبنّي النماذج المستقبلية سيكون أسرع بما يكفي لتعويض الوقت الإضافي اللازم للوصول إلى تلك الكفاءات.

يمكن أن يتعايش سيناريو «التداخل» هذا مع سيناريو «الترقية» الأول. قد نرى شركات تقلّص عدد موظفيها البشر مع أتمتة AI وظائف معيّنة، بينما يحصل البشر الباقون على صلاحيات أوسع بكثير بمساعدة فرقهم من الوكلاء. ومن المهم أن هذا السيناريو، بحدّ ذاته، لا يعني انخفاض إجمالي توظيف البشر. فقد نجد عددًا أكبر من الشركات، يعمل في كل منها عدد أقل من الموظفين.

سيناريونا الثالث هو الأكثر إرباكًا. هنا يدخل AI الشركة في موقع أعلى من البشر. لم يعد الترتيب بشرًا فوق آلات، بل بشرًا ثم AI ثم بشرًا: أتمتة محصورة بين طبقتين بشريتين. يصبح بعض الناس «مرؤوسين» لدى AI.

يبدو ذلك بعيد الاحتمال، خصوصًا كنقطة بداية لتبنّي الشركات له. لكننا نعتقد أنه بدأ بالفعل، بصور أقل جذرية.

حتى حين نفكّر في AI بوصفه وسيلة لأتمتة العمل الذهني، نميل إلى التركيز على الدرجات الدنيا. عادةً ما نقول إن AI يؤتمت جداول البيانات والعروض التقديمية، لا الإدارة. حدسنا يقول إن الأتمتة تصعد التسلسل الهرمي: تبدأ بالأعمال الذهنية الروتينية وتنتهي بالتقدير والحكم، ويبقى المدير حصنها الأخير.

لكن معظم عمل المدير يجري على الحاسوب وفي الذهن: القراءة، والاجتماعات، والموازنة، واستحضار السياق، واتخاذ القرارات. للحضور الفعلي قيمته، وكذلك للتجوّل في المكاتب والوجود بين الموظفين. ومع ذلك، فالعمل في المستويات الدنيا، حتى حين يكون ذهنيًا في معظمه، يتعامل مع العالم المادي والأدوات أكثر من الإدارة. المتدرّب هو من يُرسَل إلى آلة التصوير، لا رئيسه.

يصعب تعليم نموذج اتخاذ القرارات الإدارية، لأن النجاح فيها ملتبس ويُقاس على فترات طويلة. ولـأسباب مشابهة⁠(يفتح في نافذة جديدة) يصعب تدريب مديرين بشر أكفاء. لا نعرف بعد مدى براعة النماذج في الإدارة. لدينا تقييمات كثيرة للعمل الذهني الذي يركّز على التنفيذ، لكن القليل منها يقيس التنسيق واسع النطاق على مستوى المديرين والتنفيذيين.

ومع ذلك، يجدر النظر في احتمال أن تكون قدرات نماذج اليوم أقرب بالفعل إلى قدرات المديرين البشر منها إلى قدرات العاملين في المستويات الدنيا. قد تُؤتمت بعض الوظائف الإدارية قبل العمل الذي تشرف عليه.

لعل الصورة الكاملة لسيناريو «إضافة طبقة» هي AI يتولّى التفكير، ثم يسدّ ثغرات قدراته بمتعاقدين بشر يعملون تحت إدارته. يبدو ذلك العالم غريبًا جدًا عن عالمنا. وسيتطلّب تغييرات كثيرة.

لكن هناك صورة أكثر تدرّجًا وطبيعية، وقد بدأت أولى مراحلها بالفعل: تقديم المشورة. اليوم، تستطيع مسؤولة تنفيذية أن تطلب من ChatGPT قراءة مئات قنوات Slack والوثائق والمراسلات وملفات الشيفرة من أنحاء شركتها، ثم الإجابة عن أسئلة. ما الذي يفعله هذا الفريق فعلًا؟ أين تظهر تلك الثغرة؟ يصبح كل جزء من المؤسسة أسهل فهمًا وتحليلًا⁠(يفتح في نافذة جديدة) بالنسبة إليها.

لطالما وزّع التنفيذيون وسطاء مأجورين في الهيكل التنظيمي، وسمّوا ذلك استشارات. تضع شركة الاستشارات الإدارية طبقة فوقك، لفترة قصيرة وبتكلفة باهظة. مستقبلًا، قد يصبح مستشارو AI زهيدي التكلفة إلى حدّ يكاد لا يُذكر، وحاضرين دائمًا.

بدأت النماذج للتو تحليل وثائق الشركات ومراسلاتها بدرجة موثوقة. ولا يزال ذوقها وحسّ المبادرة لديها بحاجة إلى النضج. في الوقت الحالي، يساعد ChatGPT المسؤولة التنفيذية الراغبة في ذلك على فهم مؤسستها بمزيد من التفصيل. ونتوقّع أن يتحوّل في النهاية إلى جهة استشارية متكاملة الخدمات. لن يكون «مديرًا» فعليًا للموظفين في المستويات الدنيا، بل مراسلًا داخليًا ومستشارًا للتنفيذيين. سيوظّف خبرته في الأعمال لفحص كل شيء، ويبادر إلى إبراز مواطن المشكلات والمساعدة في ترتيب أولويات معالجتها.

وسيتوقّف نفع ذلك أو ضرره على المسؤول التنفيذي. أما الأثر البنيوي فهو المركزية. نرى أن ذلك سيقصّر المسافة بين الإدارة العليا وواقع الشركة. وسيمنح القمة مزيدًا من السلطة، بعدما كانت صعوبات تدفّق المعلومات ترجّح اللامركزية في اتخاذ القرارات.

نرى هذا السيناريو عميق الأثر، ليس فقط لأنه يعيد توزيع السلطة، بل أيضًا لسهولة تبنّي AI بوصفه جهة استشارية. وكما في الاستشارات التقليدية، لا تتطلّب الاستشارات القائمة على AI حنكة تقنية من المسؤول التنفيذي. ليس هذا كالحاسوب الذي بدأ تبنّيه من القاعدة، على أيدي من يجيدون الطباعة واستخدام الطرفية. كل ما عليك هو التحدّث إلى مستشارك، وهو يتولّى الجوانب التقنية. يمكن أن تبدأ موجة التبنّي هذه من مكتب الإدارة العليا. وبدورها، قد تسرّع جهة الاستشارات تبنّي AI في بقية المؤسسة.

ثمة سبب بارز لعدم ثقة الشركات بالعمل عن بُعد والتعاقد الخارجي: القدرة على ضمان الالتزام. لم تتوفّر للشركات قط وسيلة زهيدة التكلفة لمتابعة أداء العمل بكل تفاصيله التي تستحق النظر. لذلك تقيس مظاهره الشكلية⁠(يفتح في نافذة جديدة): عدد النقرات، وحركات الفأرة، ونقاط الحالة الخضراء؛ إشارات بعيدة كل البعد عمّا إذا كان يُنجَز عمل جيد فعلًا.

يقدّم AI رقيبًا يفهم. يمكنه النظر إلى ما ينتجه الشخص والتعرّف إلى التقدّم الحقيقي نحو أهداف أكبر. وكما سنبحث في القسم التالي، ينبغي ألا تُطبَّق أي مراقبة جديدة باستخفاف⁠(يفتح في نافذة جديدة). لكنها، في الظروف المناسبة، قد تزيد الثقة وتشجّع الشركات على منح موظفيها حرية أكبر.

إذا فهم الرقيب المسارات المتباينة الكثيرة التي يمكن أن تقود إلى عمل جيد، أمكن للموظفين العمل بالطريقة التي يفضّلونها بدرجة أكبر. سيصبح التقدّم نحو نتائج جيدة أهمّ من الالتزام بطريقة واحدة مفروضة يسهل على الرؤساء تتبّعها. يتيح الرقيب الذكي المرونة ويعاقب التظاهر بالإنتاجية الذي نمقته جميعًا.

تشبه الفائدة هنا ما تعرضه شركات التأمين التي تخفّض أقساطك إذا ركّبت جهاز تتبّع في سيارتك. إذا كنت تحاول التحايل على النظام، فسيضرّك ذلك؛ أما إذا كنت تؤدّي عملك فحسب، فيمكن للرقيب إنصافك، فتزداد ثقة الإدارة بك.

وتفتح هذه الثقة آفاقًا جديدة. قد نرى استعدادًا جديدًا⁠(يفتح في نافذة جديدة) لدى شركات كانت متردّدة في قبول العمل الهجين، أو أصحاب التفكير غير التقليدي، أو المتعاقدين، أو توظيف أشخاص بارعين في بلدان بعيدة.

يواجه الموظفون في قاعدة الهيكل التنظيمي مشكلات كثيرة مع هذا الهيكل اليوم. من المحبط جدًا ألا نجد وسيلة لإيصال مشكلة نراها بأعيننا إلى المستويات الأعلى. ومن الظلم أن تعلق تحت إدارة مدير غير فعّال، أو تنجز عملًا ممتازًا لا يحظى بالتقدير.

نرى أن موجة السعي المحموم السابقة لتحسين كفاءة الأعمال بُنيت على بيانات محدودة، وإرشادات تقريبية، وخوارزميات غير ذكية. إذا كان كل ما تستطيع معالجته هو نسب دوران التروس، فسيبدو لك الجميع تروسًا. لطالما عانت الشركات مشكلة في قياس أداء قواها العاملة. قد يتعرّف الرقيب الذكي إلى إسهامات قيّمة وأساليب فريدة تغفلها مقاييس اليوم البدائية.

بالاستناد إلى السيناريوهات التوضيحية الثلاثة، نستكشف الآن بعض الأسئلة الحاسمة بشأن مستقبل الشركة.

إنجاز الأشياء مكلف عمومًا. تطبيق، أو فيلم، أو عرض تقديمي، أو ميزة، أو تحليل: إعادة إنجاز أيّ منها مكلفة وبطيئة ومرهقة. حين لا تكون لديك عمليًا إلا طلقة واحدة، تستثمر في إحكام التصويب. لذلك توجد دورات التخطيط، وطقوس إعداد خرائط الطريق، ولجان الموافقة، وكلّها لضمان أن الشركة حين تنطلق أخيرًا، تنطلق نحو أمر يستحق العناء. نشأت ضوابط كثيرة في تسلسلاتنا الهرمية لأن التنفيذ كان باهظًا.

في مجالات عديدة، يخفض AI تكلفة الإنجاز جذريًا، على الأقل حتى مرحلة النماذج الأولية، إن لم يكن حتى الإتمام النهائي. نعتقد أن نهج الشركة ينبغي أن يتغيّر تبعًا لذلك: وقت أقل للتصويب، ومحاولات أكثر. يمكن للشركة بناء نموذج أولي، والملاحظة، والتعلّم سريعًا، وتعديل مسارها، ثم إعادة البناء. يُفترض أن تدفع سهولة بناء النماذج الأولية⁠(يفتح في نافذة جديدة) الشركات تدريجيًا بعيدًا عن الأطر التي يقوم عليها الإنتاج كثيف التخطيط.

أبسط صور ذلك فريق يكرّر التجربة والتحسين بوتيرة أسرع. وفي قراءة أكثر جذرية، تصبح الحاجة إلى الفريق نفسه موضع تساؤل. إذا قلّت أهمية التخطيط التعاوني وزادت أهمية الأفكار المتنوّعة المستقلة بعضها عن بعض، فأيّهما أفضل: فريق واحد يطوّر سريعًا، أم أفراد كثيرون يقدّم كلّ منهم نماذجه الأولية العاملة؟ إذا كان النموذج الأولي الفعلي ينقل الرؤية أفضل من أي وثيقة لتحديد النطاق، فهل تتغيّر أعراف التواصل لدينا: مشاركة أكثر وأبكر، ومشاركة منتجات العمل بدلًا من المذكرات؟

قد يرجّح انخفاض تكلفة الإنجاز كفّة الأفراد داخل الشركة. ويعني ذلك طبقات أقل من الإدارة الوسطى، وحاجة أقل إلى طلب الإذن، لأن طلبه كان أرخص من التنفيذ ولم يعد كذلك.

ومع ذلك، كما سنناقش لاحقًا، يمكن للتقنية نفسها التي تمكّن الأفراد من بناء نماذج أولية بمخاطر أقل أن تفرض أيضًا مزيدًا من التعقيدات البيروقراطية.

من أهم أسباب فرض الشركات إدارةً من أعلى إلى أسفل الاعتقادُ بأن المسؤولين التنفيذيين يتّخذون قرارات أفضل في شؤون الأعمال⁠(يفتح في نافذة جديدة) من الموظفين المبتدئين. تدفع الشركات أجورًا أعلى لأصحاب الخبرة والكفاءة في القمة، وغالبًا ما يتدرّب المديرون على استراتيجية الأعمال، بينما يتخصّص الموظفون غير الإداريين في مجالاتهم. إذا قدّم AI مشورة ممتازة لجميع العاملين، تضيق الفجوة في جودة القرارات. وتقلّ دواعي تدخّل المديرين. ويعزّز ذلك استقلالية العاملين، وربما يقلّص طبقات الإدارة.

وبالمثل، تضمن «جهة الاستشارات القائمة على AI» ألا يحدث أمر بالغ الأثر من دون تنبيه مسؤول تنفيذي. إذا أوشك موظف على نشر تدوينة قد تترتّب عليها عواقب جسيمة للشركة، فستبادر جهة الاستشارات إلى لفت انتباه المسؤول التنفيذي. وهذا يولّد الثقة: لن تضطر الإدارة إلى القلق من وقوع أخطاء كبيرة من دون علمها، وبالتالي لن تحتاج إلى إحكام الرقابة⁠(يفتح في نافذة جديدة) على طريقة أداء العامل لوظيفته.

لكن جهة الاستشارات القائمة على AI سلاح ذو حدّين⁠(يفتح في نافذة جديدة). بوصفها رقيبًا ذكيًا، يمكنها تعزيز الثقة بالعاملين؛ ويمكنها أيضًا فرض أسلوب العمل المفضّل لدى الرئيس التنفيذي بصرامة أكبر في المؤسسة كلها. تقدّر الشركات الاتساق⁠(يفتح في نافذة جديدة): فلا يكفي أن يكون القرار جيدًا، بل ينبغي أن ينسجم مع ثقافة الشركة وعلامتها التجارية ووفورات الحجم لديها. قد تفضّل سلسلة مطاعم قائمة موحّدة عبر فروع الامتياز، لتتمكّن من شراء المكوّنات بالجملة ويعرف العملاء أنهم سيحصلون على منتج متّسق.

وفي السياق نفسه، لا تتوافق حوافز رؤساء الشركات دائمًا مع حوافز العاملين. يسعى العاملون إلى تعظيم نجاح مجالهم⁠(يفتح في نافذة جديدة)، بينما يهتم التنفيذيون بالشركة ككل. وتختلف تفضيلات أصحاب حصص الملكية عن تفضيلات العاملين بأجر، لأنهم يقطفون ثمار⁠(يفتح في نافذة جديدة) العمل الأكثر اجتهادًا. قد تفرض جهة الاستشارات التزامًا أشدّ بأنظمة محدّدة تمليها الإدارة العليا.

نرى أن المحصّلة ستكون زيادة قدرة العاملين على التصرّف. ويستند تفاؤلنا إلى استخدام الشركات AI لرصد الاستثناءات ذات العواقب المهمة، مع ترك مزيد من القرارات للعاملين.

نعتقد أن AI سيؤدّي دور إطار داعم؛ فحتى لو أراد التنفيذيون الحفاظ على اتساق العلامة التجارية، لن يكون ذلك سوى ضابط للعمل ضمن حدوده. يصبح العاملون أكثر وعيًا بقيود العمل القائمة، وأكثر اطمئنانًا إلى الإبداع في المساحات التي لا تحكمها تلك القيود. ومع الاطمئنان إلى ضبط المخاطر الأساسية، يستطيع التنفيذيون ترك الموظفين يجرّبون أساليب جديدة قد تكون مربحة. وبمساعدة أنظمة AI التي تعمل تحتنا، سيصبح العاملون أيضًا مسؤولين عن مخرجات أكبر شأنًا. نرى فرصًا أكبر للإبداع حين نقود أعمالًا أشد تعقيدًا.

ينطبق المنطق نفسه المتعلّق باستقلالية العاملين على حجم الشركة. تساءل رونالد كوز⁠(يفتح في نافذة جديدة) عن سبب تنظيم الإنتاج داخل الشركات بدلًا من شبكة من العقود. حتى الطائرة يمكن بناؤها بالكامل من خلال تعاقدات مباشرة بين الأطراف، لكن ذلك سيكون شديد الافتقار إلى الكفاءة. تحقّق الشركات وفورات الحجم، وتوحّد الحوافز، وتنظّم المشاريع الكبيرة، وتغني عن التفاوض المستمر.

بتيسير التواصل، قد يجعل AI تكبير الشركات أو تصغيرها أمرًا مبرّرًا. الشركة التقليدية بنية لنقل المعلومات إلى الأعلى والتعليمات إلى الأسفل، لكنها مليئة بالعوائق والتحريف الناتج عن تناقل الرسائل. تصبح الشركة الأكبر، ذات الموظفين البشر الأكثر، أقل صعوبة في الإدارة إذا أدّى AI دور طبقة للتنسيق. بفضل «الاستشارات القائمة على AI»، تستطيع المسؤولة التنفيذية معرفة شركتها كما يعرف المؤسّس شركة ناشئة تضم عشرين شخصًا. يمكنها متابعة تنفيذ مبادرة بدلًا من انتظار سرد أحداثها كل ثلاثة أشهر، وتلقّي تنبيه عند حدوث أي شيء. ويمكن أن تسري رؤيتها في نطاق أوسع. يصبح الجميع أكثر اطلاعًا على عمل الآخرين، وعلى أولويات المؤسسة ككل.

وقد يحدث العكس. إذا أصبح التواصل سلسًا ومراقبة الالتزام أسهل، فلن تحتاج الشركة إلى ضمّ أجزاء كبيرة من سلسلة توريدها إليها. يمكنها أن تثق أكثر بالمورّدين والمتعاقدين الخارجيين.

فتوحيد الحوافز من الدوافع الرئيسية للتكامل الرأسي. هناك مفهوم العقود غير المكتملة⁠(يفتح في نافذة جديدة): قد تتعاقد شركة طيران وفضاء مع شركة محرّكات نفاثة، لكن في كل ما لا ينصّ عليه العقد صراحةً، يكون لدى شركة المحرّكات حافز لخفض التكاليف على حساب الجودة وحماية أرباحها. ولتجنّب ذلك، تشتري شركة الطيران والفضاء شركة المحرّكات النفاثة. وكما هي الحال مع العاملين ورؤسائهم: إذا أمكن مراقبة العقود بسهولة أكبر والتحكيم فيها بذكاء، بدلًا من الاكتفاء بالتحقّق الشكلي من البنود، فقد ترتاح الشركات أكثر للاعتماد على شركات أخرى. وستقلّ دوافع تنفيذ كل شيء داخليًا.

نتوقّع ظهور شركات صغيرة كثيرة، إلى جانب «شركات قابضة» ضخمة قائمة على AI، تُنفَّذ فيها أعداد هائلة من المشاريع المختلفة داخل مؤسسة واحدة. يكون التكتّل مجديًا اقتصاديًا حين يوجد أصل مشترك تستفيد منه المشاريع المختلفة جميعًا. قد يكون هذا الأصل قدرة حوسبية، وإن كان توفير الحوسبة بكميات صغيرة حسب الحاجة سهلًا. أما مصنع أو أسطول روبوتات مشترك فيشكّل دافعًا أقوى.

وقد يبرّر توافق الحوافز أيضًا وجود «شركة قابضة» كبيرة. إذا كُرّست مؤسسة كبيرة تجمع أنظمة AI ورأس المال بالكامل لمهمة مشتركة، كعلاج السرطان مثلًا، تقلّ الحاجة إلى مبادرات صغيرة منفصلة. قد تتمكّن شركة قائمة على AI من تجنّب صراعات السلطة، وتشارك جميع المعلومات، وإيجاد تنوّع إبداعي بين وكلائها عند الحاجة، لاستكشاف مسارات مختلفة.

يُفترض أن يكافئ النظام الحالي العاملين المتميّزين. فيرتقون في المناصب ويتقاضون أجورًا أفضل. لكن في عالم تقدّم فيه النماذج مشورة ممتازة، كيف سيميز العاملون أنفسهم؟

إذا قدّم AI الفكرة الرائعة نفسها للجميع، تقلّ فرصنا في التميّز. ويُفترض أن تتقارب مستويات الأجور.

وما يعاكس هذا التقارب هو حُسن التقدير، والذوق، واتساع نطاق المسؤولية. إذا قاد كلّ منا شركات AI تعمل تحته، تصبح قيمتنا البشرية المتبقية في قراراتنا. وإذا أصبح كل شخص مسؤولًا عن جهد أكبر تحت إدارته، فإن الفرق بين حُسن التقدير وسوئه يصبح أشد أثرًا⁠(يفتح في نافذة جديدة).

لطالما طبّقنا هذا المنطق على قمة الهيكل التنظيمي. فنحن نبرّر أجور الرؤساء التنفيذيين⁠(يفتح في نافذة جديدة) بفكرة أن تحسّنًا طفيفًا في القرارات العليا قد يترك أثرًا هائلًا في الأرباح. قد يزداد تفاوت الأجور إذا كان بعض العاملين أقدر على إدارة شركات AI التابعة لهم لتوظيف الموارد النادرة.

كلما كبرت الرهانات، انعكس تفوّقك الطفيف على غيرك بصورة أوضح في راتبك. ومن جهة أخرى، سيقدّم AI مشورة جيدة للجميع. وقلّة التمايز تقلّص الفروق في الأجور.

هنا وفي مواضع أخرى، قد يتوقّف العامل الغالب على ما إذا كنا أساسًا نصدر الأحكام أم نتّبعها.