Budoucnost firmy

Poznámka autorů: Toto je druhá esej z naší série o budoucí ekonomice. Vychází v rámci nové platformy pro nezávislé hlasy zkoumající budoucnost s AGI. Vyjadřuje naše názory, nikoli názory OpenAI nebo našich kolegů.

Oběma nám bylo čtyřiadvacet, když jsme tady v OpenAI začali vést vlastní týmy. Jakmile naše týmy poznáte, už to tak působivě nezní.

Měli bychom přece být řadoví pěšáci. Ve čtyřiadvaceti stojíte na nejnižší příčce firemního žebříčku. Děláte zápisy z porad a píšete pár interních zpráv. Po letech úmorné práce vám s trochou štěstí svěří širší odpovědnost.

Naše cesta – a cesta mnoha dnešních mladých lidí – vypadá jinak. Už při nástupu do pracovního života máme k dispozici „zaměstnance“. Tito pomocníci pracují ve dne v noci, o víkendech i svátcích. Rutinní dřina jim jde skvěle. V týmu máme dokonce zlaté medailisty z matematické olympiády, kteří nám radí. Naši noví podřízení stále dělají dost chyb. Ale zlepšují se, učí se chápat naše potřeby a my se učíme je řídit.

Ani jeden z nás nevystoupal po firemním žebříčku. Místo toho řízení sestoupilo na naši příčku. Tato esej pojednává o našem povýšení i o dalších způsobech, jak by se firmy mohly reorganizovat s příchodem věku inteligence.

Když AI vstoupí do firmy, kam zamíří? Předkládáme tři ilustrativní scénáře:

Žádný z nich se neodehraje přesně tak, jak ho popisujeme, ale myslíme si, že se naplní prvky všech tří. Všechny tři se už nenápadně uskutečňují.

Nezaměřujeme se tu na úplnou automatizaci, ale na ekonomiku v přechodném období. Zajímá nás, jak budou vypadat firmy propojující lidi a AI, která se bude zlepšovat a prorůstat stávajícími organizacemi.

Koncept hybridní firmy považujeme za důležitý, protože zavést AI tak, aby přinášela užitek, nelze ze dne na den. Dokud modely zvládají jen část úkolů, nejsnáze je mohou začít využívat řadoví zaměstnanci, kteří danou práci znají. Jakmile modely zvládnou celé rozsáhlé agendy od začátku do konce, mohou je přímo využívat i vyšší vedoucí pracovníci. Podle nás se schopnější AI snáze zavádí: firmy se musí učit pracovat s technologiemi, ale pracovní síla poznává firmu a dokáže se sama zapracovat.

Rozebereme tři nové typy organizační struktury a poté prozkoumáme, co znamenají pro budoucnost byrokracie, agence pracovníků, velikosti firem a rozdílů v odměňování.

Náš první scénář působí nejméně převratně. Lidé v něm zůstávají na stejných místech, se stejnými nadřízenými, a zdánlivě dělají stejnou práci jako dřív. Organizační schéma lidských pracovníků vypadá v této budoucnosti stejně jako dnes.

Rozdíl je pod námi. Pod každým řadovým pracovníkem vzniká nová pracovní síla tvořená AI, která mu podléhá. Naše organizační schéma dostává suterén a z nás všech se stávají manažeři.

Zpočátku je tento suterén nedokončený. Každý začínáme s jedním či dvěma agenty, kteří nepřipomínají zkušené zaměstnance, ale spíš nadšené stážisty, na něž musíme dohlížet a být k nim shovívaví. Naše očekávání jsou nízká: tu poslat e-mail, tam připravit zprávu a všude odpovídat na zprávy ve Slacku. Stejně jako začínající lidští zaměstnanci mají zpočátku málo samostatnosti i důvěry.

S tím, jak se modely zlepšují, však naši agenti přebírají více úkolů a potřebují méně dohledu. Koordinují se mezi sebou. Mohou mezi nimi být AI manažeři i řadoví pracovníci, účetní i právníci, kteří všichni spolupracují podle vašich pokynů. Místo neustálého vedení stážisty za ruku nakonec řídíte útvar připomínající samostatnou malou firmu, s vlastním organizačním schématem a vámi v roli představenstva.

Všimněte si, že tento scénář neznamená propouštění. Zavádíme v něm AI, aniž bychom automatizací nahradili sami sebe. Místo toho automatizujeme svá dřívější já a v hierarchii postupujeme výš. AI přebírá stále více z toho, co jsme dělali dřív. Naše pracovní místa zůstávají, protože je toho více k řízení, a my přebíráme odpovědnost za větší objem výsledků.

Pracovní role nejsou neměnné⁠(otevře se v novém okně). Představte si, že AI zvládne devadesát procent toho, co jste dělali dřív. Mohli byste usoudit, že vám zbývá jen deset procent práce. Druhá možnost je, že máte stále práci na plný úvazek, jen jinou — nyní zaměřenou na desetkrát větší cíl. To je tradiční dar technologií: produktivita roste, ambice rostou s ní a spolu s ambicemi mohou růst i mzdy⁠(otevře se v novém okně).

Vše závisí na tom, zda produkci stále přidáváme hodnotu⁠(otevře se v novém okně). Tato esej se zaměřuje na nadcházející roky, kdy automatizace ještě nebude umět všechno ani nebude zavedená všude. I kdyby AI zvládla vše, mohli bychom si něčeho dál cenit více proto, že to vytvořil člověk, nebo trvat na tom, aby měl člověk poslední slovo.

Záleží také na naší chuti spotřebovávat. Pokud jako spotřebitelé nebudeme stát o desetinásobnou produkci, rovnováha se posune k menšímu počtu pracovníků nebo odpracovaných hodin. Historicky nás rostoucí produkce nenasytila. Máme mnohem více⁠(otevře se v novém okně), ale pracujeme jen o trochu méně⁠(otevře se v novém okně). Pokud naše chuť spotřebovávat poroste spolu s násobící se produkcí — a my k ní budeme dál přispívat —, budeme svou práci i nadále směňovat za větší spotřebu. Pokud naopak produkce dosáhne takové hojnosti, že nás nasytí, můžeme se dobrovolně rozhodnout pro menší pracovní sílu.

Další námitky probereme později, například zda bude existovat více menších firem. Přesto tento scénář považujeme za důležitý, protože zavádění musí někde začít. Firmy potřebují způsob, jak se ze současných organizačních struktur vyvíjet bez otřesů. Podpořit práci stávajících zaměstnanců může být snazší první krok než celková restrukturalizace. Vidíme to už dnes: jeden pracovník za druhým deleguje práci na AI, zatím bez organizační revoluce.

Tento scénář stojí na tom, že jako první začnou nabírat posily řadoví pracovníci. Zavádění AI vedou oni, nikoli manažeři a vrcholové vedení. To se zdá pravděpodobné, dokud AI dokáže nejlépe zadat práci ten, kdo ji dříve dělal sám.

Modely už dokážou automatizovat mnoho úkolů datové vědy, ale vedoucí oddělení, který nezná metody a podrobnosti, bude tyto nástroje využívat jen obtížně. Dokud AI nebude natolik iniciativní, aby vám řekla i to, co nevíte (viz náš další scénář), bude nejspíš nejlépe sloužit lidem, kteří už vědí, jak se daná práce dělá.

Největší změna v tomto scénáři čeká začínající pracovníky. Nejnižší příčka by už neexistovala, alespoň ne pro lidi. Mladé lidi už nebudeme najímat proto, abychom je posadili na dno firmy k úmorné práci. Tato místa obsadí něco, čemu to nevadí.

Tím ztratíme některé tradiční způsoby vzdělávání mladých pracovníků: pozice učně⁠(otevře se v novém okně), učení rutinní prací a postupné získávání ostruh. Jsou to skutečné ztráty, ale převážně v tom vidíme výsadu. I ten nejméně zkušený nováček s dobrým nápadem má prostředky k experimentování. Odvěká firemní výmluva „prostě na to nemáme lidi“ přestává platit. Začínající zaměstnankyně, která má v hlavě skvělou videohru, ale nemá možnost postavit si tým, ji teď může jednoduše vytvořit.

Podle nás se i ve scénáři „povýšení“ mají začínající pracovníci stále co učit: úsudku, vkusu, manažerským dovednostem i tvůrčí vizi. Budeme mít motivaci tyto dovednosti rozvíjet, protože se projeví ve výsledcích naší práce. Stále se budeme učit praxí⁠(otevře se v novém okně), jen s širším záběrem. Zkušení lidé ve firmě budou dál motivováni nám jako odpovědní správci pomáhat — i díky finanční účasti na našem úspěchu. Příležitostí je podnětnější role pro každého na každé příčce. Každý pracovník může ukázat svůj talent díky širší odpovědnosti, což je nejdůležitější pro nováčky, kteří dříve neměli žádnou.

Druhá cesta AI do firmy vede napříč stávající organizační strukturou. Agenti tu nejsou na úplném dně, ale jsou kolegy. Běžná manažerka předá část práce týmu modelu stejně, jako by ji delegovala na kteréhokoli zaměstnance. AI se zařadí vedle lidí, nejen pod ně.

Klíčový rozdíl oproti prvnímu scénáři: zde produktivní AI zavádějí stávající lidští manažeři, nejen současní řadoví pracovníci. K tomu musí být natolik schopná, aby se stala plnohodnotným členem týmu.

Lidé jsou všestranní. Kladivo pomůže s jedním úkolem; člověk toho zvládne mnohem víc. Cesta AI od nástroje k pracovní síle znamená rozšiřování záběru: automatizaci úkolu, pak pracovního místa, poté týmu a nakonec firmy. Každé rozšíření záběru vyžaduje širší schopnosti.

Pracovní místo je kufr plný nejrůznějších úkolů. U celého týmu je tento kufr napěchovaný všemožnou různorodou prací. Více úkolů v náplni práce znamená více potenciálních úzkých míst. Pokud byť jediný nezbytný úkol týmu zahrnuje fyzickou práci, je potřeba zcela nová sada periferií. Aby AI mohla bez dalšího nahradit celý tým, musí zvládat všechny jeho rozmanité povinnosti.

Vyvinout AI, která zvládne širší záběr práce, je těžší. Pro firmy je však — a v tom spočívá ústřední asymetrie celé proměny — snazší zavést AI s širším záběrem.

Plně automatizovaný tým nebo celou rozsáhlou agendu může vedení začít využívat přímo. Nástroj s užšími schopnostmi se shora tak snadno zavést nedá. Jednodušší nástroj vyžaduje širokou podporu zaměstnanců a jejich přeškolení.

Nové technologie tradičně zlevňují provádění omezeného souboru úkolů. Další úsilí už je na kupujícím. Firma musí přijít na to, jak nový nástroj využít, a musí mu přizpůsobit školení lidí, organizaci i své procesy⁠(otevře se v novém okně). Tabulkový procesor se do účetního oddělení nenainstaloval sám — účetní oddělení se přizpůsobilo softwaru.

U pracovní síly je to naopak. Stážista, zaměstnanec i dobrý tým sami přijdou na to, jak být užiteční vám. Vyptávají se vás, vstřebávají souvislosti a všímají si vašich potřeb. Řeknou vám i to, o čem jste netušili, že to nevíte. Ti nejlepší se zapracují sami.

Čím více se AI v tomto smyslu podobá pracovní síle — iniciativou a přizpůsobivostí —, tím méně se firma musí učit, jak ji využít, a tím více AI sama přichází na to, jak firmě pomoci. Člen vedení nejspíš nebude ochotný absolvovat kurz používání designového softwaru, aby se naučil nový nástroj. Rád si ale vyslechne nabídku typu: stačí říct a zajistím vám celý marketing.

Za svatý grál AGI až příliš často označujeme automatizaci jednoho pracovního místa. Pravda, ani tak daleko jsme ještě nedošli. Pracovní role jsou tak mimořádně složité proto, že my sami jsme mimořádně schopní. Přesto od osamělých pracovníků pochází jen nepatrná část⁠(otevře se v novém okně) produkce naší ekonomiky. Pracovníci přispívají týmům, týmy firmám a firmy produkují téměř vše, co spotřebováváme.

Měřit AGI standardem „pracovního místa“ nedoceňuje, co my lidé dokážeme. Práce není jen o úkolech, ani jen o zvládání jejich nerutinních částí: je také o pozoruhodné koordinaci, o naší pružnosti při plnění malých dílů většího celku. Redukovat nás na pouhé soubory úkolů znamená hluboce podceňovat naši hodnotu. Lidský potenciál spočívá spíše v našich organizacích⁠(otevře se v novém okně) než v jednotlivci. AGI pro ekonomiku musí dosáhnout úrovně lidí, ne člověka.

Scénář „prolínání“ tak může být dost neefektivní, pokud AI stále připomíná nástroj nebo jednotlivého pracovníka, a ne tým či firmu. Model umístěný vedle každého pracovníka znamená tisíce švů a předávání práce⁠(otevře se v novém okně). Takové roztříštěné uspořádání může zavádění zpomalit.

Pozorujeme závod mezi dřívějším nasazením méně schopných systémů a pozdějšími, schopnějšími modely. O vítězi rozhodne, zda se budoucí modely budou zavádět natolik rychleji, že to vyváží delší čekání na jejich schopnosti.

Tento scénář „prolínání“ může existovat souběžně s prvním scénářem „povýšení“. Firmy mohou s automatizací některých agend snižovat počet lidí, zatímco zbývající zaměstnanci dostanou mnohem širší pravomoci a k ruce týmy agentů. Důležité je, že tento scénář sám o sobě neznamená nižší celkovou zaměstnanost lidí. Mohlo by existovat více firem, každá s menším počtem zaměstnanců.

Náš třetí scénář nejvíce nabourává zažité představy. AI v něm vstupuje do firmy nad lidi. Už nejde o lidi nad stroji, ale o uspořádání člověk, AI, člověk: automatizační sendvič. Někteří lidé „pracují pod“ AI.

Zní to přitažené za vlasy, zvlášť jako výchozí bod pro zavádění AI ve firmách. Myslíme si ale, že v méně radikální podobě už to začalo.

I když o AI uvažujeme jako o prostředku mechanizace duševní práce, soustředíme se zpravidla na nižší příčky. Obvykle říkáme, že AI automatizuje tabulky a prezentace, nikoli řízení. Instinktivně čekáme, že automatizace bude stoupat hierarchií: nejprve rutinní duševní práce, nakonec úsudek, s manažerem jako poslední baštou.

Práce manažera se ale z velké části odehrává na počítači a v hlavě: čtení, porady, zvažování, udržování kontextu a rozhodování. Jeho osobní přítomnost – procházení kanceláří, kontakt s týmem – má svou hodnotu. S atomy a nástroji je však více spjatá práce na nižších úrovních (i když je převážně duševní) než management. Ke kopírce se posílá stážista, ne jeho šéf.

Naučit model manažerskému rozhodování je těžké, protože úspěch není jednoznačný a měří se v dlouhém časovém horizontu. Z podobných důvodů⁠(otevře se v novém okně) je těžké vychovat i dobré lidské manažery. Zatím nevíme, jak dobře modely zvládají řízení. Máme spoustu hodnocení duševní práce zaměřené na plnění úkolů, ale jen málo jich zachycuje koordinaci ve velkém, v rozsahu práce manažerů a vrcholového vedení.

Přesto stojí za úvahu, že dnešní modely mohou být svými schopnostmi ve skutečnosti blíže lidským manažerům než řadovým pracovníkům. Některé manažerské činnosti se mohou automatizovat dříve než práce, na kterou dohlížejí.

Plnou podobou tohoto scénáře „vrstvení“ je možná AI, která obstará přemýšlení a mezery ve svých schopnostech doplní lidskými externisty, kteří jí podléhají. Takový svět nám připadá dost cizí. Mnohé by se muselo změnit.

Existuje ale přirozenější podoba, jejíž úvodní dějství už probíhá: poradenství. Už dnes může členka vedení požádat ChatGPT, aby přečetl stovky kanálů ve Slacku, dokumentů, zpráv a souborů s kódem z celé firmy a pak odpovídal na otázky. Co tenhle tým vlastně dělá? Kde se ta zranitelnost projevuje? Každá část organizace je pro ni stále čitelnější⁠(otevře se v novém okně).

Vedení firem už dlouho prokládá organizační strukturu najatými prostředníky — říká tomu poradenství. Poradenská firma nad vás na krátkou dobu a za velké peníze přidá další vrstvu. AI poradci by naproti tomu mohli být téměř zadarmo a všudypřítomní.

Modely teprve začínají spolehlivě rozumět firemním dokumentům a komunikaci. Jejich vkus a iniciativa musí ještě dozrát. Zatím ChatGPT pomáhá motivované člence vedení porozumět organizaci podrobněji. Časem v něm vidíme plnohodnotnou poradenskou službu. Nebude skutečným „manažerem“ zaměstnanců na nižších úrovních, ale spíše interním zpravodajem a poradcem vedení. S využitím znalostí podnikání bude vše procházet, sám upozorňovat na problémy a pomáhat určovat priority.

Zda to bude ku prospěchu, nebo ke škodě, bude záležet na vedení. Strukturálním důsledkem je centralizace. Podle nás se tím zkrátí vzdálenost mezi vrcholovým vedením a samotným chodem firmy. Více moci se soustředí na vrcholu, zatímco dříve překážky v toku informací nahrávaly decentralizovanějšímu rozhodování.

Tento scénář považujeme za zásadní nejen kvůli přesunu pravomocí, ale i proto, jak snadno lze AI v roli poradenské služby nasadit. Stejně jako tradiční poradenství ani AI poradenská služba nevyžaduje od vedení technické znalosti. Není to jako počítač, který se zaváděl zdola díky lidem, kteří uměli psát na klávesnici a pracovat s terminálem. Prostě mluvíte se svým poradcem a on se postará o technickou stránku. Tato vlna zavádění může začít v ředitelské kanceláři. Poradenská služba by pak mohla urychlit zavádění AI ve zbytku organizace.

Za nedůvěrou firem k práci na dálku a externí spolupráci stojí jeden zásadní důvod: vymahatelnost závazků. Firmy nikdy neměly levný způsob, jak sledovat práci v celé šíři, kterou si zaslouží. A tak měří její projevy⁠(otevře se v novém okně): počty kliknutí, pohyby myší, zelené tečky stavu dostupnosti — signály velice vzdálené tomu, zda skutečně probíhá kvalitní práce.

AI nabízí dohled, který rozumí. Dokáže se podívat na to, co člověk vytvoří, a rozpoznat skutečný pokrok směrem k širším cílům. Jak rozebereme v další části, žádný nový dohled se nesmí zavádět lehkovážně⁠(otevře se v novém okně). Za správných okolností však může posílit důvěru a povzbudit firmy, aby zaměstnancům poskytly více svobody.

Pokud dohled chápe rozmanité cesty ke kvalitnímu výsledku, zaměstnanci mohou více pracovat po svém. Více bude záležet na pokroku směrem k dobrým výsledkům než na jediném předepsaném postupu, který se šéfům snadno sleduje. Inteligentní dohled umožňuje pružnost a postihuje předstírání produktivity, které všichni nesnášíme.

Nabízená výhoda se podobá nabídce pojišťoven, které vám sníží pojistné, pokud si do auta nainstalujete sledovací zařízení. Pokud jste se snažili systém obelstít, uškodí vám to. Pokud jste prostě dělali svou práci, dohled vám může dát za pravdu a vedení vám bude více důvěřovat.

Taková důvěra otevírá nové možnosti. U firem, které se dříve zdráhaly přijmout hybridní práci, nekonvenční myslitele, externisty či skvělé lidi ze vzdálených zemí, bychom mohli pozorovat novou ochotu⁠(otevře se v novém okně).

Dnešní organizační struktury působí řadovým zaměstnancům řadu problémů. Je nesmírně demotivující nemít možnost upozornit vyšší místa na problém, který vidíme na vlastní oči. Je nespravedlivé uvíznout pod neschopným manažerem nebo odvádět skvělou práci, které se nedostane uznání.

Předchozí vlna hyperoptimalizace firem podle nás stála na omezených datech, hrubých pravidlech a hloupých algoritmech. Pokud umíte zpracovat jen převodové poměry, každý vám připadá jako ozubené kolečko. Firmy mají už dlouho problém měřit přínos svých lidí. Inteligentní dohled by mohl rozpoznat cenné příspěvky a jedinečné přístupy, které dnešním hrubým metrikám unikají.

Na základě všech tří zjednodušených scénářů nyní prozkoumáme některé rozhodující otázky pro budoucnost firmy.

Něco vytvořit bývá dost drahé. Aplikace, film, prezentace, funkce, analýza: to všechno je nákladné, časově náročné a nepříjemné předělávat. Když máte v podstatě jen jeden pokus, investujete do míření. Plánovací cykly, rituály kolem harmonogramů a schvalovací komise mají zajistit, aby se firma, až konečně dá zelenou, pustila do něčeho smysluplného. Mnoho kontrol v našich hierarchiích existuje proto, že samotná realizace byla drahá.

AI v mnoha oborech dramaticky snižuje náklady na tvorbu — alespoň po fázi prototypu, když už ne až po finální dokončení. Myslíme si, že by se s tím měl změnit i přístup firmy: méně mířit, více střílet. Firma může vytvořit prototyp, sledovat výsledky, rychle se poučit, změnit směr a zkusit to znovu. Snadná tvorba prototypů⁠(otevře se v novém okně) by měla firmy postupně odvádět od struktur, na nichž stojí produkce náročná na plánování.

V nejjednodušší podobě to znamená tým, který rychleji iteruje. Radikálnější výklad zpochybňuje samotnou potřebu týmu. Pokud společné plánování ztrácí na významu a nezávislé, různorodé nápady nabývají na důležitosti, je lepší mít jeden tým, který rychle iteruje, nebo mnoho jednotlivců, z nichž každý předkládá vlastní funkční prototypy? Pokud skutečný prototyp předá vizi lépe než jakýkoli dokument vymezující projekt, změní se naše komunikační zvyklosti? Budeme sdílet více, dříve a místo rozborů ukazovat konkrétní výstupy?

Levná tvorba může ve firmě posílit jednotlivce. To by znamenalo méně úrovní středního managementu a méně žádostí o svolení – protože dříve bylo levnější se zeptat než něco udělat, ale teď už ne.

Jak si ale ukážeme dále, tatáž technologie, která jednotlivcům umožňuje tvořit prototypy s menším rizikem, může zároveň prosazovat ještě více byrokracie.

Jedním z hlavních důvodů řízení shora je přesvědčení, že vedení dělá lepší rozhodnutí důležitá pro podnikání⁠(otevře se v novém okně) než začínající pracovníci. Firmy platí více za zkušené a schopné lidi na vrcholu a manažeři bývají vyškoleni v podnikové strategii, zatímco řadoví pracovníci se specializují na svůj obor. Pokud AI nabídne vynikající rady všem pracovníkům, rozdíl v kvalitě rozhodování se zmenší. Manažeři by měli méně důvodů do jejich práce zasahovat. To by zvýšilo agenci pracovníků a mohlo omezit počet úrovní řízení.

Podobně „AI poradenská služba“ zajistí, že se nic příliš závažného nestane bez vědomí vedení. Pokud se pracovník chystá zveřejnit blogový příspěvek se závažnými dopady na firmu, služba na něj vedení sama upozorní. To posiluje důvěru: vedení se nemusí obávat, že bez jeho vědomí dojde k velkým průšvihům, a nemusí proto pracovníky při výkonu práce držet tak zkrátka⁠(otevře se v novém okně).

AI poradenská služba je však dvojsečná zbraň⁠(otevře se v novém okně). Jako inteligentní dohled může posílit důvěru v pracovníky, ale také důsledněji prosazovat v celé organizaci postupy, které preferuje generální ředitel. Firmy si cení souladu⁠(otevře se v novém okně): nejde jen o dobré rozhodnutí, ale o rozhodnutí slučitelné s firemní kulturou, značkou a úsporami z rozsahu. Řetězec restaurací může upřednostňovat jednotný jídelní lístek ve všech franšízách, aby mohl objednávat suroviny ve velkém a zákazníci věděli, co očekávat.

S tím souvisí i to, že motivace šéfů se ne vždy shodují s motivacemi pracovníků. Pracovníci usilují o úspěch své oblasti⁠(otevře se v novém okně), zatímco vedení hledí na firmu jako celek. Spoluvlastníci či akcionáři mají jiné preference než zaměstnanci pobírající mzdu, protože z usilovnější práce sklízejí zisky⁠(otevře se v novém okně). Poradenská služba by mohla vynucovat přísnější dodržování konkrétních postupů předepsaných shora.

Podle nás však pracovníci celkově získají více agence. Náš optimismus stojí na předpokladu, že firmy budou AI využívat k upozorňování na závažné výjimky, zatímco více rozhodnutí ponechají pracovníkům.

Věříme, že AI bude sloužit jako opora: i když vedení bude chtít zachovat jednotnou značku, půjde jen o mantinel, v jehož rámci lze pracovat. Pracovníci budou lépe znát obchodní omezení a získají větší jistotu pro tvůrčí práci v prostoru, který tato omezení ponechávají. S ošetřenými riziky může vedení zaměstnancům dovolit zkoušet nové, potenciálně výnosné přístupy. S pomocí podřízených AI pomocníků budou pracovníci odpovídat i za významnější výsledky. V řízení složitější práce vidíme více příležitostí pro kreativitu.

Stejná logika jako u samostatnosti pracovníků platí i pro velikost firem. Ronald Coase⁠(otevře se v novém okně) se ptal, proč organizujeme výrobu uvnitř firem, a ne prostřednictvím sítě smluv. I letadlo by se dalo postavit čistě na základě smluv mezi jednotlivými stranami, ale bylo by to velmi neefektivní. Firmy dosahují úspor z rozsahu, slaďují motivace, organizují velké projekty a zbavují nás nutnosti neustále vyjednávat.

Usnadněním komunikace by AI mohla vytvořit důvody jak pro větší, tak pro menší firmy. Klasická firma je infrastruktura pro předávání informací nahoru a pokynů dolů, plná třecích ploch a tiché pošty. Větší firma (s více lidskými zaměstnanci) je méně těžkopádná, pokud AI funguje jako koordinační vrstva. Díky „AI poradenské službě“ může ředitelka znát svou firmu tak, jako zakladatel zná startup o dvaceti lidech. Může sledovat realizaci iniciativy, místo aby čekala na čtvrtletní zprávu, a dostat upozornění, kdykoli se něco stane. Její vize může prostupovat firmou ve větší míře. Každý má lepší přehled o tom, co dělají ostatní, i o celkových prioritách organizace.

Mohlo by to ale fungovat i opačně. Pokud komunikace probíhá hladce a dodržování závazků se lépe kontroluje, firma nemusí zajišťovat tak velkou část dodavatelského řetězce vlastními silami. Může více důvěřovat externím dodavatelům a spolupracovníkům.

Jedním z hlavních důvodů vertikální integrace je sladění motivací. Existuje koncept neúplných smluv⁠(otevře se v novém okně): letecká společnost by mohla uzavřít smlouvu s výrobcem proudových motorů, ale u všeho, co ve smlouva není výslovně vymíněno, má výrobce motorů motivaci šetřit na kvalitě a hledět na vlastní zisk. Aby tomu letecká společnost předešla, výrobce motorů koupí. Je to stejné jako u pracovníků a šéfů: pokud lze plnění smluv lépe sledovat a spory posuzovat inteligentně, místo pouhého odškrtávání kolonek, firmy se mohou ochotněji spoléhat na jiné firmy. Měly by méně důvodů dělat všechno vlastními silami.

Očekáváme vznik mnoha menších firem, ale i rozlehlých AI „holdingů“, v nichž bude pod jednou střechou probíhat obrovské množství různých projektů. Konglomerát dává ekonomický smysl tam, kde všechny různé projekty využívají nějaký společný zdroj. Tímto společným zdrojem by mohl být výpočetní výkon, ten však lze snadno zajišťovat i v malých objemech podle potřeby. Lepším důvodem je společná továrna nebo flotila robotů.

Velký „holding“ může dávat smysl i díky sladěným motivacím. Pokud se velká organizace tvořená AI a kapitálem plně věnuje společnému poslání — třeba vyléčení rakoviny —, je menší potřeba samostatných menších iniciativ. AI firma by se mohla vyhnout mocenským bojům, sdílet všechny informace a podle potřeby mezi svými agenty vytvářet tvůrčí rozmanitost, aby zkoumali různé cesty.

Dnešní systém údajně odměňuje vynikající pracovníky. Postupují v hierarchii a dostávají lépe zaplaceno. Jak ale pracovníci vyniknou ve světě, kde jim modely skvěle radí?

Pokud AI nabídne všem stejný skvělý nápad, máme méně příležitostí se odlišit. Mzdové rozpětí by se mělo zúžit.

Této nivelizaci brání úsudek, vkus a rozsah odpovědnosti. Pokud každý z nás vede pod sebou AI firmu, zbývající lidská hodnota spočívá v našem rozhodování. Pokud má každý na starosti rozsáhlejší činnost, rozdíl mezi dobrým a špatným úsudkem se projeví výrazněji⁠(otevře se v novém okně).

Na vrchol organizační struktury tuto logiku uplatňujeme už dlouho. Odměny generálních ředitelů⁠(otevře se v novém okně) obhajujeme tím, že i nepatrně lepší rozhodnutí na vrcholu mohou mít obrovský dopad na zisk. Nerovnost v odměňování by mohla růst, pokud někteří pracovníci povedou své AI firmy lépe a účelněji využijí omezené zdroje.

Čím víc je v sázce, tím víc se i malá výhoda oproti někomu jinému projeví na vaší výplatě. Na druhou stranu bude AI dobře radit všem. Menší rozdíly mezi pracovníky zmenšují i rozdíly v odměňování.

Zde i jinde bude převaha jedné z těchto sil možná záviset na tom, zda budeme převážně uplatňovat vlastní úsudek, nebo se řídit cizím.