El futuro de la empresa

Nota de los autores: este es el segundo ensayo de nuestra serie sobre la próxima economía, parte de una nueva plataforma que da espacio a voces independientes que exploran un futuro con IAG. Refleja nuestras opiniones, no las de OpenAI ni las de nuestros colegas.

Los dos teníamos veinticuatro años cuando empezamos a dirigir nuestros propios equipos aquí en OpenAI. Eso resulta menos impresionante una vez que conoces a nuestros equipos.

Se supone que nos debería tocar el trabajo pesado. A los veinticuatro años, estás en el último peldaño de la jerarquía corporativa. Tomas notas en las reuniones y redactas algunos memorandos. Después de años de trabajo tedioso, te asignan (con suerte) mayores responsabilidades.

Nuestro camino, y el de muchos jóvenes de hoy, está tomando otro rumbo. Ingresamos al mundo laboral con “empleados” ya a nuestras órdenes. Estos asistentes trabajan día y noche, fines de semana y días festivos. Son excelentes para el trabajo pesado. Incluso tenemos en el equipo a medallistas de oro de olimpiadas de matemáticas que nos asesoran. Nuestros nuevos subordinados todavía cometen bastantes errores. Pero van mejorando, aprenden lo que necesitamos y nosotros aprendemos a dirigirlos.

Ninguno de los dos escaló la jerarquía corporativa. Más bien, la gestión de equipos bajó hasta nuestro peldaño. Este ensayo trata sobre nuestro ascenso y las otras formas en que las empresas podrían reorganizarse al entrar en la era de la inteligencia.

Cuando la IA entra en la empresa, ¿dónde se ubica? Presentamos tres escenarios ilustrativos:

Ninguno de estos escenarios se desarrollará exactamente como lo describimos, pero creemos que algunos aspectos de los tres se harán realidad. Los tres ya están ocurriendo de manera sutil.

Aquí no nos centramos en la automatización total, sino en una economía en transición. Nos interesa cómo serán las empresas híbridas a medida que la IA mejore y se integre en las organizaciones existentes.

Creemos que la empresa híbrida es un concepto importante porque la adopción productiva de la IA no es instantánea. Cuando los modelos solo realizan una parte de las tareas, puede ser más fácil que los adopten los empleados de base que conocen el trabajo. Una vez que los modelos desempeñen funciones amplias de principio a fin, los altos mandos podrán usarlos directamente. A nuestro juicio, cuanto más capaz sea la IA, más fácil será adoptarla: las empresas deben aprender a usar las tecnologías, pero los trabajadores aprenden cómo funciona la empresa y pueden integrarse por su cuenta.

Analizaremos los tres nuevos tipos de organigrama y luego examinaremos qué implican para el futuro de la burocracia, la autonomía de los trabajadores, el tamaño de las empresas y la desigualdad salarial.

Nuestro primer escenario parece el menos disruptivo. Aquí, las personas conservan sus puestos y las mismas líneas de reporte, y aparentemente hacen los mismos trabajos de antes. El organigrama humano parece no cambiar entre el presente y este futuro.

La diferencia está debajo de nosotros. Por debajo de cada empleado sin personal a cargo, surge una nueva fuerza laboral de IA que le reporta. Nuestro organigrama adquiere un sótano y todos pasamos a dirigir equipos.

Al principio, ese sótano está sin terminar. Empezamos con uno o dos agentes por persona, que se parecen menos a empleados experimentados y más a pasantes entusiastas a quienes debemos supervisar y perdonar con facilidad. Nuestras expectativas son modestas: enviar algún correo, redactar un memorando y responder mensajes de Slack por todas partes. Como los empleados humanos principiantes, empiezan con poca autonomía y poca confianza depositada en ellos.

Pero, a medida que los modelos mejoran, nuestros agentes asumen más tareas con menos supervisión. Se coordinan entre sí. Podrían haber agentes de IA que gestionen y otros que realicen tareas operativas, además de contadores y abogados, todos trabajando juntos bajo tus órdenes. Lejos de tener que guiar a un pasante a cada paso, con el tiempo tu operación se parece a una pequeña empresa por derecho propio, con su propio organigrama y contigo como junta directiva.

Observa que este escenario no implica despidos. Aquí adoptamos la IA sin automatizar nuestros propios puestos. En cambio, automatizamos lo que hacíamos antes y ascendemos en la jerarquía. La IA se encarga de cada vez más cosas que antes hacíamos nosotros. Nuestros puestos se mantienen porque hay más que gestionar y asumimos la responsabilidad de un mayor volumen de producción.

Los puestos de trabajo no son estáticos⁠(se abre en una nueva ventana). Supongamos que la IA puede hacer el noventa por ciento de lo que hacías antes. Podrías concluir que solo te queda el diez por ciento del trabajo. La otra posibilidad es que sigas teniendo un trabajo completo, solo que distinto: ahora centrado en un objetivo diez veces mayor. Ese es el beneficio clásico de la tecnología: aumenta la productividad, la ambición crece a la par y los salarios pueden subir⁠(se abre en una nueva ventana) con ella.

Todo esto depende de si seguimos aportando valor⁠(se abre en una nueva ventana) a la producción. Este ensayo se centra en los próximos años, en los que la automatización todavía no será capaz de hacerlo todo ni se habrá adoptado de forma universal. Aunque la IA pudiera hacerlo todo, quizá seguiríamos valorando más algo por haber sido hecho por una persona o insistiríamos en que una persona tuviera la última palabra.

También depende de nuestro apetito de consumo. Si, como consumidores, no nos interesa una producción diez veces mayor, el equilibrio se desplazará hacia menos trabajadores o menos horas trabajadas. Históricamente, los aumentos de producción no nos han saciado. Tenemos mucho más⁠(se abre en una nueva ventana), pero trabajamos solo un poco menos⁠(se abre en una nueva ventana). Si nuestro apetito sigue creciendo a medida que se multiplica la producción —y seguimos contribuyendo a ella—, elegiremos seguir intercambiando nuestro trabajo por más consumo. Si, en cambio, la producción llega a ser tan abundante que nos sacia, podríamos optar voluntariamente por una fuerza laboral más pequeña.

Hay más objeciones que abordaremos después (por ejemplo, si tendremos más empresas de menor tamaño). Aun así, creemos que este escenario es importante porque la adopción tiene que empezar por algún lado. Las empresas necesitan una forma de evolucionar con estabilidad a partir de sus estructuras organizativas actuales. Potenciar el trabajo de los empleados actuales puede ser un primer paso más sencillo que una reestructuración total. Ya lo vemos en la práctica: un trabajador tras otro delega tareas a la IA, sin que hasta ahora haya una revolución organizativa.

Este escenario depende de que los empleados de base sean los primeros en contratar. Los trabajadores de base, no los gerentes ni los ejecutivos, lideran la adopción de la IA. Eso parece probable, siempre que quien mejor consiga que la IA haga el trabajo sea quien antes lo hacía por su cuenta.

Los modelos ya pueden automatizar muchas tareas de ciencia de datos, pero a un jefe de departamento que desconozca los métodos y los detalles le costará aprovechar las herramientas. Hasta que la IA tenga suficiente iniciativa para decirte lo que no sabes (como veremos en el siguiente escenario), probablemente funcione mejor para quienes ya conocen cómo se hace el trabajo.

El mayor cambio en este escenario afecta a quienes recién empiezan su carrera. Ya no habría un último peldaño, al menos no para los humanos. Cuando contratemos a jóvenes, no será para colocarlos en la base de la empresa a hacer el trabajo tedioso. Esos puestos los ocupará algo a lo que no le moleste hacerlo.

Con ello perdemos algunas vías tradicionales para formar a los trabajadores jóvenes: la formación como aprendiz⁠(se abre en una nueva ventana), el aprendizaje a través del trabajo pesado y el ganarse un lugar con la experiencia. Son costos reales, pero en general lo vemos como un privilegio. Hasta la persona recién contratada con menos experiencia tendrá recursos para experimentar si tiene una buena idea. La excusa de siempre, simplemente no tenemos suficiente personal, está desapareciendo. Una empleada principiante que imagina un gran videojuego, pero no tiene forma de conseguir el personal, ahora puede simplemente crearlo.

A nuestro juicio, en este escenario de “ascenso” los trabajadores principiantes todavía tienen mucho que aprender: criterio, gusto, habilidades de gestión y visión creativa. Tendremos incentivos para desarrollar esas habilidades porque se reflejarán en los resultados de nuestro trabajo. Seguiremos aprendiendo con la práctica⁠(se abre en una nueva ventana), pero con un mayor alcance de responsabilidades. Los veteranos de la empresa seguirán teniendo incentivos para guiarnos de forma responsable, pues su participación accionaria los hace partícipes de nuestro éxito. La oportunidad es ofrecer un rol más estimulante para todos, en cada peldaño. Cualquier trabajador puede demostrar su talento con responsabilidades más amplias, algo especialmente importante para los principiantes que no tenían ninguna.

La segunda vía de entrada de la IA a la empresa se entreteje con el organigrama existente. Aquí, los agentes no ocupan el último escalón: son colegas. Una gerente tradicional le asigna a un modelo una parte del trabajo del equipo, del mismo modo en que delegaría en cualquier empleado. La IA se sitúa al lado de los humanos, no solo por debajo de ellos.

La diferencia clave con el primer escenario es que aquí la IA productiva es adoptada por quienes ya dirigen equipos humanos, no solo por los empleados que hoy no tienen personal a cargo. Para ello, debe ser lo bastante competente como para ser un miembro pleno del equipo.

Los humanos somos generalistas. Un martillo ayuda con una tarea; una persona hace mucho más. El paso de la IA de herramienta a fuerza laboral supone ampliar su alcance: automatizar la tarea, luego el puesto, después un equipo y, por último, una empresa. Cada ampliación del alcance exige capacidades más amplias.

Un puesto de trabajo es una maleta llena de muchas tareas. Para un equipo entero, esa maleta está repleta de trabajos de todo tipo. Más tareas bajo su responsabilidad significan más posibles cuellos de botella. Si una sola tarea esencial del equipo implica trabajo físico, se necesita todo un nuevo conjunto de periféricos. Para sustituir directamente a un equipo entero, la IA debe ser capaz de asumir todas sus diversas responsabilidades.

Es más difícil desarrollar una IA capaz de abarcar más responsabilidades. Pero para las empresas —y esta es la asimetría central de toda la transición—, cuanto mayor es el alcance, más fácil es la adopción.

Un ejecutivo puede adoptar directamente un equipo o una función amplia automatizados de principio a fin. Una herramienta con capacidades más limitadas no puede implementarse tan fácilmente desde arriba. La herramienta más simple depende de la aceptación generalizada y la recapacitación de la fuerza laboral.

Tradicionalmente, las nuevas tecnologías abaratan un conjunto limitado de tareas. Luego, la carga pasa al comprador. La empresa debe descubrir cómo aprovechar la nueva herramienta y debe recapacitar a su personal, reorganizarse y reconstruir sus procesos⁠(se abre en una nueva ventana) en torno a ella. El software de hojas de cálculo no se instaló por su cuenta en el departamento de contabilidad: el departamento se transformó en torno al software.

Con los trabajadores ocurre lo contrario. Un pasante, un empleado y un buen equipo descubren cómo serte útiles a ti. Te hacen preguntas, asimilan tu contexto y detectan tus necesidades. Te cuentan cosas que ni siquiera sabías que desconocías. Los mejores trabajadores se integran por su cuenta.

Cuanto más se parezca la IA a los trabajadores en este sentido, con iniciativa y adaptabilidad, menos tendrá que aprender la empresa a aprovecharla y más descubrirá la propia IA cómo serle útil. Probablemente un ejecutivo no se siente a escuchar una clase introductoria de software de diseño para aprender una herramienta nueva. Pero considerará con gusto una oferta como esta: solo dime y pondré en marcha toda tu área de marketing.

Demasiado a menudo señalamos la automatización de un puesto de trabajo como el santo grial de la IAG. Es cierto que ni siquiera hemos llegado a eso. Los puestos de trabajo son extraordinariamente complejos porque nuestras capacidades son impresionantes. Aun así, muy poco⁠(se abre en una nueva ventana) de lo que produce nuestra economía proviene de trabajadores solitarios. Los trabajos productivos aportan a los equipos, los equipos a las empresas y las empresas producen casi todo lo que consumimos.

Usar el “puesto de trabajo” como parámetro para la IAG no nos reconoce suficiente mérito a los humanos. El trabajo no consiste solo en las tareas, ni siquiera en resolver los aspectos no rutinarios: también implica una coordinación prodigiosa, nuestra flexibilidad para realizar pequeñas partes de una producción mayor. Reducirnos a meros paquetes de tareas es subestimar enormemente nuestro valor. La capacidad humana reside más en nuestras organizaciones⁠(se abre en una nueva ventana) que en el individuo. Una IAG económica debe estar a la altura de las personas, no de una persona.

Por eso, el escenario de “intercalación” puede ser bastante ineficiente si la IA todavía se parece a una herramienta o incluso a un trabajador, en lugar de a un equipo o una empresa. Colocar un modelo al lado de cada trabajador implica mil puntos de conexión y traspasos de trabajo⁠(se abre en una nueva ventana). Esta configuración fragmentada puede frenar la adopción.

Vemos una carrera entre las implementaciones tempranas y menos capaces y los modelos posteriores y más capaces. El ganador dependerá de si los modelos futuros se adoptan tan rápido que compensen el tiempo adicional necesario para alcanzar esas capacidades.

Este escenario de “intercalación” puede coexistir con el primer escenario, el del “ascenso”. Podríamos ver empresas que reducen su personal humano a medida que la IA automatiza ciertas funciones, mientras que las personas que permanecen asumen responsabilidades mucho más amplias con ayuda de sus equipos de agentes. Es importante destacar que, por sí solo, este escenario no implica una reducción del empleo humano total. Podríamos encontrarnos con más empresas, cada una con menos personal.

Nuestro tercer escenario es el más desconcertante. Aquí, la IA entra en la empresa por encima de las personas. La estructura ya no es de humanos sobre máquinas, sino de humanos, IA, humanos: un sándwich de automatización. Algunas personas “reportan” a una IA.

Suena descabellado, sobre todo como punto de partida para que las empresas adopten la IA. Pero creemos que, de formas menos radicales, esto ya comenzó.

Incluso cuando pensamos en la IA como una forma de mecanizar el trabajo cognitivo, tendemos a centrarnos en los peldaños inferiores. Solemos decir que la IA automatiza las hojas de cálculo y las presentaciones, no la gestión. Nuestra intuición es que la automatización asciende por la jerarquía: primero el trabajo cognitivo rutinario y al final el juicio, con el gerente como último bastión.

Pero gran parte del trabajo de un gerente ocurre en una computadora y en su mente: leer, reunirse, evaluar, tener presente el contexto y tomar decisiones. La presencia física tiene valor: recorrer las oficinas y estar cerca del personal. Sin embargo, el trabajo de base, incluso cuando es principalmente cognitivo, interactúa más con el mundo físico y las herramientas que el trabajo de gestión. A quien mandan a la fotocopiadora es al pasante, no a su jefe.

Es difícil enseñar a un modelo a tomar decisiones de gestión, porque el éxito es ambiguo y se mide a largo plazo. Por razones similares⁠(se abre en una nueva ventana), es difícil formar buenos gerentes humanos. Todavía no sabemos qué tan buenos son los modelos para la gestión. Abundan las evaluaciones del trabajo cognitivo centrado en la ejecución, pero pocas abarcan la coordinación a gran escala propia de gerentes y ejecutivos.

Aun así, vale la pena considerar que las capacidades de los modelos actuales quizá estén más cerca de las de los gerentes humanos que de las de los trabajadores de base. Algunas funciones de gestión podrían automatizarse antes que el trabajo que supervisan.

Quizá la versión completa de este escenario de “superposición de capas” sea una IA que se encargue de pensar y luego cubra sus carencias de capacidad con contratistas humanos que le reporten. Ese mundo nos resulta bastante ajeno. Tendrían que cambiar muchas cosas.

Pero hay una versión más orgánica, cuyo primer acto ya está en escena: el asesoramiento. Hoy, una ejecutiva puede pedirle a ChatGPT que lea cientos de canales de Slack, documentos, comunicaciones y archivos de código de toda su empresa y luego responda preguntas. ¿Qué hace realmente este equipo? ¿Dónde está apareciendo esa vulnerabilidad? Para ella, cada parte de la organización es cada vez más fácil de analizar⁠(se abre en una nueva ventana).

Hace tiempo que los ejecutivos insertan intermediarios mercenarios en el organigrama: lo llaman consultoría. Una consultora de gestión añade una capa sobre ti, por poco tiempo y a un alto costo. En el futuro, los consultores de IA podrían tener un costo ínfimo y estar siempre presentes.

Los modelos apenas empiezan a analizar de forma fiable los documentos y las comunicaciones de las empresas. Su gusto y su iniciativa aún deben madurar. Por ahora, ChatGPT ayuda a una ejecutiva motivada a comprender su organización con más detalle. Creemos que, con el tiempo, se convertirá en una consultora de servicios integrales. No será un verdadero “gerente” de los empleados de niveles inferiores, sino una fuente interna de información y asesoramiento para los ejecutivos. Aprovechará sus conocimientos empresariales para examinarlo todo, detectar problemas por iniciativa propia y ayudar a priorizarlos.

Que esto sea beneficioso o perjudicial dependerá de quien esté al mando. El efecto estructural es la centralización. Creemos que esto acortará la distancia entre la alta dirección y el resto de la empresa. Concentra más poder en la cúpula, donde antes las dificultades para transmitir información favorecían una toma de decisiones más descentralizada.

Este escenario nos parece trascendente no solo por cómo redistribuye la autoridad, sino por lo fácil que puede ser adoptar la IA como consultora. Al igual que la consultoría tradicional, la consultora de IA no exige conocimientos técnicos al ejecutivo. No es como la computadora, que se adoptó desde abajo por quienes sabían escribir con teclado y usar una terminal. Simplemente hablas con tu consultor y él se encarga de la parte técnica. Esta ola de adopción puede empezar en la oficina de la dirección. La consultora, a su vez, podría acelerar la adopción de la IA en el resto de la organización.

Hay una razón de peso por la que las empresas desconfían del trabajo remoto y de los contratistas: la capacidad de exigir el cumplimiento. Nunca ha existido una forma económica de que las empresas observen cómo se hace el trabajo con toda la riqueza de detalles que merece. Así que miden sus apariencias⁠(se abre en una nueva ventana): clics contados, movimientos del mouse, puntos verdes de estado; señales muy alejadas de si se está haciendo un buen trabajo.

La IA ofrece una supervisión que comprende. Puede examinar lo que produce una persona y reconocer avances reales hacia objetivos mayores. Como exploramos en la siguiente sección, ninguna forma nueva de vigilancia debe implementarse a la ligera⁠(se abre en una nueva ventana). Pero, en las circunstancias adecuadas, puede aumentar la confianza y animar a las empresas a dar más libertad a sus empleados.

Si el sistema de supervisión comprende los muchos caminos distintos que pueden llevar a un buen resultado, los empleados podrán trabajar más a su manera. Importará más el avance hacia buenos resultados que seguir un método prescrito que a los jefes les resulte fácil supervisar. Un sistema de supervisión inteligente permite flexibilidad y penaliza esa apariencia de productividad que todos detestamos.

La propuesta de valor se parece a la de las aseguradoras que reducen tu tarifa si instalas un dispositivo de seguimiento en tu auto. Si intentabas engañar al sistema, esto te perjudica; si simplemente hacías tu trabajo, la supervisión puede darte la razón y la gerencia confía más en ti.

Esa confianza abre posibilidades. Podríamos ver una nueva disposición⁠(se abre en una nueva ventana) en empresas que antes se resistían al trabajo híbrido, a las mentes poco convencionales, a los contratistas o a contratar personas brillantes en países lejanos.

Hoy, los empleados de base enfrentan muchos problemas con el organigrama. Es profundamente desalentador no tener cómo hacer llegar a los altos mandos un problema que vemos de primera mano. Es injusto quedar atrapado bajo un gerente ineficaz o hacer un gran trabajo que nadie reconoce.

Creemos que la ola anterior de hiperoptimización empresarial se construyó sobre datos limitados, pautas generales y algoritmos sin inteligencia. Si solo puedes procesar relaciones entre engranajes, todos parecen una pieza más de la máquina. Hace tiempo que las empresas tienen dificultades para medir el aporte de su personal. Un sistema de supervisión inteligente podría reconocer contribuciones valiosas y enfoques singulares que las métricas rudimentarias de hoy pasan por alto.

A partir de los tres escenarios simplificados, exploramos ahora algunas de las preguntas determinantes para el futuro de la empresa.

Por lo general, crear algo resulta bastante costoso. Una aplicación, una película, una presentación, una función, un análisis: rehacer cualquiera de ellos es costoso, lento y agotador. Cuando en la práctica tienes un solo disparo, inviertes en la puntería. Hay ciclos de planificación, rituales para definir hojas de ruta y comités de aprobación, todo para garantizar que, cuando la empresa por fin dé luz verde, sea para algo que valga la pena. Muchos controles de nuestras jerarquías existen porque ejecutar era costoso.

En muchos ámbitos, la IA está reduciendo drásticamente el costo de crear, al menos hasta la fase de prototipo, si no hasta el producto terminado. Creemos que el enfoque de la empresa debería cambiar a la par: apuntar menos y disparar más. Una empresa puede crear un prototipo, observar, aprender rápido, reorientarse y volver a crearlo. La facilidad para crear prototipos⁠(se abre en una nueva ventana) debería alejar a las empresas de las estructuras que sustentan una producción intensiva en planificación.

La versión más simple de esto es un equipo que itera más rápido. En una interpretación más radical, se pone en duda la necesidad del equipo mismo. Si la planificación colaborativa importa menos y las ideas diversas e independientes importan más, ¿es mejor tener un solo equipo que itere rápido o muchas personas que presenten sus propios prototipos funcionales? Si un prototipo real transmite una visión mejor que cualquier documento de alcance, ¿cambiarán nuestras normas de comunicación para compartir más y antes, y para compartir creaciones concretas en lugar de memorandos?

Crear a bajo costo puede inclinar a la empresa hacia el trabajo individual. Esto implicaría menos niveles de mandos medios y menos solicitudes de permiso, porque antes pedir permiso era más barato que hacer, y ahora ya no.

Dicho esto, como veremos a continuación, la misma tecnología que permite a las personas crear prototipos con menos riesgo también puede imponer más trabas burocráticas.

Una razón importante por la que las empresas imponen una gestión de arriba hacia abajo es la creencia de que los ejecutivos toman mejores decisiones de negocio⁠(se abre en una nueva ventana) que los trabajadores principiantes. Las empresas pagan más por profesionales experimentados y muy competentes en la cúpula, y los gerentes suelen formarse en estrategia empresarial, mientras que los empleados sin personal a cargo se especializan en su área. Si la IA ofrece un asesoramiento excelente a todos los trabajadores, la brecha en la calidad de las decisiones se reduce. Habría menos motivos para que los gerentes se entrometieran. Esto aumentaría la autonomía de los trabajadores y podría reducir los niveles de gestión.

Del mismo modo, la “consultora de IA” garantiza que no ocurra nada demasiado trascendente sin que se avise a un ejecutivo. Si un trabajador está por publicar una entrada de blog con repercusiones serias para la empresa, la consultora se lo advertirá al ejecutivo por iniciativa propia. Esto genera confianza: la gerencia no tiene que preocuparse por que ocurran grandes errores sin enterarse, así que no necesita ejercer un control tan estricto⁠(se abre en una nueva ventana) sobre la forma en que cada trabajador hace su trabajo.

Pero la consultora de IA es un arma de doble filo⁠(se abre en una nueva ventana). Como supervisora inteligente, puede generar más confianza en los trabajadores; también puede imponer con más rigor la forma de hacer las cosas que prefiere el director ejecutivo en toda la organización. Las empresas valoran la coherencia⁠(se abre en una nueva ventana): no basta con una buena decisión, sino que esta debe ser compatible con la cultura, la marca y las economías de escala de la empresa. Una cadena de restaurantes puede preferir un menú común en sus franquicias para comprar ingredientes al por mayor y ofrecer a los clientes un producto uniforme.

En la misma línea, los incentivos de los jefes de la empresa no siempre coinciden con los de los trabajadores. Los trabajadores buscan maximizar el éxito de su área⁠(se abre en una nueva ventana), mientras que los ejecutivos se preocupan por la empresa en su conjunto. Los accionistas tienen preferencias distintas de las de los asalariados porque cosechan los frutos⁠(se abre en una nueva ventana) de un mayor esfuerzo. La consultora podría exigir un cumplimiento más estricto de los procedimientos específicos dictados desde arriba.

Creemos que, en conjunto, los trabajadores ganarán autonomía. Nuestro optimismo se basa en que las empresas usen la IA para señalar excepciones importantes y dejen más decisiones en manos de los trabajadores.

Creemos que la IA actuará como una estructura de apoyo: aunque los ejecutivos quieran mantener una marca coherente, esto será simplemente un marco dentro del cual operar. Los trabajadores conocerán mejor las limitaciones del negocio y tendrán mayor respaldo para ejercer su creatividad en los espacios que esas restricciones dejen libres. Con los riesgos cubiertos, los ejecutivos pueden dejar que los empleados prueben nuevos enfoques potencialmente rentables. Con asistentes de IA a nuestro cargo, los trabajadores también seremos responsables de resultados de mayor envergadura. Vemos más oportunidades para la creatividad al dirigir trabajos más complejos.

La misma lógica sobre la autonomía de los trabajadores se aplica al tamaño de las empresas. Ronald Coase⁠(se abre en una nueva ventana) se preguntó por qué organizamos la producción dentro de empresas en lugar de hacerlo mediante una red de contratos. Incluso un avión podría construirse únicamente mediante contratos entre particulares, pero sería muy ineficiente. Las empresas aprovechan las economías de escala, alinean incentivos, organizan grandes proyectos y eliminan la necesidad de negociar constantemente.

Al facilitar la comunicación, la IA podría justificar empresas más grandes o más pequeñas. La empresa clásica es una infraestructura para transmitir información hacia arriba e instrucciones hacia abajo, llena de fricciones y mensajes que se distorsionan como en el teléfono descompuesto. Una empresa más grande (con más empleados humanos) resulta menos difícil de manejar si la IA actúa como una capa de coordinación. Con la “consultora de IA”, una ejecutiva puede conocer su empresa como un fundador conoce su startup de veinte personas. Puede seguir la implementación de una iniciativa en lugar de esperar el informe trimestral y recibir una notificación si ocurre algo. Su visión puede impregnar más áreas de la empresa. Todos están más al tanto de lo que hacen los demás y de las prioridades generales de la organización.

También podría ocurrir lo contrario. Si la comunicación fluye sin obstáculos y es más fácil supervisar el cumplimiento, una empresa no necesita integrar internamente una parte tan grande de su cadena de suministro. La empresa puede confiar más en proveedores y contratistas externos.

Una de las principales razones para la integración vertical es alinear los incentivos. Existe el concepto de contratos incompletos⁠(se abre en una nueva ventana): una empresa aeroespacial podría contratar a un fabricante de motores a reacción, pero, en todo lo que el contrato no exija de forma explícita, el fabricante tendrá incentivos para escatimar gastos y proteger sus propias ganancias. Para evitarlo, la empresa aeroespacial compra al fabricante de motores a reacción. Ocurre lo mismo que con los trabajadores y sus jefes: si es más fácil supervisar los contratos y resolver las controversias con inteligencia, en lugar de limitarse a marcar casillas, las empresas pueden sentirse más cómodas dependiendo de otras empresas. Habría menos motivos para hacerlo todo internamente.

Esperamos ver muchas empresas más pequeñas, pero también enormes “sociedades de cartera” de IA donde se lleven a cabo muchísimos proyectos distintos dentro de una misma empresa. El conglomerado resulta rentable cuando hay algún activo común que todos los proyectos aprovechan. Ese activo común podría ser la capacidad de cómputo, aunque esta puede contratarse fácilmente en pequeñas cantidades según las necesidades. Una fábrica o una flota de robots compartida ofrece una razón más sólida.

La gran “sociedad de cartera” también puede justificarse por la alineación de incentivos. Si una gran organización de sistemas de IA y capital se dedica por completo a una misión común —por ejemplo, curar el cáncer—, hay menos necesidad de iniciativas pequeñas e independientes. Una empresa de IA podría evitar las luchas de poder, compartir toda la información y, cuando fuera necesario, generar diversidad creativa entre sus agentes para explorar distintos caminos.

Se supone que el sistema actual recompensa a los trabajadores sobresalientes. Ascienden en la jerarquía y reciben una mejor remuneración. Pero, en un mundo de modelos que brindan asesoramiento excepcional, ¿cómo se distinguirán los trabajadores?

Si la IA les da la misma gran idea a todos, tendremos menos oportunidades de diferenciarnos. Las diferencias entre los niveles salariales deberían reducirse.

Lo que se opone a esa reducción es el criterio, el gusto y el alcance de las responsabilidades. Si cada uno dirige empresas de IA a su cargo, el valor humano que queda reside en nuestra toma de decisiones. Si cada persona tiene a su cargo una labor de mayor envergadura, la diferencia entre el buen y el mal criterio tiene más repercusiones⁠(se abre en una nueva ventana).

Llevamos mucho tiempo aplicando esta lógica a la cima del organigrama. Justificamos la remuneración de los directores ejecutivos⁠(se abre en una nueva ventana) con la idea de que decisiones apenas mejores en la cúpula pueden tener enormes efectos en las ganancias. La desigualdad salarial podría aumentar si algunos trabajadores gestionan mejor las empresas de IA a su cargo para asignar recursos escasos.

Cuanto más haya en juego, más se reflejará en tu sueldo esa pequeña ventaja que tienes sobre otra persona. Por otro lado, la IA dará buenos consejos a todos. Una menor diferenciación reduce las distancias en la distribución salarial.

Aquí, como en otros ámbitos, quizá la fuerza que prevalezca dependa de si nuestra función principal es aportar criterio o seguir el de otros.