Ettevõtte tulevik

Autorite märkus: See on meie tulevikumajanduse esseesarja teine kirjutis. Sari kuulub uuele platvormile, mis annab sõna sõltumatutele autoritele, kes uurivad AGI-ga tulevikku. Siin väljendame enda, mitte OpenAI ega oma kolleegide seisukohti.

Olime mõlemad kahekümne nelja aastased, kui hakkasime siin OpenAI-s oma tiime juhtima. See ei kõla enam nii muljetavaldavalt, kui meie tiimidega tutvuda.

Me peaksime olema lihtsad reatöötajad. Kahekümne nelja aastaselt oled karjääriredeli alumisel pulgal. Teed koosolekutel märkmeid ja kirjutad mõne memo. Pärast aastaid tüütut tööd antakse sulle (loodetavasti) laiem vastutusala.

Meie tee – ja paljude tänapäeva noorte tee – paistab kujunevat teistsuguseks. Tööellu astudes on meil juba oma „töötajad“ käsutada. Need abilised töötavad ööd ja päevad, nädalavahetustel ja pühadel. Rutiinne töö tuleb neil suurepäraselt välja. Meie nõuandjate seas on isegi matemaatikaolümpiaadi kuldmedalistid. Meie uued alluvad teevad endiselt omajagu vigu. Aga nad arenevad, õpivad meie vajadusi tundma ja meie õpime neid juhtima.

Kumbki meist pole karjääriredelil üles roninud. Juhtimine on hoopis meie pulgale alla tulnud. See essee räägib meie edutamisest ja muudest viisidest, kuidas ettevõtted võivad intelligentsiajastusse astudes ümber kujuneda.

Kui AI ettevõttesse tuleb, siis kuhu ta paigutub? Esitame kolm näitlikku stsenaariumi:

Ükski neist ei teostu täpselt meie kirjeldatud kujul, kuid usume, et kõigist kolmest saab midagi teoks. Kõik kolm on juba tasapisi toimumas.

Me ei keskendu siin täielikule automatiseerimisele, vaid üleminekujärgus majandusele. Meid huvitab, millised näevad välja inimestest ja AI-st koosnevad ettevõtted, kui AI areneb ja põimub olemasolevatesse organisatsioonidesse.

Peame hübriidettevõtte mõistet oluliseks, sest AI tulemuslik kasutuselevõtt ei toimu hetkega. Kui mudelid suudavad täita vaid osa ülesannetest, võib neid olla kõige lihtsam kasutusele võtta tööd tundvatel reatöötajatel. Kui mudelid suudavad täita laiaulatuslikke funktsioone algusest lõpuni, saavad kõrgemad juhid neid otse kasutada. Meie hinnangul on võimekamat AI-d lihtsam kasutusele võtta: ettevõtted peavad tehnoloogiaid tundma õppima, kuid tööjõud õpib tundma ettevõtet ja suudab end ise sisse elada.

Vaatleme lähemalt neid kolme uut organisatsioonistruktuuri ning uurime siis, mida need tähendavad bürokraatia, töötajate otsustusvabaduse, ettevõtte suuruse ja palgaerinevuste tulevikule.

Meie esimene stsenaarium paistab kõige vähem senist korda raputavat. Siin jäävad inimesed samadele kohtadele, alluvussuhted ei muutu ja pealtnäha teevad nad sama tööd mis varem. Inimeste organisatsiooniskeem näeb selles tulevikus välja samasugune nagu praegu.

Muutus toimub meist allpool. Iga spetsialisti alla tekib uus AI-tööjõud, mis allub meist igaühele. Meie organisatsiooniskeem saab keldrikorruse ja meist kõigist saavad juhid.

Algul on see kelder veel pooleli. Alustuseks saab igaüks meist ühe või kaks agenti, kes meenutavad vähem kogenud töötajaid ja rohkem innukaid praktikante, keda tuleb juhendada ja kelle eksimustesse leebelt suhtuda. Meie ootused on tagasihoidlikud: saada siin üks meil, koosta seal memo ja vasta kõikjal Slacki sõnumitele. Nagu alustavatel inimestest töötajatel, on neil algul vähe iseseisvust ja usaldust.

Mudeleid täiustades võtavad meie agendid aga enda kanda üha rohkem ülesandeid, vajades vähem järelevalvet. Nad koordineerivad omavahel tööd. Nende seas võib olla AI-juhte ja AI-reatöötajaid, raamatupidajaid ja juriste, kes kõik töötavad koos sinu korralduste järgi. Praktikandi käehoidmisest on asi lõpuks kaugel: sinu üksus meenutab omaette väikeettevõtet, millel on oma organisatsiooniskeem ja mille nõukogu rolli täidad sina.

Pane tähele, et see stsenaarium ei eelda koondamisi. Siin võtame AI kasutusele ilma iseennast automatiseerimata. Automatiseerime hoopis oma varasemad rollid ja liigume hierarhias ülespoole. AI võtab üle üha suurema osa sellest, mida varem tegime. Meie töökohad säilivad, sest juhtida on rohkem ja me vastutame suurema kogutulemuse eest.

Töökohad pole muutumatud⁠(avaneb uues aknas). Oletame, et AI suudab teha üheksakümmend protsenti sellest, mida sa varem tegid. Võid järeldada, et sulle jääb vaid kümme protsenti tööst. Teine võimalus on, et teed endiselt täiskoormusega tööd, lihtsalt teistsugust – nüüd kümme korda suurema eesmärgi nimel. See on tehnoloogia klassikaline kingitus: tootlikkus kasvab, ambitsioon kasvab sellega kaasa ja koos ambitsiooniga võivad tõusta ka palgad⁠(avaneb uues aknas).

Kõik see sõltub sellest, kas me endiselt tootmisele väärtust lisame⁠(avaneb uues aknas). See essee keskendub lähiaastatele, mil automatiseerimine pole veel kõigeks võimeline ega kõikjal kasutusele võetud. Isegi kui AI suudaks kõike teha, võiksime midagi rohkem väärtustada seetõttu, et selle lõi inimene, või nõuda, et viimane sõna jääks inimesele.

See sõltub ka meie tarbimisihast. Kui me tarbijatena ei soovi kümme korda rohkem toodangut, nihkub tasakaal väiksema töötajate arvu või lühema tööaja poole. Ajalooliselt pole toodangu kasv meie soove rahuldanud. Meil on palju rohkem⁠(avaneb uues aknas), kuid töötame vaid veidi vähem⁠(avaneb uues aknas). Kui meie tarbimissoov kasvab koos toodangu mitmekordistumisega ja me endiselt tootmisele väärtust lisame, valime ka edaspidi oma töö vahetamise suurema tarbimise vastu. Kui aga toodang muutub nii külluslikuks, et meie soovid saavad rahuldatud, võime vabatahtlikult valida väiksema tööjõu.

On teisigi vastuväiteid, mida käsitleme hiljem, näiteks kas väiksemaid ettevõtteid saab olema rohkem. Peame seda stsenaariumi siiski oluliseks, sest kasutuselevõtt peab kusagilt algama. Ettevõtted vajavad võimalust oma praegusest organisatsioonistruktuurist stabiilselt edasi areneda. Olemasolevate töötajate töö tõhustamine võib olla lihtsam esimene samm kui täielik ümberkorraldus. Näeme seda juba praegu: üks töötaja teise järel delegeerib AI-le, seni veel ilma organisatsioonilise revolutsioonita.

See stsenaarium eeldab, et esimesena palkavad endale abilised eesliini töötajad. AI kasutuselevõttu veavad reatöötajad, mitte juhid ega tippjuhid. See tundub tõenäoline seni, kuni AI suudab kõige paremini tööle panna inimene, kes varem ise seda tööd tegi.

Mudelid suudavad juba automatiseerida paljusid andmeteaduse ülesandeid, kuid meetodeid ja üksikasju mittetundval osakonnajuhil on neid tööriistu raske rakendada. Kuni AI ei ole piisavalt algatusvõimeline, et öelda sulle seda, mida sa ei tea (vt järgmist stsenaariumi), töötab see ilmselt kõige paremini nende heaks, kes juba teavad, kuidas tööd tehakse.

Selles stsenaariumis puudutab suurim muutus alustavaid töötajaid. Kõige alumist pulka enam poleks, vähemalt mitte inimeste jaoks. Noori palgates ei paigutaks me neid enam ettevõtte kõige tüütuma tööga alumisele astmele. Need kohad täidab miski, keda see ei häiri.

Nii kaotame mõned traditsioonilised viisid noorte töötajate õpetamiseks: õpipoisiõppe⁠(avaneb uues aknas), rutiinitöö kaudu õppimise ja enese tõestamise. Need on tõelised kaotused, kuid valdavalt näeme selles privileegi. Ka kõige kogenematumal uuel töötajal, kel on hea idee, on vahendid katsetamiseks. Igivana vabandus meil lihtsalt pole piisavalt inimesi on kadumas. Alustav töötaja, kelle peas on suurepärane videomäng, kuid kellel pole mingit võimalust tiimi palgata, saab selle nüüd lihtsalt valmis teha.

Meie arvates on selles „edutamise“ stsenaariumis alustavatel töötajatel endiselt palju õppida: otsustusvõimet, maitset, juhtimisoskusi ja loomingulist visiooni. Meil on ajend neid oskusi arendada, sest need kajastuvad meie töötulemustes. Õpime endiselt tegemise kaudu⁠(avaneb uues aknas), kuid laiema vastutuse tasandil. Ettevõtte kogenumatel liikmetel säilib ajend meid vastutustundlike eestvedajatena aidata, sest omanikuosalus seob ka nende huvid meie eduga. Siin peitub võimalus pakkuda kõigile igal astmel vaimselt ergutavamat rolli. Iga töötaja saab laiema vastutusala kaudu oma andeid näidata, mis on kõige olulisem alustajatele, kel seni polnud üldse oma vastutusala.

AI teine tee ettevõttesse põimub läbi olemasoleva organisatsiooniskeemi. Siin pole agendid kõige alumisel astmel, vaid kolleegid. Tavaline juht annab osa tiimi tööst mudelile samamoodi, nagu ta delegeeriks selle mõnele töötajale. AI paigutub inimeste kõrvale, mitte ainult nende alla.

Peamine erinevus esimesest stsenaariumist on see, et siin võtavad tulemuslikult töötava AI kasutusele senised inimestest juhid, mitte ainult praegused spetsialistid. Selleks peab see olema piisavalt pädev, et olla täisväärtuslik tiimiliige.

Inimesed on mitmekülgsed. Haamer aitab ühe ülesandega, inimene teeb palju enamat. AI teekond tööriistast tööjõuks tähendab üha laiemat tegevusulatust: esmalt automatiseeritakse ülesanne, siis töökoht, seejärel tiim ja lõpuks ettevõte. Iga samm laiema vastutusala poole nõuab mitmekülgsemat pädevust.

Töökoht on nagu kohver, mis on täis paljusid ülesandeid. Terve tiimi puhul on see kohver pilgeni täis igasugust erinevat tööd. Rohkem ülesandeid vastutusalas tähendab rohkem võimalikke pudelikaelu. Kui kasvõi üks tiimi hädavajalik ülesanne hõlmab füüsilist tööd, on vaja täiesti uut välisseadmete komplekti. Et asendada terve tiim ilma lisakohandusteta, peab AI toime tulema kõigi selle eri kohustustega.

Laiema vastutusalaga toime tulevat AI-d on raskem luua. Ent ettevõtetel on laiema vastutusalaga AI-d lihtsam kasutusele võtta – ja see on kogu ülemineku keskne asümmeetria.

Tippjuht saab täielikult automatiseeritud tiimi või laia funktsiooni otse kasutusele võtta. Kitsamate võimalustega tööriista ei saa ülaltpoolt nii lihtsalt juurutada. Lihtsam tööriist eeldab töötajate laialdast poolehoidu ja ümberõpet.

Traditsiooniliselt muudavad uued tehnoloogiad odavamaks piiratud hulga ülesannete täitmise. Seejärel langeb koorem ostjale. Ettevõte peab välja mõtlema, kuidas uut tööriista ära kasutada, ning selle järgi töötajaid ümber õpetama, tööd ümber korraldama ja protsesse uuesti üles ehitama⁠(avaneb uues aknas). Tabelarvutustarkvara ei juurutanud end ise raamatupidamisosakonda – raamatupidamisosakond kujundas end tarkvara järgi ümber.

Tööjõuga on vastupidi. Praktikant, töötaja ja hea tiim mõtlevad ise välja, kuidas sulle kasulik olla. Nad küsitlevad sind, õpivad sinu olukorda tundma ja märkavad sinu vajadusi. Nad räägivad sulle asjadest, mille kohta sa ei teadnudki, et sa neid ei tea. Parim tööjõud elab end ise sisse.

Mida enam muutub AI selles mõttes tööjõu sarnaseks – algatusvõimeliseks ja kohanemisvõimeliseks –, seda vähem peab ettevõte õppima seda rakendama ning seda rohkem leiab AI ise viise ettevõttele kasulik olla. Tippjuht ei istu ilmselt disainitarkvara algkursusel, et uut tööriista õppida. Küll aga kaalub ta meelsasti pakkumist, mis kõlab nii: ütle vaid ja ma panen kogu su turunduse käima.

Liiga sageli nimetame AGI ülimaks eesmärgiks ühe töökoha automatiseerimist. Tõsi, me pole veel sinnamaalegi jõudnud. Töökohad on erakordselt keerukad, sest meie ise oleme muljetavaldavalt võimekad. Sellegipoolest loovad üksiküritajad väga väikese osa⁠(avaneb uues aknas) meie majanduse toodangust. Tulemuslik töö panustab tiimidesse, tiimid ettevõtetesse ning ettevõtted toodavad peaaegu kõike, mida tarbime.

„Töökoha“ võtmine AGI mõõdupuuks alahindab meid, inimesi. Töö ei seisne üksnes ülesannetes ega isegi mitte ebaharilike olukordade lahendamises: meie töö hõlmab ka tohutut koordineerimisvõimet, paindlikkust teha väikesi osi suurematest tervikutest. Meie taandamine pelgalt ülesannete kogumiks hindab meid kaugelt alla tegeliku väärtuse. Inimeste võimekus peitub rohkem meie organisatsioonides⁠(avaneb uues aknas) kui üksikisikus. Majanduses tegutsev AGI peab jõudma inimeste, mitte ühe inimese tasemele.

Seetõttu võib „põimumise“ stsenaarium olla üsna ebatõhus, kui AI sarnaneb endiselt tööriista või isegi töötajaga, mitte tiimi või ettevõttega. Iga töötaja kõrvale paigutatud mudel tähendab tuhandeid liitekohti ja töö üleandmisi⁠(avaneb uues aknas). Selline killustatud korraldus võib kasutuselevõttu aeglustada.

Näeme võidujooksu varasemate, vähem võimekate rakenduste ja hilisemate, võimekamate mudelite vahel. Võitja sõltub sellest, kas tulevaste mudelite kasutuselevõtt on sedavõrd kiirem, et teeb tasa nende võimete arendamiseks kulunud lisaaja.

See „põimumise“ stsenaarium võib eksisteerida kõrvuti esimese, „edutamise“ stsenaariumiga. Võime näha, kuidas ettevõtted vähendavad AI abil teatud funktsioone automatiseerides inimeste arvu, samal ajal kui allesjäänud inimesed saavad oma agentidest tööjõu toel palju laiema vastutusala. Oluline on see, et iseenesest ei tähenda see stsenaarium inimeste üldise tööhõive vähenemist. Ettevõtteid võib olla rohkem, igaühes lihtsalt vähem töötajaid.

Meie kolmas stsenaarium on kõige hämmastavam. Siin siseneb AI ettevõttesse inimestest kõrgemale. Hierarhias pole enam inimesed masinate kohal, vaid inimene, AI, inimene: automatiseerimisvõileib. Mõned inimesed „alluvad“ AI-le.

See kõlab ebatõenäoliselt, eriti kui mõelda, kust võiks AI kasutuselevõtt ettevõttes alata. Aga meie arvates on see vähem radikaalsel kujul juba alanud.

Isegi kui käsitleme AI-d vaimse töö mehhaniseerijana, kipume keskenduma alumistele astmetele. Tavaliselt ütleme, et AI automatiseerib tabeleid ja esitlusi, mitte juhtimist. Vaistlikult eeldame, et automatiseerimine liigub hierarhias ülespoole: esmalt vaimne rutiinitöö ja viimasena kaalutletud otsustamine, kus juht on viimne kants.

Aga juhi töö toimub suuresti arvutis ja peas: lugemine, koosolekud, kaalumine, tausta meelespidamine, otsustamine. Füüsilisel kohalolul, kontoris ringi käimisel ja töötajate keskel viibimisel on oma väärtus. Ometi puutub just reatöötaja töö füüsilise maailma ja töövahenditega rohkem kokku kui juhtimine, isegi kui see on valdavalt vaimne töö. Koopiamasina juurde saadetakse praktikant, mitte tema ülemus.

Juhtimisotsuste tegemist on mudelile raske õpetada, sest edu pole üheselt määratletav ja seda mõõdetakse pika aja jooksul. Samalaadsetel põhjustel⁠(avaneb uues aknas) on raske ka inimestest häid juhte koolitada. Me ei tea veel, kui head on mudelid juhtimises. Meil on hulgaliselt hindamisi ülesannete täitmisele suunatud vaimse töö kohta, kuid vähesed mõõdavad ulatuslikku koordineerimist juhtide ja tippjuhtide vastutusalas.

Siiski tasub arvestada võimalusega, et tänapäeva mudelid võivad oma võimekuselt olla inimestest juhtidele tegelikult lähemal kui reatöötajatele. Mõned juhtimisfunktsioonid võidakse automatiseerida enne tööd, mida nende abil juhitakse.

Võib-olla on selle „vahekihi loomise“ stsenaariumi täielik versioon AI, mis teeb mõttetöö ja täidab seejärel oma võimekuse lüngad talle alluvate inimestest töövõtjatega. Selline maailm tundub meile üsna võõras. Palju peaks muutuma.

Ent on olemas loomulikum variant, mille esimene vaatus juba käib: nõustamine. Juba praegu saab tippjuht paluda ChatGPT‑l lugeda sadu Slacki kanaleid, dokumente, kirju ja koodifaile kogu ettevõttest ning seejärel küsimustele vastata. Mida see tiim tegelikult teeb? Kus see nõrk koht avaldub? Organisatsiooni iga osa muutub talle üha paremini mõistetavaks⁠(avaneb uues aknas).

Tippjuhid on juba ammu põiminud organisatsiooniskeemi palgalisi vahendajaid – nad nimetasid seda nõustamiseks. Juhtimiskonsultatsioonifirma lisab sinu kohale kihi, lühikeseks ajaks ja kalli raha eest. Edaspidi võivad AI-konsultandid olla kaduvväikese kuluga ja alati kohal.

Mudelid alles hakkavad ettevõtete dokumente ja suhtlust usaldusväärselt lahti mõtestama. Nende maitse ja algatusvõime peavad veel arenema. Praegu aitab ChatGPT motiveeritud tippjuhil oma organisatsiooni põhjalikumalt mõista. Usume, et lõpuks saab sellest täisteenust pakkuv konsultatsioonitiim. See pole madalama taseme töötajate päris „juht“, vaid pigem ettevõttesisene infovahendaja ja tippjuhtide nõuandja. See kasutab äriteadmisi kõige läbivaatamiseks, toob omal algatusel esile kitsaskohti ja aitab määrata nende lahendamise järjekorda.

Kas sellest on kasu või kahju, sõltub tippjuhist. Struktuurne mõju on tsentraliseerumine. Meie arvates vähendab see vahemaad tippjuhtkonna ja ülejäänud ettevõtte vahel. See koondab rohkem võimu tippu, samas kui infoliikumise takistused soodustasid varem hajutatumat otsustamist.

Peame seda stsenaariumi murranguliseks mitte ainult võimu ümberjaotumise tõttu, vaid ka seepärast, kui lihtne võib olla AI-konsultatsioonitiimi kasutusele võtta. Nagu traditsiooniline nõustamine, ei nõua ka AI-konsultatsioonitiim tippjuhilt tehnilist taipu. See pole arvuti, mille kasutuselevõtt algas altpoolt inimestest, kes oskasid tippida ja terminali kasutada. Sa lihtsalt räägid oma konsultandiga ja tema hoolitseb tehnilise poole eest. See kasutuselevõtulaine võib alata tippjuhi kabinetist. Konsultatsioonitiim võib omakorda kiirendada AI kasutuselevõttu kogu ülejäänud organisatsioonis.

Üks peamisi põhjusi, miks ettevõtted kaugtööd ja töövõttu umbusaldavad, on küsimus, kuidas tagada kokkulepete täitmine. Ettevõtetel pole kunagi olnud odavat viisi töö tegemist kogu selle rikkuses jälgida. Seepärast mõõdavad nad töö näitemängu⁠(avaneb uues aknas): klõpsude arvu, hiireliigutusi, rohelisi olekutäppe – märke, millel on hea töö tegemisega vähe pistmist.

AI pakub jälgijat, mis mõistab. See suudab vaadata inimese loodut ja märgata tegelikku edasiminekut suuremate eesmärkide poole. Nagu järgmises osas käsitleme, ei tohi ühtki uut jälgimisviisi kergekäeliselt rakendada⁠(avaneb uues aknas). Õigetes tingimustes võib see aga suurendada usaldust ja innustada ettevõtteid andma töötajatele rohkem vabadust.

Kui jälgija mõistab paljusid eri teid, mis võivad viia hea töötulemuseni, saavad töötajad rohkem oma soovide järgi töötada. Tähtsamaks muutub liikumine heade tulemuste poole, mitte üks ettekirjutatud meetod, mida ülemustel on lihtne jälgida. Arukas jälgija võimaldab paindlikkust ega lase kasu lõigata näilisest töökusest, mida me kõik põlgame.

Siinne väärtuspakkumine meenutab kindlustusandjaid, kes langetavad kindlustusmakset, kui paigaldad autosse jälgimisseadme. Kui püüdsid süsteemi üle kavaldada, teeb see sulle kahju; kui lihtsalt tegid oma tööd, saab jälgija sinu head tööd tõendada ja juhtkond usaldab sind rohkem.

Selline usaldus loob uusi võimalusi. Võime näha uut valmisolekut⁠(avaneb uues aknas) ettevõtetes, mis varem suhtusid tõrksalt hübriidtöösse, tavapäratult mõtlevatesse inimestesse, töövõtjatesse või säravate töötajate palkamisse kaugetest riikidest.

Praegune organisatsioonistruktuur valmistab reatöötajatele palju probleeme. On äärmiselt heidutav, kui meil pole võimalust enda silme ees olevast probleemist kõrgemale teada anda. On ebaõiglane jääda saamatu juhi alluvusse või teha suurepärast tööd, mida keegi ei märka.

Meie hinnangul toetus eelmine ettevõtete ülioptimeerimise laine piiratud andmetele, umbkaudsetele juhistele ja rumalatele algoritmidele. Kui suudad töödelda vaid ülekandearve, paistab iga inimene hammasrattana. Ettevõtetel on ammu olnud raskusi töötajate panuse mõõtmisega. Arukas jälgija võiks märgata väärtuslikku panust ja ainulaadseid lähenemisi, mida praegused jämedakoelised mõõdikud ei taba.

Neile kolmele lihtsustatud stsenaariumile toetudes uurime nüüd mõningaid ettevõtte tulevikku määravaid küsimusi.

Millegi loomine on üldjuhul üsna kallis. Rakendus, film, esitlus, funktsioon, analüüs – nende kõigi ümbertegemine on kulukas, aeglane ja vaevarikas. Kui sul on sisuliselt üks lask, panustad sihtimisse. Planeerimistsüklid, tegevuskavade rituaalsed arutelud ja kinnitamiskomisjonid peavad kõik tagama, et kui ettevõte lõpuks stardi annab, liigutakse millegi väärtusliku poole. Paljud kontrollimehhanismid meie hierarhiates on olemas seetõttu, et teostus oli kallis.

Paljudes valdkondades vähendab AI loomise hinda järsult – vähemalt prototüübi, kui mitte lõpptulemuse tasemeni. Usume, et sellega peaks muutuma ka ettevõtte lähenemine: vähem sihtimist, rohkem laskmist. Ettevõte saab luua prototüübi, jälgida tulemusi, kiiresti õppida, suunda muuta ja uue versiooni teha. Lihtne prototüüpimine⁠(avaneb uues aknas) peaks ettevõtteid eemaldama korraldusest, mis toetab põhjalikul planeerimisel põhinevat tootmist.

Kõige lihtsamal kujul tähendab see tiimi, mis katsetab ja täiustab kiiremini. Radikaalsema tõlgenduse korral seatakse kahtluse alla tiimi enda vajalikkus. Kui ühine planeerimine on vähem tähtis ning sõltumatud ja mitmekesised ideed olulisemad, kas siis on parem üks kiiresti katsetav tiim või palju inimesi, kes kõik esitavad oma töötavaid prototüüpe? Kui päris prototüüp edastab visiooni paremini kui mistahes lähteülesanne, kas muutuvad ka meie suhtlustavad: jagame rohkem ja varem ning memode asemel valminud lahendusi?

Odavam loomine võib suurendada üksikisikute rolli ettevõttes. See tähendaks vähem keskastme juhtimistasandeid ja vähem loa küsimist, sest varem oli küsimine odavam kui tegemine, nüüd enam mitte.

Samas võib seesama tehnoloogia, mis võimaldab inimestel väiksema riskiga prototüüpe luua, ka bürokraatiat juurde tekitada, nagu järgmisena arutame.

Üks peamisi ülalt alla juhtimise põhjusi on usk, et tippjuhid teevad paremaid äriotsuseid⁠(avaneb uues aknas) kui alustavad töötajad. Ettevõtted maksavad tipus olevatele pädevatele ja kogenud juhtidele rohkem. Juhtidel on sageli äristrateegiaalane väljaõpe, spetsialistid aga on keskendunud oma erialale. Kui AI pakub kõigile töötajatele suurepärast nõu, väheneb lõhe otsuste kvaliteedis. Juhtidel oleks vähem põhjust sekkuda. See suurendaks töötajate iseseisvust ja võiks vähendada juhtimistasandite arvu.

Samuti tagab „AI-konsultatsioonitiim“, et midagi liiga olulist ei juhtuks tippjuhti teavitamata. Kui töötaja kavatseb avaldada blogipostituse, millel on ettevõttele tõsised tagajärjed, juhib konsultatsioonitiim sellele omal algatusel tippjuhi tähelepanu. See loob usaldust: juhtkond ei pea kartma, et nende teadmata juhtub suuri äpardusi, ega pea seetõttu töötaja tööviise nii karmi kontrolli all hoidma⁠(avaneb uues aknas).

Ent AI-konsultatsioonitiim on kahe teraga mõõk⁠(avaneb uues aknas). Aruka jälgijana võib see suurendada usaldust töötajate vastu, kuid ka jõulisemalt kehtestada kogu organisatsioonis tegevjuhi eelistatud tööviise. Ettevõtted väärtustavad kooskõla⁠(avaneb uues aknas): mitte üksnes head otsust, vaid otsust, mis sobib ettevõtte kultuuri, kaubamärgi ja mastaabisäästuga. Restoranikett võib eelistada kõigis frantsiisides ühist menüüd, et tooraineid saaks hulgi tellida ja kliendid võiksid oodata ühtlast toodet.

Sellega seostub ka asjaolu, et ettevõtte juhtide ja töötajate huvid ei lange alati kokku. Töötajad püüavad saavutada edu oma valdkonnas⁠(avaneb uues aknas), samal ajal kui tippjuhid peavad silmas kogu ettevõtet. Omanike eelistused erinevad palgatöötajate omadest, sest just nemad saavad kasu⁠(avaneb uues aknas) usinamast tööst. Konsultatsioonitiim võiks tagada, et ülalt ette kirjutatud korda järgitakse rangemalt.

Meie arvates töötajate otsustusvabadus kokkuvõttes suureneb. Meie optimism põhineb eeldusel, et ettevõtted kasutavad AI-d oluliste erandite esiletoomiseks, jättes rohkem otsuseid töötajate teha.

Usume, et AI toimib tugiraamistikuna: isegi kui tippjuhid soovivad säilitada ühtset kaubamärki, on see lihtsalt üks tegutsemise raamtingimus. Töötajad mõistavad paremini kehtivaid ärilisi piiranguid ja neil on kindlam seljatagune olla loominguline seal, kuhu need piirangud ei ulatu. Kui põhiriskid on kaetud, saavad tippjuhid lasta töötajatel katsetada uusi, potentsiaalselt tulusaid lähenemisi. Meile alluvate AI-abiliste toel vastutame töötajatena ka ulatuslikumate tulemuste eest. Näeme keerukama töö juhtimises rohkem võimalusi loovuseks.

Sama loogika, mis puudutab töötajate iseseisvust, kehtib ka ettevõtte suuruse kohta. Ronald Coase⁠(avaneb uues aknas) küsis, miks korraldame tootmist ettevõtete sees, mitte lepingute võrgustiku kaudu. Isegi lennuki võiks ehitada üksnes osapoolte omavaheliste lepingute alusel, kuid see oleks väga ebatõhus. Ettevõtted saavutavad mastaabisäästu, ühtlustavad huve, korraldavad suuri projekte ja kaotavad vajaduse pideva kauplemise järele.

Suhtlust hõlbustades võib AI muuta otstarbekamaks nii suuremad kui ka väiksemad ettevõtted. Klassikaline ettevõte on taristu, kus info liigub üles ja juhised alla, kuid teekonnal on palju takistusi ning sõnumid moonduvad nagu telefonimängus. Suurem ettevõte, kus töötab rohkem inimesi, on vähem kohmakas, kui AI toimib koordineeriva kihina. „AI-konsultatsioonitiimi“ abil võib tippjuht tunda oma ettevõtet sama hästi kui asutaja kahekümne töötajaga idufirmat. Ta saab jälgida algatuse elluviimist, mitte oodata kvartaliaruannet, ning saada teavituse, kui midagi juhtub. Tema visioon võib jõuda ettevõttes laiemalt mõjule. Kõik teavad paremini, mida teised teevad ja millised on organisatsiooni üldised prioriteedid.

Mõju võib olla ka vastupidine. Kui suhtlus on tõrgeteta ja nõuete täitmist on lihtsam jälgida, ei pea ettevõte nii suurt osa tarneahelast enda sisse tooma. Ettevõte saab väliseid tarnijaid ja töövõtjaid rohkem usaldada.

Vertikaalse integratsiooni üks peamisi ajendeid on huvide ühtlustamine. Siin tuleb mängu mittetäielike lepingute⁠(avaneb uues aknas) mõiste: lennukitootja võib sõlmida lepingu reaktiivmootorite tootjaga, kuid kõiges, mida leping otsesõnu ei nõua, on mootoritootjal ajend kulusid kärpida ja oma kasumi eest seista. Selle vältimiseks ostab lennukitootja mootoritootja ära. Nagu töötajate ja ülemuste puhulgi: kui lepingute täitmist on lihtsam jälgida ning nende üle otsustatakse arukalt, mitte pelgalt linnukesi tehes, võivad ettevõtted julgemini teistele ettevõtetele toetuda. Siis oleks vähem põhjust kõike ettevõtte sees teha.

Ootame paljude väiksemate ettevõtete teket, aga ka laiahaardelisi AI „valdusettevõtteid“, kus ühe ettevõtte sees viiakse ellu tohutul hulgal eri projekte. Konglomeraat on majanduslikult otstarbekas siis, kui kõigis eri projektides kasutatakse mingit ühist vara. See ühine vara võiks olla arvutusvõimsus, kuigi seda saab hõlpsasti hankida ka väikestes kogustes vastavalt vajadusele. Ühine tehas või robotipark on kaalukam põhjus.

Suurt „valdusettevõtet“ võivad õigustada ka ühised huvid. Kui suur AI-süsteemidest ja kapitalist koosnev organisatsioon on täielikult pühendunud ühisele eesmärgile – näiteks vähi ravimisele –, on eraldiseisvaid väiksemaid algatusi vähem vaja. AI-ettevõte võiks vältida võimuvõitlust, jagada kogu teavet ning vajaduse korral luua oma agentide seas loomingulist mitmekesisust, et uuritaks eri lahendusteid.

Praegune süsteem peaks silmapaistvaid töötajaid premeerima. Nad tõusevad ametiredelil ja saavad paremat tasu. Aga kuidas töötajad eristuvad maailmas, kus mudelid on suurepärased nõuandjad?

Kui AI annab kõigile sama suurepärase idee, on meil vähem võimalusi silma paista. Palgavahemikud peaksid kitsenema.

Sellele kitsenemisele töötavad vastu otsustusvõime, maitse ja vastutusala ulatus. Kui igaüks meist juhib endale alluvaid AI-ettevõtteid, jääb inimese väärtuseks otsuste tegemine. Kui igaüks vastutab ulatuslikuma töö eest, on hea ja halva otsustusvõime erinevus tugevamalt tuntav⁠(avaneb uues aknas).

Organisatsiooniskeemi tipu puhul oleme seda loogikat ammu rakendanud. Põhjendame tegevjuhtide palka⁠(avaneb uues aknas) sellega, et tipus tehtud pisut paremad otsused võivad kasumile tohutult mõjuda. Palgaebavõrdsus võib kasvada, kui osa töötajaid juhib endale alluvaid AI-ettevõtteid nappide ressursside kasutamisel paremini.

Mida rohkem on kaalul, seda enam kajastub sinu väike eelis teiste ees palganumbris. Teisalt annab AI kõigile head nõu. Väiksemad erinevused võimekuses vähendavad ka palgaerinevusi.

Siin ja mujalgi võib ülekaalu saav jõud sõltuda sellest, kas langetame valdavalt ise otsuseid või järgime teiste omi.