Ang kinabukasan ng kompanya

Tala ng mga may-akda: Ito ang ikalawang sanaysay sa aming serye tungkol sa susunod na ekonomiya, bahagi ng isang bagong plataporma para sa mga independiyenteng tinig na sumusuri sa isang kinabukasang may AGI. Sinasalamin nito ang aming pananaw, hindi ang sa OpenAI o sa aming mga kasamahan.

Pareho kaming dalawampu't apat na taong gulang nang magsimula kaming mamahala ng sarili naming mga team dito sa OpenAI. Hindi na iyon gaanong kahanga-hanga kapag nakilala ninyo ang aming mga team.

Dapat ay kami ang gumagawa ng mga rutinang trabaho. Sa edad na dalawampu't apat, nasa pinakamababang antas ka ng kompanya. Ikaw ang nagtatala sa mga pulong at nagsusulat ng ilang memo. Matapos ang ilang taon ng nakababagot na trabaho, saka ka pa lang bibigyan—kung papalarin—ng mas malawak na responsibilidad.

Pero mukhang iba ang tinatahak namin—at ng marami pang kabataan ngayon. Sa pagsisimula pa lang naming magtrabaho, mayroon na kaming mga “empleyado” na sumusunod sa aming utos. Nagtatrabaho ang mga katuwang na ito araw at gabi, kahit weekend at holiday. Napakahusay nila sa mga rutinang trabaho. May mga gold medalist pa kami sa math olympiad na nagbibigay ng payo. Nagkakamali pa rin ang mga bago naming tauhan. Pero gumagaling sila, natututuhan nila ang aming mga pangangailangan, at natututuhan naming pamahalaan sila.

Wala sa amin ang umakyat sa hagdan ng kompanya. Sa halip, ang pamamahala ang bumaba sa antas namin. Tungkol ang sanaysay na ito sa aming promosyon, at sa iba pang posibleng pagbabago sa organisasyon ng mga kompanya sa pagpasok natin sa panahon ng katalinuhan.

Kapag pumasok ang AI sa kompanya, saan ito lulugar? Naglalahad kami ng tatlong senaryo bilang paglalarawan:

Wala sa mga senaryong ito ang eksaktong mangyayari ayon sa aming paglalarawan, pero sa tingin namin ay magkakatotoo ang ilang bahagi ng lahat ng tatlo. Nangyayari na ang tatlo sa mga paraang hindi pa gaanong kapansin-pansin.

Hindi ganap na automation ang pokus namin dito, kundi isang ekonomiyang nasa transisyon. Interesado kami sa magiging anyo ng mga kompanyang pinagsasama ang tao at AI habang humuhusay ang AI at naisasama ito sa mga kasalukuyang organisasyon.

Naniniwala kaming mahalagang konsepto ang ganitong hybrid na kompanya dahil hindi agad nagiging produktibo ang paggamit ng AI. Kapag ilang gawain pa lang ang kaya ng mga modelo, maaaring pinakamadali itong gamitin ng mga empleyado sa ibabang antas na pamilyar sa trabaho. Kapag kaya na ng mga modelo ang malalawak na tungkulin mula simula hanggang dulo, maaari nang direktang gamitin ang mga ito ng mga nakatataas. Sa pananaw namin, mas madaling gamitin ang mas may kakayahang AI: kailangang pag-aralan ng mga kompanya ang teknolohiya, pero ang manggagawa ang kumikilala sa kompanya at kayang kusang umangkop dito.

Hihimayin namin ang tatlong bagong uri ng tsart ng organisasyon, saka susuriin ang epekto ng mga ito sa burukrasya, kapangyarihang magpasiya ng manggagawa, laki ng kompanya, at agwat sa sahod.

Mukhang ang unang senaryo namin ang may pinakamaliit na pagbabago. Dito, nananatili ang mga tao sa kanilang mga posisyon at sa parehong mga pinamamahalaan at pinamamahalaanan, na tila pareho pa rin ang trabaho. Mukhang walang pagbabago sa tsart ng organisasyon ng mga tao mula ngayon hanggang sa kinabukasang ito.

Nasa ilalim natin ang pagkakaiba. Sa ilalim ng bawat empleyadong walang tauhan, may bagong puwersa ng AI na nagtatrabaho para sa bawat isa sa atin. Nagkakaroon ng basement ang tsart ng ating organisasyon, at lahat tayo ay nagiging manager.

Sa simula, hindi pa tapos ang basement na ito. Nagsisimula tayo sa tig-isa o dalawang agent, na hindi pa parang mga bihasang empleyado kundi masisigasig na intern na kailangan nating gabayan at madaling patawarin. Mababa ang inaasahan natin: magpadala ng email dito, gumawa ng draft ng memo roon, at sumagot sa mga mensahe sa Slack kung saan-saan. Tulad ng mga baguhang empleyadong tao, limitado muna ang tiwala at kalayaang ibinibigay sa kanila.

Pero habang humuhusay ang mga modelo, mas maraming gawain ang inaako ng ating mga agent kahit mas kaunti ang paggabay. Nakikipag-ugnayan sila sa isa't isa. Maaaring may mga AI na manager at mga AI na gumagawa ng rutinang trabaho, mga accountant at abogado, na magkakasamang nagtatrabaho ayon sa iyong utos. Sa halip na gabayan ang isang intern sa bawat hakbang, kalaunan ay magiging parang isang maliit na kompanya ang iyong operasyon, na may sarili nitong tsart ng organisasyon at ikaw ang lupon ng mga direktor nito.

Pansining hindi nangangahulugan ng tanggalan ang senaryong ito. Dito, gumagamit tayo ng AI nang hindi nito pinapalitan ang ating mga trabaho. Sa halip, ang dating tayo ang pinapalitan ng automation, at umaangat tayo sa herarkiya. Parami nang parami sa mga dati nating ginagawa ang inaako ng AI. Nananatili ang ating mga trabaho dahil mas marami nang kailangang pamahalaan, at nagiging responsable tayo sa mas malaking kabuuang output.

Nagbabago ang mga trabaho⁠(magbubukas sa bagong window). Ipagpalagay na kayang gawin ng AI ang siyamnapung porsiyento ng dati mong ginagawa. Maaaring isipin mong sampung porsiyento na lang ng trabaho ang natitira sa iyo. Ang isa pang posibilidad ay buo pa rin ang trabaho mo, pero iba na ito—nakatuon na ngayon sa layuning sampung ulit na mas malaki. Iyan ang matagal nang ambag ng teknolohiya: tumataas ang produktibidad, lumalaki ang ambisyon para tapatan ito, at maaaring tumaas ang sahod⁠(magbubukas sa bagong window) kasabay ng ambisyon.

Nakadepende ang lahat ng ito sa kung nakadaragdag pa rin tayo ng halaga⁠(magbubukas sa bagong window) sa produksiyon. Nakatuon ang sanaysay na ito sa mga darating na taon, kung kailan hindi pa kaya o ginagamit ang automation sa lahat ng bagay. Kahit kaya nang gawin ng AI ang lahat, maaari pa rin nating mas pahalagahan ang isang bagay dahil tao ang gumawa nito, o igiit na tao ang may huling pasya.

Nakadepende rin ito sa kung gaano pa karami ang gusto natin. Kung bilang mga mamimili ay hindi natin gusto ang sampung ulit na dami ng output, lilipat ang balanse tungo sa mas kaunting manggagawa o mas maikling oras ng trabaho. Sa kasaysayan, hindi pa nasasapatan ng pagdami ng output ang ating mga kagustuhan. Di-hamak na mas marami⁠(magbubukas sa bagong window) na tayong tinatamasa pero bahagya lang ang ikli⁠(magbubukas sa bagong window) ng oras ng trabaho natin. Kung patuloy na lalaki ang ating kagustuhan kasabay ng pagdami ng output—at may naiaambag pa rin tayo sa produksiyon—pipiliin nating patuloy na ipagpalit ang ating paggawa sa mas maraming makokonsumo. Kung sa halip ay maging napakasagana ng produksiyon hanggang sa masapatan na tayo, maaaring kusang piliin nating bawasan ang bilang ng nagtatrabaho.

May iba pang mga pagtutol na tatalakayin namin mamaya (halimbawa, kung magkakaroon ba ng mas maraming maliliit na kompanya). Sa tingin pa rin namin, mahalaga ang senaryong ito dahil kailangang may pagsimulan ang paggamit ng AI. Kailangan ng mga kompanya ng paraan para matatag na makapagbago mula sa kasalukuyan nilang estruktura. Maaaring mas madaling unang hakbang ang pagpapalakas sa trabaho ng kasalukuyang mga empleyado kaysa sa malawakang pagbabago ng estruktura. Nakikita na natin ito ngayon: sunod-sunod na mga manggagawa ang nagpapasa ng gawain sa AI, nang wala pang malawakang pagbabago sa organisasyon.

Umaasa ang senaryong ito sa mga nasa unahan ng aktuwal na trabaho na unang kukuha ng mga tauhan. Mga manggagawa sa ibabang antas—hindi mga manager at ehekutibo—ang nangunguna sa paggamit ng AI. Malamang iyon hangga't ang pinakamahusay magpagawa ng trabaho sa AI ay ang taong dating gumagawa nito mismo.

Kaya nang i-automate ng mga modelo ang maraming gawain sa data science, pero mahihirapang gamitin ang mga kasangkapan ng isang pinuno ng departamentong hindi pamilyar sa mga pamamaraan at detalye. Hangga't hindi pa sapat ang pagkukusa ng AI para sabihin sa iyo ang mga hindi mo alam (tingnan ang susunod naming senaryo), malamang na pinakamabisa ito para sa mga pamilyar na sa paggawa ng trabaho.

Ang pinakamalaking pagbabago sa senaryong ito ay para sa mga baguhang manggagawa. Wala nang magiging pinakamababang baitang, kahit man lang para sa mga tao. Kapag kumuha tayo ng mga kabataan, hindi na para ilagay sila sa nakababagot na pinakailalim ng kompanya. Ang mga posisyong iyon ay pupunan ng isang bagay na hindi nababagot.

Dahil dito, mawawala ang ilang tradisyonal na paraan ng pagtuturo sa mga batang manggagawa: ang pagiging aprentis⁠(magbubukas sa bagong window), ang pagkatuto sa rutinang trabaho, at ang pagpapatunay ng sarili sa karanasan. Tunay na mga kawalan ang mga ito, pero sa kabuuan ay nakikita namin ito bilang pribilehiyo. Kahit ang pinakabagong empleyadong may magandang ideya ay may mga mapagkukunan para mag-eksperimento. Nawawalan na ng bisa ang pinakalumang dahilan sa opisina: kulang lang talaga tayo sa tao. Ang isang baguhang empleyadong may magandang konsepto ng video game pero walang paraan para makakuha ng mga tauhan ay maaari na ngayong gawin ito mismo.

Sa pananaw namin, marami pa ring matututuhan ang mga baguhang manggagawa sa senaryong “pag-angat”—husga, panlasa, kasanayan sa pamamahala, at malikhaing bisyon. Magkakaroon tayo ng insentibong linangin ang mga kasanayang ito dahil makikita ang mga ito sa ating gawa. Patuloy tayong matututo sa paggawa⁠(magbubukas sa bagong window), pero sa mas malawak na saklaw. May insentibo pa rin ang mga beterano ng kompanya na tulungan tayo bilang mga responsableng tagagabay (na may bahagi sa pagmamay-aring makikinabang sa ating tagumpay). Ang pagkakataon dito ay mas nakapagpapasiglang tungkulin para sa lahat sa bawat antas. Maipapakita ng sinumang manggagawa ang kanyang talento sa mas malawak na responsibilidad, na pinakamahalaga sa mga baguhang dati ay walang sariling saklaw.

Sa ikalawang paraan ng pagpasok ng AI sa kompanya, naihahalo ito sa kasalukuyang tsart ng organisasyon. Dito, hindi mga nasa pinakailalim ang mga agent kundi mga kasamahan. Ibinibigay ng isang tradisyonal na manager ang bahagi ng trabaho ng team sa isang modelo gaya ng pag-aatas niya sa sinumang empleyado. Pumupuwesto ang AI katabi ng mga tao, hindi lang sa ilalim nila.

Ang pangunahing kaibahan sa unang senaryo: dito, ginagamit ang produktibong AI ng mga kasalukuyang taong manager, hindi lang ng mga empleyadong walang tauhan. Para mangyari iyon, kailangan nitong maging sapat na mahusay bilang ganap na miyembro ng team.

Maraming uri ng gawain ang kaya ng mga tao. Nakatutulong ang martilyo sa isang gawain; di-hamak na mas marami ang nagagawa ng tao. Palawak nang palawak ang saklaw ng AI sa paglalakbay nito mula kasangkapan tungo sa manggagawa: pag-automate muna ng gawain, saka ng trabaho, ng team, at sa huli, ng kompanya. Bawat paglawak ng saklaw ay nangangailangan ng mas malawak na kakayahan.

Ang isang trabaho ay parang maletang puno ng maraming gawain. Para sa isang buong team, siksik ang maletang iyon sa sari-saring uri ng trabaho. Mas maraming gawaing saklaw, mas maraming posibleng sagabal. Kung kahit isa sa mahahalagang gawain ng team ay may pisikal na paggawa, kakailanganin ang isang buong bagong hanay ng mga kagamitang pandagdag. Para direktang maipalit sa isang buong team, kailangang kayanin ng AI ang lahat ng sari-saring responsibilidad nito.

Mas mahirap bumuo ng AI na kayang humawak ng mas malawak na saklaw. Pero para sa mga kompanya—at ito ang pangunahing di-pagkakatimbang sa buong transisyon—mas madaling gamitin ang may mas malawak na saklaw.

Maaaring direktang gamitin ng isang ehekutibo ang isang team o malawak na tungkuling awtomatiko mula simula hanggang dulo. Hindi ganoon kadaling ipatupad mula sa itaas ang isang kasangkapang mas makitid ang kakayahan. Umaasa ang mas simpleng kasangkapan sa malawakang pagtanggap at muling pagsasanay ng mga manggagawa.

Karaniwang pinamumura ng mga bagong teknolohiya ang paggawa ng isang limitadong pangkat ng mga gawain. Pagkatapos, nasa mamimili na ang responsibilidad. Kailangang alamin ng kompanya kung paano mapapakinabangan ang bagong kasangkapan, at kailangang muling magsanay, mag-organisa, at bumuo ng mga proseso⁠(magbubukas sa bagong window) para umangkop dito. Hindi kusang pumasok ang spreadsheet software sa departamento ng accounting—ang departamento ang nagbago para umangkop sa software.

Kabaligtaran naman ang mga manggagawa. Ang isang intern, empleyado, at mahusay na team ang nag-iisip kung paano makatutulong sa iyo. Nagtatanong sila sa iyo, inuunawa ang iyong konteksto, at napapansin ang iyong mga pangangailangan. Ipinapaalam nila sa iyo ang mga bagay na hindi mo man lang namalayang hindi mo alam. Ang pinakamahuhusay na manggagawa ay kusang umaangkop sa trabaho.

Habang nagiging mas katulad ng manggagawa ang AI sa ganitong diwa, na may pagkukusa at kakayahang umangkop, mas kaunti ang kailangang matutuhan ng kompanya para magamit ito at mas kusang inaalam ng AI kung paano makatutulong sa kompanya. Malamang na hindi magtitiyagang makinig ang isang ehekutibo sa panimulang leksiyon sa design software para matutuhan ang isang bagong kasangkapan. Pero malugod niyang pakikinggan ang alok na gaya nito: sabihin mo lang, at ako na ang bubuo ng buong operasyon mo sa marketing.

Madalas nating ituring na sukdulang mithiin ng AGI ang pag-automate ng isang trabaho. Totoo, hindi pa nga natin naaabot iyon. Napakasalimuot ng mga trabaho dahil napakalawak ng ating kakayahan. Gayunman, napakaliit na bahagi⁠(magbubukas sa bagong window) ng output ng ating ekonomiya ang mula sa mga manggagawang nag-iisa. Nag-aambag sa mga team ang mga produktibong trabaho, sa mga kompanya ang mga team, at ang mga kompanya ang gumagawa ng halos lahat ng kinokonsumo natin.

Hindi sapat ang pagkilalang ibinibigay sa ating mga tao ng pamantayang “trabaho” para sa AGI. Hindi lang tungkol sa mga gawain ang paggawa, o kahit sa pagharap sa mga di-karaniwang bahagi nito: kabilang din dito ang kahanga-hangang koordinasyon, ang kakayahan nating umangkop para gawin ang maliliit na bahagi ng mas malaking output. Lubhang minamaliit ang halaga natin kung ituturing lang tayong mga kalipunan ng gawain. Mas nakasalalay ang kakayahan ng tao sa ating mga organisasyon⁠(magbubukas sa bagong window) kaysa sa indibidwal. Dapat maabot ng AGI para sa ekonomiya ang pamantayan ng mga tao, hindi ng isang tao.

Dahil dito, maaaring maging lubhang di-episyente ang senaryong “paghahalo” kung ang AI ay parang kasangkapan pa rin o kahit isang manggagawa, sa halip na parang team o kompanya. Ang paglalagay ng modelo sa tabi ng bawat manggagawa ay nangangahulugan ng libo-libong dugtungan at pagpapasahan ng gawain⁠(magbubukas sa bagong window). Maaaring pabagalin ng pira-pirasong kaayusang ito ang paggamit ng AI.

Nakikita namin ang isang karera sa pagitan ng mas maaga ngunit mas limitadong mga pagpapatupad at mas huli ngunit mas may kakayahang mga modelo. Nakadepende ang mananalo sa kung sapat na mas mabilis ang pagtanggap sa mga modelo sa hinaharap para mabawi ang dagdag na panahong kailangan upang maabot ang mga kakayahang iyon.

Maaaring kasabay ng unang senaryong “pag-angat” ang senaryong ito ng “paghahalo.” Maaaring bawasan ng mga kompanya ang bilang ng kanilang mga tao habang ino-automate ng AI ang ilang tungkulin, habang mas lumalawak naman ang responsibilidad ng mga natitirang tao sa tulong ng kanilang mga agent na manggagawa. Mahalagang tandaan na hindi awtomatikong nangangahulugan ang senaryong ito ng mas kaunting kabuuang trabaho para sa mga tao. Maaaring mas marami ang mga kompanya, na bawat isa ay may mas kaunting tauhan.

Ang ikatlong senaryo namin ang pinakanakagugulat. Dito, pumapasok ang AI sa kompanya sa itaas ng mga tao. Hindi na tao sa ibabaw ng mga makina ang pagkakasunod, kundi tao, AI, tao: automation na nasa gitna. May mga taong “nasa ilalim” ng isang AI.

Parang malabong mangyari, lalo na bilang panimulang paraan ng paggamit ng AI sa kompanya. Pero sa tingin namin, nagsimula na ito sa mga paraang hindi gaanong radikal.

Kahit isipin natin ang AI bilang tagapag-automate ng gawaing pangkaisipan, madalas nakatuon tayo sa mga ibabang antas. Karaniwan nating sinasabing ina-automate ng AI ang mga spreadsheet at presentasyon, hindi ang pamamahala. Likas nating iniisip na paakyat ang automation sa herarkiya: mauuna ang rutinang gawaing pangkaisipan at mahuhuli ang pagpapasiya, at ang manager ang huling mapapalitan.

Pero karamihan sa trabaho ng manager ay nasa computer at isip: pagbabasa, pagpupulong, pagtitimbang, pag-unawa sa konteksto, at pagpapasya. May halaga ang pisikal na presensiya, ang paglibot sa opisina at pakikisalamuha sa mga tauhan. Pero ang trabaho sa ibabang antas, kahit pangkaisipan ang kalakhan nito, ang mas nakikitungo sa mga pisikal na bagay at kasangkapan kaysa sa pamamahala. Ang intern ang inuutusang mag-photocopy, hindi ang boss niya.

Mahirap ituro sa isang modelo ang pagpapasyang pang-manager dahil hindi malinaw ang sukatan ng tagumpay at matagal bago ito masukat. Dahil sa mga katulad na dahilan⁠(magbubukas sa bagong window), mahirap ding magsanay ng mahuhusay na taong manager. Hindi pa natin alam kung gaano kahusay ang mga modelo sa pamamahala. Marami tayong pagsusuri sa gawaing pangkaisipan na nakatuon sa pagsasakatuparan, pero kakaunti ang sumusukat sa malawakang pag-uugnay ng gawain sa antas ng mga manager at ehekutibo.

Mahalaga pa ring isaalang-alang na maaaring mas malapit ang kakayahan ng mga modelo ngayon sa mga taong manager kaysa sa mga manggagawa sa ibabang antas. Maaaring ma-automate ang ilang tungkulin sa pamamahala bago ang mismong trabahong pinangangasiwaan ng mga ito.

Marahil ang ganap na bersiyon ng senaryong “pagdaragdag ng antas” ay isang AI na nag-iisip, saka pinupunan ang kakulangan sa kakayahan nito sa pamamagitan ng mga taong kontratistang nagtatrabaho sa ilalim nito. Parang napakalayo ng mundong iyon sa nakasanayan natin. Maraming kailangang magbago.

Pero may mas natural na anyo nito, at nagsisimula na itong lumitaw: pagpapayo. Ngayon, maaaring hilingin ng isang ehekutibo sa ChatGPT na basahin ang daan-daang Slack channel, dokumento, liham, at code file mula sa buong kompanya, at pagkatapos ay sumagot sa mga tanong. Ano ba talaga ang ginagawa ng team na ito? Saan lumilitaw ang kahinaang iyon? Mas madali na niyang masuri⁠(magbubukas sa bagong window) ang bawat bahagi ng organisasyon.

Matagal nang naglalagay ang mga ehekutibo ng mga bayarang tagapamagitan sa tsart ng organisasyon—tinawag nila itong pagkonsulta. Nagdaragdag ng antas sa ibabaw mo ang isang kompanya ng pagkonsulta sa pamamahala, pansamantala at sa malaking halaga. Sa hinaharap, maaaring halos walang gastos ang mga AI na tagapayo at palagi silang naroroon.

Nagsisimula pa lang maaasahang masuri ng mga modelo ang mga dokumento at komunikasyon ng kompanya. Kailangan pang humusay ang kanilang panlasa at pagkukusa. Sa ngayon, tinutulungan ng ChatGPT ang isang masigasig na ehekutibo na mas detalyadong maunawaan ang kanyang organisasyon. Nakikita naming magiging ganap na serbisyo ng pagpapayo ito kalaunan. Hindi ito magiging tunay na “tagapamahala” ng mga empleyado sa ibabang antas, kundi tagapag-ulat at tagapayo ng mga ehekutibo sa loob ng kompanya. Gagamitin nito ang kaalaman sa negosyo para suriin ang lahat, kusang tukuyin ang mga problema, at tumulong sa pagtakda ng mga dapat unahin.

Nakasalalay sa ehekutibo kung makabubuti o makasasama ito. Ang epekto nito sa estruktura ay sentralisasyon. Nakikita naming mapalalapit nito ang mga pinakamatataas na ehekutibo sa mismong operasyon ng kompanya. Mas maraming kapangyarihan ang napupunta sa itaas, samantalang dati, ang hirap sa pagpapasa ng impormasyon ay nagtutulak sa mas desentralisadong pagpapasiya.

Malalim ang kabuluhan ng senaryong ito para sa amin, hindi lang dahil inililipat nito ang awtoridad, kundi dahil napakadaling gamitin ang AI bilang tagapayo. Gaya ng tradisyonal na pagkonsulta, hindi kailangan ng ehekutibo ng teknikal na kadalubhasaan para gumamit ng AI na tagapayo. Hindi ito tulad ng computer, na unang ginamit sa ibabang antas ng mga marunong mag-type at gumamit ng terminal. Kakausapin mo lang ang iyong tagapayo, at ito na ang bahala sa teknikal na kaalaman. Maaaring magsimula sa opisina ng pinuno ang alon ng paggamit na ito. Maaari namang pabilisin ng tagapayo ang paggamit ng AI sa buong organisasyon.

May isang malaking dahilan kung bakit nagdududa ang mga kompanya sa remote work at pagkuha ng mga kontratista: ang kakayahang matiyak ang pagtupad sa napagkasunduan. Wala pang murang paraan para masubaybayan ng mga kompanya ang paggawa nang may sapat na pag-unawa sa buong lawak at detalye nito. Kaya sinusukat nila ang mga pagpapanggap⁠(magbubukas sa bagong window) nito: bilang ng mga click, galaw ng mouse, berdeng tuldok ng status—mga senyas na walang gaanong kaugnayan sa kung mahusay nga ba ang ginagawang trabaho.

Nag-aalok ang AI ng tagasubaybay na nakauunawa. Maaari nitong tingnan ang ginagawa ng isang tao at kilalanin ang tunay na pag-usad tungo sa mas malalaking layunin. Gaya ng susuriin namin sa susunod na seksiyon, hindi dapat basta-bastang ipatupad⁠(magbubukas sa bagong window) ang anumang bagong paraan ng pagmamanman. Pero sa tamang kalagayan, maaari nitong palakasin ang tiwala at hikayatin ang mga kompanya na bigyan ng higit na kalayaan ang kanilang mga empleyado.

Kung nauunawaan ng tagasubaybay ang maraming magkakaibang landas tungo sa mahusay na resulta, mas makapagtatrabaho ang mga empleyado sa paraang gusto nila. Mas magiging mahalaga ang pag-usad tungo sa magagandang resulta kaysa sa iisang itinakdang paraang madaling subaybayan ng mga boss. Nagbibigay ng kaluwagan ang matalinong tagasubaybay at pinapanagot ang pakitang-taong pagiging produktibo na kinaiinisan nating lahat.

Kahawig ng benepisyo rito ang alok ng mga kompanya ng seguro na nagpapababa ng bayad mo kapag naglagay ka ng tracker sa sasakyan. Kung sinusubukan mong dayain ang sistema, mapapasama ka rito; kung ginagawa mo lang ang iyong trabaho, mapatutunayan ng tagasubaybay na tama ang ginagawa mo, at mas magtitiwala sa iyo ang pamunuan.

Nagbubukas ng mga posibilidad ang tiwalang iyon. Maaaring makakita tayo ng bagong kahandaan⁠(magbubukas sa bagong window) mula sa mga kompanyang dating nag-aatubili sa hybrid na trabaho, sa mga taong di-karaniwan mag-isip, sa mga kontratista, o sa pagkuha ng mahuhusay na tao sa malalayong bansa.

Maraming problema ang mga empleyado sa ibabang antas sa tsart ng organisasyon ngayon. Lubhang nakapanghihina ng loob kapag wala tayong paraan para maiparating sa nakatataas ang isang problemang mismo nating nasasaksihan. Hindi patas na maipit sa ilalim ng mahinang manager, o gumawa nang mahusay pero hindi mapansin.

Sa tingin namin, ang naunang alon ng sukdulang pagpapahusay sa negosyo ay nakabatay sa limitadong datos, maluluwag na gabay, at mga algorithm na walang tunay na pag-unawa. Kung mga ratio lang ng gear ang kaya mong unawain, magmumukhang piyesa ng makina ang bawat tao. Matagal nang may problema ang mga kompanya sa pagsukat sa gawain ng kanilang mga tauhan. Maaaring makilala ng matalinong tagasubaybay ang mahahalagang ambag at natatanging paraan na hindi nakikita ng mga simpleng sukatan ngayon.

Batay sa tatlong pinasimpleng senaryo, susuriin natin ngayon ang ilang mapagpasiyang tanong tungkol sa kinabukasan ng kompanya.

Sa pangkalahatan, magastos ang paglikha. Isang app, pelikula, presentasyon, feature, o pagsusuri: lahat ng ito ay magastos, matagal, at nakapapagod ulitin. Kapag halos iisa lang ang pagkakataon mong tumira, pinagbubuti mo ang pag-asinta. May mga siklo ng pagpaplano, mga ritwal sa paglatag ng direksiyon, at mga komite ng pag-apruba para matiyak na kapag umusad na ang kompanya, may saysay ang gagawin nito. Maraming pagsusuri sa ating mga hirarkiya ang umiiral dahil mahalaga at magastos ang pagsasakatuparan.

Sa maraming larangan, lubhang pinabababa ng AI ang gastos sa paglikha—kahit man lang hanggang sa prototype, kung hindi man sa ganap na pagkompleto. Naniniwala kaming dapat ding magbago ang paraan ng kompanya: bawasan ang pag-asinta, dalasan ang pagtira. Maaaring gumawa ng prototype ang isang kompanya, magmasid, mabilis na matuto, magbago ng direksiyon, at buuin itong muli. Ang madaling paggawa ng prototype⁠(magbubukas sa bagong window) ay dapat maglayo sa mga kompanya sa mga estrukturang sumusuporta sa produksiyong nangangailangan ng masinsing pagpaplano.

Ang pinakasimpleng bersiyon nito ay isang team na mas mabilis sumubok at magpahusay. Sa mas radikal na pagbasa, mismong pangangailangan sa team ang kinukuwestiyon. Kung nababawasan ang halaga ng sama-samang pagpaplano at mas mahalaga ang magkakaibang ideyang nabuo nang hiwa-hiwalay, mas mabuti ba ang iisang team na mabilis magpahusay, o maraming indibidwal na may kanya-kanyang gumaganang prototype? Kung mas malinaw na naipapakita ng aktuwal na prototype ang isang bisyon kaysa sa anumang dokumento ng saklaw, magbabago ba ang nakasanayan nating komunikasyon: mas marami at mas maagang pagbabahagi, at mga likha sa halip na mga memo?

Maaaring mas bigyang-halaga ng kompanya ang mga indibidwal kapag mura ang paglikha. Mangangahulugan ito ng mas kaunting antas ng gitnang pamamahala at mas kaunting paghingi ng pahintulot, dahil dati ay mas mura ang magpaalam kaysa gumawa, pero hindi na ngayon.

Gayunman, gaya ng susunod naming tatalakayin, ang teknolohiyang nagpapalakas sa indibidwal na gumawa ng prototype nang mas maliit ang panganib ay maaari ring magpatupad ng mas maraming burukrasya.

Isang pangunahing dahilan kung bakit mula sa itaas pababa ang pamamahala sa mga kompanya ay ang paniniwalang mas mahusay ang mga ehekutibo sa mga desisyong mahalaga sa negosyo⁠(magbubukas sa bagong window) kaysa sa mga baguhang manggagawa. Mas mataas ang ibinabayad ng mga kompanya sa mga bihasa at beteranong pinuno, at madalas sinasanay ang mga manager sa estratehiya sa negosyo habang dalubhasa naman sa sariling larangan ang mga empleyadong walang tauhan. Kung magbibigay ang AI ng napakahusay na payo sa lahat ng manggagawa, liliit ang agwat sa kalidad ng pagpapasya. Mababawasan ang dahilan para makialam ang mga manager. Lalawak ang kalayaan ng mga manggagawa, at posibleng mabawasan ang mga antas ng pamamahala.

Gayundin, tinitiyak ng “AI na tagapayo” na walang mangyayaring napakalaki ang epekto nang hindi naaabisuhan ang isang ehekutibo. Kung maglalathala ang isang manggagawa ng blog post na may mabigat na epekto sa kompanya, kusang ipapaalam ito ng tagapayo sa ehekutibo. Nagbubunga ito ng tiwala: hindi kailangang mangamba ang pamunuan na may malalaking pagkakamaling mangyayari nang hindi nila alam, kaya hindi nila kailangang mahigpit na kontrolin⁠(magbubukas sa bagong window) kung paano ginagawa ng isang manggagawa ang kanyang trabaho.

Pero ang AI na tagapayo ay may dalawang talim⁠(magbubukas sa bagong window). Bilang matalinong tagasubaybay, maaari nitong palakasin ang tiwala sa mga manggagawa; maaari rin nitong mas mahigpit na ipatupad sa buong organisasyon ang paraan ng paggawa na gusto ng CEO. Mahalaga sa mga kompanya ang pagkakatugma⁠(magbubukas sa bagong window): hindi lang mahusay na desisyon, kundi desisyong akma sa kultura, tatak, at pagtitipid na dulot ng laki ng operasyon ng kompanya. Maaaring mas gusto ng isang hanay ng mga restoran ang iisang menu sa lahat ng prangkisa nito para maramihan ang pagbili ng mga sangkap at pare-parehong produkto ang maaasahan ng mga customer.

Kaugnay nito, hindi laging magkatugma ang mga insentibo ng mga boss at manggagawa. Pinagsisikapan ng mga manggagawa ang tagumpay ng sarili nilang saklaw⁠(magbubukas sa bagong window), habang ang buong kompanya ang iniisip ng mga ehekutibo. Iba ang mga nais ng mga may bahagi sa pagmamay-ari kaysa sa mga sumasahod, dahil sila ang nakikinabang⁠(magbubukas sa bagong window) sa mas masipag na pagtatrabaho. Maaaring ipatupad ng tagapayo ang mas mahigpit na pagsunod sa mga tiyak na pamamaraang itinakda ng nakatataas.

Sa kabuuan, sa tingin namin ay lalawak ang kapangyarihang magpasiya ng mga manggagawa. Nakabatay ang aming optimismo sa paggamit ng mga kompanya ng AI para ipaalam ang mahahalagang paglihis sa nakasanayan, habang iniiwan sa mga manggagawa ang mas maraming desisyon.

Naniniwala kaming magsisilbing balangkas na suporta ang AI—kahit gustong panatilihin ng mga ehekutibo ang iisang pagkakakilanlan ng tatak, magiging hangganan lamang ito na dapat isaalang-alang sa paggawa. Mas mauunawaan ng mga manggagawa ang mga limitasyon ng negosyo at mas magiging ligtas silang maging malikhain sa mga bahaging hindi saklaw ng mga limitasyong iyon. Kapag napangangalagaan na ang mahahalagang bagay, maaaring hayaan ng mga ehekutibo ang mga empleyado na sumubok ng mga bagong paraang posibleng kumita nang malaki. Sa tulong ng mga AI na katuwang sa ilalim natin, magiging responsable rin ang mga manggagawa sa mas malalaking output. Nakikita naming mas marami ang pagkakataong maging malikhain kapag namamahala sa mas masalimuot na trabaho.

Ang parehong lohika sa kalayaan ng manggagawa ay naaangkop din sa laki ng kompanya. Itinanong ni Ronald Coase⁠(magbubukas sa bagong window) kung bakit natin inoorganisa ang produksiyon sa loob ng mga kompanya sa halip na sa pamamagitan ng magkakaugnay na kontrata. Kahit isang eroplano ay maaaring buuin sa pamamagitan lamang ng mga direktang kontrata sa isa't isa, pero magiging napakabagal at magastos nito. Nakatitipid ang mga kompanya dahil sa laki ng operasyon, pinagtutugma ang mga insentibo, inoorganisa ang malalaking proyekto, at inaalis ang pangangailangang paulit-ulit na makipagtawaran.

Sa pagpapadali ng komunikasyon, maaaring gawing mas makatuwiran ng AI ang pagkakaroon ng mas malalaki o mas maliliit na kompanya. Ang tradisyonal na kompanya ay isang sistemang nagpapasa ng impormasyon pataas at mga tagubilin pababa, na puno ng abala at mga mensaheng nababago sa pagpapasahan. Mas madaling pamahalaan ang isang mas malaking kompanya (na may mas maraming empleyadong tao) kung magsisilbing tagapag-ugnay ang AI. Sa tulong ng “AI na tagapayo,” makikilala ng isang ehekutibo ang kanyang kompanya gaya ng pagkakakilala ng isang founder sa startup na may dalawampung tao. Masusubaybayan niya ang pagpapatupad ng isang inisyatiba sa halip na hintayin ang ulat kada quarter, at maaabisuhan siya kapag may nangyari. Mas malawak na maisasabuhay ang kanyang bisyon. Mas alam ng lahat ang ginagawa ng iba at ang mga pangkalahatang priyoridad ng organisasyon.

Maaari ding kabaligtaran ang mangyari. Kung walang sagabal ang komunikasyon at mas madaling masubaybayan ang pagsunod sa mga kasunduan, hindi na kailangang ang kompanya mismo ang humawak sa malaking bahagi ng supply chain nito. Mas mapagkakatiwalaan ng kompanya ang mga panlabas na supplier at kontratista.

Isang pangunahing dahilan ng patayong integrasyon ang pagtutugma ng mga insentibo. May konsepto ng mga di-kompletong kontrata⁠(magbubukas sa bagong window)—maaaring makipagkontrata ang isang kompanya ng aerospace sa gumagawa ng jet engine, pero sa lahat ng hindi tahasang hinihingi sa kontrata, may insentibo ang gumagawa ng jet engine na magtipid at unahin ang sarili nitong kita. Para maiwasan ito, binibili ng kompanya ng aerospace ang gumagawa ng jet engine. Gaya ng sa mga manggagawa at boss: kung mas madaling masubaybayan ang mga kontrata at matalinong mapagpasiyahan ang mga alitan sa halip na basta magtsek ng mga kahon, maaaring mas kampante ang mga kompanya na umasa sa ibang kompanya. Mababawasan ang dahilan para gawin ang lahat sa loob ng kompanya.

Inaasahan naming makakita ng maraming mas maliliit na kompanya, pero pati ng malalawak na AI na “kompanyang humahawak sa iba pang negosyo,” kung saan napakaraming magkakaibang proyekto ang isinasagawa sa iisang negosyo. Matipid ang isang konglomerado kung may pinagsasaluhang yaman na napapakinabangan ng lahat ng magkakaibang proyekto. Maaaring kapasidad sa pag-compute ang yamang ito, bagaman madali namang makakuha nito sa maliliit na dami ayon sa pangangailangan. Mas matibay na dahilan ang iisang pabrika o pangkat ng mga robot na pinagsasaluhan.

Maaari ding bigyang-katwiran ng magkakatugmang insentibo ang malaking “kompanyang humahawak sa iba pang negosyo.” Kung ang isang malaking organisasyon ng mga AI at kapital ay lubusang nakatuon sa iisang misyon—halimbawa, ang paghanap ng lunas sa kanser—hindi na gaanong kailangan ang magkakahiwalay na maliliit na inisyatiba. Maaaring maiwasan ng isang AI na kompanya ang agawan sa kapangyarihan, maibahagi ang lahat ng impormasyon, at, kung kailangan, lumikha ng magkakaibang malikhaing pananaw sa mga agent nito para masubukan ang iba't ibang landas.

Dapat ay ginagantimpalaan ng sistema ngayon ang mga natatanging manggagawa. Umaangat sila sa ranggo at tumatanggap ng mas mataas na sahod. Pero sa mundong may napakahuhusay na modelong tagapayo, paano mamumukod-tangi ang mga manggagawa?

Kung pareho ang napakagandang ideyang ibinibigay ng AI sa lahat, mas kaunti ang pagkakataon nating mamukod-tangi. Dapat lumiit ang agwat sa mga antas ng sahod.

Ang kumokontra sa pagliit na ito ay ang husga, panlasa, at lawak ng responsibilidad. Kung bawat isa sa atin ay namumuno sa mga AI na kompanya sa ilalim natin, ang natitirang halaga ng tao ay ang ating pagpapasiya. Kung bawat tao ay responsable sa mas malaking gawaing nasa ilalim niya, mas malaki ang epekto⁠(magbubukas sa bagong window) ng pagkakaiba ng mahusay at mahinang pagpapasiya.

Matagal na nating ginagamit ang lohikang ito sa tuktok ng tsart ng organisasyon. Binibigyang-katwiran natin ang sahod ng CEO⁠(magbubukas sa bagong window) sa ideyang kahit bahagyang mas mahusay na mga desisyon sa itaas ay maaaring magkaroon ng napakalaking epekto sa kita. Maaaring lumaki ang agwat sa sahod kung mas mahusay ang ilang manggagawa sa pamamahala ng mga AI na kompanya sa ilalim nila para magamit ang limitadong mga yaman.

Habang lumalaki ang nakataya, mas nakikita sa iyong sahod ang maliit mong kalamangan sa iba. Sa kabilang banda, magbibigay ang AI ng mahusay na payo sa lahat. Kapag mas kaunti ang pagkakaiba, mas lumiliit ang agwat ng mga sahod.

Dito at sa iba pang usapin, maaaring nakasalalay ang mananaig sa kung tayo ba ang pangunahing nagpapasiya o sumusunod lamang sa pasiya.