કંપનીનું ભવિષ્ય

લેખકોની નોંધ: આગામી અર્થવ્યવસ્થા વિશેની અમારી શ્રેણીનો આ બીજો નિબંધ છે. AGI સાથેના ભવિષ્યની શોધખોળ કરતા સ્વતંત્ર અવાજોને સ્થાન આપતા નવા મંચનો તે ભાગ છે. તેમાં અમારા વિચારો વ્યક્ત થયા છે, OpenAI કે અમારા સહકર્મીઓના નહીં.

અહીં OpenAIમાં અમે પોતાની ટીમોનું સંચાલન શરૂ કર્યું ત્યારે અમે બંને ચોવીસ વર્ષના હતા. અમારી ટીમોને મળ્યા પછી આ વાત એટલી પ્રભાવશાળી નહીં લાગે.

આમ તો અમારે જ પાયાનાં કંટાળાજનક કામ કરવાનાં હોય. ચોવીસ વર્ષની ઉંમરે તમે કંપનીના પદક્રમમાં સૌથી નીચે હો. તમે બેઠકોની નોંધ લો અને થોડાં નોંધપત્રો લખો. વર્ષો સુધી ઢસરડો કર્યા પછી તમને વધુ વ્યાપક જવાબદારી મળે એવી આશા રાખી શકાય.

અમારો માર્ગ—અને આજના ઘણા યુવાનોનો માર્ગ—જુદો દેખાય છે. અમે કારકિર્દી શરૂ કરીએ ત્યારથી જ અમારા આદેશે કામ કરતા “કર્મચારીઓ” અમારી પાસે હોય છે. આ સહાયકો દિવસ-રાત, અઠવાડિયાના અંતે અને રજાઓમાં પણ કામ કરે છે. તેઓ પાયાનાં કંટાળાજનક કામમાં માહેર છે. અમને સલાહ આપવા અમારી પાસે ગણિત ઓલિમ્પિયાડના સુવર્ણચંદ્રક વિજેતાઓ પણ છે. અમારા હાથ નીચેના આ નવા સાથીઓ હજી ભૂલો કરે છે. પણ તેઓ સુધરી રહ્યા છે, અમારી જરૂરિયાતો સમજી રહ્યા છે, અને અમે તેમનું સંચાલન કરતાં શીખીએ છીએ.

અમારામાંથી કોઈ કંપનીની પદક્રમની સીડી ચઢ્યું નથી. બલકે સંચાલનની જવાબદારી અમારા પગથિયા સુધી ઊતરી આવી છે. આ નિબંધ અમારી બઢતી વિશે છે, અને ઇન્ટેલિજન્સ ના યુગમાં પ્રવેશતાં કંપનીઓ બીજી કઈ રીતે પુનર્ગઠિત થઈ શકે તે વિશે પણ.

AI કંપનીમાં પ્રવેશે ત્યારે તેને ક્યાં સ્થાન મળે? અમે ત્રણ ઉદાહરણરૂપ સંભવિત ચિત્રો રજૂ કરીએ છીએ:

આમાંથી કોઈ પણ ચિત્ર અમે વર્ણવ્યું છે તેવું જ નહીં બને, પણ અમને લાગે છે કે ત્રણેયનાં કેટલાંક પાસાં સાચાં પડશે. ત્રણેયની શરૂઆત સૂક્ષ્મ સ્વરૂપે થઈ ચૂકી છે.

અહીં અમારું ધ્યાન સંપૂર્ણ સ્વચાલન પર નહીં, પરિવર્તનમાંથી પસાર થતી અર્થવ્યવસ્થા પર છે. AI સુધરતું જાય અને હાલની સંસ્થાઓમાં વણાતું જાય તેમ માનવ અને AI ની મિશ્ર કંપનીઓ કેવી હશે, તેમાં અમને રસ છે.

અમારા મતે મિશ્ર કંપનીનો ખ્યાલ મહત્ત્વનો છે, કારણ કે AI નો ઉત્પાદક ઉપયોગ તત્કાળ શરૂ થતો નથી. મોડલ માત્ર અમુક કાર્યો કરી શકે ત્યારે કામથી પરિચિત પાયાના કર્મચારીઓ માટે તેને અપનાવવું સૌથી સહેલું હોઈ શકે. મોડલ વ્યાપક કામગીરી શરૂઆતથી અંત સુધી કરી શકે ત્યારે હાઇ અધિકારીઓ તેનો સીધો ઉપયોગ કરી શકે. અમારા મતે વધુ સક્ષમ AI અપનાવવું વધુ સહેલું છે: કંપનીએ ટેક્નોલોજી શીખવી પડે છે, પણ કર્મબળ કંપનીને સમજીને જાતે કામમાં ગોઠવાઈ શકે છે.

અમે સંગઠનના આ ત્રણ નવા પ્રકારના માળખાં તપાસીશું. પછી અમલદારશાહી, કર્મચારીઓની નિર્ણયસ્વતંત્રતા, કંપનીના કદ અને પગારની અસમાનતાના ભવિષ્ય પર તેમની અસર જોઈશું.

અમારું પહેલું ચિત્ર સૌથી ઓછું ઉથલપાથલભર્યું લાગે છે. તેમાં લોકો પોતપોતાના પદે રહે છે, એ જ ઉપરીઓને રીપોર્ટિંગ કરે છે અને દેખીતી રીતે પહેલાંનું જ કામ કરે છે. આજથી આ ભવિષ્ય સુધી માનવીય સંગઠનમાળખું યથાવત્ દેખાય છે.

ફરક આપણી નીચે છે. દરેક વ્યક્તિગત કામ કરતા કર્મચારીની નીચે નવું AI કાર્યબળ આવે છે, જે આપણામાંથી દરેકને રીપોર્ટ આપે છે. આપણા સંગઠનમાળખામાં ભોંયરું ઉમેરાય છે અને આપણે સૌ સંચાલક બનીએ છીએ.

શરૂઆતમાં આ ભોંયરું અધૂરું હોય છે. દરેકને એક-બે એજન્ટ મળે છે. તેઓ અનુભવી કર્મચારી કરતાં ઉત્સાહી તાલીમાર્થી જેવા હોય છે, જેમની દેખરેખ રાખવી અને ભૂલો સહેલાઈથી માફ કરવી પડે. આપણી અપેક્ષાઓ ઓછી હોય છે: અહીં ઈમેઇલ મોકલો, ત્યાં નોંધપત્ર તૈયાર કરો, Slack ના સંદેશાઓના જવાબ આપો. નવા માનવીય કર્મચારીઓની જેમ તેઓ ઓછી સ્વાયત્તતા અને ઓછા વિશ્વાસથી શરૂઆત કરે છે.

પણ મોડલ સુધરતાં આપણા એજન્ટો ઓછી દેખરેખ હેઠળ વધુ કામ ઉપાડે છે. તેઓ એકબીજા સાથે સંકલન કરે છે. સંચાલક AI, પાયાનું કામ કરતા AI, હિસાબનીશો અને વકીલો—સૌ તમારા નિર્દેશ હેઠળ સાથે કામ કરતા હોઈ શકે. તાલીમાર્થીને દરેક પગલે માર્ગદર્શન આપવાથી આગળ વધીને આખરે તમારી કામગીરી પોતાનું સંગઠનમાળખું ધરાવતી નાની કંપની જેવી બને છે, જેના નિયામક મંડળ તરીકે તમે હો.

ધ્યાન આપો કે આ ચિત્રમાં છટણી અનિવાર્ય નથી. અહીં આપણે પોતાને સ્વચાલિત કર્યા વિના AI અપનાવીએ છીએ. તેના બદલે આપણે ભૂતકાળમાં પોતે કરતા કામનું સ્વચાલન કરીએ છીએ અને પદક્રમમાં ઉપર જઈએ છીએ. આપણે પહેલાં જે કરતા હતા તેમાંથી વધુ ને વધુ કામ AI સંભાળે છે. સંચાલન માટે વધુ કામ હોવાથી આપણી નોકરીઓ ટકે છે, અને વધુ મોટા કુલ ઉત્પાદનની જવાબદારી આપણને મળે છે.

નોકરીઓનું સ્વરૂપ સ્થિર નથી⁠(નવી વિન્ડોમાં ખૂલે છે). ધારો કે પહેલાં તમે કરતા હતા તેનું નેવું ટકા કામ AI કરી શકે. તમે માની શકો કે તમારી પાસે હવે માત્ર દસ ટકા કામ રહ્યું. બીજી શક્યતા એ છે કે તમારી પાસે હજી પૂરી નોકરી છે, પણ જુદી—હવે દસ ગણા મોટા ઉદ્દેશ પર કેન્દ્રિત. ટેક્નોલોજીની જાણીતી ભેટ આ છે: ઉત્પાદકતા વધે, તેની સાથે મહત્ત્વાકાંક્ષા વધે અને મહત્ત્વાકાંક્ષા સાથે વેતન પણ વધી શકે⁠(નવી વિન્ડોમાં ખૂલે છે).

આ બધું આપણે હજી ઉત્પાદનમાં મૂલ્ય ઉમેરીએ છીએ⁠(નવી વિન્ડોમાં ખૂલે છે) કે નહીં તેના પર નિર્ભર છે. આ નિબંધ આવતાં એવાં વર્ષો પર કેન્દ્રિત છે જેમાં સ્વચાલન બધું કરવા સક્ષમ નહીં હોય કે સર્વત્ર અપનાવાયું નહીં હોય. AI બધું કરી શકે તો પણ, કોઈ વસ્તુ મનુષ્યે બનાવી હોવાથી આપણે તેનું વધુ મૂલ્ય કરીએ અથવા અંતિમ નિર્ણય મનુષ્યનો જ હોવાનો આગ્રહ રાખીએ.

આ આપણી માંગ પર પણ આધાર રાખે છે. ગ્રાહકો તરીકે આપણને દસ ગણું ઉત્પાદન ન જોઈતું હોય તો સંતુલન ઓછા કર્મચારીઓ કે ઓછા કામકાજના કલાકો તરફ ખસશે. ઇતિહાસમાં ઉત્પાદન વધવાથી આપણે તૃપ્ત થયા નથી. આપણી પાસે ઘણું વધારે⁠(નવી વિન્ડોમાં ખૂલે છે) છે, પણ આપણે માત્ર થોડું ઓછું⁠(નવી વિન્ડોમાં ખૂલે છે) કામ કરીએ છીએ. ઉત્પાદન અનેકગણું થાય તેમ આપણી માંગ વધતી રહે અને આપણે ઉત્પાદનમાં યોગદાન આપતા રહીએ, તો વધુ વપરાશના બદલામાં શ્રમ આપવાનું ચાલુ રાખીશું. તેના બદલે ઉત્પાદન એટલું વિપુલ બને કે આપણે તૃપ્ત થઈ જઈએ, તો સ્વેચ્છાએ ઓછું કર્મબળ રાખવાનું પસંદ કરી શકીએ.

આગળ અમે બીજા વાંધાઓ પણ ચર્ચીએ છીએ, જેમ કે નાની કંપનીઓની સંખ્યા વધુ હશે કે કેમ. તેમ છતાં અમારા મતે આ ચિત્ર મહત્ત્વનું છે, કારણ કે અપનાવવાની શરૂઆત ક્યાંકથી તો થવી જ જોઈએ. કંપનીઓને હાલનાં સંગઠનમાળખાંમાંથી સ્થિર રીતે વિકસવાનો માર્ગ જોઈએ. આખું પુનર્ગઠન કરવા કરતાં હાલના કર્મચારીઓનું કામ મજબૂત બનાવવું વધુ સહેલું પ્રથમ પગલું હોઈ શકે. આજે આવું થતું દેખાય છે: એક પછી એક કર્મચારી AIને કામ સોંપે છે, અત્યાર સુધી કોઈ સંગઠનાત્મક ક્રાંતિ વિના.

આ ચિત્રમાં પહેલી નિમણૂક પાયાના કર્મચારીઓ કરે તે જરૂરી છે. AI અપનાવવામાં સંચાલકો કે અધિકારીઓ નહીં, પાયાના કર્મચારીઓ આગેવાની લે છે. જ્યાં સુધી પહેલાં જાતે કામ કરનાર વ્યક્તિ જ AI પાસે તે શ્રેષ્ઠ રીતે કરાવી શકે, ત્યાં સુધી આ સંભવિત લાગે છે.

મોડલ માહિતીવિજ્ઞાનનાં ઘણાં કાર્યો હમણાં જ સ્વચાલિત કરી શકે છે, પણ પદ્ધતિઓ અને બારીકીઓથી અજાણ વિભાગપ્રમુખને સાધનોનો લાભ લેવામાં મુશ્કેલી પડશે. AI તમે શું નથી જાણતા તે સામેથી જણાવવા જેટલું સક્રિય ન બને ત્યાં સુધી—અમારું આગલું ચિત્ર જુઓ—તે કદાચ કામની રીતથી પરિચિત લોકો માટે જ શ્રેષ્ઠ કામ કરશે.

આ ચિત્રમાં સૌથી મોટો બદલાવ પ્રવેશસ્તરના કર્મચારીઓ માટે છે. સૌથી નીચું પગથિયું હવે નહીં રહે, ઓછામાં ઓછું મનુષ્યો માટે તો નહીં. યુવાનોને નોકરીએ રાખીએ ત્યારે કંપનીના તળિયે કંટાળાજનક કામમાં મૂકવા નહીં રાખીએ. એ જગ્યાઓ એવું કંઈક ભરી દેશે જેને એ કામનો વાંધો ન હોય.

તેની સાથે યુવા કર્મચારીઓને શીખવવાના કેટલાક પરંપરાગત માર્ગો ગુમાવીશું: ઉમેદવારી તાલીમ⁠(નવી વિન્ડોમાં ખૂલે છે), પાયાનાં કંટાળાજનક કામથી શીખવું અને અનુભવથી પોતાની લાયકાત સાબિત કરવી. આ સાચાં નુકસાન છે, છતાં અમે આને મુખ્યત્વે એક તક માનીએ છીએ. સારો વિચાર ધરાવતા સાવ નવા કર્મચારી પાસે પણ પ્રયોગ કરવાનાં સંસાધનો હોય છે. કંપનીનું સૌથી જૂનું બહાનું, આપણી પાસે પૂરતું માણસબળ જ નથી, હવે અદૃશ્ય થઈ રહ્યું છે. એક નવી કર્મચારીના મનમાં ઉત્તમ વિડિયો ગેમ હોય પણ ટીમ મેળવવાનો કોઈ રસ્તો ન હોય, તો પણ હવે તે સીધી તેને બનાવી શકે છે.

અમારા મતે “સૌની બઢતી”ના આ ચિત્રમાં નવા કર્મચારીઓએ હજી ઘણું શીખવાનું છે: નિર્ણયશક્તિ, પરખ, સંચાલનકૌશલ્ય અને સર્જનાત્મક દૃષ્ટિ. આ કુશળતાઓ આપણા કામનાં પરિણામોમાં દેખાતી હોવાથી તેને કેળવવાનું પ્રોત્સાહન મળશે. આપણે હજી પણ કામ કરતાં શીખીશું⁠(નવી વિન્ડોમાં ખૂલે છે), પણ વધુ વ્યાપક જવાબદારીના સ્તરે. કંપનીના વરિષ્ઠોને જવાબદાર માર્ગદર્શક તરીકે મદદ કરવાનું પ્રોત્સાહન રહેશે, કારણ કે આપણી સફળતામાં તેમનો માલિકીહિસ્સો પણ છે. અહીં તક દરેક પગથિયે દરેકને વધુ ઉત્સાહપ્રેરક ભૂમિકા આપવાની છે. કોઈ પણ કર્મચારી વધુ વ્યાપક જવાબદારીથી પોતાની પ્રતિભા દર્શાવી શકે. આ ખાસ કરીને એવા નવા કર્મચારીઓ માટે મહત્ત્વનું છે જેમની પાસે પહેલાં કોઈ જવાબદારી જ નહોતી.

કંપનીમાં AI નો બીજો પ્રવેશમાર્ગ હાલના સંગઠનમાળખામાં વણાઈને જાય છે. અહીં એજન્ટો સૌથી નીચલા કર્મચારીઓ નહીં, સહકર્મીઓ છે. પરંપરાગત સંચાલક કોઈ કર્મચારીને સોંપે તેમ ટીમના કામનો એક ભાગ મોડલને સોંપે છે. AI માત્ર મનુષ્યોની નીચે નહીં, તેમની બાજુમાં સ્થાન લે છે.

પહેલા ચિત્રથી મુખ્ય ફરક: અહીં ઉત્પાદક AI ને માત્ર હાલના વ્યક્તિગત કર્મચારીઓ નહીં, હાલના માનવીય સંચાલકો અપનાવે છે. એ માટે તે ટીમનું સંપૂર્ણ સભ્ય બનવા જેટલું સક્ષમ હોવું જોઈએ.

મનુષ્યો અનેક પ્રકારનાં કામ કરી શકે છે. હથોડી એક કામમાં મદદ કરે; મનુષ્ય તેનાથી ઘણું વધુ કરે. સાધનથી કર્મબળ સુધીની AIની સફર વિસ્તરતા વ્યાપની છે: પહેલાં એક કાર્ય, પછી નોકરી, પછી ટીમ અને અંતે કંપનીનું સ્વચાલન. વ્યાપમાં દરેક વધારો વધુ વ્યાપક ક્ષમતા માગે છે.

નોકરી જાણે અનેક કાર્યોથી ભરેલી પેટી છે. આખી ટીમ માટે એ પેટીમાં જાતજાતનાં કામ ઠાંસીને ભરેલાં હોય છે. વધુ કાર્યોની જવાબદારી એટલે વધુ સંભવિત અવરોધબિંદુઓ. ટીમના એક પણ આવશ્યક કામમાં શારીરિક શ્રમ હોય તો વધારાનાં ઉપકરણોનો આખો નવો સમૂહ જોઈએ. આખી ટીમનું સીધું સ્થાન લેવા માટે AI તેની બધી વિવિધ જવાબદારીઓમાં સક્ષમ હોવું જોઈએ.

વધુ વ્યાપક કામગીરી સંભાળી શકે એવું AI બનાવવું અઘરું છે. પણ કંપનીઓ માટે—અને આખા પરિવર્તનની મુખ્ય અસમાનતા આ છે—વધુ વ્યાપક કામગીરી ધરાવતું AI અપનાવવું સહેલું છે.

અધિકારી સંપૂર્ણ સ્વચાલિત ટીમ કે વ્યાપક કામગીરી સીધી અપનાવી શકે. મર્યાદિત ક્ષમતાવાળું સાધન હાઇ થી એટલી સરળતાથી અમલમાં મૂકી શકાતું નથી. વધુ સરળ સાધન માટે કર્મબળની વ્યાપક સંમતિ અને ફરી તાલીમ જરૂરી છે.

પરંપરાગત રીતે નવી ટેક્નોલોજી મર્યાદિત કાર્યો કરવાનું સસ્તું બનાવે છે. પછી જવાબદારી ખરીદનાર પર આવે છે. કંપનીએ નવા સાધનનો લાભ કેવી રીતે લેવો તે શોધવું પડે અને તેના આધારે ફરી તાલીમ આપવી, પુનર્ગઠન કરવું અને પ્રક્રિયાઓ ફરી ઘડવી પડે⁠(નવી વિન્ડોમાં ખૂલે છે). સ્પ્રેડશીટ સૉફ્ટવેર હિસાબ વિભાગમાં જાતે ગોઠવાયું નહોતું—હિસાબ વિભાગે સૉફ્ટવેરને અનુરૂપ પોતાને બદલ્યો હતો.

કર્મબળમાં તેનાથી ઊલટું છે. તાલીમાર્થી, કર્મચારી અને સારી ટીમ તમને કેવી રીતે ઉપયોગી થવું તે શોધે છે. તેઓ તમને પ્રશ્નો પૂછે છે, તમારો સંદર્ભ સમજે છે અને તમારી જરૂરિયાતો ઓળખે છે. તમે શું નથી જાણતા તેનો પણ તમને ખ્યાલ ન હોય, તે તેઓ જણાવે છે. શ્રેષ્ઠ કર્મબળ જાતે કામમાં ગોઠવાઈ જાય છે.

આ અર્થમાં, AI જેટલું વધુ પહેલ કરવાની ક્ષમતા અને અનુકૂલનશીલતા ધરાવતા કર્મચારી જેવું બનતું જશે, તેટલું જ કંપનીએ તેની કાર્યપ્રણાલી કેવી રીતે કરવી તે શીખવાની જરૂરિયાત ઘટતી જશે અને AI પોતે જ કંપની માટે ઉપયોગી બનવાના રસ્તા શોધતું થશે.કોઈ એક્ઝિક્યુટિવ કદાચ નવું ટૂલ શીખવા માટે ડિઝાઇન સૉફ્ટવેરના પ્રાથમિક પાઠમાં બેસવાનું પસંદ નહીં કરે. પરંતુ આ પ્રકારની ઑફર તે ખુશીથી સ્વીકારશે:કહો અને હું તમારી આખી માર્કેટિંગ ટીમની વ્યવસ્થા ઊભી કરી દઈશ.

ઘણી વાર આપણે એક નોકરીનું સ્વચાલન કરવાને AGI નું પરમ લક્ષ્ય ગણીએ છીએ. સ્વીકારીએ કે આપણે હજી ત્યાં પણ પહોંચ્યા નથી. નોકરીઓ આટલી અસાધારણ જટિલ છે કારણ કે આપણે એટલા અદ્ભુત સક્ષમ છીએ. તેમ છતાં, આપણી અર્થવ્યવસ્થાના ઉત્પાદનનો બહુ નાનો હિસ્સો⁠(નવી વિન્ડોમાં ખૂલે છે) એકલા કામ કરતા લોકો પાસેથી આવે છે. ઉત્પાદક નોકરીઓ ટીમોમાં યોગદાન આપે છે, ટીમો કંપનીઓમાં, અને આપણે વાપરીએ છીએ તે લગભગ બધું કંપનીઓ બનાવે છે.

AGI માટે “નોકરી”નો માપદંડ આપણા માનવીય સામર્થ્યને પૂરતું ક્રેડિટ્સ આપતો નથી. શ્રમ માત્ર કાર્યો કરવા કે બિનનિયમિત બાબતો સંભાળવા પૂરતો નથી: તેમાં અદ્ભુત સંકલન અને મોટા ઉત્પાદનના નાના ભાગો કરવા માટે ઢળવાની આપણી ક્ષમતા પણ છે. આપણને માત્ર કાર્યોના પોટલા ગણવા એ આપણું ભારે અવમૂલ્યન છે. માનવીય ક્ષમતા વ્યક્તિ કરતાં વધુ આપણાં સંગઠનોમાં⁠(નવી વિન્ડોમાં ખૂલે છે) રહેલી છે. આર્થિક AGIએ લોકોના સમૂહના સ્તરે પહોંચવું જોઈએ, માત્ર એક વ્યક્તિના નહીં.

એટલે AI ટીમ કે કંપની જેવું થવાને બદલે હજી સાધન કે કર્મચારી જેવું જ હોય તો “સાથે વણાવા”નું ચિત્ર ઘણું બિનકાર્યક્ષમ બની શકે. દરેક કર્મચારીની બાજુમાં મોડલ ગોઠવવાનો અર્થ હજારો જોડાણો અને કામની સોંપણીઓ⁠(નવી વિન્ડોમાં ખૂલે છે) થાય. આ છૂટક ગોઠવણી અપનાવવાની ગતિ ધીમી કરી શકે.

અમને વહેલા આવતા ઓછા સક્ષમ અમલીકરણો અને મોડા આવતા વધુ સક્ષમ મોડલ વચ્ચે હરીફાઈ દેખાય છે. ભવિષ્યનાં મોડલ એટલી ઝડપથી અપનાવાય છે કે તેમની ક્ષમતાઓ વિકસાવવામાં લાગેલો વધારાનો સમય સરભર થાય છે કે નહીં, તેના પર વિજય નિર્ભર છે.

આ “સાથે વણાવા”નું ચિત્ર પ્રથમ “સૌની બઢતી”ના ચિત્ર સાથે સહઅસ્તિત્વ ધરાવી શકે. AI અમુક કામગીરી સ્વચાલિત કરે તેમ કંપનીઓમાં માનવીય કર્મચારીઓ ઘટી શકે, જ્યારે બાકી રહેલા લોકોને પોતાના એજન્ટ કાર્યબળની મદદથી વધુ વ્યાપક જવાબદારીઓ મળે. મહત્ત્વનું એ છે કે માત્ર આ ચિત્રથી એકંદર માનવીય રોજગાર ઘટશે એવું સૂચવાતું નથી. કદાચ વધુ કંપનીઓ હોય, અને દરેકમાં ઓછા કર્મચારીઓ હોય.

અમારું ત્રીજું ચિત્ર સૌથી વધુ અચંબિત કરે છે. અહીં AI કંપનીમાં લોકોની ઉપર પ્રવેશે છે. ગોઠવણી હવે યંત્રોની ઉપર મનુષ્યોની નથી, પણ મનુષ્ય, AI, મનુષ્યની છે: બે માનવીય સ્તરો વચ્ચે સ્વચાલન. કેટલાક લોકો AIને “રીપોર્ટ” કરે છે.

આ અસંભવિત લાગે છે, ખાસ કરીને કંપનીમાં AI અપનાવવાના આરંભ તરીકે. પણ અમારા મતે ઓછાં આમૂલ સ્વરૂપોમાં તેની શરૂઆત થઈ ચૂકી છે.

AI ને બૌદ્ધિક શ્રમનું યાંત્રિકીકરણ કરનાર તરીકે વિચારીએ ત્યારે પણ આપણે નીચલાં પગથિયાં પર જ ધ્યાન આપીએ છીએ. આપણે સામાન્ય રીતે કહીએ છીએ કે AI સ્પ્રેડશીટ અને સ્લાઇડ પ્રસ્તુતિઓ સ્વચાલિત કરે છે, સંચાલન નહીં. સહજ રીતે આપણે માનીએ છીએ કે સ્વચાલન પદક્રમમાં ઉપર ચઢે: પહેલાં કંટાળાજનક બૌદ્ધિક કામ, છેલ્લે નિર્ણયશક્તિ, અને સંચાલક તેનો છેલ્લો ગઢ.

પણ સંચાલકનું મોટાભાગનું કામ કમ્પ્યુટર અને મનમાં થાય છે: વાંચવું, મળવું, તોલવું, સંદર્ભ યાદ રાખવો અને નિર્ણયો લેવા. જાતે હાજર રહેવાનું, કાર્યાલયમાં ફરવાનું અને કર્મચારીઓ વચ્ચે રહેવાનું મૂલ્ય છે. છતાં પાયાનું કામ, મુખ્યત્વે બૌદ્ધિક હોય ત્યારે પણ, સંચાલન કરતાં ભૌતિક વસ્તુઓ અને સાધનો સાથે વધુ જોડાયેલું હોય છે. ફોટોકૉપી કરવા તાલીમાર્થીને મોકલાય છે, તેના ઉપરીને નહીં.

મોડલને સંચાલકીય નિર્ણયો લેતાં શીખવવું અઘરું છે, કારણ કે સફળતા અસ્પષ્ટ હોય છે અને લાંબી સમય સીમામાં માપવામાં આવે છે. આવાં જ કારણોસર⁠(નવી વિન્ડોમાં ખૂલે છે) સારા માનવીય સંચાલકોને તાલીમ આપવી પણ અઘરી છે. મોડલ સંચાલનમાં કેટલાં સારાં છે તે આપણે હજી જાણતા નથી. અમલકેન્દ્રિત બૌદ્ધિક શ્રમ માટે ઘણાં મૂલ્યાંકનો છે, પણ સંચાલકો અને અધિકારીઓના વ્યાપે મોટા પાયાના સંકલનને માપતાં મૂલ્યાંકનો બહુ ઓછાં છે.

તેમ છતાં વિચારવા જેવું છે કે આજનાં મોડલ ક્ષમતામાં પાયાના કર્મચારીઓ કરતાં માનવીય સંચાલકોની વધુ નજીક હોઈ શકે. કેટલીક સંચાલકીય કામગીરી જે કામની દેખરેખ રાખે છે તે પહેલાં જ સ્વચાલિત થઈ શકે.

કદાચ આ “લેયરિંગ”ના દૃશ્યનું સંપૂર્ણ સ્વરૂપ એવું હોય, જેમાં AI પોતે વિચારવાની કામગીરી કરે અને પછી પોતાની ક્ષમતાઓમાં રહેલી ખામીઓ પૂરી કરવા માટે માનવ કોન્ટ્રાક્ટર્સની મદદ લે, જેઓ તેને રિપોર્ટ કરે. આવી દુનિયા આપણને ઘણી અજાણી લાગે છે. આ વાસ્તવિકતા બનવા માટે ઘણું બધું બદલવું પડશે.

પણ તેનું વધુ સ્વાભાવિક સ્વરૂપ છે, જેની શરૂઆત થઈ ચૂકી છે: સલાહ આપવી. આજે અધિકારી ChatGPT ને આખી કંપનીની સેંકડો Slack ચૅનલો, દસ્તાવેજો, પત્રો અને કોડ ફાઇલો વાંચીને પ્રશ્નોના જવાબ આપવા કહી શકે છે. આ ટીમ ખરેખર શું કરે છે? એ નબળાઈ ક્યાં દેખાઈ રહી છે? સંસ્થાનો દરેક ભાગ તેના માટે વધુ ને વધુ સમજી શકાય એવો બને છે⁠(નવી વિન્ડોમાં ખૂલે છે).

અધિકારીઓ લાંબા સમયથી સંગઠનમાળખામાં પૈસા લઈને કામ કરતા વચેટિયાઓ ગોઠવતા આવ્યા છે—તેને તેમણે સલાહસેવા નામ આપ્યું. સંચાલન સલાહસેવા થોડા સમય માટે અને મોટા ખર્ચે તમારી ઉપર એક સ્તર ઉમેરે છે. આગળ જતાં AI સલાહકારો નહિવત્ ખર્ચે અને સદાય હાજર હોઈ શકે.

મોડલ હમણાં જ કંપનીના દસ્તાવેજો અને સંવાદને વિશ્વસનીય રીતે સમજવા લાગ્યાં છે. તેમની પરખ અને જાતે પહેલ કરવાની ક્ષમતા હજી પરિપક્વ થવી જોઈએ. હાલ ChatGPT ઉત્સુક અધિકારીને પોતાની સંસ્થા વધુ વિગતે સમજવામાં મદદ કરે છે. અમને લાગે છે કે આખરે તે સંપૂર્ણ સલાહસેવા બનશે. તે નીચલા કર્મચારીઓનું સાચું “સંચાલક” નહીં હોય, પણ અધિકારીઓને આંતરિક માહિતી પહોંચાડનાર અને સલાહકાર હશે. તે વ્યવસાયિક નિપુણતાથી બધું તપાસશે, સમસ્યાઓ સામેથી ઓળખશે અને તેમની અગ્રતા નક્કી કરવામાં મદદ કરશે.

આ લાભદાયક થશે કે નુકસાનકારક, તે અધિકારી પર નિર્ભર રહેશે. માળખાકીય અસર કેન્દ્રીકરણની છે. અમારા મતે તે ઉચ્ચ નેતૃત્વ અને કંપનીના બાકીના ભાગ વચ્ચેનું અંતર ઘટાડશે. તે ટોચ પર વધુ સત્તા કેન્દ્રિત કરે છે, જ્યારે અગાઉ માહિતીના અવરોધો વધુ વિકેન્દ્રિત નિર્ણયપ્રક્રિયાની તરફેણ કરતા હતા.

આ ચિત્ર માત્ર સત્તા કેવી રીતે બદલે છે તે માટે જ નહીં, સલાહસેવા તરીકે AI કેટલું સરળતાથી અપનાવી શકાય તે માટે પણ અમને મહત્ત્વનું લાગે છે. પરંપરાગત સલાહસેવાની જેમ AI સલાહસેવામાં પણ અધિકારીને તકનિકી કુશળતા હોવી જરૂરી નથી. આ કમ્પ્યુટર જેવું નથી, જેને ટાઇપ કરવાનું અને ટર્મિનલ વાપરવાનું જાણતા લોકોએ નીચલા સ્તરેથી અપનાવ્યું હતું. તમે માત્ર સલાહકાર સાથે વાત કરો, તકનિકી બાબતો તે સંભાળે. અપનાવવાની આ લહેર સર્વોચ્ચ અધિકારીની કચેરીથી શરૂ થઈ શકે. પછી સલાહસેવા સંસ્થાના બાકીના ભાગમાં AI અપનાવવાની ગતિ વધારી શકે.

કંપનીઓ દૂરથી કામ કરવા અને કોન્ટ્રાક્ટ પર કામ આપવા પર અવિશ્વાસ રાખે છે તેનું એક મોટું કારણ છે: નક્કી કરેલું કામ કરાવી શકવાની ક્ષમતા. કામ કેવી રીતે થાય છે તે તેની બધી બારીકીઓ સાથે નિહાળવાનો સસ્તો રસ્તો કંપનીઓ પાસે ક્યારેય રહ્યો નથી. એટલે તેઓ તેના દેખાડાને માપે છે⁠(નવી વિન્ડોમાં ખૂલે છે): ક્લિકની ગણતરી, માઉસની હલચલ, સક્રિયતા દર્શાવતા dots—સાચે સારું કામ થાય છે કે નહીં તેની સાથે બહુ ઓછો સંબંધ ધરાવતા સંકેતો.

AI એવો નિરીક્ષક આપે છે જે સમજે છે. તે વ્યક્તિનું કામ જોઈને મોટા ઉદ્દેશો તરફની સાચી પ્રગતિ ઓળખી શકે છે. આગળના વિભાગમાં જોઈશું તેમ, દેખરેખની કોઈ પણ નવી પદ્ધતિ વિચાર્યા વિના લાગુ ન કરવી જોઈએ⁠(નવી વિન્ડોમાં ખૂલે છે). પણ યોગ્ય સંજોગોમાં તે વિશ્વાસ વધારી શકે છે અને કંપનીઓને કર્મચારીઓને વધુ સ્વતંત્રતા આપવા પ્રેરી શકે છે.

નિરીક્ષક સારા પરિણામ સુધી પહોંચવાના અનેક જુદા રસ્તા સમજે તો કર્મચારીઓ પોતાની પસંદગી પ્રમાણે વધુ કામ કરી શકે. ઉપરીઓને નજર રાખવામાં સરળ પડે તેવી એક નક્કી પદ્ધતિને બદલે સારા પરિણામ તરફની પ્રગતિ વધુ મહત્ત્વની બનશે. બુદ્ધિશાળી નિરીક્ષક લવચીકતા આપે છે અને આપણે સૌ નાપસંદ કરીએ છીએ તે ઉત્પાદકતાના દેખાડાને દંડે છે.

આનો લાભ એવી વીમા કંપનીઓ જેવો છે જે તમારી કારમાં દેખરેખ ઉપકરણ લગાવો તો પ્રીમિયમ ઘટાડે છે. તમે વ્યવસ્થાને છેતરવાનો પ્રયત્ન કરતા હો તો આ તમને નડે; માત્ર પોતાનું કામ કરતા હો તો નિરીક્ષક તમારી પ્રામાણિકતા સાબિત કરી શકે અને સંચાલકોનો વિશ્વાસ વધે.

એ વિશ્વાસ નવી શક્યતાઓ જન્માવે છે. પહેલાં ઘરેથી અને કાર્યાલયથી મિશ્ર રીતે કામ કરવા, બિનપરંપરાગત વિચારકો, ઠેકેદારો કે દૂરના દેશોના તેજસ્વી લોકોને રાખવામાં ખચકાતી કંપનીઓમાં નવી તૈયારી⁠(નવી વિન્ડોમાં ખૂલે છે) દેખાઈ શકે.

આજે પાયાના કર્મચારીઓને સંગઠનમાળખા સામે ઘણી ફરિયાદો છે. આપણે જાતે જોતા હોઈએ એવી સમસ્યા ઉપરીઓ સુધી પહોંચાડવાનો રસ્તો ન હોવો અત્યંત હતાશાજનક છે. બિનઅસરકારક સંચાલકના હાથ નીચે ફસાઈ રહેવું કે ઉત્તમ કામ કરવા છતાં કદર ન થવી અન્યાય છે.

અમારા મતે વ્યવસાયને અતિશય કાર્યક્ષમ બનાવવાની અગાઉની લહેર મર્યાદિત માહિતી, અંદાજી માર્ગદર્શનો અને સમજવિહીન અલ્ગોરિધમ પર આધારિત હતી. જો તમે માત્ર યંત્રની ગતિના ગુણોત્તર જ સમજી શકો, તો દરેક વ્યક્તિ એક પૂર્જો લાગે. કંપનીઓ લાંબા સમયથી પોતાના કર્મબળના મૂલ્યાંકનની સમસ્યા ભોગવે છે. બુદ્ધિશાળી નિરીક્ષક આજના સ્થૂળ માપદંડો ચૂકી જતા મૂલ્યવાન યોગદાન અને આગવા અભિગમો ઓળખી શકે.

ત્રણેય રૂપરેખાત્મક ચિત્રોને આધારે હવે અમે કંપનીના ભવિષ્યને આકાર આપતા કેટલાક નિર્ણાયક પ્રશ્નો તપાસીએ છીએ.

કંઈક બનાવવું સામાન્ય રીતે ઘણું ખર્ચાળ હોય છે. ઍપ, ફિલ્મ, પ્રસ્તુતિ, સુવિધા કે વિશ્લેષણ: આ બધું ફરી બનાવવું ખર્ચાળ, ધીમું અને કષ્ટદાયક છે. અસરકારક રીતે વન-શોટ હોય ત્યારે તમે નિશાન સાધવામાં મહેનત કરો છો. આયોજનનાં ચક્રો, કાર્યયોજના માટેની વિધિવત્ બેઠકો અને મંજૂરી સમિતિઓ—આ બધું એ ખાતરી માટે હોય છે કે કંપની આખરે આગળ વધે ત્યારે કામ સાર્થક હોય. આપણા પદક્રમમાં ઘણી ચકાસણીઓ એટલા માટે છે કે અમલ કરવો મોંઘો પડતો હતો.

ઘણાં ક્ષેત્રોમાં AI બનાવવાનો ખર્ચ ધરખમ ઘટાડી રહ્યું છે—અંતિમ ઉત્પાદન સુધી નહીં તો ઓછામાં ઓછું પ્રારૂપ બનાવવાના સ્તર સુધી. અમારા મતે કંપનીનો અભિગમ પણ બદલાવો જોઈએ: નિશાન સાધવામાં ઓછો સમય, પ્રયાસો વધુ. કંપની પ્રારૂપ બનાવી શકે, પરિણામ જોઈ ઝડપથી શીખી શકે, દિશા બદલી શકે અને ફરી બનાવી શકે. પ્રારૂપ બનાવવાનું સરળ થતાં⁠(નવી વિન્ડોમાં ખૂલે છે) કંપનીઓ ભારે આયોજન આધારિત ઉત્પાદનને ટેકો આપતી વ્યવસ્થાઓથી દૂર જવી જોઈએ.

આનું સૌથી સરળ સ્વરૂપ વધુ ઝડપથી સુધારા કરતી ટીમ છે. વધુ આમૂલ અર્થઘટનમાં ટીમની જરૂરિયાત જ પ્રશ્ન બને છે. સહિયારા આયોજનનું મહત્ત્વ ઘટે અને સ્વતંત્ર, વિવિધ વિચારોનું મહત્ત્વ વધે તો શું સારું: ઝડપથી સુધારા કરતી એક ટીમ, કે પોતપોતાનાં કાર્યરત પ્રારૂપ રજૂ કરતી અનેક વ્યક્તિઓ? વાસ્તવિક પ્રારૂપ કોઈ પણ કાર્યવ્યાપ દસ્તાવેજ કરતાં દૃષ્ટિને વધુ સારી રીતે પહોંચાડતું હોય તો સંવાદની આપણી રીતો બદલાશે? શું આપણે વધુ, વહેલું અને નોંધપત્રોને બદલે બનાવેલી વસ્તુઓ વહેંચીશું?

બનાવવાનો ખર્ચ ઘટે તો કંપની વ્યક્તિગત પહેલ તરફ વળી શકે. તેનો અર્થ મધ્યવર્તી સંચાલનનાં ઓછાં સ્તરો અને ઓછી પરવાનગીઓ થાય, કારણ કે પહેલાં કરવા કરતાં પૂછવું સસ્તું હતું, હવે નથી.

જોકે, આગળ ચર્ચીશું તેમ, જે ટેક્નોલોજી વ્યક્તિઓને ઓછા જોખમે પ્રારૂપ બનાવવા સક્ષમ કરે છે તે જ અમલદારશાહીનો ગૂંચવાડો પણ વધારી શકે છે.

કંપનીઓ ઉપરથી નીચે સંચાલન લાદે છે તેનું મુખ્ય કારણ એ માન્યતા છે કે અધિકારીઓ નવા કર્મચારીઓ કરતાં વધુ સારા વ્યવસાયસંબંધિત નિર્ણયો⁠(નવી વિન્ડોમાં ખૂલે છે) લે છે. કંપનીઓ ટોચ પર અત્યંત કુશળ અનુભવી લોકોને વધુ પગાર આપે છે. સંચાલકોને ઘણી વાર વ્યવસાયની વ્યૂહરચનાની તાલીમ મળે છે, જ્યારે વ્યક્તિગત કર્મચારીઓ પોતપોતાના ક્ષેત્રમાં નિષ્ણાત હોય છે. AI બધા કર્મચારીઓને ઉત્તમ સલાહ આપે તો નિર્ણયોની ગુણવત્તાનો તફાવત ઘટે. સંચાલકો પાસે દખલ કરવાનાં કારણો ઓછાં રહે. આથી કર્મચારીઓની સ્વાયત્તતા વધે અને સંચાલનનાં સ્તરો પણ ઘટી શકે.

એ જ રીતે, “AI સલાહસેવા” ખાતરી કરે છે કે અધિકારીને જાણ કર્યા વિના કોઈ બહુ મોટી અસરવાળી ઘટના ન બને. કોઈ કર્મચારી કંપની પર ગંભીર અસર કરી શકે એવો બ્લૉગલેખ પ્રકાશિત કરવા જઈ રહ્યો હોય તો સલાહસેવા સામેથી અધિકારીનું ધ્યાન દોરશે. આથી વિશ્વાસ વધે છે: સંચાલકોએ પોતાની જાણ બહાર મોટી ગરબડ થશે એવી ચિંતા કરવાની જરૂર રહેતી નથી, એટલે કર્મચારીની કામ કરવાની રીત પર આટલું કડક નિયંત્રણ⁠(નવી વિન્ડોમાં ખૂલે છે) રાખવું પડતું નથી.

પણ AI સલાહસેવા બેધારી તલવાર⁠(નવી વિન્ડોમાં ખૂલે છે) છે. બુદ્ધિશાળી નિરીક્ષક તરીકે તે કર્મચારીઓ પર વિશ્વાસ વધારી શકે છે; સાથે મુખ્ય કાર્યકારીની પસંદગીની કાર્યપદ્ધતિ આખી સંસ્થામાં વધુ કડક રીતે લાગુ પણ કરાવી શકે છે. કંપનીઓ સુસંગતતાને⁠(નવી વિન્ડોમાં ખૂલે છે) મહત્ત્વ આપે છે: નિર્ણય સારો જ નહીં, કંપનીની સંસ્કૃતિ, બ્રાન્ડ અને મોટા પાયે કામ કરવાથી મળતા ખર્ચલાભને અનુરૂપ પણ હોવો જોઈએ. રેસ્ટોરાંની શૃંખલા પોતાની બધી ફ્રેન્ચાઇઝીમાં એક જ ભોજનસૂચિ પસંદ કરી શકે, જેથી સામગ્રી જથ્થાબંધ ખરીદી શકાય અને ગ્રાહકોને એકસરખું ઉત્પાદન મળે.

તેની સાથે જોડાયેલી વાત એ છે કે કંપનીના વડાઓનાં હિતો હંમેશાં કર્મચારીઓનાં હિતો સાથે મળતાં નથી. કર્મચારીઓ પોતાના ક્ષેત્રની સફળતા⁠(નવી વિન્ડોમાં ખૂલે છે) માટે પ્રયત્ન કરે છે, જ્યારે અધિકારીઓ આખી કંપનીની ચિંતા કરે છે. હિસ્સેદાર માલિકોની પસંદગીઓ પગારદાર કર્મચારીઓથી જુદી હોય છે, કારણ કે વધુ મહેનતનું ફળ તેમને મળે છે⁠(નવી વિન્ડોમાં ખૂલે છે). સલાહસેવા ટોચ પરથી નક્કી કરેલી ચોક્કસ પદ્ધતિઓનું વધુ કડક પાલન કરાવી શકે.

અમારા મતે એકંદરે કર્મચારીઓની નિર્ણયસ્વતંત્રતા વધશે. અમારી આશા એ પર ટકેલી છે કે કંપનીઓ AI થી મહત્ત્વની અપવાદરૂપ ઘટનાઓ ઓળખશે અને વધુ નિર્ણયો કર્મચારીઓ પર છોડશે.

અમને લાગે છે કે AI સહાયક માળખું બનશે. અધિકારીઓ સુસંગત બ્રાન્ડ જાળવવા માગતા હોય તો પણ તે માત્ર એક મર્યાદા હશે, જેની અંદર કામ કરવાનું રહેશે. કર્મચારીઓ લાગુ પડતી વ્યવસાયિક મર્યાદાઓ વધુ સારી રીતે જાણશે અને તે સિવાયના ક્ષેત્રમાં સર્જનાત્મકતા અજમાવવા વધુ સુરક્ષા અનુભવશે. મુખ્ય જોખમો સંભાળેલા હોવાથી અધિકારીઓ કર્મચારીઓને નફાકારક થઈ શકે એવા નવા અભિગમો અજમાવવા દેશે. પોતાના હાથ નીચેના AI સહાયકોની મદદથી કર્મચારીઓ વધુ મોટા પરિણામો માટે પણ જવાબદાર બનશે. વધુ જટિલ કામનું નેતૃત્વ કરતી વખતે અમને સર્જનાત્મકતાની વધુ તકો દેખાય છે.

કર્મચારીઓની સ્વાયત્તતાનો આ જ તર્ક કંપનીના કદને પણ લાગુ પડે છે. રોનાલ્ડ કોઝે⁠(નવી વિન્ડોમાં ખૂલે છે) પૂછ્યું હતું કે આપણે કરારોના જાળાને બદલે કંપનીઓની અંદર ઉત્પાદન શા માટે ગોઠવીએ છીએ. વિમાન પણ માત્ર પરસ્પર સીધા કરારો દ્વારા બનાવી શકાય, પણ તે અત્યંત બિનકાર્યક્ષમ હોય. કંપનીઓ મોટા પાયાના ખર્ચલાભ મેળવે છે, હિતો સંકલિત કરે છે, મોટા પ્રકલ્પો ગોઠવે છે અને સતત સોદાબાજીની જરૂર દૂર કરે છે.

સંદેશાવ્યવહાર સરળ બનાવીને AI મોટી કે નાની, બંને પ્રકારની કંપનીઓને વ્યવહારુ બનાવી શકે. પરંપરાગત કંપની માહિતી ઉપર પહોંચાડવા અને સૂચનાઓ નીચે મોકલવાનું માળખું છે, જેમાં અવરોધો અને એકથી બીજે પહોંચતાં સંદેશો બદલાઈ જવાની સમસ્યા હોય છે. AI સંકલનનું સ્તર બને તો (વધુ માનવીય કર્મચારીઓ) ધરાવતી મોટી કંપની સંભાળવી સરળ બને છે. “AI સલાહસેવા”ની મદદથી અધિકારી પોતાની કંપનીને એટલી સારી રીતે જાણી શકે જેટલી સ્થાપક વીસ જણની નવી કંપનીને જાણે છે. તે ત્રિમાસિક અહેવાલની રાહ જોવાને બદલે પહેલના અમલને સીધો નિહાળી શકે અને કંઈ બને તો સૂચના મેળવી શકે. તેની દૃષ્ટિ વધુ વ્યાપક રીતે પ્રસરી શકે. કોણ શું કરે છે અને સંસ્થાની એકંદર પ્રાથમિકતાઓ શું છે તેની સૌને વધુ જાણ હોય છે.

તેનાથી ઊલટું પણ થઈ શકે. સંદેશાવ્યવહાર અવરોધરહિત હોય અને પાલન પર નજર રાખવી સરળ હોય તો કંપનીએ પોતાની પુરવઠા શૃંખલાનો આટલો મોટો ભાગ અંદર રાખવાની જરૂર ન રહે. કંપની બહારના સપ્લાયરો અને ઠેકેદારો પર વધુ વિશ્વાસ મૂકી શકે.

ઉત્પાદનના વિવિધ તબક્કા એક જ કંપનીમાં સમાવવા પાછળનું મુખ્ય કારણ હિતોનું સંકલન છે. અપૂર્ણ કરારોનો⁠(નવી વિન્ડોમાં ખૂલે છે) એક ખ્યાલ છે: વિમાન-અવકાશ ક્ષેત્રની કંપની જેટ એન્જિન કંપની સાથે કરાર કરી શકે. પણ કરારમાં સ્પષ્ટપણે જરૂરી ન ગણાવેલી દરેક બાબતમાં જેટ એન્જિન કંપનીને ખર્ચ કાપીને પોતાનો નફો જાળવવાનું પ્રોત્સાહન મળે છે. આ ટાળવા વિમાન-અવકાશ કંપની જેટ એન્જિન કંપનીને ખરીદી લે છે. કર્મચારીઓ અને ઉપરીઓની જેમ જ: કરારોના પાલન પર વધુ સારી નજર રાખી શકાય અને માત્ર ઔપચારિક ચકાસણીને બદલે સમજદારીથી લવાદ થાય, તો કંપનીઓ બીજી કંપનીઓ પર વધુ નિઃસંકોચ આધાર રાખી શકે. બધું જ પોતાની અંદર કરવાનાં કારણો ઓછાં રહે.

અમને ઘણી નાની કંપનીઓ જોવા મળશે એવી અપેક્ષા છે, પણ સાથે વિશાળ AI “નિયંત્રક કંપનીઓ” પણ હશે, જેમાં એક જ સાહસ હેઠળ અનેક જુદા પ્રકલ્પો ચાલશે. વિવિધ પ્રકલ્પો કોઈ સહિયારી સંપત્તિનો ઉપયોગ કરતા હોય ત્યારે ઉદ્યોગસમૂહ આર્થિક રીતે લાભદાયક બને છે. આ સહિયારી સંપત્તિ ગણનશક્તિ હોઈ શકે, જોકે ગણનશક્તિ જરૂર મુજબ થોડી માત્રામાં સરળતાથી મેળવી શકાય છે. સહિયારું કારખાનું કે રોબોટનો કાફલો વધુ મજબૂત કારણ છે.

એકબીજાને અનુરૂપ હિતો પણ મોટી “નિયંત્રક કંપની”ને યોગ્ય ઠેરવી શકે. AI અને મૂડીનું મોટું સંગઠન સંપૂર્ણપણે એક સહિયારા ધ્યેયને—જેમ કે કેન્સર મટાડવાને—સમર્પિત હોય તો અલગ નાની પહેલોની જરૂર ઓછી રહે. AI કંપની સત્તાસંઘર્ષ ટાળી શકે, બધી માહિતી વહેંચી શકે અને જરૂર પડે ત્યાં પોતાના એજન્ટોમાં સર્જનાત્મક વૈવિધ્ય ઊભું કરી શકે, જેથી જુદા માર્ગોની શોધ થાય.

આજની વ્યવસ્થા ઉત્કૃષ્ટ કર્મચારીઓને પુરસ્કૃત કરવા માટે છે. તેઓ પદક્રમમાં આગળ વધે છે અને વધુ વળતર મેળવે છે. પણ ઉત્તમ મોડલ સલાહકારોની દુનિયામાં કર્મચારીઓ પોતાની વિશિષ્ટતા કેવી રીતે દર્શાવશે?

AI સૌને એક જ ઉત્તમ વિચાર આપે તો અલગ તરી આવવાની તકો ઘટે. પગારધોરણો વચ્ચેનો તફાવત ઘટવો જોઈએ.

આ ઘટાડાને અટકાવતાં પરિબળો છે નિર્ણયશક્તિ, પરખ અને જવાબદારીનો વ્યાપ. આપણામાંથી દરેક પોતાના હાથ નીચેની AI કંપનીનું નેતૃત્વ કરે તો મનુષ્ય તરીકે આપણું બાકી રહેતું મૂલ્ય નિર્ણય લેવાની ક્ષમતા છે. દરેક વ્યક્તિ નીચે ચાલતી વધુ મોટી કામગીરી માટે જવાબદાર હોય તો સારી અને નબળી નિર્ણયશક્તિ વચ્ચેનો ફરક વધુ અસરકારક રીતે દેખાય છે⁠(નવી વિન્ડોમાં ખૂલે છે).

આ તર્ક આપણે લાંબા સમયથી સંગઠનમાળખાની ટોચ માટે લાગુ કરીએ છીએ. ટોચ પરના થોડાક વધુ સારા નિર્ણયો પણ નફા પર મોટી અસર કરી શકે છે, એ વિચારથી આપણે મુખ્ય કાર્યકારીનો પગાર⁠(નવી વિન્ડોમાં ખૂલે છે) યોગ્ય ઠેરવીએ છીએ. કેટલાક કર્મચારીઓ મર્યાદિત સંસાધનો વાપરવા માટે પોતાની નીચેની AI કંપનીઓનું વધુ સારું સંચાલન કરે તો પગારની અસમાનતા વધી શકે.

દાવ પર જેટલું વધુ હોય, બીજા કરતાં તમારી નાની સરસાઈ પણ પગારમાં એટલી વધુ દેખાય. બીજી તરફ, AI સૌને સારી સલાહ આપશે. ઓછું વૈવિધ્ય પગારનો તફાવત ઘટાડે છે.

અહીં અને અન્યત્ર કયું પરિબળ હાવી થશે તે કદાચ આપણે મુખ્યત્વે પોતે નિર્ણય લઈએ છીએ કે આપેલા નિર્ણયને અનુસરીએ છીએ તેના પર નિર્ભર રહેશે.