עתידה של החברה העסקית

הערת המחברים: זהו המאמר השני בסדרה שלנו על הכלכלה הבאה, כחלק מפלטפורמה חדשה שנותנת במה לקולות עצמאיים הבוחנים עתיד עם AGI. הוא משקף את עמדותינו, ולא את אלה של OpenAI או של עמיתינו.

שנינו היינו בני עשרים וארבע כשהתחלנו לנהל צוותים משלנו כאן ב-OpenAI. זה נשמע פחות מרשים אחרי שמכירים את הצוותים שלנו.

אנחנו אמורים להיות אלה שעושים את העבודה השחורה. בגיל עשרים וארבע נמצאים בתחתית הסולם הארגוני. מסכמים ישיבות וכותבים כמה מזכרים. אחרי שנים של עבודה מייגעת, מקבלים, בתקווה, תחום אחריות רחב יותר.

המסלול שלנו — ושל צעירים רבים כיום — נראה אחרת. אנחנו נכנסים לשוק העבודה כשכבר יש ״עובדים״ לרשותנו. העוזרים האלה עובדים יום ולילה, בסופי שבוע ובחגים. הם מצוינים בעבודה השחורה. יש בצוות שלנו אפילו זוכי מדליות זהב באולימפיאדת המתמטיקה שמייעצים לנו. הכפופים החדשים שלנו עדיין עושים לא מעט טעויות. אבל הם משתפרים, לומדים את הצרכים שלנו, ואנחנו לומדים איך לנהל אותם.

אף אחד מאיתנו לא טיפס בסולם הארגוני. במקום זאת, הניהול ירד אל השלב שלנו. המאמר הזה עוסק בקידום שלנו, ובדרכים נוספות שבהן חברות עשויות להתארגן מחדש עם כניסתנו לעידן הבינה.

כש-AI נכנס לחברה, איפה הוא משתלב? נציג שלושה תרחישים להמחשה:

אף אחד מהתרחישים האלה לא יתממש בדיוק כפי שנתאר, אבל לדעתנו היבטים משלושתם יהפכו למציאות. שלושתם כבר מתרחשים בדרכים שקשה להבחין בהן.

המוקד שלנו כאן אינו אוטומציה מלאה, אלא כלכלה בתקופת מעבר. אנחנו מתעניינים במראה שיקבלו חברות המשלבות אדם ו-AI, ככל ש-AI ישתפר וייטמע בארגונים קיימים.

אנחנו מאמינים שחשוב לבחון את החברה ההיברידית כמושג, משום שאימוץ AI באופן שמניב תועלת אינו קורה בן רגע. כשהמודלים מבצעים רק חלק מהמשימות, ייתכן שהאימוץ יהיה קל ביותר דווקא לעובדים בשטח, שמכירים את העבודה. ברגע שהמודלים יבצעו תפקידים רחבים מקצה לקצה, הדרגים הבכירים יוכלו להשתמש בהם ישירות. לדעתנו, ככל שיכולות ה-AI גדלות, קל יותר לאמץ אותו: חברות צריכות ללמוד טכנולוגיות, אבל כוח עבודה לומד את החברה ויכול להיקלט בה בכוחות עצמו.

ננתח את שלושת סוגי המבנה הארגוני החדשים, ואז נבחן את השלכותיהם על עתיד הבירוקרטיה, עצמאות העובדים, גודל החברות ופערי השכר.

התרחיש הראשון שלנו נראה ככזה שיחולל הכי מעט טלטלה. כאן, אנשים נשארים באותן משרות ובאותם יחסי כפיפות, ולכאורה עושים את אותה עבודה כמקודם. המבנה הארגוני האנושי נראה ללא שינוי בין ההווה לעתיד הזה.

ההבדל נמצא מתחתינו. מתחת לכל עובד שאינו מנהל מופיע כוח עבודה חדש של AI, הכפוף לכל אחד מאיתנו. למבנה הארגוני שלנו נוסף מרתף, וכולנו הופכים למנהלים.

בהתחלה, בניית המרתף הזה עדיין לא הושלמה. כל אחד מתחיל עם סוכן אחד או שניים, שפחות דומים לעובדים מנוסים ויותר למתמחים נלהבים שצריך לפקח עליהם ולסלוח להם בקלות. הציפיות שלנו נמוכות: לשלוח אימייל פה, לנסח מזכר שם, לענות להודעות ב-Slack בכל מקום. כמו עובדים אנושיים זוטרים, הם מתחילים עם מעט עצמאות ואמון.

אבל ככל שהמודלים משתפרים, הסוכנים שלנו לוקחים על עצמם יותר משימות בפחות פיקוח. הם מתאמים ביניהם. ייתכן שיהיו מערכות AI מנהלות ומערכות AI שעושות את העבודה השחורה, רואי חשבון ועורכי דין, וכולם יעבדו יחד לפי הנחיותיכם. במקום ללוות מתמחה צעד אחר צעד, בסופו של דבר תנהלו מערך שנראה כמו חברה קטנה בפני עצמה, עם מבנה ארגוני משלה, כשאתם משמשים כדירקטוריון שלה.

שימו לב שהתרחיש הזה אינו מחייב פיטורים. כאן אנחנו מאמצים AI בלי להחליף את עצמנו באוטומציה. במקום זאת, אנחנו מחליפים באוטומציה את מי שהיינו בעבר, ומתקדמים בהיררכיה. AI לוקח על עצמו יותר ויותר ממה שנהגנו לעשות. המשרות שלנו נשארות כי יש יותר מה לנהל, ואנחנו מקבלים אחריות על תפוקה גדולה יותר.

משרות אינן דבר קבוע⁠(נפתח בחלון חדש). נניח ש-AI יכול לעשות תשעים אחוז ממה שעשיתם בעבר. אתם עשויים להסיק שנשארו לכם רק עשרה אחוזים מהעבודה. האפשרות האחרת היא שאתם עדיין עובדים במשרה מלאה, רק אחרת — כעת היא ממוקדת ביעד גדול פי עשרה. זו המתנה הקלאסית של הטכנולוגיה: הפריון עולה, השאיפות גדלות בהתאם, והשכר יכול לעלות⁠(נפתח בחלון חדש) יחד איתן.

כל זה תלוי בשאלה אם אנחנו עדיין מוסיפים ערך⁠(נפתח בחלון חדש) לייצור. המאמר הזה מתמקד בשנים הקרובות, שבהן האוטומציה עדיין לא תוכל לעשות הכול ולא תאומץ בכל מקום. גם אם AI יוכל לעשות הכול, ייתכן שעדיין נייחס ערך רב יותר לדבר מה מפני שאדם יצר אותו, או נתעקש שהמילה האחרונה תהיה של אדם.

זה תלוי גם בתיאבון שלנו. אם כצרכנים לא נרצה תפוקה גדולה פי עשרה, שיווי המשקל ינוע לעבר פחות עובדים או פחות שעות עבודה. לאורך ההיסטוריה, הגידול בתפוקה לא השביע אותנו. יש לנו הרבה יותר⁠(נפתח בחלון חדש), אבל אנחנו עובדים רק קצת פחות⁠(נפתח בחלון חדש). אם התיאבון שלנו ימשיך לגדול ככל שהתפוקה תתרבה — ואנחנו נמשיך לתרום לייצור — נבחר להמשיך להמיר את עבודתנו בצריכה גדולה יותר. אם במקום זאת הייצור ייעשה שופע כל כך עד שנגיע לרוויה, ייתכן שנבחר לצמצם את כוח העבודה.

בהמשך נדון בהסתייגויות נוספות, למשל בשאלה אם יהיו יותר חברות קטנות. אנחנו עדיין חושבים שהתרחיש הזה חשוב, כי האימוץ חייב להתחיל איפשהו. חברות זקוקות לדרך להתפתח ביציבות מתוך המבנים הארגוניים הקיימים שלהן. חיזוק עבודתם של העובדים הקיימים עשוי להיות צעד ראשון קל יותר מארגון מחדש של החברה כולה. אנחנו רואים זאת קורה כיום: עוד ועוד עובדים מעבירים משימות ל-AI, בינתיים ללא מהפכה ארגונית.

התרחיש הזה נשען על כך שעובדי השטח יהיו הראשונים לגייס. עובדים בדרגים הנמוכים — לא מנהלים ובכירים — מובילים את אימוץ ה-AI. זה נראה סביר, כל עוד מי שיודע לגרום ל-AI לבצע את העבודה בצורה הטובה ביותר הוא מי שנהג לעשות אותה בעצמו.

מודלים כבר יכולים לבצע אוטומציה של משימות רבות במדע הנתונים, אבל ראש מחלקה שאינו מכיר את השיטות ואת הפרטים הקטנים יתקשה להפיק תועלת מהכלים. עד ש-AI יגלה די יוזמה כדי לספר לכם מה אינכם יודעים, כפי שנראה בתרחיש הבא, הוא כנראה יפעל בצורה הטובה ביותר עבור מי שכבר מכירים את אופן ביצוע העבודה.

השינוי הגדול ביותר בתרחיש הזה נוגע לעובדים בתחילת דרכם. כבר לא יהיה שלב תחתון בסולם, לפחות לא עבור בני אדם. כשנגייס צעירים, לא נעשה זאת כדי להציב אותם בתחתית המייגעת של החברה. את התפקידים האלה ימלא משהו שזה לא יפריע לו.

כך נאבד כמה מהדרכים המסורתיות להכשרת עובדים צעירים: חניכה⁠(נפתח בחלון חדש), למידה דרך עבודה שחורה והוכחה עצמית לאורך הדרך. אלה מחירים אמיתיים, אבל אנחנו רואים בכך בעיקר זכות גדולה. גם לעובד החדש וחסר הניסיון ביותר, אם יש לו רעיון טוב, יהיו משאבים להתנסות. התירוץ הוותיק ביותר בארגון, פשוט אין לנו כוח אדם, הולך ונעלם. עובדת זוטרה עם רעיון למשחק וידאו מעולה, שאין לה דרך לקבל תקנים עבורו, יכולה עכשיו פשוט לבנות אותו.

לדעתנו, גם בתרחיש ה״קידום״ יש לעובדים זוטרים הרבה מה ללמוד: שיקול דעת, טעם, מיומנויות ניהול וחזון יצירתי. יהיה לנו תמריץ לטפח את הכישורים האלה, כי הם יבואו לידי ביטוי בתוצרי העבודה שלנו. עדיין נלמד מתוך עשייה⁠(נפתח בחלון חדש), אבל בהיקף אחריות רחב יותר. לוותיקי החברה עדיין יהיה תמריץ לעזור לנו מתוך אחריות לעתידה, וגם בזכות החזקותיהם בהון, שקושרות אותם להצלחתנו. ההזדמנות כאן היא לתפקיד מעניין ומאתגר יותר לכל אדם, בכל דרג. כל עובד יוכל להפגין את כישוריו עם תחום אחריות רחב יותר, וזה חשוב במיוחד לעובדים מתחילים שלא היה להם תחום אחריות כלל.

הדרך השנייה שבה AI נכנס לחברה עוברת בתוך המבנה הארגוני הקיים. כאן הסוכנים אינם בתחתית הסולם, אלא עמיתים. מנהלת מסורתית מעבירה חלק מעבודת הצוות למודל, כפי שהייתה מאצילה משימה לכל עובד אחר. AI משתלב לצד בני אדם, לא רק מתחתיהם.

ההבדל המרכזי מהתרחיש הראשון: כאן, מנהלים אנושיים קיימים מאמצים AI לעבודה יצרנית, ולא רק עובדים שאינם מנהלים כיום. לשם כך, עליו להיות בעל יכולות מספיקות כדי לתפקד כחבר צוות מן המניין.

בני אדם הם בעלי יכולות מגוונות. פטיש עוזר במשימה אחת; אדם עושה הרבה יותר. המסע של AI מכלי לכוח עבודה כרוך בהרחבה מתמדת של תחום הפעולה: אוטומציה של משימה, אחר כך של משרה, של צוות ולבסוף של חברה. כל הרחבה של תחום האחריות דורשת יכולות רחבות יותר.

משרה היא מזוודה מלאה במשימות רבות. כשמדובר בצוות שלם, המזוודה הזאת גדושה בסוגים רבים ושונים של עבודה. יותר משימות בתחום האחריות פירושן יותר צווארי בקבוק אפשריים. אם אפילו משימה חיונית אחת בצוות כרוכה בעבודה פיזית, נדרש מערך חדש לגמרי של ציוד היקפי. כדי להחליף צוות שלם ולהשתלב במקומו, ה-AI חייב להיות מסוגל למלא את כל תחומי האחריות המגוונים שלו.

קשה יותר לבנות AI שמסוגל לשאת באחריות רחבה יותר. אבל מבחינת חברות — וזו הא-סימטריה המרכזית של המעבר כולו — קל יותר לאמץ יכולות בעלות היקף רחב יותר.

מנהל בכיר יכול לאמץ ישירות צוות או פונקציה רחבה שעברו אוטומציה מקצה לקצה. כלי עם יכולות מצומצמות יותר אינו ניתן להטמעה פשוטה כל כך מלמעלה. הכלי הפשוט יותר מחייב הירתמות נרחבת והכשרה מחדש של העובדים ברחבי הארגון.

באופן מסורתי, טכנולוגיות חדשות מוזילות את הביצוע של מערך משימות מוגבל. ואז הנטל עובר לרוכש. החברה צריכה להבין איך לנצל את הכלי החדש, ועליה להכשיר עובדים מחדש, להתארגן מחדש ולבנות מחדש את התהליכים שלה⁠(נפתח בחלון חדש) סביבו. תוכנת הגיליונות האלקטרוניים לא התקינה את עצמה במחלקת הנהלת החשבונות — המחלקה עיצבה את עצמה מחדש סביב התוכנה.

בכוח עבודה, המצב הפוך. מתמחה, עובד וצוות טוב מבינים בעצמם איך להועיל לכם. הם שואלים אתכם שאלות, לומדים את ההקשר שלכם ומבחינים בצרכים שלכם. הם מספרים לכם דברים שאפילו לא ידעתם שאינכם יודעים. כוח העבודה הטוב ביותר נקלט בכוחות עצמו.

ככל ש-AI נעשה דומה יותר לכוח עבודה במובן הזה, עם יוזמה וכושר הסתגלות, כך החברה צריכה ללמוד פחות איך להפיק ממנו תועלת, והוא מבין יותר בעצמו איך להועיל לה. מנהל בכיר כנראה לא יישב בהרצאת מבוא לתוכנת עיצוב כדי ללמוד כלי חדש. אבל הוא ישמח לשקול הצעה בנוסח: רק תגיד, ואקים עבורך את כל מערך השיווק.

לעיתים קרובות מדי, אנחנו מגדירים אוטומציה של משרה כיעד העליון של AGI. נכון, אפילו לשם עוד לא הגענו. משרות הן דבר מורכב להפליא, משום שהיכולות שלנו מרשימות כל כך. ובכל זאת, רק חלק קטן מאוד⁠(נפתח בחלון חדש) מהתפוקה במשק שלנו מגיע מעובדים שפועלים לבדם. עבודה יצרנית תורמת לצוותים, צוותים תורמים לחברות, וחברות מייצרות כמעט את כל מה שאנחנו צורכים.

אמת המידה של ״משרה״ ל-AGI אינה נותנת לנו, בני האדם, את ההערכה הראויה. העבודה שלנו אינה רק משימות, ואפילו לא רק התמודדות עם מרכיבים לא שגרתיים: היא כוללת גם יכולת תיאום אדירה, ואת הגמישות לבצע חלקים קטנים מתוך תוצרים גדולים יותר. לתאר אותנו כאוסף משימות בלבד פירושו להמעיט מאוד בערכנו. היכולת האנושית טמונה בארגונים שלנו⁠(נפתח בחלון חדש) יותר מאשר ביחיד. AGI כלכלי חייב להגיע לרמה של בני אדם, לא של אדם יחיד.

לכן תרחיש ה״שילוב״ עשוי להיות לא יעיל למדי אם ה-AI עדיין דומה לכלי או אפילו לעובד, ולא לצוות או לחברה. מודל שמוצמד לכל עובד יוצר אינספור נקודות חיבור והעברות אחריות⁠(נפתח בחלון חדש). המערך המקוטע הזה עלול להאט את האימוץ.

אנחנו רואים מרוץ בין יישומים מוקדמים בעלי יכולות מוגבלות יותר לבין מודלים מאוחרים בעלי יכולות גבוהות יותר. התוצאה תלויה בשאלה אם אימוץ המודלים העתידיים יהיה מהיר עד כדי כך שיפצה על הזמן הנוסף הדרוש לפיתוח היכולות האלה.

תרחיש ה״שילוב״ יכול להתקיים לצד התרחיש הראשון, תרחיש ה״קידום״. ייתכן שנראה חברות מצמצמות את כוח האדם שלהן כש-AI הופך פונקציות מסוימות לאוטומטיות, בעוד העובדים שנותרו מקבלים תחומי אחריות רחבים בהרבה, בסיוע כוח העבודה של הסוכנים שלהם. חשוב להדגיש: התרחיש הזה כשלעצמו אינו מחייב ירידה בתעסוקה האנושית הכוללת. ייתכן שיהיו יותר חברות, ובכל אחת פחות עובדים.

התרחיש השלישי שלנו הוא המפתיע ביותר. כאן, AI נכנס לחברה מעל אנשים. ההיררכיה כבר אינה בני אדם מעל מכונות, אלא אדם, AI, אדם: כריך אוטומציה. חלק מהאנשים ״כפופים״ ל-AI.

זה נשמע מופרך, במיוחד כנקודת פתיחה לאימוץ בחברות. אבל לדעתנו, בגרסאות פחות קיצוניות, זה כבר התחיל.

גם כשאנחנו חושבים על AI כאמצעי לאוטומציה של עבודה קוגניטיבית, אנחנו נוטים להתמקד בדרגים הנמוכים. בדרך כלל אנחנו אומרים ש-AI הופך עבודה על גיליונות אלקטרוניים ומצגות לאוטומטית, לא את הניהול. האינסטינקט שלנו הוא שהאוטומציה מטפסת במעלה ההיררכיה: קודם העבודה הקוגניטיבית השחורה, ובסוף שיקול הדעת, כשהמנהל הוא המעוז האחרון.

אבל רוב עבודתו של מנהל מתרחשת במחשב ובמחשבה: קריאה, פגישות, שקילת אפשרויות, החזקת ההקשר וקבלת החלטות. יש ערך לנוכחות פיזית, לסיורים בקומות המשרדים ולשהייה לצד העובדים. ובכל זאת, דווקא העבודה בדרגים הנמוכים, גם כשהיא ברובה קוגניטיבית, כרוכה יותר מהניהול במגע עם העולם הפיזי ועם כלים. המתמחה הוא שנשלח למכונת הצילום, לא המנהל שלו.

קשה ללמד מודל קבלת החלטות ניהולית, כי ההצלחה אינה חד-משמעית ונמדדת לאורך זמן רב. מסיבות דומות⁠(נפתח בחלון חדש), קשה גם להכשיר מנהלים אנושיים טובים. אנחנו עדיין לא יודעים עד כמה המודלים טובים בניהול. יש לנו שפע מבחני הערכה לעבודה קוגניטיבית ממוקדת ביצוע, אבל מעטים מהם בוחנים תיאום רחב היקף ברמה של מנהלים ובכירים.

עדיין כדאי לשקול את האפשרות שהמודלים של היום דווקא קרובים יותר ביכולותיהם למנהלים אנושיים מאשר לעובדים בדרגים הנמוכים. ייתכן שחלק מהתפקידים הניהוליים יעברו אוטומציה לפני העבודה שעליה הם מפקחים.

אולי הגרסה המלאה של תרחיש ״שכבת הביניים״ היא AI שעושה את עבודת החשיבה, ואז משלים את הפערים ביכולותיו בעזרת קבלנים אנושיים הכפופים לו. עולם כזה נראה לנו זר למדי. הרבה יצטרך להשתנות.

אבל יש גרסה טבעית יותר, והמערכה הראשונה שלה כבר החלה: ייעוץ. כיום, מנהלת בכירה יכולה לבקש מ-ChatGPT לקרוא מאות ערוצי Slack, מסמכים, הודעות וקובצי קוד מרחבי החברה, ואז לענות על שאלות. מה הצוות הזה עושה בפועל? איפה החולשה הזאת מופיעה? כל חלק בארגון נעשה קל יותר לניתוח ולהבנה⁠(נפתח בחלון חדש) מבחינתה.

כבר שנים רבות מנהלים בכירים משלבים במבנה הארגוני מתווכים שכירים — הם קוראים לזה ייעוץ. חברת ייעוץ ניהולי מוסיפה מעליכם שכבה, לזמן קצר ובמחיר גבוה. בעתיד, יועצי ה-AI עשויים לעלות כמעט כלום ולהיות נוכחים תמיד.

המודלים רק מתחילים לנתח באופן אמין מסמכים ותקשורת פנים-ארגונית. הטעם והיוזמה שלהם עוד צריכים להבשיל. לעת עתה, ChatGPT עוזר למנהלת בכירה בעלת מוטיבציה להבין את הארגון שלה לעומק רב יותר. אנחנו צופים שבסופו של דבר הוא יהפוך למערך ייעוץ שמציע שירות מקיף. הוא לא יהיה ״מנהל״ של ממש לעובדים בדרגים נמוכים, אלא מעין כתב פנים-ארגוני ויועץ להנהלה. הוא ישתמש במומחיות עסקית כדי לסרוק הכול, להציף מוקדי קושי מיוזמתו ולעזור לתעדף את הטיפול בהם.

השאלה אם זה יועיל או יזיק תלויה במי שעומד בראש. ההשפעה המבנית היא ריכוזיות. לדעתנו, הדבר יקצר את המרחק בין ההנהלה הבכירה לבין החברה עצמה. הוא מרכז יותר כוח בצמרת, במקום שבו קשיים בזרימת המידע עודדו בעבר קבלת החלטות מבוזרת יותר.

בעינינו, לתרחיש הזה יש משמעות עמוקה לא רק בגלל השינוי בחלוקת הסמכויות, אלא גם בגלל הקלות שבה אפשר לאמץ AI כמערך ייעוץ. בדיוק כמו בייעוץ מסורתי, מערך הייעוץ מבוסס ה-AI אינו דורש מההנהלה בקיאות טכנית. זה לא המחשב, שאומץ מלמטה בידי מי שידעו להקליד ולהשתמש במסוף. פשוט מדברים עם היועץ, והוא דואג לצד הטכני. גל האימוץ הזה יכול להתחיל בלשכת ההנהלה. מערך הייעוץ, בתורו, עשוי להאיץ את אימוץ ה-AI בשאר הארגון.

סיבה מרכזית אחת מסבירה את חוסר האמון של חברות בעבודה מרחוק ובהעסקת קבלנים: היכולת לאכוף התחייבויות. מעולם לא הייתה לחברות דרך זולה להתבונן בעבודה עצמה על כל מורכבותה. לכן הן מודדות מראית עין של עבודה⁠(נפתח בחלון חדש): מספר לחיצות, תנועות עכבר, נקודות סטטוס ירוקות — סימנים שרחוקים כל כך מלהעיד אם נעשית עבודה טובה.

AI מציע מנגנון פיקוח שמבין. הוא יכול לבחון את התוצרים של אדם ולזהות התקדמות אמיתית לעבר יעדים רחבים יותר. כפי שנבחן בחלק הבא, אסור להנהיג מעקב חדש בקלות דעת⁠(נפתח בחלון חדש). אבל בנסיבות הנכונות, הוא יכול להגביר אמון ולעודד חברות לתת לעובדיהן יותר חופש.

אם מנגנון הפיקוח מבין את הדרכים הרבות והשונות שמובילות לתוצר עבודה טוב, העובדים יכולים לעבוד יותר בדרך שמתאימה להם. ההתקדמות לעבר תוצאות טובות תהיה חשובה יותר מהיצמדות לשיטה מוכתבת אחת שקל למנהלים לעקוב אחריה. פיקוח חכם מאפשר גמישות ופועל נגד הפרודוקטיביות למראית עין שכולנו מתעבים.

הצעת הערך כאן דומה לזו של חברות ביטוח שמוזילות את הפרמיה אם מתקינים מכשיר מעקב ברכב. אם ניסיתם לתחמן את המערכת, זה פוגע בכם; אם פשוט עשיתם את עבודתכם, מנגנון הפיקוח יכול להוכיח זאת, וההנהלה תיתן בכם יותר אמון.

האמון הזה פותח אפשרויות חדשות. ייתכן שנראה נכונות חדשה⁠(נפתח בחלון חדש) מצד חברות שהסתייגו בעבר מעבודה היברידית, מאנשים שחושבים אחרת, מקבלנים או מגיוס אנשים מבריקים במדינות רחוקות.

לעובדים בדרגים הנמוכים יש כיום בעיות רבות עם המבנה הארגוני. מתסכל מאוד לראות בעיה מקרוב ולא להיות מסוגלים להביא אותה לידיעת הדרגים הגבוהים. זה לא הוגן להיתקע תחת מנהל לא יעיל, או לעשות עבודה מצוינת שאינה זוכה להכרה.

לדעתנו, הגל הקודם של ייעול עסקי קיצוני נשען על נתונים מוגבלים, הנחיות גסות ואלגוריתמים טיפשים. אם כל מה שאתם יכולים לעבד הוא יחסי תמסורת, כולם נראים כמו גלגלי שיניים. חברות מתקשות כבר שנים למדוד את עבודת העובדים שלהן. מנגנון פיקוח חכם יוכל לזהות תרומות חשובות וגישות ייחודיות שהמדדים הגסים של ימינו מחמיצים.

בהסתמך על שלושת התרחישים הסכמטיים, נבחן כעת כמה מהשאלות המכריעות לגבי עתידה של החברה העסקית.

יצירת דברים היא בדרך כלל עניין יקר למדי. אפליקציה, סרט, מצגת, תכונה, ניתוח: יצירתם מחדש יקרה, איטית ומייגעת. כשבפועל יש לכם רק ירייה אחת, אתם משקיעים בכיוון. מחזורי תכנון, טקסי גיבוש של מפות דרכים וועדות אישור — כולם נועדו להבטיח שכשהחברה נותנת סוף סוף אור ירוק, היא יוצאת לדרך עם משהו ראוי. רבים ממנגנוני הבקרה בהיררכיות שלנו קיימים משום שהביצוע היה משאב יקר.

בתחומים רבים, AI מוזיל דרמטית את עלות היצירה — לפחות עד לשלב אב הטיפוס, גם אם לא עד לתוצר המוגמר. אנחנו מאמינים שגישת החברה צריכה להשתנות בהתאם: לכוון פחות, לירות יותר. חברה יכולה לבנות אב טיפוס, להתבונן, ללמוד מהר, לשנות כיוון ולבנות אותו מחדש. יצירה קלה של אבות טיפוס⁠(נפתח בחלון חדש) אמורה להרחיק חברות מהמנגנונים שעליהם נשען ייצור עתיר תכנון.

הביטוי הפשוט ביותר לכך הוא צוות שעובר מהר יותר מסבב פיתוח אחד לבא אחריו. בפרשנות מרחיקת לכת יותר, עצם הצורך בצוות עומד בסימן שאלה. אם התכנון המשותף חשוב פחות, ורעיונות מגוונים ובלתי תלויים חשובים יותר, האם עדיף צוות אחד שמתקדם במהירות מסבב לסבב, או אנשים רבים שכל אחד מהם מציג אב טיפוס עובד משלו? אם אב טיפוס ממשי מעביר חזון טוב יותר מכל מסמך אפיון, האם נורמות התקשורת שלנו ישתנו: נשתף יותר ומוקדם יותר, ונשתף תוצרים במקום מזכרים?

יצירה זולה עשויה להעביר את מרכז הכובד בחברה אל העובדים היחידים. פירוש הדבר יהיה פחות שכבות של ניהול ביניים ופחות בקשות רשות, כי פעם היה זול יותר לבקש מאשר לעשות, וכעת כבר לא.

עם זאת, כפי שנדון בהמשך, אותה טכנולוגיה שמאפשרת ליחידים ליצור אבות טיפוס בסיכון נמוך יותר יכולה גם להכביד את עול הבירוקרטיה.

אחת הסיבות המרכזיות לניהול מלמעלה למטה היא האמונה שמנהלים בכירים מקבלים החלטות עסקיות⁠(נפתח בחלון חדש) טובות יותר מעובדים זוטרים. חברות משלמות יותר לבעלי ניסיון ויכולות גבוהות בצמרת, ומנהלים עוברים לעיתים קרובות הכשרה באסטרטגיה עסקית, בעוד עובדים שאינם מנהלים מתמקצעים בתחומם. אם AI מציע ייעוץ מצוין לכל העובדים, הפער באיכות קבלת ההחלטות מצטמצם. למנהלים תהיה פחות סיבה להתערב. הדבר יגדיל את עצמאות העובדים, ואולי גם יפחית את מספר שכבות הניהול.

בדומה לכך, ״מערך הייעוץ מבוסס ה-AI״ מבטיח ששום דבר בעל השלכות משמעותיות מדי לא יקרה בלי שההנהלה תקבל התראה. אם עובד עומד לפרסם פוסט בבלוג שעלולות להיות לו השלכות חמורות על החברה, מערך הייעוץ יתריע על כך להנהלה מיוזמתו. כך נוצר אמון: ההנהלה לא צריכה לחשוש שתקלות גדולות יקרו בלי ידיעתה, ולכן אינה חייבת להפעיל פיקוח הדוק כל כך⁠(נפתח בחלון חדש) על הדרך שבה עובד מבצע את תפקידו.

אבל מערך הייעוץ מבוסס ה-AI הוא חרב פיפיות⁠(נפתח בחלון חדש). כמנגנון פיקוח חכם, הוא יכול לחזק את האמון בעובדים; הוא גם יכול לאכוף ביתר שאת, בכל רחבי הארגון, את שיטות העבודה המועדפות על המנכ״ל. חברות מייחסות ערך לעקביות ארגונית⁠(נפתח בחלון חדש): לא רק החלטה טובה, אלא החלטה שמתיישבת עם התרבות, המותג והיתרונות לגודל של החברה. רשת מסעדות עשויה להעדיף תפריט אחיד בכל סניפי הזכיינות, כדי שאפשר יהיה להזמין חומרי גלם בכמויות גדולות ושהלקוחות יוכלו לצפות למוצר אחיד.

בהקשר זה, התמריצים של מנהלי החברה לא תמיד תואמים לאלה של העובדים. העובדים פועלים למקסם את הצלחת התחום שלהם⁠(נפתח בחלון חדש), ואילו הבכירים דואגים לחברה כולה. לבעלי מניות יש העדפות שונות מאלה של שכירים, משום שהם קוטפים את הפירות⁠(נפתח בחלון חדש) של עבודה קשה יותר. מערך הייעוץ יכול לאכוף הקפדה יתרה על נהלים מסוימים שמוכתבים מלמעלה.

לדעתנו, בסיכומו של דבר העובדים יזכו ליותר עצמאות. האופטימיות שלנו נשענת על כך שחברות ישתמשו ב-AI כדי להציף חריגות משמעותיות, ובו בזמן ישאירו יותר החלטות בידי העובדים.

אנחנו מאמינים ש-AI ישמש מסגרת תומכת: גם אם ההנהלה תרצה לשמור על מותג עקבי, זה יהיה רק אילוץ שצריך לפעול בתוכו. העובדים יהיו מודעים יותר לאילוצים העסקיים הרלוונטיים, וייהנו מרשת ביטחון טובה יותר ליצירתיות בכל מה שאינו מוגבל על ידם. כשהסיכונים המרכזיים מכוסים, ההנהלה יכולה לאפשר לעובדים לנסות גישות חדשות שעשויות להניב רווחים. בעזרת עוזרי AI הכפופים לנו, אנחנו כעובדים נהיה אחראים גם לתוצרים משמעותיים יותר. אנחנו רואים יותר הזדמנויות ליצירתיות כשמובילים עבודה מורכבת יותר.

אותו היגיון הנוגע לעצמאות העובדים חל גם על גודל החברה. רונלד קואז⁠(נפתח בחלון חדש) שאל מדוע אנחנו מארגנים את הייצור בתוך חברות ולא באמצעות רשת של חוזים. אפילו מטוס אפשר לבנות באמצעות התקשרויות ישירות בין גורמים בלבד, אבל זה יהיה מאוד לא יעיל. חברות מנצלות יתרונות לגודל, מתאמות תמריצים, מארגנות פרויקטים גדולים ומייתרות את הצורך בהתמקחות מתמדת.

בכך שיקל על התקשורת, AI עשוי להצדיק חברות גדולות יותר — או קטנות יותר. החברה הקלאסית היא תשתית להעברת מידע כלפי מעלה והוראות כלפי מטה, והיא רצופה חיכוכים ושיבושי ״טלפון שבור״. חברה גדולה יותר, עם יותר עובדים אנושיים, תהיה מסורבלת פחות אם AI ישמש שכבת תיאום. בעזרת ״מערך ייעוץ מבוסס AI״, מנהלת בכירה תוכל להכיר את החברה שלה כמו שמייסד מכיר סטארט-אפ בן עשרים איש. היא תוכל לעקוב אחר יישום יוזמה במקום לחכות לסיכום הרבעוני שלה, ולקבל התראה אם משהו קורה. החזון שלה יוכל לחלחל לחלקים נרחבים יותר בארגון. כולם יהיו מודעים יותר למה שהאחרים עושים ולסדרי העדיפויות הכלליים של הארגון.

אבל התוצאה יכולה להיות גם הפוכה. אם התקשורת חלקה וקל יותר לפקח על עמידה בדרישות, החברה לא חייבת להחזיק חלק גדול כל כך משרשרת האספקה שלה בתוך הארגון. היא יכולה לתת יותר אמון בספקים ובקבלנים חיצוניים.

אחד המניעים המרכזיים לאינטגרציה אנכית הוא תיאום תמריצים. זהו הרעיון של חוזים לא שלמים⁠(נפתח בחלון חדש): חברת תעופה וחלל יכולה להתקשר בחוזה עם יצרנית מנועי סילון, אבל בכל מה שאינו נדרש במפורש בחוזה, ליצרנית יש תמריץ לחסוך על חשבון האיכות ולדאוג לשורת הרווח שלה. כדי להימנע מכך, חברת התעופה והחלל רוכשת את יצרנית מנועי הסילון. בדיוק כמו ביחסים בין עובדים למנהלים: אם קל יותר לפקח על קיום חוזים ולהכריע במחלוקות בתבונה, ולא באמצעות סימון וי ברשימות, חברות עשויות להרגיש בטוחות יותר בהסתמכות על חברות אחרות. תהיה פחות סיבה לעשות הכול בתוך החברה.

אנחנו צופים שיהיו הרבה חברות קטנות יותר, אך גם ״חברות החזקות״ ענקיות מבוססות AI, שבהן מספר עצום של פרויקטים שונים מתנהל במסגרת עסק אחד. קונגלומרט משתלם כלכלית כאשר יש נכס משותף שכל הפרויקטים השונים מנצלים. הנכס המשותף יכול להיות כוח מחשוב, אם כי קל להקצות כוח מחשוב בכמויות קטנות לפי הצורך. מפעל או צי רובוטים משותף הם סיבה טובה יותר.

גם תמריצים מתואמים יכולים להצדיק ״חברת החזקות״ גדולה. אם ארגון גדול של מערכות AI והון מוקדש כולו למשימה משותפת — למשל, מציאת מרפא לסרטן — יש פחות צורך ביוזמות קטנות ונפרדות. חברת AI יכולה להימנע ממאבקי כוח, לשתף את כל המידע, ובמידת הצורך ליצור גיוון יצירתי בין הסוכנים שלה, כך שייבחנו כיוונים שונים.

המערכת כיום אמורה לתגמל עובדים מצטיינים. הם מתקדמים בסולם הדרגות ומקבלים תגמול גבוה יותר. אבל בעולם שבו מודלים משמשים יועצים מעולים, איך יוכלו עובדים להתבלט?

אם AI נותן לכולם את אותו רעיון מצוין, יש לנו פחות הזדמנויות לבדל את עצמנו. טווחי השכר אמורים להצטמצם.

מנגד ניצבים שיקול דעת, טעם והיקף אחריות. אם כל אחד מאיתנו מוביל חברות AI הכפופות לו, הערך האנושי שנותר הוא קבלת ההחלטות שלנו. אם כל אדם אחראי למאמץ רחב יותר תחתיו, ההבדל בין שיקול דעת טוב לגרוע נעשה משמעותי יותר⁠(נפתח בחלון חדש).

כבר שנים רבות אנחנו מיישמים את ההיגיון הזה בצמרת המבנה הארגוני. אנחנו מצדיקים את שכר המנכ״לים⁠(נפתח בחלון חדש) בטענה שגם שיפור קל בהחלטות בצמרת יכול להשפיע מאוד על שורת הרווח. אי-השוויון בשכר עשוי לגדול אם חלק מהעובדים ינהלו טוב יותר את חברות ה-AI הכפופות להם כדי להקצות משאבים שבמחסור.

ככל שיותר מונח על הכף, כך היתרון הקטן שלכם על פני אחרים מתבטא יותר בתלוש השכר. מצד שני, AI ייתן עצות טובות לכולם. פחות הבדלים בין העובדים מצמצמים את פערי השכר.

כאן ובתחומים אחרים, השאלה איזה כוח יגבר תלויה אולי בשאלה אם אנחנו בעיקר מפעילים שיקול דעת או פועלים לפי שיקול דעת שמספקים לנו.