कंपनी का भविष्य

लेखकों की टिप्पणी: यह आगामी अर्थव्यवस्था पर हमारी शृंखला का दूसरा निबंध है. यह AGI वाले भविष्य की पड़ताल करने वाले स्वतंत्र विचारों को जगह देने के लिए बने नए मंच का हिस्सा है. इसमें हमारे विचार हैं, OpenAI या हमारे सहकर्मियों के नहीं.

हम दोनों चौबीस साल के थे, जब यहाँ OpenAI में अपनी-अपनी टीमों का प्रबंधन करने लगे. हमारी टीमों से मिलने के बाद यह बात उतनी प्रभावशाली नहीं लगेगी.

कायदे से हमें छोटे-मोटे काम निपटाने वाले कर्मचारी होने चाहिए. चौबीस की उम्र में आप कंपनी की पदानुक्रम वाली सीढ़ी के सबसे निचले पायदान पर होते हैं. आप बैठकों के नोट्स लेते हैं और कुछ ज्ञापन लिखते हैं. वर्षों तक नीरस काम करने के बाद, उम्मीद होती है कि आपको व्यापक ज़िम्मेदारियाँ मिलेंगी.

हमारा रास्ता—और आज कई युवाओं का रास्ता—अलग दिख रहा है. कामकाजी जीवन में कदम रखते ही हमारे निर्देश पर काम करने वाले “कर्मचारी” हमारे पास हैं. ये सहायक दिन-रात, सप्ताहांत और छुट्टियों में भी काम करते हैं. वे छोटे-मोटे, नीरस कामों में माहिर हैं. हमें सलाह देने के लिए हमारे दल में गणित ओलंपियाड के स्वर्ण पदक विजेता भी हैं. हमारे ये नए अधीनस्थ अब भी गलतियाँ करते हैं. लेकिन वे बेहतर हो रहे हैं, हमारी ज़रूरतें समझ रहे हैं, और हम उनका प्रबंधन करना सीख रहे हैं.

हममें से कोई भी कंपनी की सीढ़ी चढ़कर ऊपर नहीं पहुँचा. इसके बजाय प्रबंधन की ज़िम्मेदारी हमारे पायदान तक उतर आई है. यह निबंध हमारी पदोन्नति और उन अन्य तरीकों के बारे में है जिनसे बुद्धिमत्ता के युग में प्रवेश करते हुए कंपनियाँ अपना पुनर्गठन कर सकती हैं.

जब AI कंपनी में प्रवेश करता है, तो उसे कहाँ जगह मिलती है? हम उदाहरण के तौर पर तीन परिदृश्य प्रस्तुत करते हैं:

इनमें से कोई भी परिदृश्य ठीक हमारे वर्णन के अनुसार नहीं घटेगा, लेकिन हमें लगता है कि तीनों के कुछ पहलू सच होंगे. सूक्ष्म रूपों में तीनों अभी से घटित हो रहे हैं.

यहाँ हमारा ध्यान पूर्ण स्वचालन पर नहीं, बल्कि बदलाव से गुज़रती अर्थव्यवस्था पर है. हम यह जानना चाहते हैं कि AI के बेहतर होने और मौजूदा संगठनों में घुलने-मिलने के साथ मनुष्यों और AI से बनी कंपनियाँ कैसी होंगी.

हम मानते हैं कि ऐसी मिश्रित कंपनी की अवधारणा महत्वपूर्ण है, क्योंकि AI को उत्पादक ढंग से अपनाना तत्काल नहीं होता. जब मॉडल केवल कुछ काम कर पाते हैं, तो उन्हें अपनाना उन निचले स्तर के कर्मचारियों के लिए सबसे आसान हो सकता है जो उस काम को जानते हैं. जब मॉडल व्यापक ज़िम्मेदारियाँ शुरू से अंत तक निभाने लगेंगे, तो वरिष्ठ अधिकारी सीधे उनका इस्तेमाल कर सकेंगे. हमारे विचार में, अधिक सक्षम AI को अपनाना अधिक आसान है: कंपनियों को तकनीक सीखनी पड़ती है, लेकिन कर्मचारी कंपनी को समझते हैं और उसमें ख़ुद को ढाल सकते हैं.

हम संगठनात्मक ढाँचे के इन तीन नए प्रकारों का विश्लेषण करेंगे, फिर देखेंगे कि लालफ़ीताशाही, कर्मचारियों की निर्णय-स्वतंत्रता, कंपनी के आकार और वेतन असमानता के भविष्य पर उनका क्या असर होगा.

हमारा पहला परिदृश्य सबसे कम उथल-पुथल वाला लगता है. इसमें लोग उन्हीं पदों पर, उन्हीं वरिष्ठों के अधीन रहते हैं और ऊपर से देखने पर पहले जैसा ही काम करते हैं. इस भविष्य में मानवीय संगठनात्मक ढाँचा आज जैसा ही दिखता है.

फ़र्क हमारे नीचे है. टीम का प्रबंधन न करने वाले हर कर्मचारी के नीचे एक नया AI कार्यबल है, जो हममें से हर एक के अधीन काम करता है. हमारे संगठनात्मक ढाँचे में एक तहखाना जुड़ जाता है, और हम सब प्रबंधक बन जाते हैं.

शुरू में यह तहखाना अधूरा होता है. हममें से हर कोई एक-दो एजेंटों से शुरुआत करता है. वे अनुभवी कर्मचारियों से ज़्यादा उत्सुक प्रशिक्षुओं जैसे होते हैं, जिनकी निगरानी करनी होती है और गलतियाँ आसानी से माफ़ करनी होती हैं. हमारी अपेक्षाएँ कम होती हैं: कभी ईमेल भेजना, कभी ज्ञापन का मसौदा बनाना और Slack पर आने वाले संदेशों के जवाब देना. कनिष्ठ मानवीय कर्मचारियों की तरह उन्हें शुरुआत में कम स्वतंत्रता मिलती है और उन पर कम भरोसा किया जाता है.

लेकिन जैसे-जैसे मॉडल बेहतर होते हैं, हमारे एजेंट कम निगरानी में अधिक काम सँभालने लगते हैं. वे एक-दूसरे से तालमेल करते हैं. इनमें प्रबंधक AI, छोटे-मोटे काम करने वाले AI, लेखाकार और वकील हो सकते हैं, जो आपके निर्देश पर मिलकर काम करें. किसी प्रशिक्षु को हर कदम पर राह दिखाने के बजाय, अंततः आपका कामकाज एक छोटी कंपनी जैसा दिखने लगता है. उसका अपना संगठनात्मक ढाँचा होता है और आप उसके निदेशक मंडल की भूमिका में होते हैं.

गौर करें कि इस परिदृश्य का मतलब छँटनी नहीं है. यहाँ हम ख़ुद को स्वचालन से बदले बिना AI अपनाते हैं. इसके बजाय हम अपनी पुरानी भूमिका को स्वचालित करते हैं और पदानुक्रम में ऊपर बढ़ते हैं. जो काम हम पहले करते थे, उसका अधिकाधिक हिस्सा AI सँभाल लेता है. हमारी नौकरियाँ बनी रहती हैं, क्योंकि प्रबंधन के लिए काम बढ़ता है और हम अधिक कुल उत्पादन के लिए ज़िम्मेदार होते हैं.

नौकरियों का स्वरूप स्थिर नहीं रहता⁠(एक नई विंडो में खुलेगा). मान लीजिए कि पहले आप जो करते थे, उसका नब्बे प्रतिशत AI कर सकता है. आप निष्कर्ष निकाल सकते हैं कि आपके लिए सिर्फ़ दस प्रतिशत काम बचा है. दूसरी संभावना यह है कि आपके पास अब भी पूरा काम है, बस अलग तरह का—अब आपका लक्ष्य दस गुना बड़ा है. यही तकनीक का जाना-पहचाना उपहार है: उत्पादकता बढ़ती है, उसके साथ महत्वाकांक्षा बढ़ती है और महत्वाकांक्षा के साथ वेतन बढ़ सकता है⁠(एक नई विंडो में खुलेगा).

यह सब इस पर निर्भर करता है कि हम अब भी उत्पादन में मूल्य जोड़ते हैं⁠(एक नई विंडो में खुलेगा) या नहीं. यह निबंध आने वाले उन वर्षों पर केंद्रित है जब स्वचालन न हर काम में सक्षम होगा, न हर जगह अपनाया गया होगा. भले ही AI सब कुछ कर सके, हम किसी चीज़ को इसलिए अधिक मूल्यवान मान सकते हैं कि उसे किसी मनुष्य ने बनाया है, या इस पर ज़ोर दे सकते हैं कि अंतिम निर्णय मनुष्य ही ले.

यह हमारी चाहतों पर भी निर्भर करता है. अगर उपभोक्ता के रूप में हमें दस गुना अधिक उत्पादन नहीं चाहिए, तो संतुलन कम कर्मचारियों या कम कार्य-घंटों की ओर जाएगा. ऐतिहासिक रूप से उत्पादन बढ़ने पर भी हमारी चाहतें पूरी तरह नहीं भरी हैं. हमारे पास बहुत अधिक⁠(एक नई विंडो में खुलेगा) है, लेकिन हम काम बस थोड़ा कम⁠(एक नई विंडो में खुलेगा) करते हैं. अगर उत्पादन कई गुना बढ़ने के साथ हमारी चाहतें भी बढ़ती रहीं—और हम उत्पादन में योगदान देते रहे—तो हम अधिक उपभोग के बदले अपना श्रम देना जारी रखेंगे. इसके बजाय अगर उत्पादन इतना प्रचुर हो जाए कि हमारी चाहतें पूरी हो जाएँ, तो हम स्वेच्छा से छोटे कार्यबल का विकल्प चुन सकते हैं.

कुछ और आपत्तियों पर हम आगे चर्चा करेंगे, मसलन क्या छोटी कंपनियों की संख्या बढ़ेगी. फिर भी हमें यह परिदृश्य महत्वपूर्ण लगता है, क्योंकि अपनाने की शुरुआत कहीं न कहीं से तो होनी है. कंपनियों को अपने मौजूदा संगठनात्मक ढाँचे से स्थिरता बनाए रखते हुए विकसित होने का रास्ता चाहिए. व्यापक पुनर्गठन की तुलना में मौजूदा कर्मचारियों के काम को मज़बूत करना अधिक आसान पहला कदम हो सकता है. आज हम ऐसा होते देख रहे हैं: एक के बाद एक कर्मचारी AI को काम सौंप रहे हैं, जबकि अब तक संगठन में कोई आमूलचूल बदलाव नहीं हुआ है.

यह परिदृश्य इस पर टिका है कि सबसे पहले सीधे काम करने वाले कर्मचारी AI सहायक रखें. AI अपनाने की अगुआई निचले स्तर के कर्मचारी करें—प्रबंधक और वरिष्ठ अधिकारी नहीं. जब तक AI से सबसे अच्छी तरह काम वही व्यक्ति करवा सकता है जो पहले ख़ुद वह काम करता था, तब तक यह संभावना मज़बूत लगती है.

मॉडल डेटा विज्ञान के कई काम पहले से स्वचालित कर सकते हैं, लेकिन तरीकों और बारीकियों से अनजान विभाग प्रमुख को इन उपकरणों का लाभ उठाने में कठिनाई होगी. जब तक AI इतना सक्रिय नहीं हो जाता कि आपको वे बातें बताए जो आप नहीं जानते (हमारा अगला परिदृश्य देखें), तब तक वह शायद उन्हीं के लिए सबसे अच्छा काम करेगा जो काम करने का तरीका पहले से जानते हैं.

इस परिदृश्य में सबसे बड़ा बदलाव प्रवेश स्तर के कर्मचारियों के लिए है. अब सबसे निचला पायदान नहीं होगा, कम-से-कम मनुष्यों के लिए तो नहीं. जब हम युवाओं को नौकरी देंगे, तो उन्हें कंपनी के सबसे निचले, नीरस काम वाले स्तर पर रखने के लिए नहीं. वे पद ऐसी चीज़ भरेगी जिसे ऐसा काम करने में आपत्ति नहीं.

इसके साथ युवा कर्मचारियों को सिखाने के कुछ पारंपरिक रास्ते खो जाएँगे: प्रशिक्षुता⁠(एक नई विंडो में खुलेगा), छोटे-मोटे काम करके सीखना और अनुभव से योग्यता साबित करना. ये वास्तविक नुकसान हैं, लेकिन कुल मिलाकर हम इसे एक सौभाग्य मानते हैं. सबसे अनुभवहीन नए कर्मचारी के पास भी, अगर अच्छा विचार हो, तो प्रयोग करने के संसाधन होंगे. दफ़्तर का सबसे पुराना बहाना, हमारे पास पर्याप्त लोग ही नहीं हैं, अब दम तोड़ रहा है. जिस कनिष्ठ कर्मचारी के मन में शानदार वीडियो गेम का विचार हो, लेकिन टीम जुटाने का कोई रास्ता न हो, वह अब उसे बस बना सकती है.

हमारे अनुसार, इस “पदोन्नति” वाले परिदृश्य में भी कनिष्ठ कर्मचारियों के लिए सीखने को बहुत कुछ है—विवेक, गुणवत्ता की परख, प्रबंधन कौशल और रचनात्मक दृष्टि. हमें इन कौशलों को विकसित करने की प्रेरणा मिलेगी, क्योंकि वे हमारे काम के परिणामों में दिखेंगे. हम अब भी करके सीखेंगे⁠(एक नई विंडो में खुलेगा), लेकिन अधिक व्यापक ज़िम्मेदारियों के स्तर पर. कंपनी के वरिष्ठ लोगों के पास ज़िम्मेदार मार्गदर्शक के रूप में हमारी मदद करने की प्रेरणा बनी रहेगी, क्योंकि हिस्सेदारी के ज़रिए हमारी सफलता में उनका भी हित होगा. यहाँ अवसर हर पायदान पर हर किसी को अधिक प्रेरक भूमिका देने का है. व्यापक ज़िम्मेदारी मिलने पर कोई भी कर्मचारी अपनी प्रतिभा दिखा सकता है. यह उन नए कर्मचारियों के लिए सबसे महत्वपूर्ण है जिनके पास पहले कोई ज़िम्मेदारी थी ही नहीं.

कंपनी में AI के प्रवेश का दूसरा रास्ता मौजूदा संगठनात्मक ढाँचे में जगह-जगह उससे जुड़ता है. यहाँ एजेंट सबसे नीचे के कर्मचारी नहीं, बल्कि सहकर्मी हैं. एक पारंपरिक प्रबंधक टीम के काम का एक हिस्सा मॉडल को वैसे ही सौंपती हैं जैसे किसी कर्मचारी को सौंपतीं. AI मनुष्यों के साथ जगह बनाता है, सिर्फ़ उनके नीचे नहीं.

पहले परिदृश्य से मुख्य अंतर यह है कि यहाँ उत्पादक AI को मौजूदा मानवीय प्रबंधक अपनाते हैं, न कि केवल अपने हिस्से का काम करने वाले कर्मचारी. इसके लिए उसे टीम का पूर्ण सदस्य बनने जितना सक्षम होना होगा.

मनुष्य कई तरह के काम कर सकते हैं. हथौड़ा एक काम में मदद करता है; मनुष्य उससे कहीं अधिक करता है. उपकरण से कार्यबल बनने की AI की यात्रा में दायरा बढ़ता जाता है: पहले एक काम का स्वचालन, फिर नौकरी का, फिर टीम का और अंत में कंपनी का. दायरे के हर विस्तार के लिए अधिक व्यापक क्षमता चाहिए.

नौकरी कई कामों से भरे सूटकेस जैसी है. पूरी टीम के मामले में यह सूटकेस तरह-तरह के कामों से ठसाठस भरा होता है. ज़िम्मेदारी में अधिक काम होने का मतलब है संभावित अड़चनों की अधिक गुंजाइश. टीम के एक भी ज़रूरी काम में शारीरिक श्रम शामिल हो, तो सहायक उपकरणों का एक बिल्कुल नया समूह चाहिए. पूरी टीम की जगह सीधे काम सँभालने के लिए AI को उसकी सभी विविध ज़िम्मेदारियाँ निभाने में सक्षम होना होगा.

अधिक व्यापक ज़िम्मेदारियाँ सँभालने वाला AI बनाना कठिन है. लेकिन कंपनियों के लिए—और यही इस पूरे बदलाव की केंद्रीय विषमता है—व्यापक दायरे वाला AI अपनाना आसान है.

पूरी तरह स्वचालित टीम या व्यापक कामकाज को कोई वरिष्ठ अधिकारी सीधे अपना सकता है. सीमित क्षमताओं वाला उपकरण ऊपर से निर्देश देकर इतनी आसानी से लागू नहीं किया जा सकता. सरल उपकरण के लिए पूरे कार्यबल में व्यापक सहमति और दोबारा प्रशिक्षण ज़रूरी होता है.

परंपरागत रूप से नई तकनीकें कुछ सीमित कामों को सस्ता बनाती हैं. उसके बाद ज़िम्मेदारी खरीदार पर आ जाती है. कंपनी को समझना पड़ता है कि नए उपकरण का लाभ कैसे उठाया जाए, और उसके अनुसार कर्मचारियों को दोबारा प्रशिक्षित करना, पुनर्गठन करना और प्रक्रियाएँ नए सिरे से बनाना⁠(एक नई विंडो में खुलेगा) पड़ता है. स्प्रेडशीट सॉफ़्टवेयर ने लेखा विभाग में ख़ुद अपनी जगह नहीं बनाई—लेखा विभाग ने सॉफ़्टवेयर के अनुसार ख़ुद को बदला.

कर्मचारियों के साथ उलटा होता है. प्रशिक्षु, कर्मचारी और अच्छी टीम ख़ुद समझते हैं कि वे आपके लिए कैसे उपयोगी बनें. वे आपसे सवाल पूछते हैं, आपकी परिस्थितियाँ समझते हैं और आपकी ज़रूरतों पर ध्यान देते हैं. वे आपको ऐसी बातें बताते हैं जिनके बारे में आपको यह तक एहसास नहीं था कि आप उन्हें नहीं जानते. बेहतरीन कर्मचारी ख़ुद को काम में ढाल लेते हैं.

इस अर्थ में AI जितना पहल करने वाला और ढलने वाला कर्मचारी बनेगा, कंपनी को उसका इस्तेमाल सीखने की उतनी ही कम ज़रूरत होगी और वह ख़ुद उतना ही अधिक समझेगा कि कंपनी के लिए उपयोगी कैसे बने. कोई वरिष्ठ अधिकारी नया उपकरण सीखने के लिए शायद डिज़ाइन सॉफ़्टवेयर का शुरुआती व्याख्यान सुनने न बैठे. लेकिन वह इस तरह के प्रस्ताव पर ख़ुशी से गौर करेगा: बस कहिए, मैं आपका पूरा विपणन विभाग खड़ा कर दूँगा.

हम अक्सर किसी नौकरी को स्वचालित कर देने को AGI का परम लक्ष्य कहते हैं. माना कि हम अभी वहाँ तक भी नहीं पहुँचे हैं. नौकरियाँ असाधारण रूप से जटिल इसलिए हैं क्योंकि हमारी क्षमताएँ इतनी प्रभावशाली हैं. फिर भी, हमारी अर्थव्यवस्था के उत्पादन का बहुत छोटा हिस्सा⁠(एक नई विंडो में खुलेगा) अकेले काम करने वालों से आता है. उत्पादक नौकरियाँ टीमों में योगदान देती हैं, टीमें कंपनियों में, और हम जो कुछ इस्तेमाल करते हैं उसमें लगभग सब कुछ कंपनियाँ बनाती हैं.

AGI के लिए “नौकरी” का मानदंड हम मनुष्यों की क्षमताओं का पर्याप्त सम्मान नहीं करता. श्रम केवल काम पूरे करने या गैर-नियमित हिस्से सँभालने तक सीमित नहीं है. उसमें असाधारण तालमेल भी शामिल है—बड़े परिणामों के छोटे-छोटे हिस्से पूरे करने के लिए ख़ुद को ढालने की हमारी क्षमता. हमें महज़ कामों का पुलिंदा बताना हमारी असली कीमत को बहुत कम आँकना है. मानवीय क्षमता व्यक्ति से अधिक हमारे संगठनों⁠(एक नई विंडो में खुलेगा) में निहित है. आर्थिक AGI को एक व्यक्ति नहीं, बल्कि लोगों के समूह की क्षमता के मानक तक पहुँचना होगा.

इसीलिए, अगर AI टीम या कंपनी जैसा बनने के बजाय अब भी उपकरण या कर्मचारी जैसा ही हो, तो “साथ जुड़ने” वाला परिदृश्य काफ़ी अक्षम हो सकता है. हर कर्मचारी के बगल में एक मॉडल जोड़ने का मतलब है हज़ारों जोड़ और काम के हस्तांतरण⁠(एक नई विंडो में खुलेगा). टुकड़ों में बँटी यह व्यवस्था अपनाने की गति धीमी कर सकती है.

हम पहले लागू होने वाले कम सक्षम विकल्पों और बाद में आने वाले अधिक सक्षम मॉडलों के बीच दौड़ देखते हैं. जीत इस पर निर्भर करेगी कि भविष्य के मॉडलों को अपनाने की गति क्या इतनी तेज़ होगी कि वह उनकी क्षमताएँ विकसित करने में लगे अतिरिक्त समय की भरपाई कर दे.

“साथ जुड़ने” का यह परिदृश्य पहले “पदोन्नति” वाले परिदृश्य के साथ मौजूद रह सकता है. कुछ काम AI से स्वचालित होने पर कंपनियाँ मानवीय कर्मचारियों की संख्या घटा सकती हैं, जबकि बचे हुए लोगों को उनके एजेंट कार्यबल की मदद से कहीं व्यापक ज़िम्मेदारियाँ मिल सकती हैं. महत्वपूर्ण बात यह है कि इस परिदृश्य का अपने-आप यह मतलब नहीं कि कुल मानवीय रोज़गार घटेगा. हो सकता है कंपनियों की संख्या बढ़े और हर कंपनी में कर्मचारी कम हों.

हमारा तीसरा परिदृश्य सबसे चौंकाने वाला है. यहाँ AI कंपनी में लोगों के ऊपर जगह पाता है. अब क्रम मशीनों के ऊपर मनुष्यों का नहीं, बल्कि मनुष्य, AI, मनुष्य का है: मनुष्यों के बीच स्वचालन की परत. कुछ लोग AI को “जवाब देते हैं”.

यह दूर की कौड़ी लगता है, ख़ासकर कंपनियों में इसे अपनाने की शुरुआत के तौर पर. लेकिन हमें लगता है कि कम आमूलचूल रूपों में इसकी शुरुआत हो चुकी है.

AI को मानसिक श्रम का मशीनीकरण करने वाला मानते हुए भी हम अक्सर निचले पायदानों पर ध्यान देते हैं. हम आम तौर पर कहते हैं कि AI स्प्रेडशीट और स्लाइड प्रस्तुतियाँ स्वचालित करता है, प्रबंधन नहीं. हम सहज रूप से मानते हैं कि स्वचालन पदानुक्रम में ऊपर चढ़ता है: पहले नीरस मानसिक काम, अंत में विवेक से निर्णय लेना, और प्रबंधक की भूमिका आख़िरी बचा हुआ गढ़ है.

लेकिन प्रबंधक का काम मुख्यतः कंप्यूटर और दिमाग में होता है: पढ़ना, बैठकें करना, विकल्प तौलना, संदर्भ याद रखना और निर्णय लेना. भौतिक मौजूदगी, दफ़्तर में घूमना और कर्मचारियों के बीच रहना महत्वपूर्ण है. फिर भी, निचले स्तर का काम मुख्यतः मानसिक होने पर भी प्रबंधन से अधिक भौतिक वस्तुओं और औज़ारों से जुड़ा होता है. फ़ोटोकॉपी करने प्रशिक्षु को भेजा जाता है, उसके अधिकारी को नहीं.

मॉडल को प्रबंधकीय निर्णय लेना सिखाना कठिन है, क्योंकि सफलता अस्पष्ट होती है और लंबे समय में मापी जाती है. इन्हीं जैसे कारणों⁠(एक नई विंडो में खुलेगा) से अच्छे मानवीय प्रबंधक तैयार करना भी कठिन है. हम अभी नहीं जानते कि मॉडल प्रबंधन में कितने अच्छे हैं. काम पूरा करने वाले मानसिक श्रम के लिए हमारे पास बहुत से मूल्यांकन हैं, लेकिन प्रबंधकों और वरिष्ठ अधिकारियों के स्तर पर बड़े पैमाने के संयोजन को परखने वाले कम हैं.

फिर भी यह विचार करने लायक है कि आज के मॉडल क्षमता में निचले स्तर के कर्मचारियों की तुलना में शायद मानवीय प्रबंधकों के अधिक करीब हों. कुछ प्रबंधकीय काम उन कामों से पहले स्वचालित हो सकते हैं जिनकी वे निगरानी करते हैं.

शायद इस “बीच की परत” वाले परिदृश्य का पूर्ण रूप ऐसा AI हो जो सोचने का काम करे, फिर अपनी क्षमताओं की कमी पूरी करने के लिए अपने अधीन मानवीय ठेकेदार रखे. ऐसी दुनिया हमें काफ़ी अपरिचित लगती है. बहुत कुछ बदलना होगा.

लेकिन इसका एक अधिक स्वाभाविक रूप है, जिसकी शुरुआत हो भी चुकी है: सलाह देना. आज कोई वरिष्ठ अधिकारी ChatGPT से पूरी कंपनी के सैकड़ों Slack चैनल, दस्तावेज़, पत्र और कोड फ़ाइलें पढ़कर सवालों के जवाब देने को कह सकती हैं. यह टीम वास्तव में क्या करती है? वह कमज़ोरी कहाँ सामने आ रही है? उनके लिए संगठन के हर हिस्से को समझना लगातार आसान हो रहा है⁠(एक नई विंडो में खुलेगा).

वरिष्ठ अधिकारी लंबे समय से संगठनात्मक ढाँचे में पैसे लेकर काम करने वाले बाहरी मध्यस्थ जोड़ते आए हैं—इसे उन्होंने परामर्श सेवा कहा. प्रबंधन परामर्श सेवा आपके ऊपर कुछ समय के लिए एक महँगी परत जोड़ देती है. आगे चलकर AI सलाहकार लगभग मुफ़्त और हर समय मौजूद हो सकते हैं.

मॉडल अभी कंपनी के दस्तावेज़ों और संचार को भरोसेमंद ढंग से समझना शुरू ही कर रहे हैं. उनकी गुणवत्ता की परख और पहल करने की क्षमता को परिपक्व होना होगा. फ़िलहाल, ChatGPT रुचि लेने वाली वरिष्ठ अधिकारी को अपने संगठन की बारीकियाँ समझने में मदद करता है. हमें लगता है कि अंततः यह पूर्ण परामर्श सेवा बन जाएगा. यह निचले स्तर के कर्मचारियों का वास्तविक “प्रबंधक” नहीं, बल्कि वरिष्ठ अधिकारियों के लिए कंपनी के भीतर का संवाददाता और सलाहकार होगा. यह बिज़नेस विशेषज्ञता से सब कुछ जाँचेगा, ख़ुद समस्याएँ सामने लाएगा और उनकी प्राथमिकता तय करने में मदद करेगा.

यह फ़ायदेमंद होगा या नुकसानदेह, यह वरिष्ठ अधिकारी पर निर्भर करेगा. संरचनात्मक असर केंद्रीकरण होगा. हमारे अनुसार इससे शीर्ष नेतृत्व और कंपनी के वास्तविक कामकाज के बीच दूरी घटेगी. यह शीर्ष पर अधिक अधिकार केंद्रित करता है, जबकि पहले जानकारी के प्रवाह में बाधाएँ निर्णयों का अधिक विकेंद्रीकरण उपयोगी बनाती थीं.

हम इस परिदृश्य को केवल अधिकारों के बँटवारे में बदलाव के कारण महत्वपूर्ण नहीं मानते, बल्कि इसलिए भी कि परामर्श सेवा के रूप में AI को अपनाना कितना आसान हो सकता है. पारंपरिक परामर्श सेवा की तरह AI परामर्श सेवा के लिए भी वरिष्ठ अधिकारी का तकनीकी जानकार होना ज़रूरी नहीं है. यह कंप्यूटर जैसा नहीं है, जिसे नीचे के स्तर से उन लोगों ने अपनाया जो टाइप करना और टर्मिनल चलाना जानते थे. आप बस अपने सलाहकार से बात करते हैं और तकनीकी पहलू वह सँभाल लेता है. इसे अपनाने की लहर शीर्ष अधिकारी के दफ़्तर से शुरू हो सकती है. फिर यह परामर्श सेवा पूरे संगठन में AI अपनाने की गति तेज़ कर सकती है.

कंपनियों को दूर से काम करने और ठेके पर काम करवाने पर भरोसा न होने की एक बड़ी वजह है: तय काम करवाना सुनिश्चित करना. कंपनियों के पास काम करने की प्रक्रिया को उसकी सारी बारीकियों सहित देखने का कभी कोई सस्ता तरीका नहीं रहा. इसलिए वे काम के दिखावे को मापती हैं⁠(एक नई विंडो में खुलेगा)—क्लिक की गिनती, माउस की हलचल, ऑनलाइन स्थिति के हरे बिंदु. इन संकेतों का इस बात से बहुत कम संबंध है कि अच्छा काम हो रहा है या नहीं.

AI ऐसी निगरानी प्रणाली देता है जो समझती है. वह किसी व्यक्ति के काम के परिणाम देखकर बड़े लक्ष्यों की ओर वास्तविक प्रगति पहचान सकता है. जैसा हम अगले खंड में देखेंगे, निगरानी की कोई भी नई व्यवस्था बिना गंभीर विचार के लागू नहीं की जानी चाहिए⁠(एक नई विंडो में खुलेगा). लेकिन सही परिस्थितियों में यह भरोसा बढ़ा सकती है और कंपनियों को अपने कर्मचारियों को अधिक स्वतंत्रता देने के लिए प्रोत्साहित कर सकती है.

अगर निगरानी प्रणाली अच्छे परिणाम तक पहुँचने वाले कई अलग-अलग रास्तों को समझती हो, तो कर्मचारियों को अपनी पसंद के तरीके से काम करने की अधिक स्वतंत्रता मिल सकती है. अधिकारियों के लिए आसानी से नज़र रख सकने योग्य किसी एक तय तरीके के बजाय अच्छे परिणामों की ओर प्रगति अधिक मायने रखेगी. समझदार निगरानी प्रणाली लचीलापन देती है और उत्पादकता के उस दिखावे पर अंकुश लगाती है जिससे हम सब चिढ़ते हैं.

यहाँ लाभ का तर्क उन बीमा कंपनियों जैसा है जो कार में निगरानी उपकरण लगवाने पर आपकी प्रीमियम दर घटा देती हैं. अगर आप व्यवस्था को चकमा देने की कोशिश कर रहे थे, तो इससे नुकसान होगा; अगर आप बस अपना काम कर रहे थे, तो निगरानी प्रणाली आपकी ईमानदारी सिद्ध कर सकती है और प्रबंधन आप पर अधिक भरोसा करता है.

यह भरोसा नए अवसर पैदा करता है. जो कंपनियाँ पहले घर और दफ़्तर से मिलेजुले काम, अलग ढंग से सोचने वालों, ठेकेदारों या दूर देशों में प्रतिभाशाली लोगों को नियुक्त करने से हिचकती थीं, उनमें हमें नई तत्परता⁠(एक नई विंडो में खुलेगा) दिख सकती है.

आज निचले स्तर के कर्मचारियों को संगठनात्मक ढाँचे से कई समस्याएँ हैं. ख़ुद देखी गई समस्या को ऊँचे स्तर तक पहुँचाने का कोई रास्ता न होना बेहद निराशाजनक है. अक्षम प्रबंधक के अधीन फँसे रहना या बेहतरीन काम को पहचान न मिलना अन्यायपूर्ण है.

हमारे अनुसार, बिज़नेस को अधिकतम कुशल बनाने की पिछली लहर सीमित आँकड़ों, मोटे दिशानिर्देशों और नासमझ एल्गोरिदम पर टिकी थी. अगर आप सिर्फ़ गियरों के अनुपात समझ सकते हैं, तो हर इंसान मशीन का पुर्जा ही दिखेगा. कंपनियों को लंबे समय से अपने कार्यबल का योगदान मापने में समस्या रही है. समझदार निगरानी प्रणाली उन मूल्यवान योगदानों और अनूठे तरीकों को पहचान सकती है जिन्हें आज के मोटे मापदंड नहीं पकड़ पाते.

इन तीनों रूपरेखात्मक परिदृश्यों से सीख लेते हुए अब हम कंपनी के भविष्य को तय करने वाले कुछ सवालों की पड़ताल करेंगे.

कुछ बनाना आम तौर पर काफ़ी महँगा होता है. ऐप, फ़िल्म, प्रस्तुति, सुविधा या विश्लेषण—इन सबको दोबारा बनाना महँगा, समय लेने वाला और कष्टदायक होता है. जब व्यावहारिक रूप से आपके पास एक ही मौका हो, तो आप निशाना साधने में मेहनत करते हैं. योजना बनाने के चक्र, कार्ययोजना की औपचारिक बैठकें और मंज़ूरी समितियाँ—सब इसलिए हैं कि कंपनी जब अंततः काम शुरू करे, तो वह करने लायक हो. हमारे पदानुक्रम में कई जाँचें इसलिए हैं क्योंकि क्रियान्वयन महँगा पड़ता था.

कई क्षेत्रों में AI निर्माण की लागत तेज़ी से घटा रहा है—पूरा अंतिम उत्पाद बनाने तक नहीं, तो कम-से-कम प्रारूप बनाने तक. हम मानते हैं कि इसके साथ कंपनी का तरीका भी बदलना चाहिए: निशाना साधने में कम समय लगाएँ, कोशिशें ज़्यादा करें. कंपनी प्रारूप बनाकर उसे परख सकती है, जल्दी सीख सकती है, दिशा बदल सकती है और फिर बना सकती है. प्रारूप बनाना आसान होने से⁠(एक नई विंडो में खुलेगा) कंपनियों को उन व्यवस्थाओं से दूर जाना चाहिए जो भारी योजना पर निर्भर उत्पादन का आधार हैं.

इसका सबसे सरल रूप है ऐसी टीम जो जल्दी-जल्दी सुधार करे. अधिक बुनियादी बदलाव की दृष्टि से देखें, तो टीम की ज़रूरत पर ही सवाल उठता है. अगर मिलकर योजना बनाना कम महत्वपूर्ण हो और स्वतंत्र, विविध विचार अधिक महत्वपूर्ण हों, तो क्या तेज़ी से सुधार करने वाली एक टीम बेहतर होगी, या कई व्यक्ति जो अपने-अपने काम करने वाले प्रारूप पेश करें? अगर कोई वास्तविक प्रारूप परिकल्पना को कार्य-सीमा के किसी भी दस्तावेज़ से बेहतर समझा सके, तो क्या संचार के हमारे तौर-तरीके बदलेंगे: अधिक और पहले साझा करना, और ज्ञापनों के बजाय बनी हुई चीज़ें साझा करना?

निर्माण सस्ता होने से कंपनी में व्यक्तियों की भूमिका बढ़ सकती है. इसका मतलब होगा मध्य प्रबंधन की कम परतें और अनुमति माँगने की कम ज़रूरत, क्योंकि पहले पूछना काम करने से सस्ता था, अब नहीं.

फिर भी, जैसा हम आगे चर्चा करेंगे, जो तकनीक व्यक्तियों को कम जोखिम में प्रारूप बनाने की ताकत देती है, वही लालफ़ीताशाही और बढ़ा भी सकती है.

कंपनियाँ ऊपर से नीचे निर्देश देने वाला प्रबंधन इसलिए अपनाती हैं क्योंकि उन्हें विश्वास है कि वरिष्ठ अधिकारी कनिष्ठ कर्मचारियों से बेहतर बिज़नेस-संबंधी निर्णय⁠(एक नई विंडो में खुलेगा) लेते हैं. कंपनियाँ शीर्ष पर अत्यंत सक्षम, अनुभवी लोगों को अधिक वेतन देती हैं. प्रबंधकों को अक्सर बिज़नेस रणनीति का प्रशिक्षण मिलता है, जबकि स्वतंत्र योगदान देने वाले कर्मचारी अपने विशिष्ट काम के विशेषज्ञ होते हैं. अगर AI सभी कर्मचारियों को उत्कृष्ट सलाह दे, तो निर्णयों की गुणवत्ता का अंतर घट जाता है. प्रबंधकों के हस्तक्षेप की वजहें कम होंगी. इससे कर्मचारियों की स्वायत्तता बढ़ेगी और संभवतः प्रबंधन की परतें घटेंगी.

इसी तरह, “AI परामर्श सेवा” सुनिश्चित करती है कि किसी वरिष्ठ अधिकारी को सूचित किए बिना बहुत बड़ा असर डालने वाली कोई बात न हो. अगर कोई कर्मचारी ऐसी ब्लॉग पोस्ट प्रकाशित करने वाला हो जिसके कंपनी पर गंभीर परिणाम पड़ सकते हैं, तो परामर्श सेवा ख़ुद वरिष्ठ अधिकारी को सचेत कर देगी. इससे भरोसा पैदा होता है: प्रबंधन को यह चिंता नहीं रहती कि उसकी जानकारी के बिना बड़ी गड़बड़ी हो जाएगी. इसलिए उसे कर्मचारियों के काम करने के तरीके पर इतनी कड़ी लगाम⁠(एक नई विंडो में खुलेगा) लगाने की ज़रूरत नहीं होती.

लेकिन AI परामर्श सेवा दोधारी तलवार⁠(एक नई विंडो में खुलेगा) है. समझदार निगरानी प्रणाली के रूप में वह कर्मचारियों पर भरोसा बढ़ा सकती है; साथ ही पूरे संगठन में मुख्य कार्यकारी अधिकारी के पसंदीदा तौर-तरीकों को और सख़्ती से लागू भी करा सकती है. कंपनियाँ संगति⁠(एक नई विंडो में खुलेगा) को महत्व देती हैं: निर्णय सिर्फ़ अच्छा नहीं, बल्कि कंपनी की संस्कृति, ब्रांड और बड़े पैमाने पर काम करने से मिलने वाली बचत के अनुकूल भी होना चाहिए. कोई रेस्तराँ शृंखला अपनी सभी फ़्रैंचाइज़ियों में एक जैसी भोजन-सूची पसंद कर सकती है, ताकि सामग्री थोक में मँगाई जा सके और ग्राहकों को हर जगह एक जैसा उत्पाद मिलने की उम्मीद हो.

इससे जुड़ी एक बात यह है कि कंपनी के अधिकारियों और कर्मचारियों के हित हमेशा मेल नहीं खाते. कर्मचारी अपने कार्यक्षेत्र की सफलता⁠(एक नई विंडो में खुलेगा) बढ़ाने पर ध्यान देते हैं, जबकि वरिष्ठ अधिकारी पूरी कंपनी की चिंता करते हैं. हिस्सेदार मालिकों की प्राथमिकताएँ वेतनभोगी कर्मचारियों से अलग होती हैं, क्योंकि अधिक मेहनत का लाभ उन्हें मिलता है⁠(एक नई विंडो में खुलेगा). परामर्श सेवा शीर्ष से तय की गई विशिष्ट कार्य-पद्धतियों का अधिक सख़्ती से पालन करा सकती है.

हमारा मानना है कि कुल मिलाकर कर्मचारियों की निर्णय-स्वतंत्रता बढ़ेगी. हमारी आशा इस पर टिकी है कि कंपनियाँ महत्वपूर्ण अपवादों की पहचान के लिए AI का इस्तेमाल करेंगी और अधिक निर्णय कर्मचारियों पर छोड़ेंगी.

हम मानते हैं कि AI सहायक ढाँचे की तरह काम करेगा. वरिष्ठ अधिकारी एक सुसंगत ब्रांड बनाए रखना चाहें, तो भी यह केवल एक सीमा होगी जिसके भीतर काम करना होगा. कर्मचारियों को लागू बिज़नेस सीमाओं की बेहतर समझ मिलेगी और जिन क्षेत्रों पर वे सीमाएँ लागू नहीं हैं, वहाँ रचनात्मकता दिखाने के लिए अधिक सुरक्षा मिलेगी. ज़रूरी जोखिम सँभाल लिए जाने पर वरिष्ठ अधिकारी कर्मचारियों को नए, संभावित रूप से लाभदायक तरीके आज़माने दे सकते हैं. हमारे अधीन AI सहायकों की मदद से कर्मचारी अधिक बड़े काम पूरे करने के लिए भी ज़िम्मेदार होंगे. हम अधिक जटिल काम का नेतृत्व करने में रचनात्मकता के अधिक अवसर देखते हैं.

कर्मचारियों की स्वायत्तता वाला यही तर्क कंपनी के आकार पर भी लागू होता है. रोनाल्ड कोस⁠(एक नई विंडो में खुलेगा) ने पूछा था कि हम अनुबंधों के जाल के बजाय कंपनियों के भीतर उत्पादन क्यों संगठित करते हैं. यहाँ तक कि विमान भी पूरी तरह आपसी अनुबंधों के ज़रिए बनाया जा सकता है, लेकिन यह तरीका बहुत अक्षम होगा. कंपनियाँ बड़े पैमाने से मिलने वाली बचत हासिल करती हैं, हितों में तालमेल लाती हैं, बड़ी परियोजनाएँ संगठित करती हैं और लगातार मोलभाव की ज़रूरत खत्म करती हैं.

संचार आसान बनाकर AI बड़ी या छोटी, दोनों तरह की कंपनियों को व्यावहारिक बना सकता है. पारंपरिक कंपनी जानकारी ऊपर और निर्देश नीचे पहुँचाने का ढाँचा है, जिसमें रुकावटें बहुत हैं और एक से दूसरे तक पहुँचते-पहुँचते बात बदल जाती है. अगर AI तालमेल की परत के रूप में काम करे, तो अधिक मानवीय कर्मचारियों वाली बड़ी कंपनी को सँभालना आसान हो जाता है. “AI परामर्श सेवा” की मदद से एक वरिष्ठ अधिकारी अपनी कंपनी को वैसे जान सकती हैं, जैसे कोई संस्थापक बीस लोगों के नवउद्यम को जानता है. किसी पहल की तिमाही रिपोर्ट का इंतज़ार करने के बजाय वह उसका क्रियान्वयन देख सकती हैं और कुछ भी होने पर तुरंत सूचना पा सकती हैं. उनका दृष्टिकोण संगठन में अधिक व्यापक रूप से उतर सकता है. हर किसी को दूसरों के काम और संगठन की समग्र प्राथमिकताओं की बेहतर जानकारी होती है.

इसका उलटा असर भी हो सकता है. अगर संचार निर्बाध हो और अनुपालन की निगरानी आसान हो, तो कंपनी को अपनी आपूर्ति शृंखला का इतना बड़ा हिस्सा भीतर रखने की ज़रूरत नहीं होगी. कंपनी बाहरी आपूर्तिकर्ताओं और ठेकेदारों पर अधिक भरोसा कर सकती है.

आपूर्ति शृंखला के अलग-अलग चरणों को एक कंपनी में समेटने की बड़ी वजह हितों में तालमेल लाना है. इसे अपूर्ण अनुबंधों⁠(एक नई विंडो में खुलेगा) की अवधारणा से समझ सकते हैं. एक विमानन कंपनी जेट इंजन कंपनी से अनुबंध कर सकती है, लेकिन जिन बातों की स्पष्ट शर्त अनुबंध में नहीं है, उनमें इंजन कंपनी का हित खर्च घटाने और अपना मुनाफ़ा बचाने में होगा. इससे बचने के लिए विमानन कंपनी जेट इंजन कंपनी को खरीद लेती है. कर्मचारियों और अधिकारियों के संबंधों की तरह ही, अगर अनुबंधों की बेहतर निगरानी हो और विवाद महज़ औपचारिक शर्तें जाँचकर नहीं, बल्कि समझदारी से सुलझाए जाएँ, तो कंपनियाँ दूसरी कंपनियों पर अधिक सहजता से निर्भर हो सकती हैं. हर काम कंपनी के भीतर करने की ज़रूरत घटेगी.

हमें कई छोटी कंपनियाँ उभरने की उम्मीद है, लेकिन साथ ही विशाल AI “होल्डिंग कंपनियाँ”” भी, जहाँ एक ही उद्यम के भीतर बड़ी संख्या में अलग-अलग परियोजनाएँ चलेंगी. ऐसा विविध बिज़नेसों वाला समूह तब किफ़ायती होता है जब उसकी सभी परियोजनाएँ किसी साझा परिसंपत्ति का लाभ उठाती हों. यह साझा परिसंपत्ति संगणन क्षमता हो सकती है, हालाँकि उसे ज़रूरत के अनुसार थोड़ी-थोड़ी मात्रा में आसानी से उपलब्ध कराया जा सकता है. साझा कारखाना या रोबोटों का बेड़ा इसकी बेहतर वजह है.

एक बड़ी “होल्डिंग कंपनी” बनाने का औचित्य हितों में तालमेल भी हो सकता है. अगर AI और पूँजी का बड़ा संगठन पूरी तरह एक साझा लक्ष्य—मसलन, कैंसर का इलाज खोजने—को समर्पित हो, तो अलग-अलग छोटी पहलों की ज़रूरत घट जाती है. एक AI कंपनी सत्ता संघर्ष से बच सकती है, सारी जानकारी साझा कर सकती है और जहाँ ज़रूरी हो, अपने एजेंटों में रचनात्मक विविधता पैदा कर सकती है, ताकि अलग-अलग रास्ते खोजे जाएँ.

आज की व्यवस्था से अपेक्षा है कि वह उत्कृष्ट कर्मचारियों को पुरस्कृत करे. वे ऊँचे पदों पर पहुँचते हैं और बेहतर पारिश्रमिक पाते हैं. लेकिन बेहतरीन सलाहकार मॉडलों वाली दुनिया में कर्मचारी अपनी अलग पहचान कैसे बनाएँगे?

अगर AI हर किसी को वही शानदार विचार देता है, तो अलग दिखने के अवसर कम होंगे. वेतन स्तरों का अंतर घटना चाहिए.

इस अंतर को घटने से रोकने वाले कारक हैं विवेक, गुणवत्ता की परख और ज़िम्मेदारी का दायरा. अगर हममें से हर कोई अपने अधीन AI कंपनियों का नेतृत्व करे, तो मनुष्य के तौर पर हमारा शेष मूल्य हमारी निर्णय क्षमता में होगा. अगर हर व्यक्ति अपने अधीन बड़े काम के लिए ज़िम्मेदार हो, तो अच्छे और बुरे निर्णय का फ़र्क ज़्यादा असर डालता है⁠(एक नई विंडो में खुलेगा).

संगठन के शीर्ष पदों पर हम लंबे समय से यही तर्क लागू करते आए हैं. हम मुख्य कार्यकारी अधिकारी के वेतन⁠(एक नई विंडो में खुलेगा) को यह कहकर उचित ठहराते हैं कि शीर्ष स्तर पर थोड़े बेहतर निर्णय भी मुनाफ़े पर भारी असर डाल सकते हैं. अगर कुछ कर्मचारी दुर्लभ संसाधनों के इस्तेमाल के लिए अपने अधीन AI कंपनियों का बेहतर प्रबंधन करें, तो वेतन असमानता बढ़ सकती है.

जितना अधिक दाँव पर होगा, दूसरों पर आपकी छोटी-सी बढ़त उतनी ही अधिक आपके वेतन में दिखेगी. दूसरी ओर, AI सभी को अच्छी सलाह देगा. कर्मचारियों के बीच कम अंतर वेतन के फ़ासले को घटाता है.

यहाँ और अन्य मामलों में, कौन-सा प्रभाव हावी होगा, यह शायद इस पर निर्भर करेगा कि हम मुख्यतः अपने विवेक से निर्णय ले रहे हैं या दूसरों के निर्णय मान रहे हैं.