Il futuro dell’impresa

Nota degli autori: Questo è il secondo saggio della nostra serie sull’economia che verrà, parte di una nuova piattaforma che ospita voci indipendenti per esplorare un futuro con l’AGI. Esprime le nostre opinioni, non quelle di OpenAI o dei nostri colleghi.

Avevamo entrambi ventiquattro anni quando abbiamo iniziato a gestire i nostri team qui in OpenAI. La cosa fa meno impressione una volta conosciuti i nostri team.

Dovremmo essere noi la manovalanza. A ventiquattro anni si è in fondo alla scala gerarchica aziendale. Si prendono appunti alle riunioni e si scrive qualche nota interna. Dopo anni di lavoro ingrato, si ottengono (si spera) responsabilità più ampie.

Il nostro percorso, come quello di molti giovani oggi, sta prendendo una piega diversa. Entriamo nel mondo del lavoro avendo già dei “dipendenti” a nostra disposizione. Questi collaboratori lavorano giorno e notte, nei fine settimana e nei festivi. Sono bravissimi nei compiti ripetitivi e poco gratificanti. Abbiamo persino medaglie d’oro delle olimpiadi di matematica nel nostro organico, pronte a consigliarci. I nostri nuovi sottoposti commettono ancora la loro buona dose di errori. Ma migliorano, imparano a conoscere le nostre esigenze e noi impariamo a gestirli.

Nessuno di noi due ha scalato la gerarchia aziendale. È invece il ruolo manageriale a essere sceso al nostro gradino. Questo saggio parla della nostra promozione e degli altri modi in cui le imprese potrebbero riorganizzarsi con l’ingresso nell’era dell’intelligenza.

Quando l’IA entra nell’impresa, dove si colloca? Presentiamo tre scenari esemplificativi:

Nessuno di questi scenari si realizzerà esattamente come lo descriviamo, ma crediamo che alcuni aspetti di tutti e tre diventeranno realtà. Tutti e tre si stanno già manifestando in forme poco evidenti.

Qui non ci concentriamo sull’automazione totale, ma su un’economia in transizione. Ci interessa capire come saranno le imprese ibride man mano che l’IA migliora e si intreccia con le organizzazioni esistenti.

Riteniamo che l’impresa ibrida sia importante sul piano concettuale, perché adottare l’IA in modo produttivo non è un processo istantaneo. Quando i modelli svolgono solo una parte dei compiti, ad adottarli più facilmente potrebbero essere i dipendenti alla base della gerarchia, che conoscono il lavoro. Quando invece i modelli svolgono funzioni ampie dall’inizio alla fine, i superiori possono usarli direttamente. A nostro avviso, un’IA più capace è più facile da adottare: le imprese devono imparare a usare le tecnologie, mentre la forza lavoro impara a conoscere l’impresa e può inserirsi da sola.

Analizzeremo i tre nuovi tipi di organigramma, per poi esaminarne le implicazioni per il futuro della burocrazia, dell’autonomia dei lavoratori, delle dimensioni delle imprese e delle disparità retributive.

Il primo scenario sembra il meno dirompente. Qui le persone mantengono le stesse posizioni e gli stessi rapporti gerarchici, svolgendo apparentemente gli stessi lavori di prima. L’organigramma umano sembra invariato tra il presente e questo futuro.

La differenza sta sotto di noi. Sotto ogni dipendente senza responsabilità manageriali, una nuova forza lavoro IA risponde a ciascuno di noi. Il nostro organigramma acquista un seminterrato e diventiamo tutti manager.

All’inizio, questo seminterrato è ancora da rifinire. Partiamo con uno o due agenti a testa: più che dipendenti esperti, sono stagisti volenterosi da supervisionare e perdonare con indulgenza. Le nostre aspettative sono modeste: inviare un’email qui, abbozzare una nota là, rispondere ai messaggi su Slack ovunque. Come i dipendenti umani alle prime armi, iniziano con poca autonomia e poca fiducia accordata.

Ma man mano che i modelli migliorano, i nostri agenti si assumono più compiti con meno supervisione. Si coordinano tra loro. Potrebbero esserci IA manager e IA di manovalanza, contabili e avvocati, tutti al lavoro insieme ai tuoi ordini. Non si tratta più di seguire uno stagista passo dopo passo: alla fine la tua struttura assomiglia a una piccola impresa a sé stante, con un proprio organigramma e te come consiglio di amministrazione.

Nota come questo scenario non implichi licenziamenti. Qui adottiamo l’IA senza automatizzare noi stessi. Automatizziamo invece ciò che eravamo prima e saliamo nella gerarchia. L’IA si fa carico di una parte sempre maggiore di ciò che facevamo noi. I nostri posti di lavoro restano perché c’è di più da gestire e diventiamo responsabili di un volume maggiore di risultati.

I lavori non sono statici⁠(si apre in una nuova finestra). Supponiamo che l’IA sappia fare il novanta per cento di ciò che facevi prima. Potresti concludere che ti resti solo il dieci per cento del lavoro. L’altra possibilità è che tu abbia ancora un lavoro intero, solo diverso: ora concentrato su un obiettivo dieci volte più grande. È il classico dono della tecnologia: la produttività aumenta, l’ambizione cresce di pari passo e anche i salari possono aumentare⁠(si apre in una nuova finestra) con l’ambizione.

Tutto dipende dal fatto che continuiamo ad aggiungere valore⁠(si apre in una nuova finestra) alla produzione. Questo saggio si concentra sui prossimi anni, in cui l’automazione non sarà in grado di fare tutto né sarà adottata ovunque. Anche se l’IA sapesse fare tutto, potremmo comunque attribuire più valore a qualcosa perché l’ha realizzato una persona, o insistere affinché l’ultima parola spetti a un essere umano.

Dipende anche dal nostro appetito. Se, come consumatori, non ci interessa una produzione dieci volte maggiore, l’equilibrio si sposterà verso meno lavoratori o meno ore lavorate. Storicamente, gli aumenti della produzione non ci hanno saziato. Abbiamo molto di più⁠(si apre in una nuova finestra), ma lavoriamo solo un po’ meno⁠(si apre in una nuova finestra). Se il nostro appetito continuerà a crescere mentre la produzione si moltiplica, e se continueremo a contribuirvi, sceglieremo di continuare a scambiare il nostro lavoro con maggiori consumi. Se invece la produzione diventerà così abbondante da saziarci, potremmo scegliere di ridurre la forza lavoro.

Ci sono altre obiezioni che discuteremo più avanti, per esempio se avremo un numero maggiore di imprese più piccole. Continuiamo a ritenere importante questo scenario, perché l’adozione deve pur cominciare da qualche parte. Le imprese hanno bisogno di un modo per evolvere dalle attuali strutture organizzative senza perdere stabilità. Potenziare il lavoro dei dipendenti attuali potrebbe essere un primo passo più semplice di una ristrutturazione completa. Lo vediamo già oggi: un lavoratore dopo l’altro delega all’IA, senza che per ora ci sia una rivoluzione organizzativa.

Questo scenario presuppone che siano i lavoratori in prima linea ad assumere per primi. Sono i lavoratori alla base della gerarchia, non manager e dirigenti, a guidare l’adozione dell’IA. Sembra probabile, finché la persona più brava a far svolgere un lavoro all’IA è quella che prima lo svolgeva da sola.

I modelli possono già automatizzare molti compiti di data science, ma un responsabile di reparto che non ne conosce metodi e dettagli faticherà a sfruttare gli strumenti. Finché l’IA non avrà abbastanza spirito d’iniziativa da dirti ciò che non sai, come vedremo nel prossimo scenario, probabilmente funzionerà meglio per chi conosce già il lavoro.

In questo scenario, il cambiamento più grande riguarda chi è all’inizio della carriera. Non ci sarebbe più un ultimo gradino, almeno non per gli esseri umani. Quando assumeremo giovani, non sarà per relegarli ai lavori ingrati in fondo alla gerarchia aziendale. Quei posti saranno occupati da qualcosa a cui non pesa.

Con questo perderemo alcuni percorsi tradizionali di formazione dei giovani lavoratori: l’apprendistato⁠(si apre in una nuova finestra), l’imparare facendo lavori ingrati, la gavetta. Sono costi reali, ma nel complesso lo consideriamo un privilegio. Anche il neoassunto più inesperto, se ha una buona idea, dispone delle risorse per sperimentare. La scusa più vecchia dell’azienda, non abbiamo abbastanza personale, sta scomparendo. Una dipendente alle prime armi con un ottimo videogioco in mente e nessuna possibilità di ottenere personale può ora semplicemente realizzarlo.

A nostro avviso, in questo scenario di “promozione” resta molto da imparare per i lavoratori meno esperti: capacità di giudizio, gusto, abilità manageriali e visione creativa. Saremo incentivati a coltivare queste capacità perché si riflettono nei risultati del nostro lavoro. Continueremo a imparare facendo⁠(si apre in una nuova finestra), ma con responsabilità più ampie. I più esperti dell’impresa continueranno ad avere interesse ad aiutarci come guide responsabili, con una partecipazione azionaria al nostro successo. L’opportunità è un ruolo più stimolante per tutti, a ogni gradino. Ogni lavoratore può mostrare il proprio talento con responsabilità più ampie; questo conta soprattutto per chi è appena entrato e prima non ne aveva affatto.

La seconda via d’ingresso dell’IA nell’impresa si snoda attraverso l’organigramma esistente. Qui gli agenti non sono l’ultima ruota del carro, ma colleghi. Una manager tradizionale affida una parte del lavoro del team a un modello, proprio come la delegherebbe a un qualsiasi dipendente. L’IA si inserisce accanto agli esseri umani, non solo sotto di loro.

La differenza chiave rispetto al primo scenario: qui l’IA produttiva viene adottata dai manager umani già in carica, non solo dagli attuali dipendenti senza responsabilità manageriali. Perché questo avvenga, deve essere abbastanza competente da diventare un membro del team a pieno titolo.

Gli esseri umani sono generalisti. Un martello aiuta a svolgere un compito; un essere umano fa molto di più. Il percorso dell’IA da strumento a forza lavoro allarga progressivamente il suo raggio d’azione: automatizza il compito, poi il lavoro, poi un team e infine un’impresa. Ogni ampliamento dell’ambito richiede competenze più vaste.

Un lavoro è una valigia piena di compiti diversi. Per un intero team, quella valigia è stipata di attività di ogni genere. Più compiti rientrano nell’incarico, più aumentano i potenziali colli di bottiglia. Se anche un solo compito essenziale del team comporta lavoro fisico, serve un insieme completamente nuovo di periferiche. Per sostituire direttamente un intero team, l’IA deve saper gestire tutte le sue diverse responsabilità.

È più difficile sviluppare un’IA capace di gestire un ambito più ampio. Ma per le imprese, ed è questa l’asimmetria centrale dell’intera transizione, più l’ambito è ampio, più l’adozione è facile.

Un team o una funzione ampia completamente automatizzati possono essere adottati direttamente da un dirigente. Uno strumento con capacità più limitate non può essere introdotto dall’alto con la stessa semplicità. Lo strumento più semplice richiede un’adesione diffusa e una riqualificazione del personale.

Tradizionalmente, le nuove tecnologie rendono meno costoso svolgere un insieme circoscritto di compiti. Poi l’onere passa all’acquirente. L’impresa deve capire come sfruttare il nuovo strumento e deve riqualificare il personale, riorganizzarsi e ricostruire i propri processi⁠(si apre in una nuova finestra) attorno a esso. Il software per fogli di calcolo non si è installato da solo nel reparto contabilità: è stato il reparto a rimodellarsi attorno al software.

Con la forza lavoro accade il contrario. Uno stagista, un dipendente e un buon team capiscono come rendersi utili a te. Ti fanno domande, assimilano il tuo contesto, notano le tue esigenze. Ti spiegano ciò che non sapevi nemmeno di non sapere. I migliori collaboratori si inseriscono da soli.

Più l’IA assomiglia in questo senso alla forza lavoro, con spirito d’iniziativa e adattabilità, meno l’impresa deve imparare a sfruttarla e più è l’IA a capire come rendersi utile all’impresa. Un dirigente probabilmente non seguirà una lezione introduttiva su un software di design per imparare a usare un nuovo strumento. Ma valuterà volentieri un’offerta del tipo: basta che tu lo chieda e ti organizzo l’intera funzione marketing.

Troppo spesso indichiamo nell’automazione di un lavoro il sacro Graal dell’AGI. Certo, non siamo ancora arrivati nemmeno a quello. I lavori sono così straordinariamente complessi perché noi siamo incredibilmente capaci. Eppure, solo una minima parte⁠(si apre in una nuova finestra) della produzione della nostra economia viene da lavoratori solitari. I lavori produttivi contribuiscono ai team, i team alle imprese, e le imprese producono quasi tutto ciò che consumiamo.

Usare il “lavoro” come parametro per l’AGI non rende abbastanza giustizia a noi esseri umani. Il lavoro non riguarda solo i compiti, né soltanto la gestione degli aspetti non ripetitivi: richiede anche un prodigioso coordinamento, la nostra flessibilità nel realizzare piccole parti di risultati più grandi. Ridurre il nostro valore a un semplice insieme di compiti significa svenderci. La capacità umana risiede nelle nostre organizzazioni⁠(si apre in una nuova finestra) più che nel singolo individuo. Un’AGI in grado di operare nell’economia deve essere all’altezza delle persone, non della persona.

Di conseguenza, lo scenario dell’“affiancamento” può essere piuttosto inefficiente se l’IA si comporta ancora come uno strumento o persino come un lavoratore, anziché come un team o un’impresa. Un modello inserito accanto a ogni lavoratore significa mille punti di raccordo e passaggi di consegne⁠(si apre in una nuova finestra). Questa configurazione frammentaria potrebbe rallentare l’adozione.

Vediamo una corsa tra implementazioni precoci e meno capaci e modelli successivi e più capaci. A decidere il vincitore sarà la rapidità di adozione dei modelli futuri: sarà tale da compensare il tempo aggiuntivo necessario per raggiungere quelle competenze?

Questo scenario di “affiancamento” può coesistere con il primo scenario di “promozione”. Potremmo vedere imprese ridurre la presenza umana man mano che l’IA automatizza determinate funzioni, mentre le persone rimaste ricevono incarichi molto più ampi, aiutate dalle proprie squadre di agenti. È importante sottolineare che, di per sé, questo scenario non implica una riduzione complessiva dell’occupazione umana. Potremmo ritrovarci con più imprese, ciascuna con meno dipendenti.

Il terzo scenario è il più spiazzante. Qui l’IA entra nell’impresa al di sopra delle persone. La struttura non è più fatta di esseri umani sopra le macchine, ma di esseri umani, IA, esseri umani: un sandwich di automazione. Alcune persone “rispondono” a un’IA.

Sembra inverosimile, soprattutto come punto di partenza per l’adozione nelle imprese. Ma crediamo che, in forme meno radicali, sia già cominciato.

Anche quando pensiamo all’IA come a un mezzo per meccanizzare il lavoro cognitivo, tendiamo a concentrarci sui gradini più bassi. Di solito diciamo che l’IA automatizza fogli di calcolo e presentazioni, non la gestione. D’istinto pensiamo che l’automazione risalga la gerarchia: prima il lavoro cognitivo ripetitivo, poi il giudizio, con il manager come ultimo baluardo.

Ma il lavoro di un manager si svolge in gran parte al computer e nella mente: leggere, partecipare a riunioni, valutare, tenere presente il contesto, prendere decisioni. La presenza fisica ha un valore, così come girare per gli uffici e stare in mezzo ai propri collaboratori. Eppure è il lavoro alla base della gerarchia, anche quando è prevalentemente cognitivo, a interagire con la materia e gli strumenti più di quello manageriale. Alla fotocopiatrice ci va lo stagista, non il suo capo.

Insegnare a un modello a prendere decisioni manageriali è difficile, perché il successo è ambiguo e si misura su orizzonti temporali lunghi. È per ragioni simili⁠(si apre in una nuova finestra) che è difficile formare buoni manager umani. Non sappiamo ancora quanto i modelli siano bravi a gestire. Abbondano le nostre valutazioni del lavoro cognitivo orientato all’esecuzione, ma poche misurano il coordinamento su larga scala al livello di manager e dirigenti.

Vale comunque la pena considerare che i modelli attuali potrebbero essere, per capacità, più vicini ai manager umani che ai lavoratori alla base della gerarchia. Alcune funzioni manageriali potrebbero essere automatizzate prima del lavoro che supervisionano.

Forse la versione completa di questo scenario di “stratificazione” è un’IA che si occupa di pensare e poi colma le proprie lacune affidandosi a collaboratori umani esterni che rispondono a lei. Quel mondo ci sembra piuttosto estraneo. Dovrebbero cambiare molte cose.

Ma esiste una versione più naturale, il cui primo atto è già in scena: la consulenza. Oggi una dirigente può chiedere a ChatGPT di leggere centinaia di canali Slack, documenti, comunicazioni e file di codice provenienti da tutta l’azienda, e poi rispondere alle sue domande. Che cosa fa davvero questo team? Dove si sta manifestando quella vulnerabilità? Ogni parte dell’organizzazione diventa per lei sempre più decifrabile⁠(si apre in una nuova finestra).

Da tempo i dirigenti disseminano l’organigramma di intermediari mercenari: la chiamano consulenza. Una società di consulenza direzionale aggiunge un livello sopra di te, per poco tempo e a caro prezzo. In futuro, i consulenti IA potrebbero costare pochissimo ed essere sempre presenti.

I modelli stanno appena iniziando ad analizzare in modo affidabile documenti e comunicazioni aziendali. Il loro gusto e il loro spirito d’iniziativa devono maturare. Per ora, ChatGPT aiuta una dirigente motivata a comprendere più a fondo la propria organizzazione. Lo immaginiamo trasformarsi, col tempo, in un servizio di consulenza completo. Non sarà un vero “manager” dei dipendenti ai livelli inferiori, ma piuttosto un osservatore interno e un consulente per i dirigenti. Sfrutterà competenze aziendali per passare tutto al vaglio, facendo emergere di propria iniziativa i punti critici e aiutando a stabilire le priorità d’intervento.

Che questo sia vantaggioso o dannoso dipenderà da chi dirige. L’effetto strutturale è la centralizzazione. Riteniamo che questo ridurrà la distanza tra i vertici e il resto dell’azienda. Concentra più potere al vertice, laddove gli attriti informativi favorivano decisioni più decentralizzate.

Troviamo questo scenario rilevante non solo per il modo in cui sposta l’autorità, ma anche per la facilità con cui l’IA come servizio di consulenza può essere adottata. Proprio come la consulenza tradizionale, la consulenza IA non richiede competenze tecniche al dirigente. Non è come il computer, adottato dal basso da chi sapeva digitare e usare un terminale. Basta parlare con il proprio consulente: agli aspetti tecnici pensa lui. Questa ondata di adozione può partire dall’ufficio del capo. Il servizio di consulenza, a sua volta, potrebbe accelerare l’adozione dell’IA nel resto dell’organizzazione.

C’è un motivo di fondo per cui le imprese diffidano del lavoro da remoto e delle collaborazioni esterne: la possibilità di far rispettare gli accordi. Le imprese non hanno mai avuto un modo economico per osservare il lavoro nel suo svolgersi, con tutta la ricchezza che merita. Così ne misurano la messinscena⁠(si apre in una nuova finestra): clic contati, movimenti del mouse, pallini verdi di stato, segnali del tutto scollegati dalla qualità del lavoro svolto.

L’IA offre un sistema di monitoraggio che capisce. Può osservare ciò che una persona produce e riconoscere progressi reali verso obiettivi più ampi. Come vedremo nella prossima sezione, nessuna nuova forma di sorveglianza va introdotta alla leggera⁠(si apre in una nuova finestra). Ma, nelle giuste circostanze, può aumentare la fiducia e incoraggiare le imprese a dare più libertà ai dipendenti.

Se il sistema di monitoraggio comprende i molti percorsi diversi che possono portare a un buon risultato, i dipendenti possono lavorare maggiormente a modo proprio. Conteranno di più i progressi verso buoni risultati, anziché un unico metodo prestabilito, facile da controllare per i capi. Un sistema di monitoraggio intelligente concede flessibilità e penalizza quella produttività di facciata che tutti detestiamo.

Il vantaggio offerto assomiglia a quello delle assicurazioni che riducono il premio se installi un dispositivo di monitoraggio in auto. Se cercavi di aggirare il sistema, ne sarai penalizzato; se facevi semplicemente il tuo lavoro, il monitoraggio può darti ragione e la dirigenza si fiderà di più di te.

Questa fiducia apre nuove possibilità. Potremmo vedere una nuova disponibilità⁠(si apre in una nuova finestra) da parte di imprese prima restie al lavoro ibrido, a menti fuori dagli schemi, a collaboratori esterni o all’assunzione di persone brillanti in paesi lontani.

Oggi i dipendenti alla base della gerarchia hanno molti problemi con l’organigramma. È profondamente scoraggiante non avere modo di segnalare ai livelli superiori un problema che vediamo in prima persona. È ingiusto ritrovarsi sotto un manager inefficace o fare un ottimo lavoro che non viene riconosciuto.

A nostro avviso, la precedente ondata di iperottimizzazione aziendale si basava su dati limitati, linee guida approssimative e algoritmi poco intelligenti. Se sai elaborare solo rapporti di trasmissione, tutti ti sembrano ingranaggi. Le imprese hanno da tempo un problema nel misurare il valore della propria forza lavoro. Un sistema di monitoraggio intelligente potrebbe riconoscere contributi preziosi e approcci unici che sfuggono alle metriche grossolane di oggi.

Attingendo ai tre scenari schematici, esploriamo ora alcune delle domande decisive sul futuro dell’impresa.

Realizzare qualcosa è generalmente piuttosto costoso. Un’app, un film, una presentazione, una funzionalità, un’analisi: rifarli è sempre costoso, lento ed estenuante. Quando hai di fatto un solo colpo a disposizione, investi nella mira. Ci sono cicli di pianificazione, rituali dedicati alle roadmap e comitati di approvazione: tutto per assicurarsi che, quando l’impresa dà finalmente il via libera, si dedichi a qualcosa che valga la pena. Molti controlli nelle nostre gerarchie esistono perché l’esecuzione era una risorsa preziosa.

In molti ambiti, l’IA sta abbattendo i costi di realizzazione, almeno fino alla fase di prototipazione, se non al completamento. Crediamo che l’approccio dell’impresa debba cambiare di conseguenza: meno tempo a mirare, più colpi da sparare. Un’impresa può costruire un prototipo, osservare, imparare in fretta, cambiare direzione e ricostruirlo. La facilità di prototipazione⁠(si apre in una nuova finestra) dovrebbe allontanare le imprese dalle strutture su cui poggia una produzione ad alta intensità di pianificazione.

La versione più semplice è un team che procede più velocemente per iterazioni. In un’interpretazione più radicale, è il team stesso a essere messo in discussione. Se la pianificazione collaborativa conta meno e idee diverse e indipendenti contano di più, è meglio avere un unico team che procede rapidamente per iterazioni o molti individui che propongono ciascuno i propri prototipi funzionanti? Se un prototipo reale trasmette una visione meglio di qualsiasi documento di definizione del progetto, cambieranno le nostre abitudini di comunicazione? Condivideremo di più, prima, e condivideremo prodotti concreti anziché note interne?

Costi di realizzazione bassi potrebbero spostare il baricentro dell’impresa verso i singoli. Questo significherebbe meno livelli manageriali intermedi e meno richieste di autorizzazione, perché prima chiedere costava meno che fare, mentre ora non è più così.

Detto questo, come vedremo ora, la stessa tecnologia che consente ai singoli di creare prototipi con meno rischi può anche imporre ulteriori vincoli burocratici.

Uno dei motivi principali per cui le imprese impongono una gestione dall’alto è la convinzione che i dirigenti prendano decisioni rilevanti per l’attività aziendale⁠(si apre in una nuova finestra) migliori rispetto ai lavoratori meno esperti. Le imprese pagano di più per avere ai vertici professionisti esperti e molto competenti; inoltre, i manager hanno spesso una formazione in strategia aziendale, mentre i dipendenti senza responsabilità manageriali sono specializzati nel proprio ambito. Se l’IA offre consigli eccellenti a tutti i lavoratori, il divario nella qualità delle decisioni si riduce. I manager avrebbero meno motivi per intromettersi. Questo aumenterebbe l’autonomia dei lavoratori e potrebbe ridurre i livelli manageriali.

Analogamente, la “consulenza IA” assicura che nulla di troppo rilevante accada senza che un dirigente ne venga informato. Se un dipendente sta per pubblicare un post sul blog con gravi ripercussioni per l’azienda, il servizio di consulenza lo segnalerà di propria iniziativa al dirigente. Questo genera fiducia: i manager non devono temere che si verifichino gravi problemi a loro insaputa, quindi non devono esercitare un controllo così stretto⁠(si apre in una nuova finestra) su come un dipendente svolge il proprio lavoro.

Ma la consulenza IA è un’arma a doppio taglio⁠(si apre in una nuova finestra). Come sistema di monitoraggio intelligente può aumentare la fiducia nei lavoratori; può anche imporre con più rigore in tutta l’organizzazione il modo di operare preferito dall’amministratore delegato. Le imprese danno valore alla coerenza⁠(si apre in una nuova finestra): non basta una buona decisione, serve una decisione compatibile con la cultura, il marchio e le economie di scala dell’azienda. Una catena di ristoranti può preferire un menu comune in tutti i locali in franchising, per ordinare gli ingredienti all’ingrosso e offrire ai clienti un prodotto uniforme.

A questo si aggiunge che gli incentivi dei vertici aziendali non sempre coincidono con quelli dei lavoratori. I lavoratori puntano al successo del proprio ambito⁠(si apre in una nuova finestra), mentre ai dirigenti interessa l’impresa nel suo complesso. Chi detiene quote azionarie ha preferenze diverse da chi riceve uno stipendio, perché raccoglie i frutti⁠(si apre in una nuova finestra) di un lavoro più intenso. Il servizio di consulenza potrebbe imporre un’adesione più rigorosa a specifiche procedure dettate dall’alto.

A nostro avviso, nel complesso, i lavoratori guadagneranno autonomia. Il nostro ottimismo si fonda sull’idea che le imprese useranno l’IA per segnalare le eccezioni rilevanti, lasciando più decisioni ai lavoratori.

Crediamo che l’IA fungerà da struttura di sostegno: anche se i dirigenti vorranno mantenere un’identità di marca coerente, questo sarà soltanto un vincolo entro cui operare. I lavoratori avranno maggiore consapevolezza dei vincoli aziendali in gioco e maggiori tutele per esprimere la propria creatività negli spazi lasciati liberi da tali vincoli. Con le necessarie garanzie, i dirigenti potranno lasciare che i dipendenti sperimentino nuovi approcci potenzialmente redditizi. Grazie agli assistenti IA ai nostri ordini, noi lavoratori saremo anche responsabili di risultati più consistenti. Vediamo più opportunità creative nella direzione di lavori più complessi.

La stessa logica sull’autonomia dei lavoratori vale anche per le dimensioni delle imprese. Ronald Coase⁠(si apre in una nuova finestra) si chiedeva perché organizziamo la produzione all’interno delle imprese anziché attraverso una rete di contratti. Persino un aereo potrebbe essere costruito esclusivamente tramite contratti tra singoli soggetti, ma sarebbe molto inefficiente. Le imprese realizzano economie di scala, allineano gli incentivi, organizzano grandi progetti ed eliminano la necessità di continue trattative.

Facilitando la comunicazione, l’IA potrebbe rendere convenienti imprese più grandi o più piccole. L’impresa classica è un’infrastruttura che fa risalire le informazioni e scendere le istruzioni, tra attriti ed effetti da telefono senza fili. Un’impresa più grande, con più dipendenti umani, è meno difficile da gestire se l’IA funge da livello di coordinamento. Con la “consulenza IA”, una dirigente può conoscere la propria impresa come un fondatore conosce una startup di venti persone. Può seguire l’attuazione di un’iniziativa anziché attenderne il resoconto trimestrale, e ricevere una notifica se succede qualcosa. La sua visione può permeare l’organizzazione più a fondo. Tutti sono più consapevoli di ciò che fanno gli altri e delle priorità generali dell’organizzazione.

Ma potrebbe anche accadere il contrario. Se la comunicazione è priva di attriti e il rispetto degli accordi è più facile da verificare, un’impresa non ha bisogno di internalizzare una parte così ampia della propria filiera. Può fidarsi di più di fornitori e collaboratori esterni.

Uno dei motivi principali dell’integrazione verticale è allineare gli incentivi. È il concetto dei contratti incompleti⁠(si apre in una nuova finestra): un’azienda aerospaziale potrebbe stipulare un contratto con un produttore di motori a reazione, ma per tutto ciò che non è esplicitamente previsto dal contratto, il produttore è incentivato a risparmiare e a tutelare i propri profitti. Per evitarlo, l’azienda aerospaziale acquista il produttore di motori. Vale lo stesso che per lavoratori e capi: se l’esecuzione dei contratti è più facile da monitorare e le controversie vengono risolte con intelligenza anziché spuntando caselle, le imprese potrebbero essere più propense ad affidarsi ad altre imprese. Ci sarebbero meno ragioni per fare tutto internamente.

Ci aspettiamo di vedere molte imprese più piccole, ma anche vaste “holding” di IA, in cui un numero enorme di progetti diversi viene portato avanti all’interno di un’unica impresa. Un conglomerato è conveniente quando tutti i diversi progetti sfruttano una risorsa comune. Questa risorsa potrebbe essere la capacità di calcolo, anche se è facile procurarsela in piccole quantità su misura. Una fabbrica o una flotta di robot condivisa costituisce una ragione più convincente.

La grande “holding” può essere giustificata anche da incentivi allineati. Se una grande organizzazione di IA e capitali è interamente dedicata a una missione comune, per esempio curare il cancro, c’è meno bisogno di iniziative più piccole e separate. Un’impresa di IA potrebbe evitare lotte di potere, condividere tutte le informazioni e, dove necessario, generare diversità creativa tra i propri agenti, così da esplorare percorsi differenti.

Il sistema attuale dovrebbe premiare i lavoratori che si distinguono. Salgono nella gerarchia e vengono pagati di più. Ma in un mondo di modelli capaci di fornire consulenze eccellenti, come faranno i lavoratori a distinguersi?

Se l’IA dà a tutti la stessa ottima idea, abbiamo meno occasioni per differenziarci. I divari retributivi dovrebbero ridursi.

A contrastare questa riduzione sono la capacità di giudizio, il gusto e l’ampiezza delle responsabilità. Se ciascuno di noi guida imprese di IA sotto di sé, il valore umano residuo risiede nella nostra capacità decisionale. Se ogni persona è responsabile di un’attività più ampia alle proprie dipendenze, la differenza tra decisioni buone e cattive si fa sentire di più⁠(si apre in una nuova finestra).

Applichiamo da tempo questa logica ai vertici dell’organigramma. Giustifichiamo la retribuzione degli amministratori delegati⁠(si apre in una nuova finestra) con l’idea che decisioni anche solo leggermente migliori ai vertici possano avere effetti enormi sui profitti. Le disuguaglianze retributive potrebbero aumentare se alcuni lavoratori gestissero meglio le imprese di IA sotto di loro nell’impiego di risorse scarse.

Più alta è la posta in gioco, più il tuo piccolo vantaggio sugli altri si riflette in busta paga. D’altro canto, l’IA darà buoni consigli a tutti. Una minore differenziazione comprime la distribuzione delle retribuzioni.

Qui come altrove, la forza che prevarrà dipenderà forse dal fatto che saremo soprattutto noi a esercitare il giudizio o a seguire quello altrui.