कंपनीचे भवितव्य

लेखकांचे निवेदन: भावी अर्थव्यवस्थेवरील आमच्या मालिकेतील हा दुसरा निबंध आहे. AGI असलेल्या भविष्याचा वेध घेणाऱ्या स्वतंत्र विचारांना स्थान देणाऱ्या एका नव्या व्यासपीठाचा ही मालिका भाग आहे. यातील मते आमची आहेत; OpenAI किंवा आमच्या सहकाऱ्यांची नाहीत.

आम्ही दोघांनीही इथे OpenAI मध्ये स्वतःची पथके सांभाळायला सुरुवात केली, तेव्हा आमचे वय चोवीस होते. आमच्या पथकांना भेटल्यावर मात्र ही गोष्ट तितकी प्रभावी वाटणार नाही.

खरे तर आमच्याकडून साधी, रटाळ कामे करून घेणे अपेक्षित आहे. चोविसाव्या वर्षी तुम्ही कंपनीच्या पदक्रमात सर्वांत खालच्या पायरीवर असता. मिटिंगच्या नोंदी घेता आणि एखादे-दुसरे मेमो लिहिता. वर्षानुवर्षे रटाळ कामे केल्यानंतर तुमच्यावर अधिक व्यापक जबाबदारी सोपवली जाते (निदान तशी आशा असते).

आमचा प्रवास—आणि आजच्या अनेक तरुणांचा प्रवास—मात्र वेगळा दिसतो आहे. आम्ही कामाच्या जगात पाऊल ठेवतो, तेव्हाच आमच्या सांगण्यानुसार काम करणारे “कर्मचारी” आमच्याकडे असतात. हे सहायक रात्रंदिवस, शनिवार-रविवार आणि सुट्ट्यांमध्येही काम करतात. रटाळ कामे करण्यात ते तरबेज आहेत. आम्हाला सल्ला देण्यासाठी गणित ऑलिम्पियाडचे सुवर्णपदक विजेतेही आमच्या पथकात आहेत. आमच्या हाताखालच्या या नव्या सहकाऱ्यांकडून अजूनही चुका होतात. पण ते सुधारत आहेत, आमच्या गरजा शिकत आहेत आणि आम्हीही त्यांना कसे सांभाळायचे ते शिकत आहोत.

आमच्यापैकी कोणीही कॉर्पोरेट क्षेत्रात प्रगती केली नाही. उलट, व्यवस्थापनच आमच्या पातळीवर आले आहे. हा निबंध आमच्या पदोन्नतीबद्दल आणि आपण बुद्धिमत्ता युगात प्रवेश करत असताना कंपन्या कोणत्या इतर मार्गांनी पुनर्रचना करू शकतात याबद्दल आहे.

AI कंपनीत येते, तेव्हा त्याचे स्थान कुठे असते? हे समजून घेण्यासाठी आम्ही तीन संभाव्य उदाहरणे मांडतो:

यापैकी कोणतेही उदाहरण आम्ही वर्णन करतो तसे तंतोतंत प्रत्यक्षात येणार नाही, पण तिन्हींमधील काही पैलू खरे ठरतील असे आम्हाला वाटते. तिन्ही प्रकारचे बदल सूक्ष्म स्वरूपात आधीच घडत आहेत.

इथे आमचा भर संपूर्ण ऑटोमेशनवर नाही, तर संक्रमणातून जाणाऱ्या अर्थव्यवस्थेवर आहे. AI सुधारत जाईल आणि विद्यमान संस्थांमध्ये मिसळत जाईल, तशा मानव आणि AI मिळून बनलेल्या कंपन्या कशा असतील, हे आम्हाला जाणून घ्यायचे आहे.

आमच्या मते, अशा संमिश्र कंपनीची संकल्पना महत्त्वाची आहे, कारण AI चा उत्पादक वापर एका क्षणात सुरू होत नाही. मॉडेल फक्त काही कामे करू शकत असतील, तेव्हा त्या कामांची ओळख असलेल्या तळाच्या स्तरावरील कर्मचाऱ्यांना त्यांचा स्वीकार सर्वांत सहज करता येईल. मॉडेल व्यापक जबाबदाऱ्या सुरुवातीपासून शेवटपर्यंत पार पाडू लागली, की वरिष्ठ त्यांचा थेट वापर करू शकतात. आमच्या मते, AI जितके सक्षम तितका त्याचा स्वीकार सोपा: कंपन्यांना तंत्रज्ञान शिकावे लागते, पण काम करणारे कंपनीला समजून घेतात आणि स्वतःहून कामात रुळू शकतात.

आम्ही संघटनात्मक रचनेच्या या तीन नव्या प्रकारांचे विश्लेषण करू. मग त्यांचे लालफीतशाही, कर्मचाऱ्यांचे निर्णयस्वातंत्र्य, कंपनीचा आकार आणि वेतनातील विषमता यांवर काय परिणाम होऊ शकतात, ते पाहू.

आमचे पहिले संभाव्य उदाहरण सर्वांत कमी उलथापालथ करणारे वाटते. यात माणसे त्याच पदांवर, त्याच वरिष्ठांच्या हाताखाली राहतात आणि वरकरणी पूर्वीचीच कामे करत असतात. आजची आणि या भविष्यातील मानवी संघटनात्मक रचना सारखीच दिसते.

फरक असतो तो आपल्या खालच्या स्तरावर. स्वतंत्रपणे काम करणाऱ्या प्रत्येक कर्मचाऱ्याच्या हाताखाली नवे AI मनुष्यबळ काम करू लागते. आपल्या संघटनात्मक रचनेला एक तळघर जोडले जाते आणि आपण सगळे व्यवस्थापक होतो.

सुरुवातीला हे तळघर अपुरे असते. आपल्यापैकी प्रत्येकजण एक-दोन एजंटपासून सुरुवात करतो. ते अनुभवी कर्मचारी कमी आणि उत्साही प्रशिक्षणार्थी अधिक असतात; त्यांच्यावर लक्ष ठेवावे लागते आणि त्यांच्या चुका सहज माफ कराव्या लागतात. आपल्या अपेक्षा माफक असतात: एखादा ईमेल पाठवणे, एखादे ड्राफ्ट लिहिणे, Slack वरील संदेशांना उत्तरे देणे. कनिष्ठ मानवी कर्मचाऱ्यांप्रमाणेच सुरुवातीला त्यांना फारसे स्वातंत्र्य किंवा विश्वास मिळत नाही.

पण मॉडेल सुधारतात, तसे आपले एजंट कमी देखरेखीत अधिक कामे करू लागतात. ते एकमेकांशी समन्वय साधतात. व्यवस्थापक AI, रटाळ कामे करणारे AI, लेखापाल आणि वकील—असे सर्व जण तुमच्या सांगण्यानुसार एकत्र काम करत असू शकतात. प्रशिक्षणार्थीला प्रत्येक पावलावर मदत करण्याऐवजी, कालांतराने तुमचे कामकाज एखाद्या स्वतंत्र छोट्या कंपनीसारखे दिसू लागते. तिची स्वतःची संघटनात्मक रचना असते आणि तुम्ही तिचे संचालक मंडळ असता.

लक्षात घ्या, या चित्रात कर्मचारी कपात अभिप्रेत नाही. इथे आपण AI स्वीकारतो, पण स्वतःची जागा स्वयंचलनाला देत नाही. त्याऐवजी आपण आपल्या पूर्वीच्या भूमिकांचे स्वयंचलन करतो आणि पदक्रमात वर जातो. आपण पूर्वी करत असलेल्या कामांपैकी अधिकाधिक कामे AI सांभाळते. सांभाळण्यासारखे काम वाढल्यामुळे आपल्या नोकऱ्या टिकतात आणि अधिक मोठ्या प्रमाणातील उत्पादनाची जबाबदारी आपल्याकडे येते.

नोकऱ्यांचे स्वरूप कायम एकसारखे राहत नाही⁠(नवीन विंडोमध्ये उघडेल). समजा, तुम्ही पूर्वी करत असलेल्या कामापैकी नव्वद टक्के काम AI करू शकते. मग तुमच्याकडे फक्त दहा टक्के काम उरले, असा निष्कर्ष तुम्ही काढाल. पण दुसरी शक्यता अशी की तुमच्याकडे अजूनही पूर्णवेळ काम आहे, फक्त ते वेगळे आहे—आता त्याचा भर दहापट मोठ्या उद्दिष्टावर आहे. तंत्रज्ञानाची ही नेहमीची देणगी आहे: उत्पादकता वाढते, तिला साजेशी महत्त्वाकांक्षा वाढते आणि त्या महत्त्वाकांक्षेसोबत वेतनही वाढू शकते⁠(नवीन विंडोमध्ये उघडेल).

हे सर्व आपण अजूनही उत्पादनात मूल्याची भर घालतो⁠(नवीन विंडोमध्ये उघडेल) का, यावर अवलंबून आहे. या निबंधाचा भर येत्या काही वर्षांवर आहे, जेव्हा ऑटोमेशन सर्व प्रकारची कामे करण्यास सक्षम नसेल किंवा सर्वत्र स्वीकारले गेलेले नसेल. AI सर्व काही करू शकत असले, तरी एखादी वस्तू माणसाने बनवली म्हणून आपण तिला अधिक मोल देऊ शकतो किंवा अंतिम निर्णय माणसाचाच असावा असा आग्रह धरू शकतो.

हे आपल्या गरजा आणि इच्छांवरही अवलंबून आहे. ग्राहक म्हणून आपल्याला दहापट अधिक उत्पादन नको असेल, तर समतोल कमी कर्मचारी किंवा कामाचे कमी तास या दिशेने झुकेल. इतिहास पाहता, उत्पादनवाढीने आपली भूक भागलेली नाही. आपल्याकडे खूप अधिक⁠(नवीन विंडोमध्ये उघडेल) आहे, पण आपण काम मात्र फक्त थोडे कमी⁠(नवीन विंडोमध्ये उघडेल) करतो. उत्पादन अनेकपटींनी वाढत असतानाही आपल्या इच्छा वाढत राहिल्या आणि आपण उत्पादनात भर घालत राहिलो, तर अधिक उपभोगाच्या बदल्यात श्रम देत राहणे आपण निवडू. याउलट उत्पादन इतके मुबलक झाले की आपल्या गरजा पूर्ण भागल्या, तर कमी लोकांनी काम करणे आपण स्वेच्छेने निवडू शकतो.

पुढे आम्ही आणखी आक्षेपांचा विचार करतो (उदाहरणार्थ, कमी आकाराच्या कंपन्यांची संख्या वाढेल का). तरीही हे चित्र महत्त्वाचे आहे असे आम्हाला वाटते, कारण स्वीकाराची सुरुवात कुठूनतरी व्हावीच लागते. विद्यमान संघटनात्मक रचनेतून स्थिरपणे विकसित होण्याचा मार्ग कंपन्यांना हवा आहे. संपूर्ण पुनर्रचनेपेक्षा विद्यमान कर्मचाऱ्यांच्या कामाला बळ देणे ही पहिली पायरी अधिक सोपी असू शकते. हे आज प्रत्यक्षात दिसते: एकामागून एक कर्मचारी AI ला काम सोपवत आहेत, पण अजून संघटनात्मक क्रांती झालेली नाही.

या उदाहरणात प्रथम प्रत्यक्ष काम करणारे कर्मचारी AI मदतनीस नेमतात. AI स्वीकारण्यात आघाडी तळाच्या स्तरावरील कर्मचारी घेतात—व्यवस्थापक आणि वरिष्ठ अधिकारी नव्हे. पूर्वी स्वतः ते काम करणारी व्यक्तीच AI कडून ते सर्वांत चांगले करून घेऊ शकत असेल, तोपर्यंत ही शक्यता अधिक वाटते.

मॉडेल आधीच माहितीविज्ञानातील अनेक कामे स्वयंचलित करू शकतात; पण पद्धती आणि बारकावे माहीत नसलेल्या विभागप्रमुखाला या साधनांचा उपयोग करून घेणे कठीण जाईल. तुम्हाला काय माहीत नाही, हे स्वतःहून सांगण्याइतके AI पुढाकार घेऊ लागेपर्यंत (आमचे पुढचे उदाहरण पाहा) काम कसे केले जाते हे आधीच माहीत असलेल्यांनाच त्याचा सर्वाधिक उपयोग होण्याची शक्यता आहे.

या परिस्थितीतला सर्वात मोठा बदल हा नव्याने रुजू होणाऱ्या कर्मचाऱ्यांसाठी आहे. यापुढे सर्वात खालची पायरी राहणार नाही, किमान माणसांसाठी तरी नाही. जेव्हा आम्ही तरुणांना कामावर घेऊ, तेव्हा त्यांना कंपनीच्या सर्वात खालच्या आणि कष्टाच्या कामावर ठेवणार नाही. ती पदे अशा घटकांकडून भरली जातील ज्यांना याची पर्वा नसेल.

याबरोबर तरुण कर्मचाऱ्यांना शिकवण्याचे काही पारंपरिक मार्ग आपण गमावू: उमेदवारी⁠(नवीन विंडोमध्ये उघडेल), रटाळ कामांतून शिकणे आणि अनुभवातून पात्रता सिद्ध करणे. या खऱ्याखुऱ्या हानी आहेत; पण एकूण पाहता आम्हाला हा विशेष लाभ वाटतो. चांगली कल्पना असलेल्या अगदी नवख्या कर्मचाऱ्याकडेही प्रयोग करण्यासाठी साधने असतात. आपल्याकडे मनुष्यबळच नाही, ही कार्यालयातील जुनी सबब आता कालबाह्य होत आहे. डोक्यात एक उत्तम व्हिडिओ गेमची कल्पना असलेला, पण कंपनीत स्थान मिळवण्याचा कोणताही मार्ग नसलेला एक कनिष्ठ कर्मचारी आता तो सहजपणे तयार करू शकतो.

आमच्या मते, या “पदोन्नतीच्या” चित्रातही कनिष्ठ कर्मचाऱ्यांना शिकण्यासारखे बरेच आहे—निर्णयक्षमता, अभिरुची, व्यवस्थापनकौशल्ये आणि सर्जनशील दृष्टी. ही कौशल्ये आपल्या कामातून दिसतात, म्हणून ती विकसित करण्याची प्रेरणा आपल्याला मिळेल. आपण अजूनही प्रत्यक्ष काम करत शिकू⁠(नवीन विंडोमध्ये उघडेल), पण अधिक व्यापक स्तरावर. कंपनीतील ज्येष्ठांना जबाबदार मार्गदर्शक म्हणून आपल्याला मदत करण्याची प्रेरणा कायम राहील—(आपल्या यशात त्यांचा भागधारक म्हणून) आर्थिक वाटाही असेल. प्रत्येक पायरीवरील प्रत्येकाला अधिक प्रेरक भूमिका मिळण्याची ही संधी आहे. अधिक व्यापक जबाबदारीतून कोणताही कर्मचारी आपली प्रतिभा दाखवू शकतो. आधी कोणतीही स्वतंत्र जबाबदारी नसलेल्या नवख्या कर्मचाऱ्यांसाठी हे सर्वांत महत्त्वाचे आहे.

कंपनीत प्रवेश करण्याच्या दुसऱ्या मार्गात AI विद्यमान संघटनात्मक रचनेत मिसळते. इथे एजंट अगदी तळाशी नसतात, तर सहकारी असतात. एखादा व्यवस्थापक जसे कोणत्याही कर्मचाऱ्याला काम सोपवेल, तसेच पथकाच्या कामातील काही भाग एका मॉडेलला देते. AI केवळ माणसांच्या हाताखाली नव्हे, तर त्यांच्या शेजारी स्वतःला सामावून घेते.

पहिल्या उदाहरणापेक्षा महत्त्वाचा फरक असा: इथे उत्पादक AI चा स्वीकार केवळ सध्या स्वतंत्रपणे काम करणारे कर्मचारी नव्हे, तर विद्यमान मानवी व्यवस्थापक करतात. त्यासाठी पथकाचा पूर्ण सदस्य होण्याइतके ते सक्षम असले पाहिजे.

माणसे अनेक प्रकारची कामे करू शकतात. हातोडा एका कामात मदत करतो; माणूस त्याहून बरेच काही करतो. साधनापासून श्रमशक्तीपर्यंतचा AI चा प्रवास म्हणजे वाढती व्याप्ती: आधी एका कामाचे, मग संपूर्ण नोकरीचे, त्यानंतर पथकाचे आणि अखेरीस कंपनीचे ऑटोमेशन. व्याप्तीची प्रत्येक पुढची पायरी अधिक व्यापक क्षमता मागते.

एक नोकरी म्हणजे अनेक कामांनी भरलेली पेटी. संपूर्ण पथकाचा विचार केला, तर ती पेटी नानाविध कामांनी खचाखच भरलेली असते. जबाबदारीत अधिक कामे आली की अडथळे निर्माण होण्याच्या शक्यताही वाढतात. पथकाच्या एका अत्यावश्यक कामात जरी शारीरिक श्रम असतील, तरी पूरक उपकरणांचा पूर्ण नवा संच लागतो. संपूर्ण पथकाची थेट जागा घेण्यासाठी AI त्या पथकाच्या सर्व विविध जबाबदाऱ्या पार पाडण्यास सक्षम असले पाहिजे.

मोठी व्याप्ती हाताळू शकणारे AI तयार करणे अधिक कठीण आहे. परंतु कंपन्यांसाठी—आणि हीच या संपूर्ण स्थित्यंतराची मुख्य विषमता आहे—मोठी व्याप्ती स्वीकारणे अधिक सोपे आहे.

सुरुवातीपासून शेवटपर्यंत स्वयंचलित असलेले पथक किंवा व्यापक कामकाज वरिष्ठ अधिकारी थेट स्वीकारू शकतो. मर्यादित क्षमता असलेले साधन मात्र वरिष्ठांच्या आदेशाने इतक्या सहजपणे वापरात आणता येत नाही. अशा साध्यासोप्या साधनासाठी सर्व स्तरांतील कर्मचाऱ्यांचा पाठिंबा आणि पुनर्प्रशिक्षण आवश्यक असते.

पारंपरिकपणे नवे तंत्रज्ञान ठरावीक कामांचा संच कमी खर्चात करणे शक्य करते. पुढची जबाबदारी मग खरेदीदारावर येते. नव्या साधनाचा फायदा कसा घ्यायचा, हे कंपनीला शोधावे लागते आणि त्यानुसार पुनर्प्रशिक्षण, पुनर्रचना आणि प्रक्रियांची नव्याने उभारणी⁠(नवीन विंडोमध्ये उघडेल) करावी लागते. स्प्रेडशीट सॉफ्टवेअरने स्वतःला लेखा विभागात बसवून घेतले नाही—लेखा विभागाने त्या सॉफ्टवेअरनुसार स्वतःत बदल केले.

कामगार याच्या अगदी उलट असतात. एक इंटर्न, एक कर्मचारी आणि एक चांगली टीम तुमच्यासाठी कसे उपयुक्त ठरू शकतात हे शोधून काढतात. ते तुमची कसून चौकशी करतात, तुमचा संदर्भ समजून घेतात, तुमच्या गरजा ओळखतात. जे तुम्हाला माहीत नाही, याची तुम्हाला स्वतःलाही जाणीव नसते, ते ते तुम्हाला सांगतात. सर्वोत्तम कामगार आपोआपच कामात रुळतात.

या अर्थाने, पुढाकार आणि जुळवून घेण्याच्या क्षमतेसह, AI जितके जास्त श्रमासारखे होईल, तितकेच कंपनीला त्याचा उपयोग कसा करायचा हे शिकण्याची गरज कमी होईल आणि ते कंपनीसाठी उपयुक्त कसे व्हायचे हे अधिक स्वतःहून शोधून काढेल. एखादा कार्यकारी अधिकारी नवीन साधन शिकण्यासाठी कदाचित 'डिझाइन सॉफ्टवेअर 101' चे व्याख्यान ऐकणार नाही. पण 'तुम्ही फक्त सांगा, आणि मी तुमचे संपूर्ण मार्केटिंग विभाग उभारून देईन' यासारख्या प्रस्तावाचा तो आनंदाने विचार करेल.

एखादी नोकरी स्वयंचलित करणे, हेच AGI चे अंतिम ध्येय असल्याचे आपण अनेकदा मानतो. मान्य आहे, आपण अजून तिथपर्यंतही पोहोचलेलो नाही. नोकऱ्यांतील काम इतके विलक्षण गुंतागुंतीचे असते, कारण आपली क्षमता तितकीच विलक्षण आहे. तरीही, आपल्या अर्थव्यवस्थेतील उत्पादनाचा अगदी छोटा भाग⁠(नवीन विंडोमध्ये उघडेल) एकेकट्याने काम करणाऱ्यांकडून येतो. उत्पादक कामे संघांना हातभार लावतात, संघ कंपन्यांना हातभार लावतात आणि आपण वापरतो त्यातील जवळजवळ सर्व काही कंपन्या तयार करतात.

AGI साठी “एका नोकरीचे काम” हा निकष ठेवणे म्हणजे आपल्या मानवी क्षमतेला पुरेसे श्रेय न देणे. श्रम म्हणजे केवळ कामे करणे किंवा अनपेक्षित बाबी हाताळणेही नव्हे. त्यात प्रचंड समन्वयक्षमता आणि मोठ्या निर्मितीतील छोटे भाग करण्यासाठी जुळवून घेण्याची आपली लवचीकताही असते. आपल्याला फक्त कामांचा ढिगारा म्हणून मर्यादित करणे म्हणजे आपले मूल्य फारच कमी लेखणे. मानवी क्षमता व्यक्तीपेक्षा आपल्या संघटनांमध्ये⁠(नवीन विंडोमध्ये उघडेल) अधिक सामावलेली आहे. अर्थव्यवस्थेत काम करणाऱ्या AGI ने व्यक्तिसमूहाच्या क्षमतेपर्यंत पोहोचले पाहिजे, केवळ एका व्यक्तीच्या नव्हे.

त्यामुळे AI पथकासारखे किंवा कंपनीसारखे न होता अजूनही साधनासारखे किंवा कर्मचाऱ्यासारखेच असेल, तर “सहमिश्रणाचे” चित्र बरेच अकार्यक्षम ठरू शकते. प्रत्येक कर्मचाऱ्याच्या शेजारी एक मॉडेल बसवणे म्हणजे हजारो जोडणीस्थळे आणि कामाची हस्तांतरे⁠(नवीन विंडोमध्ये उघडेल) निर्माण करणे. अशा तुकड्या-तुकड्यांच्या व्यवस्थेमुळे स्वीकाराचा वेग मंदावू शकतो.

आधी उपलब्ध झालेल्या कमी सक्षम अंमलबजावण्या आणि नंतर येणारी अधिक सक्षम मॉडेल यांच्यात स्पर्धा दिसते. भविष्यातील मॉडेलचा स्वीकार इतका जलद होतो का, की त्या क्षमता विकसित होण्यासाठी लागलेला अतिरिक्त वेळ भरून निघेल, यावर विजेता ठरेल.

हे “सहमिश्रणाचे” चित्र पहिल्या “पदोन्नतीच्या” चित्रासोबत अस्तित्वात राहू शकते. AI काही कामकाज स्वयंचलित करेल, तसे कंपन्या मानवी कर्मचाऱ्यांची संख्या कमी करतील; पण उरलेल्या माणसांना त्यांच्या एजंट पथकांच्या मदतीने अधिक व्यापक जबाबदाऱ्या मिळतील. महत्त्वाचे म्हणजे, केवळ या चित्रावरून एकूण मानवी रोजगार कमी होईल असे म्हणता येत नाही. कंपन्यांची संख्या वाढू शकते, तर प्रत्येकीतील कर्मचारीसंख्या कमी असू शकते.

आमचे तिसरे उदाहरण सर्वात गोंधळात टाकणारे आहे. यामध्ये, AI माणसांच्या वर कंपनीत प्रवेश करते. ही रचना आता यंत्रांवर माणसे अशी न राहता, माणसे, AI, माणसे अशी होते: एक ऑटोमेशन सँडविच. काही लोक एआयला 'रिपोर्ट' करतात.

हे अवास्तव वाटते, विशेषतः कंपनीने AI स्वीकारण्याची सुरुवात अशी होईल असे म्हटल्यास. पण आमच्या मते, कमी मूलगामी स्वरूपात याची सुरुवात आधीच झाली आहे.

जेव्हा आपण एआयला बौद्धिक श्रमाचे यांत्रिकीकरण करणारे साधन म्हणून पाहतो, तेव्हाही आपले लक्ष खालच्या स्तरावरच केंद्रित होते. आपण सहसा म्हणतो की AI स्प्रेडशीट आणि स्लाईड डेक स्वयंचलित करते, व्यवस्थापन नाही. आपली सहज प्रवृत्ती अशी असते की ऑटोमेशन श्रेणीरचनेनुसार वर चढते: सर्वात आधी बौद्धिक कष्ट आणि सर्वात शेवटी निर्णयक्षमता, आणि व्यवस्थापक हा अंतिम आधारस्तंभ असतो.

पण व्यवस्थापकाचे काम बहुतांशी संगणकावर आणि मनातच चालते: वाचणे, मिटिंग घेणे, विचार करणे, संदर्भ लक्षात ठेवणे, निर्णय घेणे. प्रत्यक्ष उपस्थितीला, कार्यालयाच्या मजल्यांवर फिरण्याला आणि सहकाऱ्यांच्या सान्निध्यात असण्याला महत्त्व आहे. तरीही, हे जमिनीवरचे कामच आहे, जरी ते बहुतेक बौद्धिक असले तरी, जे व्यवस्थापनापेक्षा भौतिक वस्तू आणि साधनांशी अधिक निगडित असते. इंटर्नला फोटोकॉपी मशीनकडे पाठवले जाते, त्याच्या बॉसकडे नाही.

व्यवस्थापकीय निर्णयक्षमता मॉडेलला शिकवणे कठीण आहे, कारण यशाची व्याख्या अस्पष्ट असते आणि ते दीर्घ काळानंतर मोजले जाते. अशाच कारणांमुळे⁠(नवीन विंडोमध्ये उघडेल) चांगले मानवी व्यवस्थापक घडवणेही कठीण असते. व्यवस्थापनात मॉडेल किती चांगली आहेत, हे आपल्याला अजून माहीत नाही. अंमलबजावणी केंद्रित बौद्धिक कामांसाठी आपल्याकडे अनेक मूल्यमापन चाचण्या आहेत; पण व्यवस्थापक आणि वरिष्ठ अधिकाऱ्यांच्या व्याप्तीतील मोठ्या प्रमाणावरील समन्वय तपासणाऱ्या चाचण्या फार कमी आहेत.

तरीही विचार करण्याजोगी गोष्ट अशी की आजची मॉडेल क्षमतेच्या बाबतीत तळाच्या स्तरावरील कर्मचाऱ्यांपेक्षा मानवी व्यवस्थापकांच्या अधिक जवळ असू शकतात. काही व्यवस्थापकीय जबाबदाऱ्यांचे स्वयंचलन त्यांच्या देखरेखीखालील कामाच्या आधीच होऊ शकते.

कदाचित या “मधल्या स्तराच्या” चित्राचे पूर्ण रूप असे असेल: विचार करण्याचे काम AI करेल आणि स्वतःच्या क्षमतेतील उणिवा भरून काढण्यासाठी आपल्या हाताखाली मानवी कंत्राटदार नेमेल. ते जग आपल्याला फारच अपरिचित वाटते. त्यासाठी बरेच काही बदलावे लागेल.

पण याचे अधिक नैसर्गिक रूपही आहे आणि त्याची सुरुवात आधीच झाली आहे: सल्ला देणे. आज एखादी वरिष्ठ अधिकारी ChatGPT ला आपल्या कंपनीतील शेकडो Slack चॅनेल्स, दस्तऐवज, पत्रव्यवहार आणि कोड फाइल वाचून प्रश्नांची उत्तरे देण्यास सांगू शकते. हा संघ नेमके काय करतो? ती असुरक्षितता कुठे दिसून येते आहे? संस्थेचा प्रत्येक भाग तिला अधिकाधिक उलगडून समजू लागतो⁠(नवीन विंडोमध्ये उघडेल).

वरिष्ठ अधिकारी फार पूर्वीपासून संस्थेच्या रचनेत पैसे घेऊन काम करणारे बाह्य मध्यस्थ आणत आले आहेत—त्याला त्यांनी सल्लासेवा म्हटले. व्यवस्थापन सल्लागार संस्था तुमच्या वर एक तात्पुरता आणि महागडा स्तर बसवते. यापुढे AI सल्लागारांचा खर्च नगण्य असू शकतो आणि ते कायम उपस्थित असू शकतात.

कंपनीचे दस्तऐवज आणि संवाद विश्वासार्हपणे समजून घेण्यास मॉडेलने नुकतीच सुरुवात केली आहे. त्यांची अभिरुची आणि स्वतःहून पुढाकार घेण्याची क्षमता अधिक परिपक्व व्हायला हवी. सध्या ChatGPT एखाद्या उत्सुक वरिष्ठ अधिकाऱ्याला तिची संस्था अधिक तपशीलाने समजून घेण्यास मदत करते. कालांतराने ते सर्वांगीण सल्लासेवा देणारी संस्था बनेल, असे आम्हाला वाटते. ते खालच्या स्तरावरील कर्मचाऱ्यांचे खऱ्या अर्थाने “व्यवस्थापक” नसेल, तर वरिष्ठ अधिकाऱ्यांसाठी कंपनीतील घडामोडी कळवणारे आणि सल्ला देणारे असेल. व्यवसायातील तज्ज्ञतेच्या आधारे ते सर्व बाबी तपासेल, स्वतःहून अडचणी समोर आणेल आणि कोणत्या समस्येला आधी हात घालायचा ते ठरवण्यास मदत करेल.

हे फायदेशीर ठरेल की हानिकारक, हे वरिष्ठ अधिकाऱ्यावर अवलंबून असेल. रचनेवर होणारा परिणाम म्हणजे केंद्रीकरण. यामुळे सर्वोच्च नेतृत्व आणि कंपनीचे प्रत्यक्ष कामकाज यांतील अंतर कमी होईल, असे आम्हाला वाटते. पूर्वी माहितीच्या देवाणघेवाणीतील अडथळ्यांमुळे विकेंद्रित निर्णयपद्धतीला वाव मिळत होता; आता वरच्या स्तरावर अधिक सत्ता एकवटेल.

अधिकारांचे वाटप बदलते म्हणूनच नव्हे, तर सल्लागार संस्था म्हणून AI सहज स्वीकारता येते म्हणूनही हे चित्र आम्हाला दूरगामी वाटते. पारंपरिक सल्लासेवेप्रमाणेच AI सल्लागार संस्थेचा वापर करण्यासाठी वरिष्ठ अधिकाऱ्याला तांत्रिक जाण आवश्यक नाही. हा संगणकासारखा प्रकार नाही, ज्याचा स्वीकार टायपिंग आणि टर्मिनल वापरता येणाऱ्या कर्मचाऱ्यांनी खालच्या स्तरापासून सुरू केला होता. तुम्ही फक्त तुमच्या सल्लागाराशी बोलता आणि तांत्रिक बाबी तो सांभाळतो. स्वीकाराची ही लाट थेट सर्वोच्च अधिकाऱ्याच्या कार्यालयातून सुरू होऊ शकते. पुढे ही सल्लागार संस्था उर्वरित संघटनेत AI चा स्वीकार वेगवान करू शकते.

कंपन्या दूरस्थ कामावर आणि कंत्राटी कामावर अविश्वास का दाखवतात याचे एक प्रमुख कारण म्हणजे अंमलबजावणीक्षमता. कंपन्यांना काम त्याच्या योग्य आणि समृद्ध स्वरूपात होत आहे की नाही हे पाहण्याचा कोणताही स्वस्त मार्ग कधीच उपलब्ध नव्हता. त्यामुळे त्या कामाच्या केवळ हावभावांचे मोजमाप⁠(नवीन विंडोमध्ये उघडेल) करतात - मोजलेले क्लिक्स, माउसच्या हालचाली, हिरवे स्टेटस डॉट्स; असे संकेत जे चांगले काम होत आहे की नाही याच्याशी पूर्णपणे असंबंधित असतात.

AI असा निरीक्षक देते, जो समजून घेतो. एखाद्या व्यक्तीने केलेले काम पाहून मोठ्या उद्दिष्टांच्या दिशेने झालेली खरी प्रगती ते ओळखू शकते. पुढील विभागात आपण पाहणार आहोत त्याप्रमाणे, कोणतीही नवी देखरेख व्यवस्था पुरेसा विचार न करता लागू करू नये⁠(नवीन विंडोमध्ये उघडेल). पण योग्य परिस्थितीत ती विश्वास वाढवू शकते आणि कंपन्यांना कर्मचाऱ्यांना अधिक स्वातंत्र्य देण्यास प्रोत्साहित करू शकते.

चांगल्या निष्पत्तीकडे नेणारे अनेक वेगवेगळे मार्ग निरीक्षकाला समजत असतील, तर कर्मचारी अधिक प्रमाणात आपल्या पसंतीने काम करू शकतात. वरिष्ठांना सहज तपासता येईल अशा एकाच ठरवून दिलेल्या पद्धतीपेक्षा चांगल्या परिणामांच्या दिशेने होणारी प्रगती अधिक महत्त्वाची ठरेल. बुद्धिमान निरीक्षक लवचीकता देतो आणि आपल्या सगळ्यांना नकोशा वाटणाऱ्या दिखाऊ उत्पादकतेला आळा घालतो.

यातील फायदा काहीसा अशा विमा कंपन्यांसारखा आहे, ज्या तुम्ही गाडीत ट्रॅकर बसवल्यास विम्याचा हप्ता कमी करतात. तुम्ही व्यवस्थेला चकवण्याचा प्रयत्न करत असाल, तर याचा तुम्हाला फटका बसतो. पण तुम्ही सरळ आपले काम करत असाल, तर हा निरीक्षक तुमची बाजू सिद्ध करू शकतो आणि व्यवस्थापनाचा तुमच्यावरचा विश्वास वाढतो.

या विश्वासातून नव्या शक्यता निर्माण होतात. ज्या कंपन्या घरून आणि कार्यालयातून मिळून काम करण्यास, चाकोरीबाहेर विचार करणाऱ्यांना, कंत्राटदारांना किंवा दूरच्या देशांतील प्रतिभावंतांना नोकरी देण्यास कचरत होत्या, त्यांच्यात नवी तयारी⁠(नवीन विंडोमध्ये उघडेल) दिसू शकते.

आजच्या संघटनात्मक रचनेबाबत तळाच्या स्तरावरील कर्मचाऱ्यांना अनेक अडचणी आहेत. स्वतःच्या डोळ्यांनी दिसणारी समस्या वरच्या स्तरापर्यंत पोहोचवण्याचा मार्गच नसणे अत्यंत निराशाजनक असते. अकार्यक्षम व्यवस्थापकाच्या हाताखाली अडकून पडणे किंवा उत्तम काम करूनही दखल न घेतली जाणे, हा एक अन्यायकारक अनुभव असतो.

आमच्या मते, व्यवसायाला कमालीचे कार्यक्षम बनवण्याची मागची लाट मर्यादित माहिती, ढोबळ मार्गदर्शक तत्त्वे आणि अकार्यक्षम अल्गोरिदमवर उभी होती. तुम्हाला फक्त यंत्रातील चाकांची गती मोजता येत असेल, तर प्रत्येक माणूस यंत्रातला एक खिळाच वाटतो. कर्मचारीवर्गाच्या कामाचे योग्य मोजमाप करणे ही कंपन्यांची जुनी समस्या आहे. आजच्या ढोबळ मोजमापांतून सुटणारे मोलाचे योगदान आणि अनोखे दृष्टिकोन बुद्धिमान निरीक्षक ओळखू शकतो.

या तीन प्रातिनिधिक उदाहरणांच्या आधारे आता आपण कंपनीच्या भवितव्याला आकार देणाऱ्या काही निर्णायक प्रश्नांचा वेध घेऊ.

काहीतरी तयार करणे सामान्यतः बरेच खर्चिक असते. अ‍ॅप, चित्रपट, डेक, एखादी सुविधा किंवा विश्लेषण: हे सगळे पुन्हा करणे खर्चिक, वेळखाऊ आणि त्रासदायक असते. प्रत्यक्षात एकच संधी मिळणार असेल, तर नेम अचूक साधण्यावर भर दिला जातो. नियोजनाच्या फेऱ्या, कृती आराखड्यांच्या औपचारिक बैठका आणि मंजुरी समित्या असतात. कंपनीने अखेर काम सुरू करायचे ठरवले, तेव्हा ते काम मोलाचे असावे, यासाठी हा सारा खटाटोप. आमच्या पदानुक्रमात अनेक तपासण्या अस्तित्वात आहेत, कारण अंमलबजावणी आमच्यासाठी मौल्यवान होती.

अनेक क्षेत्रांत AI निर्मितीचा खर्च झपाट्याने कमी करत आहे—अंतिम उत्पादनापर्यंत नाही, तरी निदान प्रोटोटाइप तयार करण्यापर्यंत. आमच्या मते, त्यानुसार कंपनीचा दृष्टिकोनही बदलायला हवा: कमी लक्ष्य ठेवा, जास्त कृती करा. कंपनी प्रोटोटाइप बनवू शकते, निरीक्षण करू शकते, पटकन शिकून दिशा बदलू शकते आणि पुन्हा प्रोटोटाइप तयार करू शकते. प्रोटोटाइप सहज बनवता आल्याने⁠(नवीन विंडोमध्ये उघडेल) कंपन्यांचा भर सखोल नियोजनाधारित उत्पादनाला आधार देणाऱ्या व्यवस्थांवरून हळूहळू कमी व्हायला हवा.

याचे सर्वांत साधे रूप म्हणजे अधिक वेगाने सुधारणा करत जाणारे पथक. अधिक मूलगामी अर्थ घेतला, तर पथकाच्या गरजेवरच प्रश्न उभा राहतो. एकत्रित नियोजनाचे महत्त्व कमी झाले आणि एकमेकांपासून स्वतंत्र, विविध कल्पनांचे महत्त्व वाढले, तर जलद सुधारणा करणारे एक पथक चांगले की स्वतःचे चालणारे प्रोटोटाइप सादर करणाऱ्या अनेक व्यक्ती? कामाची व्याप्ती सांगणाऱ्या कोणत्याही दस्तऐवजापेक्षा प्रत्यक्ष प्रोटोटाइप संकल्पना अधिक चांगली पोहोचवत असेल, तर आपल्या संवादपद्धती बदलतील का: अधिक गोष्टी लवकर वाटून घेणे आणि निवेदनांऐवजी प्रत्यक्ष निर्मिती दाखवणे?

निर्मिती स्वस्त झाल्यामुळे कंपनीत व्यक्तींना अधिक महत्त्व मिळू शकते. याचा अर्थ मधल्या व्यवस्थापनाचे कमी स्तर आणि परवानगी मागण्याची कमी गरज. कारण पूर्वी प्रत्यक्ष करण्यापेक्षा विचारणे स्वस्त होते; आता तसे राहिलेले नाही.

असे असले, तरी पुढे आपण पाहणार आहोत त्याप्रमाणे, व्यक्तींना कमी जोखमीने प्रोटोटाइप तयार करण्याचे सामर्थ्य देणारे हेच तंत्रज्ञान लालफीतशाहीही वाढवू शकते.

वरिष्ठ अधिकारी कनिष्ठ कर्मचाऱ्यांपेक्षा अधिक चांगले व्यवसायविषयक निर्णय⁠(नवीन विंडोमध्ये उघडेल) घेतात, हा विश्वास कंपन्यांत वरून खाली चालणारी व्यवस्थापनपद्धती असण्याचे एक प्रमुख कारण आहे. सर्वोच्च पदांवरील अत्यंत सक्षम, अनुभवी लोकांना कंपन्या अधिक वेतन देतात. व्यवस्थापकांना अनेकदा व्यवसायधोरणाचे प्रशिक्षण असते, तर स्वतंत्रपणे काम करणारे कर्मचारी आपापल्या क्षेत्रात तज्ज्ञ असतात. AI ने सर्व कर्मचाऱ्यांना उत्कृष्ट सल्ला दिला, तर निर्णयांच्या गुणवत्तेतील तफावत कमी होते. मग व्यवस्थापकांना हस्तक्षेप करण्याची गरज कमी उरेल. यामुळे कर्मचाऱ्यांची स्वायत्तता वाढेल आणि कदाचित व्यवस्थापनाचे स्तरही कमी होतील.

त्याचप्रमाणे, “AI सल्लागार संस्था” वरिष्ठ अधिकाऱ्याला सूचना दिल्याशिवाय फार मोठे परिणाम घडवणारी कोणतीही गोष्ट होऊ नये, याची खात्री करते. एखादा कर्मचारी कंपनीवर गंभीर परिणाम करणारा ब्लॉगलेख प्रसिद्ध करणार असेल, तर ही संस्था स्वतःहून वरिष्ठ अधिकाऱ्याचे लक्ष त्याकडे वेधेल. यातून विश्वास निर्माण होतो: आपल्या नकळत मोठ्या चुका होतील, याची व्यवस्थापनाला काळजी करण्याची गरज उरत नाही. त्यामुळे कर्मचाऱ्यांच्या कामाच्या पद्धतीवर इतके कडक नियंत्रण⁠(नवीन विंडोमध्ये उघडेल) ठेवावे लागत नाही.

पण AI सल्लागार संस्था ही दुधारी तलवार⁠(नवीन विंडोमध्ये उघडेल) आहे. समजूतदार देखरेख करून ती कर्मचाऱ्यांवरील विश्वास वाढवू शकते; पण मुख्य कार्यकारी अधिकाऱ्याच्या पसंतीच्या कार्यपद्धतीची संपूर्ण संस्थेत अधिक कठोर अंमलबजावणीही करू शकते. कंपन्या सुसंगतीला⁠(नवीन विंडोमध्ये उघडेल) महत्त्व देतात: केवळ चांगला निर्णय नव्हे, तर कंपनीची संस्कृती, व्यावसायिक प्रतिमा आणि मोठ्या प्रमाणातील कामामुळे होणारी बचत यांना अनुकूल निर्णय. एखाद्या रेस्टॉरंट चेनला सर्व शाखांमध्ये समान खाद्यसूची हवी असेल, जेणेकरून साहित्य घाऊक प्रमाणात मागवता येईल आणि ग्राहकांना सर्वत्र एकसारखे पदार्थ मिळतील.

याच संदर्भात, कंपनीच्या प्रमुखांचे आणि कर्मचाऱ्यांचे हितसंबंध नेहमीच जुळतात असे नाही. कर्मचारी आपल्या कार्यक्षेत्राच्या यशासाठी⁠(नवीन विंडोमध्ये उघडेल) प्रयत्न करतात, तर वरिष्ठ अधिकारी संपूर्ण कंपनीचा विचार करतात. वेतनावर काम करणाऱ्यांपेक्षा भागधारकांच्या पसंती वेगळ्या असतात, कारण अधिक मेहनतीची फळे त्यांना मिळतात⁠(नवीन विंडोमध्ये उघडेल). वरून ठरवून दिलेल्या विशिष्ट कार्यपद्धतींचे अधिक काटेकोर पालन ही सल्लागार संस्था करवून घेऊ शकते.

आमच्या मते, एकंदर कर्मचाऱ्यांचे निर्णयस्वातंत्र्य वाढेल. कंपन्या AI चा वापर गंभीर परिणाम करणाऱ्या अपवादांकडे लक्ष वेधण्यासाठी करतील आणि अधिक निर्णय कर्मचाऱ्यांवर सोपवतील, या अपेक्षेवर आमचा आशावाद आधारलेला आहे.

आम्हाला वाटते, AI आधार देणाऱ्या चौकटीसारखे काम करेल. वरिष्ठांना कंपनीची प्रतिमा सुसंगत ठेवायची असली, तरी ती फक्त काम करताना पाळायची एक मर्यादा असेल. कर्मचाऱ्यांना व्यवसायातील मर्यादांची अधिक चांगली जाणीव होईल आणि त्या वगळता इतर बाबतींत सर्जनशील प्रयोग करण्यासाठी अधिक संरक्षण मिळेल. महत्त्वाच्या जोखमींची खबरदारी घेतलेली असल्याने वरिष्ठ अधिकारी कर्मचाऱ्यांना नफा मिळवून देऊ शकणारे नवे मार्ग आजमावू देतील. आपल्या हाताखालच्या AI सहायकांच्या मदतीने कर्मचारी अधिक भरीव कामाच्या निष्पत्तीसाठीही जबाबदार असतील. अधिक गुंतागुंतीच्या कामाचे नेतृत्व करताना सर्जनशीलतेच्या अधिक संधी मिळतील, असे आम्हाला वाटते.

कर्मचाऱ्यांच्या स्वायत्ततेविषयीचा हाच तर्क कंपनीच्या आकारालाही लागू होतो. करारांच्या जाळ्याद्वारे उत्पादन करण्याऐवजी आपण ते कंपन्यांमध्ये का करतो, असा प्रश्न रोनाल्ड कोस⁠(नवीन विंडोमध्ये उघडेल) यांनी विचारला होता. केवळ परस्पर थेट करार करून एखादे विमानही बांधता येईल; पण ती पद्धत अत्यंत अकार्यक्षम ठरेल. कंपन्या मोठ्या प्रमाणावर काम करून बचत साधतात, हितसंबंध जुळवतात, मोठ्या प्रकल्पांचे आयोजन करतात आणि सतत वाटाघाटी करण्याची गरज दूर करतात.

संवाद सुलभ करून AI मोठ्या किंवा लहान कंपन्या अधिक व्यवहार्य ठरवू शकते. पारंपरिक कंपनी ही माहिती वर पाठवणारी आणि सूचना खाली पोहोचवणारी यंत्रणा आहे. त्यात अनेक अडथळे असतात आणि एका स्तरावरून दुसऱ्यावर जाताना संदेश बदलत जातात. AI ने समन्वयाचा स्तर म्हणून काम केले, तर (अधिक मानवी कर्मचारी असलेली) मोठी कंपनी सांभाळणे सोपे होते. “AI सल्लागार संस्थेच्या” मदतीने एखादी वरिष्ठ अधिकारी आपल्या कंपनीला तितक्याच बारकाईने ओळखू शकते, जितके एखादा संस्थापक आपल्या वीस जणांच्या नवउद्योगाला ओळखतो. उपक्रमाचा तिमाही अहवाल येण्याची वाट पाहण्याऐवजी ती त्याची अंमलबजावणी पाहू शकते आणि काही घडल्यास तिला लगेच सूचना मिळू शकते. तिचा दृष्टिकोन अधिक व्यापकपणे रुजू शकतो. इतर जण काय करत आहेत आणि संस्थेचे एकूण प्राधान्यक्रम काय आहेत, याची प्रत्येकाला अधिक जाण असते.

याच्या उलटही घडू शकते. संवादात अडथळे नसतील आणि अटींचे पालन तपासणे सोपे असेल, तर कंपनीला पुरवठा साखळीतील इतकी कामे स्वतःकडे ठेवण्याची गरज उरणार नाही. कंपनी बाहेरील पुरवठादार आणि कंत्राटदारांवर अधिक विश्वास ठेवू शकेल.

पुरवठा साखळीतील वेगवेगळे टप्पे एकाच कंपनीत आणण्यामागील एक प्रमुख हेतू म्हणजे हितसंबंध जुळवणे. यात अपूर्ण करारांची⁠(नवीन विंडोमध्ये उघडेल) संकल्पना महत्त्वाची आहे. एखादी विमान-अवकाश कंपनी जेट इंजिन कंपनीशी करार करू शकते. पण करारात स्पष्टपणे आवश्यक न ठरवलेल्या प्रत्येक बाबतीत खर्च वाचवून स्वतःचा नफा जपणे जेट इंजिन कंपनीच्या फायद्याचे असते. हे टाळण्यासाठी विमान-अवकाश कंपनी जेट इंजिन कंपनी विकत घेते. कर्मचारी आणि वरिष्ठ यांच्या बाबतीत जे लागू होते, तेच इथेही: करारांचे पालन अधिक चांगले तपासता आले आणि वादांचा निवाडा केवळ नियमांच्या चौकटीत न करता समजूतदारपणे झाला, तर कंपन्या इतर कंपन्यांवर अधिक निर्धास्तपणे अवलंबून राहू शकतील. सर्व काही कंपनीतच करण्याची गरज कमी होईल.

आमच्या मते, अनेक लहान कंपन्या उदयास येतील; पण त्याचबरोबर प्रचंड विस्तारलेल्या AI “धारक कंपन्या”ही असतील, ज्यांत एकाच उद्योगाच्या छत्राखाली असंख्य वेगवेगळे प्रकल्प चालतील. सर्व प्रकल्प वापरू शकतील अशी एखादी सामायिक असेट असेल, तर विविध व्यवसायांचा समूह किफायतशीर ठरतो. ही सामायिक मालमत्ता संगणनक्षमता असू शकते; मात्र संगणनक्षमता गरजेनुसार थोड्या प्रमाणातही सहज मिळवता येते. सामायिक कारखाना किंवा रोबोटचा ताफा हे अधिक सबळ कारण ठरते.

मोठी “होल्डिंग कंपनी” उभारण्याचे समर्थन परस्परपूरक हितसंबंधांच्या आधारेही करता येते. AI प्रणाली आणि भांडवल यांची मोठी संस्था एखाद्या सामायिक ध्येयासाठी—उदाहरणार्थ, कर्करोगावर उपचार शोधण्यासाठी—पूर्णपणे समर्पित असेल, तर स्वतंत्र लहान उपक्रमांची गरज कमी होते. एखादी AI कंपनी सत्तासंघर्ष टाळू शकेल, सर्व माहिती वाटून घेऊ शकेल आणि वेगवेगळे मार्ग तपासण्यासाठी गरजेनुसार आपल्या एजंटमध्ये सर्जनशील विविधता निर्माण करू शकेल.

आजच्या व्यवस्थेने सरस कामगिरी करणाऱ्या कर्मचाऱ्यांना पुरस्कृत करणे अपेक्षित आहे. ते पदक्रमात वर चढतात आणि त्यांना अधिक मोबदला मिळतो. पण उत्कृष्ट सल्लागार मॉडेल उपलब्ध असलेल्या जगात कर्मचारी आपले वेगळेपण कसे सिद्ध करतील?

AI ने सर्वांनाच तीच उत्तम कल्पना दिली, तर वेगळेपण दाखवण्याच्या संधी कमी होतील. त्यामुळे वेतनश्रेणी संकुचित झाली पाहिजे.

या संकुचिततेला विरोध करणारे घटक म्हणजे निर्णयक्षमता, अभिरुची आणि कार्यव्याप्ती. आपल्यापैकी प्रत्येकजण आपल्या हाताखालच्या AI कंपन्यांचे नेतृत्व करत असेल, तर उरणारे मानवी मूल्य म्हणजे आपली निर्णयक्षमता. प्रत्येक व्यक्ती आपल्या हाताखालील अधिक व्यापक कामासाठी जबाबदार असेल, तर योग्य आणि अयोग्य निर्णयांमधला फरक अधिक ठळकपणे जाणवेल⁠(नवीन विंडोमध्ये उघडेल).

संघटनात्मक रचनेतील सर्वोच्च पदांना आपण हा तर्क फार पूर्वीपासून लावत आलो आहोत. वरिष्ठ स्तरावर किंचित अधिक चांगले निर्णय घेतले, तरी नफ्यावर मोठा परिणाम होऊ शकतो, या विचाराने आपण मुख्य कार्यकारी अधिकाऱ्यांच्या वेतनाचे⁠(नवीन विंडोमध्ये उघडेल) समर्थन करतो. काही कर्मचारी दुर्मीळ संसाधनांचा वापर करण्यासाठी आपल्या हाताखालच्या AI कंपन्या अधिक चांगल्या प्रकारे सांभाळत असतील, तर वेतनातील विषमता वाढू शकते.

जेवढे जास्त पणाला लागलेले असते, तेवढा इतरांपेक्षा तुमचा असलेला छोटासा फायदा तुमच्या पगारात अधिक स्पष्टपणे दिसून येतो. याउलट, AI प्रत्येकाला चांगला सल्ला देईल. कमी फरकामुळे पगाराचे वितरण संकुचित होते.

इथे आणि इतर बाबतींतही कोणता प्रभाव वरचढ ठरेल, हे कदाचित आपण प्रामुख्याने स्वतः निर्णय घेतो की मिळालेल्या निर्णयानुसार चालतो, यावर अवलंबून असेल.