Masa depan firma

Nota pengarang: Ini esei kedua dalam siri kami tentang ekonomi masa depan, sebahagian daripada platform baharu untuk mengehoskan suara bebas yang meneroka masa depan AGI. Esei ini mencerminkan pandangan kami, bukan pandangan OpenAI atau rakan sekerja kami.

Kami berdua berusia dua puluh empat tahun ketika mula mengurus pasukan sendiri di OpenAI. Pencapaian itu kurang mengagumkan sebaik sahaja anda mengenali pasukan kami.

Sepatutnya kamilah yang membuat kerja remeh. Pada usia dua puluh empat tahun, anda berada di anak tangga terbawah hierarki korporat. Anda mencatat nota mesyuarat dan menulis beberapa memo. Selepas bertahun-tahun melakukan kerja membosankan, barulah anda diberikan tanggungjawab lebih luas, itulah harapannya.

Laluan kami—dan laluan ramai orang muda hari ini—nampaknya berbeza. Kami memasuki alam pekerjaan dengan “pekerja” yang sudah sedia menerima arahan kami. Pembantu ini bekerja siang dan malam, pada hujung minggu dan hari cuti. Mereka sangat cekap melakukan kerja remeh. Malah, kami mempunyai pemenang pingat emas sukan olimpik matematik dalam pasukan untuk menasihati kami. Orang bawahan baharu kami masih melakukan kesilapan. Namun, mereka semakin cekap dan semakin memahami keperluan kami, sementara kami belajar mengurus mereka.

Kami berdua tidak mendaki tangga korporat. Sebaliknya, peranan pengurusan turun ke anak tangga kami. Esei ini membincangkan kenaikan pangkat kami dan cara lain firma mungkin menyusun semula organisasi apabila kita memasuki zaman kecerdasan.

Apabila AI memasuki firma, di manakah tempatnya? Kami mengemukakan tiga senario sebagai gambaran:

Tiada senario ini akan berlaku tepat seperti yang kami huraikan, tetapi kami menjangka sebahagian daripada ketiga-tiganya akan menjadi kenyataan. Ketiga-tiganya sudah pun berlaku secara halus.

Tumpuan kami di sini bukan automasi menyeluruh, tetapi ekonomi dalam peralihan. Kami ingin meneroka bentuk firma campuran manusia dan AI apabila AI semakin maju dan menyerap masuk ke dalam organisasi sedia ada.

Kami percaya konsep firma hibrid penting kerana penerapan AI secara produktif tidak berlaku serta-merta. Apabila model hanya mampu melakukan sebahagian tugas, penerapannya mungkin paling mudah dipelopori pekerja peringkat bawahan yang memahami kerja tersebut. Apabila model mampu menjalankan fungsi luas dari awal hingga akhir, pihak atasan boleh menggunakannya secara langsung. Pada pandangan kami, AI yang lebih berkeupayaan lebih mudah diterapkan: firma perlu mempelajari teknologi, tetapi tenaga kerja mempelajari firma dan boleh menyesuaikan diri sendiri.

Kami akan meneliti tiga kelas baharu carta organisasi, kemudian mengkaji implikasinya terhadap birokrasi, kuasa bertindak pekerja, saiz firma dan jurang gaji pada masa depan.

Senario pertama kami kelihatan paling kurang mengganggu keadaan sedia ada. Di sini, manusia kekal dalam jawatan dan barisan pelaporan yang sama, pada zahirnya menjalankan kerja yang sama seperti dahulu. Carta organisasi manusia pada masa depan ini kelihatan sama seperti hari ini.

Perbezaannya terletak di bawah kita. Di bawah setiap penyumbang individu, tenaga kerja AI baharu melapor kepada kita masing-masing. Carta organisasi kita mendapat tingkat bawah tanah, dan kita semua menjadi pengurus.

Pada mulanya, tingkat bawah tanah ini belum siap. Kita bermula dengan satu atau dua ejen seorang, yang lebih menyerupai pelatih bersemangat daripada pekerja berpengalaman, dan perlu diselia serta mudah dimaafkan. Jangkaan kita rendah: hantar e-mel, sediakan draf memo dan balas mesej Slack di sana sini. Seperti pekerja manusia junior, mereka bermula dengan sedikit autonomi dan kepercayaan.

Namun, apabila model bertambah baik, ejen kita mengambil alih lebih banyak tugas dengan kurang penyeliaan. Mereka menyelaraskan kerja sesama sendiri. Mungkin ada AI pengurus dan AI pelaksana, akauntan dan peguam, semuanya bekerjasama mengikut arahan anda. Daripada membimbing pelatih langkah demi langkah, operasi anda akhirnya menyerupai sebuah firma kecil tersendiri, dengan carta organisasinya sendiri dan anda sebagai lembaga pengarahnya.

Perhatikan bahawa senario ini tidak semestinya membawa kepada pemberhentian pekerja. Di sini kita menerapkan AI tanpa menggantikan diri sendiri dengan automasi. Sebaliknya, kita mengautomasikan diri kita yang lama, lalu naik dalam hierarki. AI mengambil alih semakin banyak kerja yang pernah kita lakukan. Pekerjaan kita kekal kerana ada lebih banyak perkara untuk diurus, dan kita bertanggungjawab terhadap jumlah hasil yang lebih besar.

Pekerjaan tidak statik⁠(dibuka dalam tetingkap baru). Katakan AI boleh melakukan sembilan puluh peratus kerja anda dahulu. Anda mungkin menyimpulkan bahawa hanya sepuluh peratus kerja itu tinggal untuk anda. Kemungkinan lain ialah anda masih menjalankan pekerjaan penuh, cuma pekerjaan yang berbeza—kini tertumpu pada matlamat sepuluh kali ganda lebih besar. Itulah manfaat klasik teknologi: produktiviti meningkat, cita-cita turut meningkat, dan gaji boleh naik⁠(dibuka dalam tetingkap baru) seiring cita-cita itu.

Semua ini bergantung pada sama ada kita masih menambah nilai⁠(dibuka dalam tetingkap baru) kepada pengeluaran. Esei ini menumpukan tahun-tahun mendatang apabila automasi belum mampu melakukan segala-galanya atau diterapkan di semua tempat. Walaupun AI mampu melakukan semuanya, kita mungkin tetap lebih menghargai sesuatu kerana dibuat oleh manusia, atau bertegas bahawa manusia mesti membuat keputusan akhir.

Hal ini juga bergantung pada keinginan kita untuk mendapatkan lebih banyak. Jika kita sebagai pengguna tidak mahukan hasil sepuluh kali ganda, keseimbangan akan beralih kepada kurang pekerja atau waktu kerja yang lebih singkat. Sepanjang sejarah, peningkatan hasil belum pernah memuaskan keinginan kita. Kita memiliki jauh lebih banyak⁠(dibuka dalam tetingkap baru), tetapi masa bekerja hanya sedikit berkurang⁠(dibuka dalam tetingkap baru). Jika keinginan kita terus bertambah apabila hasil berlipat ganda—dan kita masih menambah nilai kepada pengeluaran—kita akan memilih untuk terus menukar tenaga kerja kita dengan penggunaan yang lebih banyak. Sebaliknya, jika pengeluaran menjadi begitu melimpah hingga kita berpuas hati, kita mungkin memilih tenaga kerja yang lebih kecil.

Kami membincangkan bantahan lain kemudian, misalnya sama ada kita akan mempunyai lebih banyak firma yang lebih kecil. Kami tetap menganggap senario ini penting kerana penerapan perlu bermula di suatu tempat. Firma memerlukan cara untuk berkembang secara stabil daripada struktur organisasi semasanya. Memperkukuh kerja pekerja sedia ada mungkin langkah awal yang lebih mudah daripada penstrukturan semula menyeluruh. Kita melihatnya berlaku hari ini: semakin ramai pekerja menyerahkan tugas kepada AI, tanpa revolusi organisasi setakat ini.

Senario ini bergantung pada pekerja barisan hadapan menjadi yang pertama mengambil tenaga kerja AI. Pekerja peringkat bawahan—bukan pengurus dan eksekutif—menerajui penerapan AI. Itu nampaknya mungkin, selagi orang yang paling pandai mengarahkan AI melakukan sesuatu kerja ialah orang yang dahulu melakukannya sendiri.

Model sudah boleh mengautomasikan banyak tugas sains data, tetapi ketua jabatan yang tidak memahami kaedah dan butirannya akan sukar memanfaatkan alat tersebut. Sehingga AI cukup proaktif untuk memberitahu anda perkara yang anda tidak tahu (lihat senario seterusnya), AI mungkin paling berkesan bagi mereka yang sudah memahami cara kerja itu dilakukan.

Perubahan terbesar dalam senario ini melibatkan pekerja peringkat permulaan. Anak tangga terbawah tidak lagi wujud, sekurang-kurangnya bagi manusia. Apabila kita mengambil pekerja muda, tujuannya bukan untuk menempatkan mereka di peringkat terbawah firma yang sarat kerja membosankan. Jawatan itu akan diisi oleh sesuatu yang tidak kisah melakukannya.

Dengan itu, kita kehilangan beberapa cara tradisional mendidik pekerja muda: perantisan⁠(dibuka dalam tetingkap baru), pembelajaran melalui kerja remeh dan pembuktian diri melalui pengalaman. Kerugian ini nyata, tetapi kami lebih melihat perubahan ini sebagai satu keistimewaan. Pekerja paling baharu yang mempunyai idea baik pun memiliki sumber untuk bereksperimen. Alasan paling lama di tempat kerja, kita memang tidak cukup tenaga kerja, semakin tidak relevan. Pekerja junior yang membayangkan permainan video hebat tetapi tidak dapat memperoleh kakitangan kini boleh terus membinanya.

Pada pandangan kami, senario “kenaikan pangkat” ini masih menawarkan banyak perkara untuk dipelajari pekerja junior—pertimbangan, cita rasa, kemahiran pengurusan dan visi kreatif. Kita akan terdorong mengasah kemahiran ini kerana kesannya terlihat pada hasil kerja kita. Kita masih akan belajar melalui amalan⁠(dibuka dalam tetingkap baru), tetapi pada skop yang lebih luas. Pemimpin kanan firma masih terdorong membantu kita sebagai pembimbing yang bertanggungjawab, dengan pegangan ekuiti yang turut mendapat manfaat daripada kejayaan kita. Peluangnya ialah peranan yang lebih merangsang minda untuk semua orang di setiap peringkat. Mana-mana pekerja boleh menonjolkan bakat dengan tanggungjawab lebih luas, sesuatu yang paling bermakna bagi pekerja baharu yang sebelum ini tiada tanggungjawab sendiri.

Laluan kedua AI memasuki firma ialah dengan menyisip masuk ke dalam carta organisasi sedia ada. Di sini, ejen bukan penghuni lapisan terbawah, tetapi rakan sekerja. Pengurus tradisional menyerahkan sebahagian kerja pasukan kepada model seperti dia menyerahkan tugas kepada mana-mana pekerja. AI menempatkan dirinya di sisi manusia, bukan sekadar di bawah mereka.

Perbezaan utama daripada senario pertama: di sini, AI produktif diterapkan oleh pengurus manusia sedia ada, bukan hanya pekerja yang kini tidak memegang peranan pengurusan. Untuk itu, AI mesti cukup cekap untuk menjadi ahli pasukan sepenuhnya.

Manusia berkebolehan serba boleh. Tukul membantu dengan satu tugas; manusia melakukan jauh lebih banyak. Perjalanan AI daripada alat kepada tenaga kerja melibatkan peluasan skop: mengautomasikan tugas, kemudian pekerjaan, kemudian pasukan dan akhirnya firma. Setiap peluasan skop memerlukan kecekapan yang lebih luas.

Satu pekerjaan ibarat beg pakaian yang penuh dengan pelbagai tugas. Bagi seluruh pasukan, beg itu padat dengan bermacam-macam jenis kerja. Lebih banyak tugas dalam skop bermakna lebih banyak kemungkinan hambatan. Jika satu tugas penting pasukan pun melibatkan kerja fizikal, satu set peranti persisian yang baharu diperlukan. Untuk terus menggantikan seluruh pasukan, AI mesti mampu melaksanakan semua tanggungjawabnya yang pelbagai.

AI yang mampu mengendalikan skop lebih besar lebih sukar dibina. Namun bagi firma—dan inilah ketidakseimbangan utama dalam seluruh peralihan ini—skop lebih besar lebih mudah diterapkan.

Pasukan atau fungsi luas yang diautomasikan dari awal hingga akhir boleh diterapkan terus oleh eksekutif. Alat dengan keupayaan lebih terhad tidak semudah itu dilaksanakan melalui arahan pihak atasan. Alat yang lebih ringkas bergantung pada penerimaan meluas dan latihan semula tenaga kerja.

Secara tradisinya, teknologi baharu mengurangkan kos pelaksanaan sekumpulan tugas yang terhad. Kemudian, beban beralih kepada pembeli. Firma mesti mencari cara memanfaatkan alat baharu itu, serta melatih semula pekerja, menyusun semula organisasi dan membina semula prosesnya⁠(dibuka dalam tetingkap baru) agar sesuai dengannya. Perisian hamparan tidak menempatkan dirinya sendiri dalam jabatan perakaunan—jabatan perakaunanlah yang mengubah cara kerjanya mengikut perisian itu.

Tenaga kerja pula sebaliknya. Pelatih, pekerja dan pasukan yang baik mencari cara untuk membantu anda. Mereka menyoal anda, menyerap konteks anda dan mengenal pasti keperluan anda. Mereka memberitahu anda perkara yang anda sendiri tidak sedar anda tidak tahu. Tenaga kerja terbaik menyesuaikan diri sendiri.

Semakin AI menyerupai tenaga kerja dalam hal ini, dengan inisiatif dan kebolehsuaian, semakin kurang firma perlu belajar cara memanfaatkannya, dan semakin AI sendiri mencari cara untuk membantu firma. Seorang eksekutif mungkin tidak mahu mengikuti kuliah asas perisian reka bentuk untuk mempelajari alat baharu. Namun, dia tentu tertarik dengan tawaran seperti: beri sahaja arahan, saya akan sediakan seluruh fungsi pemasaran anda.

Terlalu kerap kita menganggap matlamat terunggul AGI ialah mengautomasikan satu pekerjaan. Memang benar, kita belum pun mencapainya. Pekerjaan begitu rumit kerana keupayaan kita begitu mengagumkan. Namun begitu, sangat sedikit⁠(dibuka dalam tetingkap baru) hasil ekonomi kita datang daripada pekerja yang bergerak sendiri. Pekerjaan produktif menyumbang kepada pasukan, pasukan menyumbang kepada firma, dan firma menghasilkan hampir semua yang kita gunakan.

Penanda aras “pekerjaan” untuk AGI tidak cukup mengiktiraf keupayaan kita sebagai manusia. Kerja bukan sekadar melaksanakan tugas, malah bukan sekadar mengendalikan perkara di luar rutin: kerja kita juga melibatkan penyelarasan luar biasa dan kebolehsuaian untuk menyumbang bahagian kecil kepada hasil lebih besar. Menganggap kita sekadar himpunan tugas amat merendahkan nilai sebenar kita. Keupayaan manusia lebih terletak pada organisasi kita⁠(dibuka dalam tetingkap baru) daripada individu. AGI ekonomi mesti mencapai tahap sekumpulan manusia, bukan seorang manusia.

Oleh itu, senario “penyisipan” mungkin agak tidak cekap jika AI masih menyerupai alat atau pekerja, bukannya pasukan atau firma. Model yang disisipkan di sisi setiap pekerja bermakna seribu titik pertemuan dan serahan tugas⁠(dibuka dalam tetingkap baru). Susunan yang terpisah-pisah ini mungkin melambatkan penerapan.

Kami melihat persaingan antara pelaksanaan awal yang kurang berkeupayaan dengan model kemudian yang lebih berkeupayaan. Pemenangnya bergantung pada sama ada model masa depan dapat diterapkan begitu cepat sehingga mengatasi masa tambahan untuk mencapai kecekapan itu.

Senario “penyisipan” ini boleh wujud bersama senario pertama, “kenaikan pangkat”. Kita mungkin melihat firma mengurangkan tenaga kerja manusia apabila AI mengautomasikan fungsi tertentu, sementara manusia yang kekal menerima mandat jauh lebih luas dengan bantuan tenaga kerja ejen mereka. Yang penting, senario ini sahaja tidak semestinya bermakna jumlah keseluruhan pekerjaan manusia akan berkurang. Kita mungkin mempunyai lebih banyak firma, masing-masing dengan kurang pekerja.

Senario ketiga kami paling membingungkan. Di sini, AI memasuki firma di atas manusia. Susunannya bukan lagi manusia di atas mesin, tetapi manusia, AI, manusia: sandwic automasi. Sesetengah orang “melapor” kepada AI.

Kedengarannya sukar dibayangkan, terutama sebagai titik permulaan penerapan AI dalam firma. Namun, kami berpendapat perkara ini sudah bermula dalam bentuk yang kurang radikal.

Walaupun kita melihat AI sebagai pengautomasian kerja kognitif, kita cenderung menumpukan perhatian pada peringkat bawahan. Biasanya kita mengatakan AI mengautomasikan hamparan dan set slaid, bukan pengurusan. Secara naluri, kita menganggap automasi mendaki hierarki: kerja kognitif remeh dahulu, pertimbangan kemudian, dengan pengurus sebagai benteng terakhir.

Namun, sebahagian besar kerja pengurus berlaku pada komputer dan dalam fikiran: membaca, bermesyuarat, menimbang pilihan, mengingati konteks dan membuat keputusan. Kehadiran fizikal tetap bernilai, seperti meninjau ruang pejabat dan berada bersama kakitangan. Namun, kerja peringkat bawahan, walaupun sebahagian besarnya bersifat kognitif, lebih banyak melibatkan benda fizikal dan alat berbanding kerja pengurusan. Pelatihlah yang disuruh ke mesin fotokopi, bukan bosnya.

Pembuatan keputusan pengurusan sukar diajar kepada model kerana kejayaan tidak jelas takrifnya dan diukur dalam jangka masa panjang. Atas sebab yang serupa⁠(dibuka dalam tetingkap baru) juga menjadikan latihan pengurus manusia yang baik sukar. Kita belum tahu sejauh mana model cekap dalam pengurusan. Kita mempunyai banyak penilaian untuk kerja kognitif berfokuskan pelaksanaan, tetapi hanya sedikit yang menilai penyelarasan berskala besar pada skop pengurus dan eksekutif.

Namun, wajar dipertimbangkan bahawa keupayaan model hari ini mungkin sebenarnya lebih hampir kepada pengurus manusia berbanding pekerja peringkat bawahan. Sesetengah fungsi pengurusan mungkin diautomasikan sebelum kerja yang diselianya.

Mungkin bentuk penuh senario “pelapisan” ini ialah AI yang melakukan kerja berfikir, kemudian mengisi jurang keupayaannya dengan kontraktor manusia yang melapor kepadanya. Dunia itu terasa agak asing bagi kita. Banyak perkara perlu berubah.

Namun, ada bentuk yang berkembang lebih semula jadi, dan langkah awalnya sudah bermula: memberikan nasihat. Hari ini, eksekutif boleh meminta ChatGPT membaca ratusan saluran Slack, dokumen, surat dan fail kod dari seluruh syarikatnya, kemudian menjawab soalan. Apakah sebenarnya kerja pasukan ini? Di manakah kelemahan itu muncul? Setiap bahagian organisasi semakin mudah diteliti dan difahami⁠(dibuka dalam tetingkap baru) olehnya.

Eksekutif sudah lama menyisipkan orang tengah upahan ke dalam carta organisasi—mereka menamakannya khidmat perundingan. Firma perunding pengurusan menambah lapisan di atas anda, buat sementara waktu dan dengan bayaran mahal. Pada masa depan, perunding AI mungkin berharga amat rendah dan sentiasa hadir.

Model baru mula mampu meneliti dan memahami dokumen serta komunikasi firma dengan andal. Cita rasa dan sikap proaktifnya masih perlu dimatangkan. Buat masa ini, ChatGPT membantu eksekutif yang bersungguh-sungguh memahami organisasinya dengan lebih terperinci. Kami menjangka AI akhirnya menjadi perunding yang menawarkan khidmat menyeluruh. AI bukan “pengurus” sebenar pekerja bawahan, tetapi pelapor dalaman dan penasihat kepada eksekutif. AI akan menggunakan kepakaran perniagaan untuk meneliti segala-galanya, mengenal pasti masalah secara proaktif dan membantu menentukan keutamaan tindakan.

Sama ada hal ini membawa manfaat atau mudarat bergantung pada eksekutif tersebut. Kesan terhadap struktur ialah pemusatan. Kami melihat hal ini merapatkan jarak antara barisan eksekutif tertinggi dengan operasi sebenar syarikat. Lebih banyak kuasa tertumpu di atas, sedangkan dahulu halangan aliran maklumat lebih memihak kepada pembuatan keputusan yang tersebar.

Kami menganggap senario ini amat penting, bukan sahaja kerana perubahan kuasa yang dibawanya, tetapi juga kerana AI sebagai perunding begitu mudah diterapkan. Seperti perundingan tradisional, perunding AI tidak memerlukan eksekutif mempunyai kemahiran teknikal. Ini bukan seperti komputer, yang penerapannya bermula dari bawah oleh sesiapa yang tahu menaip dan menggunakan terminal. Anda hanya bercakap dengan perunding anda, dan AI itu mengendalikan hal teknikal. Gelombang penerapan ini boleh bermula dari pejabat eksekutif tertinggi. Perunding itu seterusnya boleh mempercepat penerapan AI di seluruh organisasi.

Satu sebab utama firma kurang mempercayai kerja jarak jauh dan kerja kontrak: keupayaan memastikan kewajipan dipenuhi. Firma tidak pernah mempunyai cara murah untuk memerhati pelaksanaan kerja dengan segala perinciannya yang wajar diambil kira. Jadi, mereka mengukur lakonan bekerja⁠(dibuka dalam tetingkap baru): bilangan klik, gerakan tetikus, titik status hijau—petunjuk yang jauh terpisah daripada persoalan sama ada kerja yang baik benar-benar dilakukan.

AI menawarkan pemantau yang memahami. AI boleh meneliti hasil seseorang dan mengenal pasti kemajuan sebenar ke arah matlamat yang lebih besar. Seperti yang kami terokai dalam bahagian seterusnya, sebarang bentuk pengawasan baharu tidak boleh dilaksanakan tanpa pertimbangan teliti⁠(dibuka dalam tetingkap baru). Namun, dalam keadaan yang sesuai, hal ini boleh meningkatkan kepercayaan dan mendorong firma memberi pekerja lebih kebebasan.

Jika pemantau memahami pelbagai laluan berbeza yang boleh menghasilkan kerja yang baik, pekerja lebih bebas bekerja mengikut cara pilihan mereka. Kemajuan ke arah hasil yang baik akan lebih diutamakan berbanding satu kaedah tetap yang mudah dijejak oleh bos. Pemantau pintar memberikan fleksibiliti dan mengenakan akibat terhadap produktiviti pura-pura yang kita semua benci.

Manfaat yang ditawarkan menyerupai syarikat insurans yang mengurangkan premium jika anda memasang penjejak dalam kereta. Jika anda cuba mempermainkan sistem, hal ini merugikan anda; jika anda sekadar menjalankan tugas, pemantau boleh membuktikan kejujuran anda dan pihak pengurusan lebih mempercayai anda.

Kepercayaan itu membuka peluang baharu. Kita mungkin melihat kesediaan baharu⁠(dibuka dalam tetingkap baru) dalam kalangan firma yang sebelum ini keberatan menerima kerja hibrid, pemikir luar kebiasaan, kontraktor atau pekerja cemerlang di negara jauh.

Pekerja peringkat bawahan menghadapi banyak masalah dengan carta organisasi hari ini. Amat melemahkan semangat apabila masalah yang kita saksikan sendiri tidak dapat disampaikan kepada pihak atasan. Tidak adil apabila kita terperangkap di bawah pengurus yang tidak berkesan, atau menghasilkan kerja cemerlang yang tidak diiktiraf.

Kami melihat gelombang pengoptimuman perniagaan melampau yang lalu dibina atas data terhad, panduan kasar dan algoritma yang tidak pintar. Jika anda hanya mampu memproses nisbah gear, semua orang akan kelihatan seperti roda gigi. Firma sudah lama menghadapi masalah mengukur sumbangan tenaga kerjanya. Pemantau pintar boleh mengenal pasti sumbangan bernilai dan pendekatan unik yang terlepas daripada metrik kasar hari ini.

Berpandukan ketiga-tiga gambaran senario tadi, kami kini meneroka beberapa persoalan yang akan menentukan masa depan firma.

Membina sesuatu lazimnya agak mahal. Aplikasi, filem, set slaid, ciri, analisis: semuanya mahal, memakan masa dan memeritkan untuk dibuat semula. Apabila peluang anda pada dasarnya hanya sekali, anda meluangkan banyak usaha untuk memastikan sasaran tepat. Kitaran perancangan, sesi rasmi pelan hala tuju dan jawatankuasa kelulusan semuanya bertujuan memastikan bahawa apabila firma akhirnya memberi lampu hijau, usaha itu berbaloi. Banyak semakan dalam hierarki kita wujud kerana pelaksanaan menuntut sumber yang berharga.

Di seluruh banyak bidang, AI menurunkan kos pembinaan secara mendadak—sekurang-kurangnya hingga peringkat prototaip, jika belum sampai ke hasil akhir. Kami percaya pendekatan firma juga patut berubah: kurangkan membidik, lebihkan mencuba. Firma boleh membina prototaip, memerhati, belajar dengan cepat, mengubah haluan dan membinanya semula. Pembinaan prototaip yang mudah⁠(dibuka dalam tetingkap baru) sepatutnya mendorong firma beransur-ansur meninggalkan struktur yang menyokong pengeluaran berintensifkan perancangan.

Bentuk paling mudah perubahan ini ialah pasukan yang mengulang uji dan menambah baik dengan lebih cepat. Dalam tafsiran lebih radikal, keperluan pasukan itu sendiri dipersoalkan. Jika perancangan bersama menjadi kurang penting dan kepelbagaian idea bebas lebih penting, adakah lebih baik mempunyai satu pasukan yang pantas mengulang uji, atau ramai individu yang masing-masing mengemukakan prototaip berfungsi sendiri? Jika prototaip sebenar menyampaikan visi lebih baik daripada mana-mana dokumen skop, adakah norma komunikasi kita akan berubah: berkongsi lebih banyak dan lebih awal, serta berkongsi hasil nyata, bukan memo?

Kos penghasilan yang rendah mungkin mendorong firma memberikan lebih peranan kepada individu. Ini bermakna kurang lapisan pengurusan pertengahan dan kurang keperluan meminta izin, kerana dahulu meminta izin lebih murah daripada bertindak, tetapi kini tidak lagi.

Namun, seperti yang akan kami bincangkan seterusnya, teknologi yang menguasakan individu membina prototaip dengan risiko lebih rendah juga boleh menguatkuasakan birokrasi yang lebih berbelit.

Antara sebab utama firma mengamalkan pengurusan dari atas ke bawah ialah kepercayaan bahawa eksekutif membuat keputusan berkaitan perniagaan⁠(dibuka dalam tetingkap baru) yang lebih baik daripada pekerja junior. Firma membayar lebih untuk pekerja berpengalaman yang sangat cekap di peringkat atasan, dan pengurus sering dilatih dalam strategi perniagaan, manakala pekerja tanpa peranan pengurusan pengkhususan dalam bidang masing-masing. Jika AI memberikan nasihat cemerlang kepada semua pekerja, jurang kualiti pembuatan keputusan mengecil. Pengurus akan mempunyai kurang alasan untuk campur tangan. Ini akan meningkatkan autonomi pekerja dan berpotensi mengurangkan lapisan pengurusan.

Begitu juga, “perunding AI” memastikan tiada perkara berimpak besar berlaku tanpa memaklumkan eksekutif. Jika pekerja bakal menerbitkan catatan blog yang membawa kesan serius kepada syarikat, perunding itu akan memaklumkannya secara proaktif kepada eksekutif. Ini membina kepercayaan: pihak pengurusan tidak perlu bimbang masalah besar berlaku tanpa pengetahuan mereka, maka mereka tidak perlu mengawal begitu ketat⁠(dibuka dalam tetingkap baru) cara pekerja menjalankan tugas.

Namun, perunding AI ialah pedang bermata dua⁠(dibuka dalam tetingkap baru). Sebagai pemantau pintar, AI boleh meningkatkan kepercayaan terhadap pekerja; AI juga boleh menguatkuasakan cara kerja pilihan CEO dengan lebih tegas di seluruh organisasi. Firma menghargai keselarasan⁠(dibuka dalam tetingkap baru): bukan sekadar keputusan yang baik, tetapi keputusan yang serasi dengan budaya, jenama dan ekonomi bidangan syarikat. Rangkaian restoran mungkin memilih menu seragam di semua francaisnya supaya bahan boleh dipesan secara pukal dan pelanggan mendapat produk yang konsisten.

Berkaitan dengan itu, insentif bos firma tidak sentiasa selaras dengan insentif pekerja. Pekerja mengutamakan kejayaan domain⁠(dibuka dalam tetingkap baru) masing-masing, manakala eksekutif mengambil berat tentang firma secara keseluruhan. Pemilik ekuiti mempunyai keutamaan berbeza daripada pekerja bergaji kerana mereka meraih ganjaran⁠(dibuka dalam tetingkap baru) daripada usaha kerja yang lebih gigih. Perunding itu boleh menguatkuasakan pematuhan lebih ketat terhadap aturan khusus yang ditetapkan pihak atasan.

Pada pandangan kami, secara keseluruhannya pekerja akan memperoleh lebih kuasa bertindak. Optimisme kami bergantung pada firma menggunakan AI untuk menandai perkara luar biasa yang berimpak besar, sambil menyerahkan lebih banyak keputusan kepada pekerja.

Kami percaya AI akan bertindak sebagai kerangka sokongan—walaupun eksekutif mahu mengekalkan jenama yang selaras, hal itu hanya menjadi batas yang perlu dipatuhi ketika bekerja. Pekerja akan lebih memahami kekangan perniagaan yang berkenaan dan lebih terlindung untuk kreativiti dalam ruang yang tidak dihadkan kekangan itu. Dengan risiko utama terkawal, eksekutif boleh membenarkan pekerja mencuba pendekatan baharu yang berpotensi menguntungkan. Dengan bantuan AI di bawah kita, pekerja juga akan bertanggungjawab terhadap hasil yang lebih besar. Kami melihat lebih banyak peluang untuk kreativiti apabila mengarahkan kerja yang lebih kompleks.

Logik yang sama tentang autonomi pekerja turut terpakai kepada saiz firma. Ronald Coase⁠(dibuka dalam tetingkap baru) bertanya mengapa kita mengatur pengeluaran dalam firma, bukan melalui rangkaian kontrak. Pesawat pun boleh dibina sepenuhnya melalui kontrak antara pihak yang setara, tetapi caranya amat tidak cekap. Firma memperoleh ekonomi bidangan, menyelaraskan insentif, mengatur projek besar dan menghapuskan keperluan untuk tawar-menawar berterusan.

Dengan memudahkan komunikasi, AI boleh menjadikan firma lebih besar atau lebih kecil sama-sama munasabah. Firma klasik ialah prasarana untuk menyalurkan maklumat ke atas dan arahan ke bawah, penuh dengan halangan dan mesej yang berubah apabila disampaikan dari seorang ke seorang. Firma lebih besar, dengan lebih ramai pekerja manusia, lebih mudah diurus jika AI bertindak sebagai lapisan penyelarasan. Dengan “perunding AI”, seorang eksekutif boleh mengenali firmanya seperti seorang pengasas mengenali syarikat pemula dengan dua puluh pekerja. Dia boleh memantau pelaksanaan inisiatif tanpa menunggu laporan suku tahunan, dan menerima pemberitahuan jika apa-apa berlaku. Visinya boleh diterapkan dengan lebih meluas. Semua orang lebih mengetahui kerja orang lain dan keutamaan keseluruhan organisasi.

Namun, keadaan sebaliknya juga boleh berlaku. Jika komunikasi lancar dan pematuhan lebih mudah dipantau, firma tidak perlu mengendalikan begitu banyak bahagian rantaian bekalannya sendiri. Firma boleh lebih mempercayai pembekal dan kontraktor luar.

Salah satu dorongan utama integrasi menegak ialah menyelaraskan insentif. Ada konsep kontrak tidak lengkap⁠(dibuka dalam tetingkap baru)—syarikat aeroangkasa boleh membuat kontrak dengan syarikat enjin jet, tetapi bagi segala perkara yang tidak diwajibkan secara jelas dalam kontrak, syarikat enjin jet terdorong untuk berjimat secara berlebihan demi keuntungannya sendiri. Untuk mengelakkan hal ini, syarikat aeroangkasa itu membeli syarikat enjin jet tersebut. Sama seperti hubungan pekerja dengan majikan: jika kontrak lebih mudah dipantau dan pertikaiannya ditimbang tara secara bijak, bukan sekadar menyemak senarai syarat, firma mungkin lebih selesa bergantung pada firma lain. Keperluan untuk melakukan segala-galanya secara dalaman akan berkurang.

Kami menjangka akan wujud banyak firma lebih kecil, tetapi juga “syarikat pemegangan” AI yang luas, dengan banyak sekali projek berbeza dijalankan dalam satu perusahaan. Konglomerat menjimatkan kos apabila terdapat aset bersama yang dimanfaatkan oleh semua projek berbeza itu. Aset bersama ini boleh berupa kapasiti pengkomputeran, walaupun kapasiti itu mudah disediakan dalam jumlah kecil mengikut keperluan. Kilang atau armada robot yang dikongsi memberikan alasan lebih kukuh.

“Syarikat pemegangan” besar juga boleh diwajarkan oleh insentif yang selaras. Jika organisasi besar yang merangkumi AI dan modal menumpukan sepenuh usaha pada misi bersama—misalnya, menyembuhkan kanser—keperluan untuk inisiatif kecil yang berasingan berkurang. Firma AI boleh mengelakkan perebutan kuasa, berkongsi semua maklumat dan, apabila perlu, mewujudkan kepelbagaian kreatif dalam kalangan ejennya supaya pelbagai laluan diteroka.

Sistem hari ini sepatutnya memberikan ganjaran kepada pekerja cemerlang. Mereka naik pangkat dan menerima imbuhan lebih tinggi. Namun, dalam dunia dengan model penasihat yang hebat, bagaimanakah pekerja akan menyerlah?

Jika AI memberikan idea hebat yang sama kepada semua orang, peluang kita untuk menonjol akan berkurangan. Julat gaji sepatutnya mengecil.

Faktor yang menentang pengecilan ini ialah pertimbangan, cita rasa dan skop. Jika kita masing-masing memimpin firma AI di bawah kita, nilai manusia yang masih tinggal ialah keupayaan membuat keputusan. Jika setiap orang bertanggungjawab terhadap usaha yang lebih besar di bawahnya, perbezaan antara pertimbangan baik dengan buruk lebih ketara kesannya⁠(dibuka dalam tetingkap baru).

Kita sudah lama menggunakan logik ini untuk peringkat teratas carta organisasi. Kita mewajarkan gaji CEO⁠(dibuka dalam tetingkap baru) dengan alasan bahawa keputusan yang sedikit lebih baik di peringkat atasan boleh memberi kesan besar terhadap keuntungan. Ketidaksamaan gaji boleh meningkat jika sesetengah pekerja lebih cekap mengurus firma AI di bawah mereka untuk menggunakan sumber terhad.

Semakin besar pertaruhannya, semakin jelas kelebihan kecil anda berbanding orang lain tercermin pada gaji anda. Sebaliknya, AI akan memberikan nasihat yang baik kepada semua orang. Kurangnya perbezaan prestasi merapatkan edaran gaji.

Dalam hal ini dan hal lain, faktor yang lebih dominan mungkin bergantung pada sama ada kita lebih banyak membuat pertimbangan sendiri atau mengikut pertimbangan yang diberikan.