ਕੰਪਨੀ ਦਾ ਭਵਿੱਖ

ਲੇਖਕਾਂ ਵੱਲੋਂ ਨੋਟ: ਆਉਣ ਵਾਲੀ ਅਰਥਵਿਵਸਥਾ ਬਾਰੇ ਸਾਡੀ ਲੜੀ ਦਾ ਇਹ ਦੂਜਾ ਲੇਖ ਹੈ. ਇਹ AGI ਵਾਲੇ ਭਵਿੱਖ ਦੀ ਪੜਚੋਲ ਕਰਨ ਵਾਲੀਆਂ ਸੁਤੰਤਰ ਆਵਾਜ਼ਾਂ ਲਈ ਬਣਾਏ ਨਵੇਂ ਮੰਚ ਦਾ ਹਿੱਸਾ ਹੈ. ਇਸ ਵਿੱਚ ਸਾਡੇ ਵਿਚਾਰ ਹਨ, OpenAI ਜਾਂ ਸਾਡੇ ਸਹਿਕਰਮੀਆਂ ਦੇ ਨਹੀਂ.

ਅਸੀਂ ਦੋਵੇਂ ਚੌਵੀ ਸਾਲ ਦੇ ਸੀ ਜਦੋਂ ਇੱਥੇ OpenAI ਵਿੱਚ ਆਪਣੀਆਂ ਟੀਮਾਂ ਦਾ ਪ੍ਰਬੰਧਨ ਕਰਨਾ ਸ਼ੁਰੂ ਕੀਤਾ. ਸਾਡੀਆਂ ਟੀਮਾਂ ਨੂੰ ਮਿਲਣ ਤੋਂ ਬਾਅਦ ਇਹ ਗੱਲ ਇੰਨੀ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਨਹੀਂ ਲੱਗੇਗੀ.

ਸਾਡੇ ਹਿੱਸੇ ਤਾਂ ਛੋਟੇ-ਮੋਟੇ, ਨੀਰਸ ਕੰਮ ਹੀ ਆਉਣੇ ਚਾਹੀਦੇ ਸਨ. ਚੌਵੀ ਸਾਲ ਦੀ ਉਮਰ ਵਿੱਚ ਤੁਸੀਂ ਕੰਪਨੀ ਦੇ ਅਹੁਦਿਆਂ ਦੀ ਪੌੜੀ ਦੇ ਸਭ ਤੋਂ ਹੇਠਲੇ ਡੰਡੇ ’ਤੇ ਹੁੰਦੇ ਹੋ. ਤੁਸੀਂ ਮੀਟਿੰਗਾਂ ਦੇ ਨੋਟ ਲੈਂਦੇ ਹੋ ਅਤੇ ਕੁਝ ਦਫ਼ਤਰੀ ਮੈਮੋ ਲਿਖਦੇ ਹੋ. ਸਾਲਾਂ ਦੀ ਥਕਾਊ ਮਿਹਨਤ ਤੋਂ ਬਾਅਦ ਤੁਹਾਨੂੰ (ਉਮੀਦ ਹੈ ਕਿ) ਹੋਰ ਵਿਆਪਕ ਜ਼ਿੰਮੇਵਾਰੀਆਂ ਸੌਂਪੀਆਂ ਜਾਂਦੀਆਂ ਹਨ.

ਸਾਡਾ ਰਾਹ—ਅਤੇ ਅੱਜ ਦੇ ਕਈ ਨੌਜਵਾਨਾਂ ਦਾ ਰਾਹ—ਵੱਖਰਾ ਨਜ਼ਰ ਆ ਰਿਹਾ ਹੈ. ਅਸੀਂ ਕੰਮਕਾਜੀ ਜੀਵਨ ਵਿੱਚ ਕਦਮ ਰੱਖਦੇ ਹੀ ਆਪਣੇ ਹੁਕਮ ’ਤੇ ਕੰਮ ਕਰਨ ਵਾਲੇ “ਕਰਮਚਾਰੀਆਂ” ਨਾਲ ਲੈਸ ਹੁੰਦੇ ਹਾਂ. ਇਹ ਸਹਾਇਕ ਦਿਨ-ਰਾਤ, ਹਫ਼ਤੇ ਦੇ ਅੰਤ ਅਤੇ ਛੁੱਟੀਆਂ ਵਿੱਚ ਵੀ ਕੰਮ ਕਰਦੇ ਹਨ. ਉਹ ਨੀਰਸ ਅਤੇ ਮਿਹਨਤ ਵਾਲੇ ਕੰਮਾਂ ਵਿੱਚ ਬਹੁਤ ਮਾਹਰ ਹਨ. ਸਾਡੇ ਅਮਲੇ ਵਿੱਚ ਸਾਨੂੰ ਸਲਾਹ ਦੇਣ ਲਈ ਗਣਿਤ ਓਲੰਪਿਆਡ ਦੇ ਸੋਨ ਤਗਮਾ ਜੇਤੂ ਵੀ ਹਨ. ਸਾਡੇ ਇਹ ਨਵੇਂ ਅਧੀਨ ਕਰਮਚਾਰੀ ਅਜੇ ਵੀ ਆਪਣੀਆਂ ਕਾਫ਼ੀ ਗ਼ਲਤੀਆਂ ਕਰਦੇ ਹਨ. ਪਰ ਉਹ ਬਿਹਤਰ ਹੋ ਰਹੇ ਹਨ, ਸਾਡੀਆਂ ਲੋੜਾਂ ਨੂੰ ਸਮਝ ਰਹੇ ਹਨ ਅਤੇ ਅਸੀਂ ਵੀ ਉਨ੍ਹਾਂ ਦਾ ਪ੍ਰਬੰਧਨ ਕਰਨਾ ਸਿੱਖ ਰਹੇ ਹਾਂ.

ਸਾਡੇ ਵਿੱਚੋਂ ਕੋਈ ਵੀ ਅਹੁਦਿਆਂ ਦੀ ਪੌੜੀ ਚੜ੍ਹ ਕੇ ਨਹੀਂ ਆਇਆ. ਇਸ ਦੀ ਥਾਂ ਪ੍ਰਬੰਧਨ ਦੀ ਜ਼ਿੰਮੇਵਾਰੀ ਸਾਡੇ ਡੰਡੇ ਤੱਕ ਹੇਠਾਂ ਆ ਗਈ ਹੈ. ਇਹ ਲੇਖ ਸਾਡੀ ਤਰੱਕੀ ਅਤੇ ਇੰਟੈਲੀਜੈਂਸ ਦੇ ਯੁੱਗ ਵਿੱਚ ਦਾਖ਼ਲ ਹੁੰਦਿਆਂ ਕੰਪਨੀਆਂ ਦੇ ਪੁਨਰਗਠਨ ਦੇ ਹੋਰ ਸੰਭਾਵੀ ਤਰੀਕਿਆਂ ਬਾਰੇ ਹੈ.

ਜਦੋਂ AI ਕੰਪਨੀ ਵਿੱਚ ਦਾਖ਼ਲ ਹੁੰਦਾ ਹੈ, ਤਾਂ ਉਹ ਕਿੱਥੇ ਥਾਂ ਲੈਂਦਾ ਹੈ? ਅਸੀਂ ਮਿਸਾਲ ਵਜੋਂ ਤਿੰਨ ਸੰਭਾਵੀ ਪਰਿਦ੍ਰਿਸ਼ ਪੇਸ਼ ਕਰਦੇ ਹਾਂ:

ਇਨ੍ਹਾਂ ਵਿੱਚੋਂ ਕੋਈ ਵੀ ਪਰਿਦ੍ਰਿਸ਼ ਬਿਲਕੁਲ ਉਸੇ ਤਰ੍ਹਾਂ ਸਾਕਾਰ ਨਹੀਂ ਹੋਵੇਗਾ, ਜਿਵੇਂ ਅਸੀਂ ਇਸ ਦਾ ਵਰਣਨ ਕਰਦੇ ਹਾਂ, ਪਰ ਸਾਨੂੰ ਲੱਗਦਾ ਹੈ ਕਿ ਤਿੰਨਾਂ ਦੇ ਕੁਝ ਪੱਖ ਸੱਚ ਸਾਬਤ ਹੋਣਗੇ. ਤਿੰਨੇ ਹੀ ਪਹਿਲਾਂ ਤੋਂ ਸੂਖਮ ਰੂਪਾਂ ਵਿੱਚ ਵਾਪਰ ਰਹੇ ਹਨ.

ਇੱਥੇ ਸਾਡਾ ਧਿਆਨ ਪੂਰੇ ਸਵੈਚਾਲਨ ’ਤੇ ਨਹੀਂ, ਸਗੋਂ ਬਦਲਾਅ ਦੇ ਦੌਰ ਵਿੱਚੋਂ ਲੰਘ ਰਹੀ ਅਰਥਵਿਵਸਥਾ ’ਤੇ ਹੈ. ਸਾਡੀ ਦਿਲਚਸਪੀ ਇਹ ਸਮਝਣ ਵਿੱਚ ਹੈ ਕਿ ਜਿਵੇਂ-ਜਿਵੇਂ AI ਬਿਹਤਰ ਹੁੰਦਾ ਜਾਂਦਾ ਹੈ ਅਤੇ ਮੌਜੂਦਾ ਸੰਗਠਨਾਂ ਵਿੱਚ ਆਪਣੀ ਥਾਂ ਬਣਾਉਂਦਾ ਜਾਂਦਾ ਹੈ, ਮਨੁੱਖਾਂ ਅਤੇ AI ਦੇ ਸੁਮੇਲ ਨਾਲ ਬਣੀਆਂ ਕੰਪਨੀਆਂ ਕਿਹੋ ਜਿਹੀਆਂ ਦਿਖਾਈ ਦੇਣਗੀਆਂ.

ਸਾਡੇ ਵਿਚਾਰ ਵਿੱਚ ਹਾਈਬ੍ਰਿਡ ਕੰਪਨੀ ਦਾ ਸੰਕਲਪ ਮਹੱਤਵਪੂਰਨ ਹੈ, ਕਿਉਂਕਿ AI ਨੂੰ ਉਤਪਾਦਕ ਢੰਗ ਨਾਲ ਅਪਣਾਉਣਾ ਤੁਰੰਤ ਨਹੀਂ ਹੁੰਦਾ. ਜਦੋਂ ਮਾਡਲ ਸਿਰਫ਼ ਕੁਝ ਟਾਸਕਾਂ ਹੀ ਕਰ ਸਕਦੇ ਹਨ, ਤਾਂ ਕੰਮ ਤੋਂ ਜਾਣੂ ਹੇਠਲੇ ਪੱਧਰ ਦੇ ਕਰਮਚਾਰੀਆਂ ਲਈ ਉਨ੍ਹਾਂ ਨੂੰ ਅਪਣਾਉਣਾ ਸਭ ਤੋਂ ਸੌਖਾ ਹੋ ਸਕਦਾ ਹੈ. ਜਦੋਂ ਮਾਡਲ ਵਿਆਪਕ ਕਾਰਜ ਸ਼ੁਰੂ ਤੋਂ ਅੰਤ ਤੱਕ ਕਰਨ ਲੱਗ ਪੈਂਦੇ ਹਨ, ਤਾਂ ਉੱਚ ਅਧਿਕਾਰੀ ਉਨ੍ਹਾਂ ਨੂੰ ਸਿੱਧੇ ਤੌਰ ’ਤੇ ਵਰਤ ਸਕਦੇ ਹਨ. ਸਾਡੇ ਵਿਚਾਰ ਵਿੱਚ, ਵਧੇਰੇ ਸਮਰੱਥ AI ਨੂੰ ਅਪਣਾਉਣਾ ਵਧੇਰੇ ਸੌਖਾ ਹੈ: ਕੰਪਨੀਆਂ ਨੂੰ ਤਕਨੀਕਾਂ ਨੂੰ ਸਿੱਖਣਾ ਪੈਂਦਾ ਹੈ, ਪਰ ਕਾਮੇ ਕੰਪਨੀ ਦੇ ਕੰਮਕਾਜ ਨੂੰ ਸਿੱਖ ਲੈਂਦੇ ਹਨ ਅਤੇ ਖ਼ੁਦ ਨੂੰ ਉਸ ਅਨੁਸਾਰ ਢਾਲ ਸਕਦੇ ਹਨ.

ਅਸੀਂ ਸੰਗਠਨਾਤਮਕ ਢਾਂਚੇ ਦੀਆਂ ਤਿੰਨ ਨਵੀਆਂ ਕਿਸਮਾਂ ਦੀ ਡੂੰਘਾਈ ਨਾਲ ਪੜਚੋਲ ਕਰਾਂਗੇ, ਫਿਰ ਜਾਂਚਾਂਗੇ ਕਿ ਲਾਲ ਫ਼ੀਤਾਸ਼ਾਹੀ, ਕਾਮਿਆਂ ਦੀ ਖ਼ੁਦਮੁਖ਼ਤਿਆਰੀ, ਕੰਪਨੀ ਦੇ ਆਕਾਰ ਅਤੇ ਤਨਖ਼ਾਹ ਦੇ ਪਾੜੇ ਦੇ ਭਵਿੱਖ ਲਈ ਇਨ੍ਹਾਂ ਦਾ ਕੀ ਅਰਥ ਹੈ.

ਸਾਡਾ ਪਹਿਲਾ ਪਰਿਦ੍ਰਿਸ਼ ਸਭ ਤੋਂ ਘੱਟ ਉਥਲ-ਪੁਥਲ ਵਾਲਾ ਲੱਗਦਾ ਹੈ. ਇੱਥੇ ਲੋਕ ਉਹੀ ਅਹੁਦਿਆਂ ’ਤੇ ਅਤੇ ਰਿਪੋਰਟਿੰਗ ਦੀਆਂ ਉਹੀ ਲੜੀਆਂ ਅਧੀਨ ਰਹਿੰਦੇ ਹਨ ਅਤੇ ਉੱਪਰੋਂ ਦੇਖਿਆਂ ਪਹਿਲਾਂ ਵਾਲੇ ਹੀ ਕੰਮ ਕਰਦੇ ਹਨ. ਅੱਜ ਦੇ ਮਨੁੱਖੀ ਸੰਗਠਨਾਤਮਕ ਢਾਂਚੇ ਅਤੇ ਇਸ ਭਵਿੱਖ ਦੇ ਢਾਂਚੇ ਵਿੱਚ ਕੋਈ ਫ਼ਰਕ ਨਹੀਂ ਦਿਸਦਾ.

ਫ਼ਰਕ ਸਾਡੇ ਅਧੀਨ ਹੈ. ਹਰ ਗ਼ੈਰ-ਪ੍ਰਬੰਧਕੀ ਕਰਮਚਾਰੀ ਦੇ ਅਧੀਨ AI ਕਾਮਿਆਂ ਦੀ ਇੱਕ ਨਵੀਂ ਟੀਮ ਕੰਮ ਕਰਦੀ ਹੈ. ਸਾਡੇ ਸੰਗਠਨਾਤਮਕ ਢਾਂਚੇ ਵਿੱਚ ਇੱਕ ਤਹਿਖ਼ਾਨਾ ਜੁੜ ਜਾਂਦਾ ਹੈ ਅਤੇ ਅਸੀਂ ਸਾਰੇ ਪ੍ਰਬੰਧਕ ਬਣ ਜਾਂਦੇ ਹਾਂ.

ਸ਼ੁਰੂ ਵਿੱਚ ਇਹ ਤਹਿਖ਼ਾਨਾ ਅਧੂਰਾ ਹੁੰਦਾ ਹੈ. ਅਸੀਂ ਇੱਕ-ਇੱਕ ਜਾਂ ਦੋ-ਦੋ ਏਜੰਟਾਂ ਨਾਲ ਸ਼ੁਰੂਆਤ ਕਰਦੇ ਹਾਂ. ਉਹ ਤਜਰਬੇਕਾਰ ਕਰਮਚਾਰੀਆਂ ਨਾਲੋਂ ਵੱਧ ਉਤਸ਼ਾਹੀ ਇੰਟਰਨਾਂ ਵਰਗੇ ਹੁੰਦੇ ਹਨ, ਜਿਨ੍ਹਾਂ ਦੀ ਸਾਨੂੰ ਨਿਗਰਾਨੀ ਕਰਨੀ ਪੈਂਦੀ ਹੈ ਅਤੇ ਜਿਨ੍ਹਾਂ ਦੀਆਂ ਗ਼ਲਤੀਆਂ ਅਸੀਂ ਆਸਾਨੀ ਨਾਲ ਮਾਫ਼ ਕਰ ਦਿੰਦੇ ਹਾਂ. ਸਾਡੀਆਂ ਉਮੀਦਾਂ ਘੱਟ ਹੁੰਦੀਆਂ ਹਨ: ਇੱਥੇ ਇੱਕ ਈਮੇਲ ਭੇਜ ਦਿਓ, ਉੱਥੇ ਇੱਕ ਮੈਮੋ ਦਾ ਖਰੜਾ ਤਿਆਰ ਕਰ ਦਿਓ ਅਤੇ ਹਰ ਥਾਂ Slack ਸੁਨੇਹਿਆਂ ਦੇ ਜਵਾਬ ਦੇ ਦਿਓ. ਜੂਨੀਅਰ ਮਨੁੱਖੀ ਕਰਮਚਾਰੀਆਂ ਵਾਂਗ, ਸ਼ੁਰੂ ਵਿੱਚ ਉਨ੍ਹਾਂ ਨੂੰ ਘੱਟ ਖ਼ੁਦਮੁਖ਼ਤਿਆਰੀ ਦਿੱਤੀ ਜਾਂਦੀ ਹੈ ਅਤੇ ਉਨ੍ਹਾਂ ’ਤੇ ਘੱਟ ਭਰੋਸਾ ਕੀਤਾ ਜਾਂਦਾ ਹੈ.

ਪਰ ਮਾਡਲਾਂ ਦੇ ਬਿਹਤਰ ਹੋਣ ਨਾਲ, ਸਾਡੇ ਏਜੰਟ ਘੱਟ ਨਿਗਰਾਨੀ ਹੇਠ ਵੱਧ ਟਾਸਕਾਂ ਸੰਭਾਲਣ ਲੱਗਦੇ ਹਨ. ਉਹ ਆਪਸ ਵਿੱਚ ਤਾਲਮੇਲ ਕਰਦੇ ਹਨ. ਤੁਹਾਡੇ ਹੁਕਮ ’ਤੇ ਕੰਮ ਕਰਨ ਵਾਲੇ ਪ੍ਰਬੰਧਕ AI ਅਤੇ ਮੁੱਢਲੇ ਕੰਮ ਕਰਨ ਵਾਲੇ AI, ਅਕਾਊਂਟੈਂਟ ਅਤੇ ਵਕੀਲ ਹੋ ਸਕਦੇ ਹਨ, ਜੋ ਸਾਰੇ ਮਿਲ ਕੇ ਕੰਮ ਕਰਦੇ ਹਨ. ਕਿਸੇ ਇੰਟਰਨ ਨੂੰ ਹਰ ਕਦਮ ’ਤੇ ਸਿਖਾਉਣ ਦੀ ਥਾਂ, ਆਖ਼ਰਕਾਰ ਤੁਹਾਡਾ ਕੰਮਕਾਜ ਆਪਣੇ ਆਪ ਵਿੱਚ ਇੱਕ ਛੋਟੀ ਕੰਪਨੀ ਵਰਗਾ ਬਣ ਜਾਂਦਾ ਹੈ, ਜਿਸ ਦਾ ਆਪਣਾ ਖੁਦ ਦਾ ਸੰਗਠਨਾਤਮਕ ਢਾਂਚਾ ਹੁੰਦਾ ਹੈ ਅਤੇ ਤੁਸੀਂ ਉਸ ਦੇ ਨਿਰਦੇਸ਼ਕ ਮੰਡਲ ਵਜੋਂ ਕੰਮ ਕਰਦੇ ਹੋ.

ਧਿਆਨ ਦਿਓ ਕਿ ਇਸ ਪਰਿਦ੍ਰਿਸ਼ ਦਾ ਮਤਲਬ ਛਾਂਟੀ ਨਹੀਂ ਹੈ. ਇੱਥੇ ਅਸੀਂ ਆਪਣੀਆਂ ਨੌਕਰੀਆਂ ਨੂੰ ਸਵੈਚਾਲਿਤ ਕੀਤੇ ਬਿਨਾਂ AI ਨੂੰ ਅਪਣਾਉਂਦੇ ਹਾਂ. ਇਸ ਦੀ ਬਜਾਏ, ਅਸੀਂ ਆਪਣੇ ਪੁਰਾਣੇ ਰੂਪ ਦੇ ਕੰਮਾਂ ਨੂੰ ਸਵੈਚਾਲਿਤ ਕਰਦੇ ਹਾਂ ਅਤੇ ਅਹੁਦਿਆਂ ਦੀ ਪੌੜੀ ’ਤੇ ਉੱਪਰ ਚੜ੍ਹਦੇ ਹਾਂ. AI ਸਾਡੇ ਪਹਿਲਾਂ ਕੀਤੇ ਕੰਮਾਂ ਦਾ ਵੱਧ ਤੋਂ ਵੱਧ ਹਿੱਸਾ ਸੰਭਾਲਦਾ ਜਾਂਦਾ ਹੈ. ਸਾਡੀਆਂ ਨੌਕਰੀਆਂ ਕਾਇਮ ਰਹਿੰਦੀਆਂ ਹਨ, ਕਿਉਂਕਿ ਸੰਭਾਲਣ ਲਈ ਹੋਰ ਬਹੁਤ ਕੁਝ ਹੁੰਦਾ ਹੈ ਅਤੇ ਸਾਨੂੰ ਕੁੱਲ ਉਤਪਾਦਨ ਦੇ ਵੱਡੇ ਹਿੱਸੇ ਦੀ ਜ਼ਿੰਮੇਵਾਰੀ ਮਿਲਦੀ ਹੈ.

ਨੌਕਰੀਆਂ ਇੱਕੋ ਜਿਹੀਆਂ ਨਹੀਂ ਰਹਿੰਦੀਆਂ⁠(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ). ਮੰਨ ਲਓ AI ਤੁਹਾਡੇ ਪਹਿਲਾਂ ਵਾਲੇ ਕੰਮ ਦਾ ਨੱਬੇ ਫ਼ੀਸਦੀ ਕਰ ਸਕਦਾ ਹੈ. ਤੁਸੀਂ ਸੋਚ ਸਕਦੇ ਹੋ ਕਿ ਤੁਹਾਡੇ ਕੋਲ ਸਿਰਫ਼ ਦਸ ਫ਼ੀਸਦੀ ਕੰਮ ਰਹਿ ਗਿਆ. ਦੂਜੀ ਸੰਭਾਵਨਾ ਇਹ ਹੈ ਕਿ ਤੁਸੀਂ ਅਜੇ ਵੀ ਪੂਰੀ ਨੌਕਰੀ ਕਰ ਰਹੇ ਹੋ, ਬੱਸ ਵੱਖਰੀ—ਜਿਸ ਦਾ ਟੀਚਾ ਹੁਣ ਦਸ ਗੁਣਾ ਵੱਡਾ ਹੈ. ਤਕਨੀਕ ਦੀ ਰਵਾਇਤੀ ਦੇਣ ਇਹੀ ਹੈ: ਉਤਪਾਦਕਤਾ ਵਧਦੀ ਹੈ, ਉਸ ਦੇ ਨਾਲ ਅਭਿਲਾਸ਼ਾ ਵਧਦੀ ਹੈ, ਅਤੇ ਅਭਿਲਾਸ਼ਾ ਨਾਲ ਤਨਖ਼ਾਹਾਂ ਵੀ ਵਧ ਸਕਦੀਆਂ ਹਨ⁠(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ).

ਇਹ ਸਭ ਇਸ ਗੱਲ ’ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ ਕਿ ਅਸੀਂ ਉਤਪਾਦਨ ਵਿੱਚ ਅਜੇ ਵੀ ਕੀਮਤੀ ਯੋਗਦਾਨ ਪਾਉਂਦੇ ਹਾਂ⁠(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ) ਜਾਂ ਨਹੀਂ. ਇਹ ਲੇਖ ਆਉਣ ਵਾਲੇ ਉਨ੍ਹਾਂ ਸਾਲਾਂ ’ਤੇ ਕੇਂਦਰਿਤ ਹੈ, ਜਦੋਂ ਸਵੈਚਾਲਨ ਨਾ ਤਾਂ ਹਰ ਕੰਮ ਕਰਨ ਦੇ ਸਮਰੱਥ ਹੋਵੇਗਾ ਅਤੇ ਨਾ ਹੀ ਹਰ ਥਾਂ ਅਪਣਾਇਆ ਗਿਆ ਹੋਵੇਗਾ. ਭਾਵੇਂ AI ਸਭ ਕੁਝ ਕਰ ਸਕੇ, ਫਿਰ ਵੀ ਅਸੀਂ ਕਿਸੇ ਚੀਜ਼ ਦੀ ਵੱਧ ਕਦਰ ਕਰ ਸਕਦੇ ਹਾਂ ਕਿਉਂਕਿ ਉਹ ਕਿਸੇ ਮਨੁੱਖ ਨੇ ਬਣਾਈ ਹੈ, ਜਾਂ ਇਸ ਗੱਲ ’ਤੇ ਅੜ ਸਕਦੇ ਹਾਂ ਕਿ ਅੰਤਿਮ ਫ਼ੈਸਲਾ ਮਨੁੱਖ ਹੀ ਲਵੇ.

ਇਹ ਸਾਡੀ ਖਪਤ ਦੀ ਇੱਛਾ ’ਤੇ ਵੀ ਨਿਰਭਰ ਕਰਦਾ ਹੈ. ਜੇ ਖਪਤਕਾਰਾਂ ਵਜੋਂ ਸਾਨੂੰ ਦਸ ਗੁਣਾ ਵੱਧ ਉਤਪਾਦਨ ਦੀ ਲੋੜ ਮਹਿਸੂਸ ਨਹੀਂ ਹੁੰਦੀ, ਤਾਂ ਸੰਤੁਲਨ ਘੱਟ ਕਾਮਿਆਂ ਜਾਂ ਕੰਮ ਦੇ ਘੱਟ ਘੰਟਿਆਂ ਵੱਲ ਝੁਕੇਗਾ. ਇਤਿਹਾਸਕ ਤੌਰ ’ਤੇ, ਉਤਪਾਦਨ ਵਿੱਚ ਵਾਧੇ ਨੇ ਸਾਡੀਆਂ ਇੱਛਾਵਾਂ ਨੂੰ ਤ੍ਰਿਪਤ ਨਹੀਂ ਕੀਤਾ. ਸਾਡੇ ਕੋਲ ਕਿਤੇ ਵੱਧ⁠(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ) ਹੈ, ਪਰ ਅਸੀਂ ਕੰਮ ਸਿਰਫ਼ ਥੋੜ੍ਹਾ ਘੱਟ⁠(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ) ਕਰਦੇ ਹਾਂ. ਜੇ ਉਤਪਾਦਨ ਕਈ ਗੁਣਾ ਵਧਣ ਦੇ ਨਾਲ-ਨਾਲ ਸਾਡੀ ਖਪਤ ਦੀ ਇੱਛਾ ਵੀ ਵਧਦੀ ਰਹੀ ਅਤੇ ਅਸੀਂ ਉਤਪਾਦਨ ਵਿੱਚ ਆਪਣਾ ਯੋਗਦਾਨ ਪਾਉਂਦੇ ਰਹੇ, ਤਾਂ ਅਸੀਂ ਵੱਧ ਖਪਤ ਲਈ ਆਪਣੀ ਕਿਰਤ ਦਾ ਵਟਾਂਦਰਾ ਕਰਦੇ ਰਹਿਣਾ ਚੁਣਾਂਗੇ. ਪਰ ਜੇ ਉਤਪਾਦਨ ਇੰਨਾ ਭਰਪੂਰ ਹੋ ਜਾਵੇ ਕਿ ਸਾਡੀਆਂ ਲੋੜਾਂ ਪੂਰੀਆਂ ਹੋ ਜਾਣ, ਤਾਂ ਅਸੀਂ ਆਪਣੀ ਮਰਜ਼ੀ ਨਾਲ ਕਿਰਤ-ਬਲ ਦਾ ਆਕਾਰ ਘਟਾਉਣ ਦੀ ਚੋਣ ਕਰ ਸਕਦੇ ਹਾਂ.

ਹੋਰ ਇਤਰਾਜ਼ਾਂ ਬਾਰੇ ਅਸੀਂ ਅੱਗੇ ਚਰਚਾ ਕਰਦੇ ਹਾਂ, (ਜਿਵੇਂ ਕਿ ਕੀ ਛੋਟੀਆਂ ਕੰਪਨੀਆਂ ਦੀ ਗਿਣਤੀ ਵਧੇਗੀ). ਫਿਰ ਵੀ, ਸਾਨੂੰ ਇਹ ਪਰਿਦ੍ਰਿਸ਼ ਅਹਿਮ ਲੱਗਦਾ ਹੈ, ਕਿਉਂਕਿ AI ਨੂੰ ਅਪਣਾਉਣ ਦੀ ਸ਼ੁਰੂਆਤ ਕਿਤੇ ਨਾ ਕਿਤੇ ਤੋਂ ਤਾਂ ਹੋਣੀ ਹੀ ਹੈ. ਕੰਪਨੀਆਂ ਨੂੰ ਆਪਣੇ ਮੌਜੂਦਾ ਸੰਗਠਨਾਤਮਕ ਢਾਂਚਿਆਂ ਤੋਂ ਸਥਿਰਤਾ ਨਾਲ ਅੱਗੇ ਵਧਣ ਦਾ ਰਾਹ ਚਾਹੀਦਾ ਹੈ. ਪੂਰੇ ਸੰਗਠਨ ਦਾ ਪੁਨਰਗਠਨ ਕਰਨ ਦੀ ਬਜਾਏ, ਮੌਜੂਦਾ ਕਰਮਚਾਰੀਆਂ ਦੇ ਕੰਮ ਨੂੰ ਹੋਰ ਮਜ਼ਬੂਤ ਕਰਨਾ ਪਹਿਲਾ ਅਤੇ ਸੌਖਾ ਕਦਮ ਹੋ ਸਕਦਾ ਹੈ. ਅੱਜ ਅਸੀਂ ਇਸ ਦੀਆਂ ਮਿਸਾਲਾਂ ਦੇਖ ਰਹੇ ਹਾਂ: ਇੱਕ ਤੋਂ ਬਾਅਦ ਇੱਕ ਕਾਮਾ AI ਨੂੰ ਕੰਮ ਸੌਂਪ ਰਿਹਾ ਹੈ, ਪਰ ਅਜੇ ਤੱਕ ਕੋਈ ਸੰਗਠਨਾਤਮਕ ਕ੍ਰਾਂਤੀ ਨਹੀਂ ਆਈ.

ਇਹ ਪਰਿਦ੍ਰਿਸ਼ ਇਸ ਗੱਲ ’ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ ਕਿ ਸਭ ਤੋਂ ਪਹਿਲਾਂ ਮੂਹਰਲੀ ਕਤਾਰ ਦੇ ਕਾਮੇ AI ਸਹਾਇਕਾਂ ਨੂੰ ਕੰਮ ’ਤੇ ਰੱਖਦੇ ਹਨ. AI ਨੂੰ ਅਪਣਾਉਣ ਵਿੱਚ ਅਗਵਾਈ ਹੇਠਲੇ ਪੱਧਰ ਦੇ ਕਾਮੇ ਕਰਦੇ ਹਨ, ਨਾ ਕਿ ਪ੍ਰਬੰਧਕ ਅਤੇ ਉੱਚ ਅਧਿਕਾਰੀ. ਇਹ ਸੰਭਾਵੀ ਲੱਗਦਾ ਹੈ, ਜਦੋਂ ਤੱਕ AI ਤੋਂ ਸਭ ਤੋਂ ਵਧੀਆ ਤਰੀਕੇ ਨਾਲ ਕੰਮ ਕਰਵਾਉਣ ਵਾਲਾ ਵਿਅਕਤੀ ਉਹੀ ਹੈ, ਜੋ ਪਹਿਲਾਂ ਖ਼ੁਦ ਉਹ ਕੰਮ ਕਰਦਾ ਸੀ.

ਮਾਡਲ ਪਹਿਲਾਂ ਹੀ ਡਾਟਾ ਸਾਇੰਸ ਦੇ ਕਈ ਟਾਸਕਾਂ ਨੂੰ ਸਵੈਚਾਲਿਤ ਕਰ ਸਕਦੇ ਹਨ, ਪਰ ਤਰੀਕਿਆਂ ਅਤੇ ਬਾਰੀਕੀਆਂ ਤੋਂ ਅਣਜਾਣ ਵਿਭਾਗੀ ਮੁਖੀ ਲਈ ਇਨ੍ਹਾਂ ਟੂਲਾਂ ਦਾ ਲਾਭ ਉਠਾਉਣਾ ਔਖਾ ਹੋਵੇਗਾ. ਜਦੋਂ ਤੱਕ AI ਇੰਨੀ ਪਹਿਲਕਦਮੀ ਕਰਨ ਦੇ ਸਮਰੱਥ ਨਹੀਂ ਹੋ ਜਾਂਦੀ ਕਿ ਉਹ ਤੁਹਾਨੂੰ ਉਹ ਵੀ ਦੱਸ ਸਕੇ ਜੋ ਤੁਸੀਂ ਨਹੀਂ ਜਾਣਦੇ (ਸਾਡਾ ਅਗਲਾ ਪਰਿਦ੍ਰਿਸ਼ ਦੇਖੋ), ਉਦੋਂ ਤੱਕ AI ਉਨ੍ਹਾਂ ਲੋਕਾਂ ਲਈ ਸਭ ਤੋਂ ਵਧੀਆ ਕੰਮ ਕਰੇਗੀ, ਜੋ ਪਹਿਲਾਂ ਹੀ ਕੰਮ ਕਰਨ ਦੇ ਤਰੀਕਿਆਂ ਤੋਂ ਜਾਣੂ ਹਨ.

ਇਸ ਪਰਿਦ੍ਰਿਸ਼ ਵਿੱਚ ਸਭ ਤੋਂ ਵੱਡਾ ਬਦਲਾਅ ਸ਼ੁਰੂਆਤੀ ਪੱਧਰ ਦੇ ਕਾਮਿਆਂ ਲਈ ਹੋਵੇਗਾ. ਹੁਣ ਸਭ ਤੋਂ ਹੇਠਲਾ ਡੰਡਾ ਨਹੀਂ ਰਹੇਗਾ, ਘੱਟੋ-ਘੱਟ ਮਨੁੱਖਾਂ ਲਈ ਤਾਂ ਨਹੀਂ. ਜਦੋਂ ਅਸੀਂ ਨੌਜਵਾਨਾਂ ਨੂੰ ਨੌਕਰੀ ’ਤੇ ਰੱਖਾਂਗੇ, ਤਾਂ ਉਨ੍ਹਾਂ ਨੂੰ ਕੰਪਨੀ ਦੇ ਸਭ ਤੋਂ ਹੇਠਲੇ ਪੱਧਰ ’ਤੇ ਨੀਰਸ ਅਤੇ ਥਕਾਊ ਕੰਮ ਕਰਨ ਲਈ ਨਹੀਂ ਰੱਖਿਆ ਜਾਵੇਗਾ. ਇਹ ਅਹੁਦੇ ਅਜਿਹੀ ਚੀਜ਼ ਨਾਲ ਭਰੇ ਜਾਣਗੇ, ਜਿਸ ਨੂੰ ਅਜਿਹੇ ਕੰਮ ਕਰਨ ਨਾਲ ਕੋਈ ਫ਼ਰਕ ਨਹੀਂ ਪੈਂਦਾ.

ਇਸ ਨਾਲ ਨੌਜਵਾਨ ਕਾਮਿਆਂ ਨੂੰ ਸਿਖਲਾਈ ਦੇਣ ਦੇ ਕੁਝ ਰਵਾਇਤੀ ਰਾਹ ਖ਼ਤਮ ਹੋ ਜਾਣਗੇ: ਸ਼ਾਗਿਰਦੀ⁠(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ), ਨੀਰਸ ਅਤੇ ਥਕਾਊ ਕੰਮ ਕਰਦਿਆਂ ਸਿੱਖਣਾ ਅਤੇ ਮਿਹਨਤ ਨਾਲ ਆਪਣੀ ਯੋਗਤਾ ਸਾਬਤ ਕਰਨਾ. ਇਹ ਅਸਲ ਨੁਕਸਾਨ ਹਨ, ਪਰ ਅਸੀਂ ਇਸ ਨੂੰ ਮੁੱਖ ਤੌਰ ’ਤੇ ਇੱਕ ਵਿਸ਼ੇਸ਼ ਅਧਿਕਾਰ ਵਜੋਂ ਦੇਖਦੇ ਹਾਂ. ਕੋਈ ਨਵਾਂ ਤੋਂ ਨਵਾਂ ਕਰਮਚਾਰੀ ਵੀ, ਜੇ ਉਸ ਕੋਲ ਚੰਗਾ ਵਿਚਾਰ ਹੈ, ਤਾਂ ਉਸ ਨੂੰ ਅਜ਼ਮਾਉਣ ਲਈ ਸਰੋਤ ਮਿਲ ਸਕਦੇ ਹਨ. ਦਫ਼ਤਰ ਦਾ ਸਭ ਤੋਂ ਪੁਰਾਣਾ ਬਹਾਨਾ, ਸਾਡੇ ਕੋਲ ਕੰਮ ਕਰਨ ਲਈ ਬੰਦੇ ਹੀ ਨਹੀਂ ਹਨ, ਹੁਣ ਖ਼ਤਮ ਹੋ ਰਿਹਾ ਹੈ. ਇੱਕ ਜੂਨੀਅਰ ਕਰਮਚਾਰੀ ਦੇ ਦਿਮਾਗ਼ ਵਿੱਚ ਸ਼ਾਨਦਾਰ ਵੀਡੀਓ ਗੇਮ ਦਾ ਵਿਚਾਰ ਹੈ, ਪਰ ਉਸ ਕੋਲ ਲੋੜੀਂਦਾ ਅਮਲਾ ਭਰਤੀ ਕਰਨ ਦਾ ਕੋਈ ਰਾਹ ਨਹੀਂ. ਹੁਣ ਉਹ ਸਿੱਧੇ ਹੀ ਉਹ ਗੇਮ ਬਣਾ ਸਕਦੀ ਹੈ.

ਸਾਡੇ ਵਿਚਾਰ ਵਿੱਚ, “ਤਰੱਕੀ ਦੇਣ ਵਾਲੇ” ਇਸ ਪਰਿਦ੍ਰਿਸ਼ ਵਿੱਚ ਵੀ ਜੂਨੀਅਰ ਕਾਮਿਆਂ ਲਈ ਸਿੱਖਣ ਵਾਸਤੇ ਬਹੁਤ ਕੁਝ ਹੈ—ਫ਼ੈਸਲੇ ਲੈਣ ਦੀ ਸੂਝ, ਚੰਗੇ-ਮੰਦੇ ਦੀ ਪਰਖ, ਪ੍ਰਬੰਧਨ ਦੇ ਸਕਿੱਲ ਅਤੇ ਰਚਨਾਤਮਕ ਦ੍ਰਿਸ਼ਟੀ. ਅਸੀਂ ਇਨ੍ਹਾਂ ਸਕਿੱਲਾਂ ਨੂੰ ਨਿਖਾਰਨ ਲਈ ਪ੍ਰੇਰਿਤ ਹੋਵਾਂਗੇ, ਕਿਉਂਕਿ ਇਹ ਸਾਡੇ ਕੰਮ ਦੇ ਨਤੀਜਿਆਂ ਵਿੱਚ ਦਿਖਾਈ ਦੇਣਗੇ. ਅਸੀਂ ਅਜੇ ਵੀ ਕਰ ਕੇ ਸਿੱਖਾਂਗੇ⁠(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ), ਪਰ ਵੱਡੇ ਕਾਰਜ-ਦਾਇਰੇ ਵਿੱਚ. ਕੰਪਨੀ ਦੇ ਸੀਨੀਅਰ ਲੋਕ ਜ਼ਿੰਮੇਵਾਰ ਸਰਪ੍ਰਸਤਾਂ ਵਜੋਂ ਸਾਡੀ ਮਦਦ ਕਰਨ ਲਈ ਪ੍ਰੇਰਿਤ ਰਹਿਣਗੇ, ਕਿਉਂਕਿ ਸਾਡੀ ਕਾਮਯਾਬੀ ਵਿੱਚ ਉਨ੍ਹਾਂ ਦੀ ਵੀ ਇਕੁਇਟੀ ਹਿੱਸੇਦਾਰੀ ਹੋਵੇਗੀ. ਇੱਥੇ ਹਰ ਪੱਧਰ ’ਤੇ ਹਰੇਕ ਲਈ ਵਧੇਰੇ ਦਿਲਚਸਪ ਅਤੇ ਚੁਣੌਤੀਪੂਰਨ ਭੂਮਿਕਾ ਦਾ ਮੌਕਾ ਹੈ. ਕੋਈ ਵੀ ਕਾਮਾ ਵੱਡੇ ਕਾਰਜ-ਦਾਇਰੇ ਨਾਲ ਆਪਣੀ ਪ੍ਰਤਿਭਾ ਦਿਖਾ ਸਕਦਾ ਹੈ. ਇਹ ਸ਼ੁਰੂਆਤੀ ਪੱਧਰ ਦੇ ਕਾਮਿਆਂ ਲਈ ਸਭ ਤੋਂ ਵੱਧ ਅਹਿਮ ਹੈ, ਜਿਨ੍ਹਾਂ ਕੋਲ ਪਹਿਲਾਂ ਕੋਈ ਕਾਰਜ-ਦਾਇਰਾ ਹੀ ਨਹੀਂ ਸੀ.

ਕੰਪਨੀ ਵਿੱਚ AI ਦੇ ਦਾਖ਼ਲ ਹੋਣ ਦਾ ਦੂਜਾ ਰਾਹ ਮੌਜੂਦਾ ਸੰਗਠਨਾਤਮਕ ਢਾਂਚੇ ਵਿੱਚ ਨਾਲ-ਨਾਲ ਜੁੜਨ ਦਾ ਹੈ. ਇੱਥੇ ਏਜੰਟ ਸਭ ਤੋਂ ਹੇਠਲੇ ਪੱਧਰ ਦੇ ਕਾਮੇ ਨਹੀਂ, ਸਗੋਂ ਸਹਿਕਰਮੀ ਹਨ. ਇੱਕ ਰਵਾਇਤੀ ਪ੍ਰਬੰਧਕ ਟੀਮ ਦੇ ਕੰਮ ਦਾ ਇੱਕ ਹਿੱਸਾ ਮਾਡਲ ਨੂੰ ਉਸੇ ਤਰ੍ਹਾਂ ਸੌਂਪਦੀ ਹੈ, ਜਿਵੇਂ ਉਹ ਕਿਸੇ ਹੋਰ ਕਰਮਚਾਰੀ ਨੂੰ ਸੌਂਪ ਸਕਦੀ ਹੈ. AI ਮਨੁੱਖਾਂ ਦੇ ਨਾਲ ਆਪਣੀ ਥਾਂ ਬਣਾਉਂਦੀ ਹੈ, ਨਾ ਕਿ ਸਿਰਫ਼ ਉਨ੍ਹਾਂ ਦੇ ਅਧੀਨ.

ਪਹਿਲੇ ਪਰਿਦ੍ਰਿਸ਼ ਨਾਲ ਮੁੱਖ ਫ਼ਰਕ ਇਹ ਹੈ ਕਿ ਇੱਥੇ ਲਾਹੇਵੰਦ AI ਨੂੰ ਮੌਜੂਦਾ ਮਨੁੱਖੀ ਪ੍ਰਬੰਧਕ ਵੀ ਅਪਣਾਉਂਦੇ ਹਨ, ਨਾ ਕਿ ਸਿਰਫ਼ ਗ਼ੈਰ-ਪ੍ਰਬੰਧਕੀ ਕਰਮਚਾਰੀ. ਇਸ ਲਈ AI ਨੂੰ ਟੀਮ ਦਾ ਪੂਰੀ ਤਰ੍ਹਾਂ ਸਮਰੱਥ ਮੈਂਬਰ ਬਣਨ ਦੇ ਯੋਗ ਹੋਣਾ ਪਵੇਗਾ.

ਮਨੁੱਖ ਕਈ ਤਰ੍ਹਾਂ ਦੇ ਕੰਮ ਕਰਨ ਦੇ ਯੋਗ ਹੁੰਦੇ ਹਨ. ਹਥੌੜਾ ਇੱਕ ਟਾਸਕ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ, ਜਦਕਿ ਮਨੁੱਖ ਇਸ ਤੋਂ ਕਿਤੇ ਵੱਧ ਕੰਮ ਕਰ ਸਕਦਾ ਹੈ. AI ਦਾ ਟੂਲ ਤੋਂ ਕਾਮੇ ਬਣਨ ਤੱਕ ਦਾ ਸਫ਼ਰ ਵਧਦੇ ਕਾਰਜ-ਦਾਇਰੇ ਦਾ ਸਫ਼ਰ ਹੈ: ਪਹਿਲਾਂ ਟਾਸਕ ਦਾ ਸਵੈਚਾਲਨ, ਫਿਰ ਨੌਕਰੀ ਦਾ, ਫਿਰ ਟੀਮ ਦਾ ਅਤੇ ਅੰਤ ਵਿੱਚ ਪੂਰੀ ਕੰਪਨੀ ਦਾ. ਕਾਰਜ-ਦਾਇਰੇ ਵਿੱਚ ਹਰ ਅਗਲੇ ਪੱਧਰ ’ਤੇ ਪਹੁੰਚਣ ਲਈ ਵਧੇਰੇ ਵਿਆਪਕ ਸਮਰੱਥਾ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ.

ਨੌਕਰੀ ਕਈ ਟਾਸਕਾਂ ਨਾਲ ਭਰੇ ਸੂਟਕੇਸ ਵਰਗੀ ਹੁੰਦੀ ਹੈ. ਪੂਰੀ ਟੀਮ ਲਈ ਉਸ ਸੂਟਕੇਸ ਵਿੱਚ ਹਰ ਕਿਸਮ ਦੇ ਵੰਨ-ਸੁਵੰਨੇ ਕੰਮ ਭਰੇ ਹੁੰਦੇ ਹਨ. ਜ਼ਿੰਮੇਵਾਰੀ ਦੇ ਦਾਇਰੇ ਵਿੱਚ ਜਿੰਨੇ ਵੱਧ ਟਾਸਕ ਹੋਣਗੇ, ਕੰਮ ਰੁਕਣ ਦੇ ਸੰਭਾਵੀ ਬਿੰਦੂ ਵੀ ਓਨੇ ਹੀ ਵੱਧ ਹੋਣਗੇ. ਜੇ ਟੀਮ ਦਾ ਇੱਕ ਵੀ ਲਾਜ਼ਮੀ ਟਾਸਕ ਸਰੀਰਕ ਮਿਹਨਤ ਨਾਲ ਜੁੜਿਆ ਹੋਵੇ, ਤਾਂ ਸਹਾਇਕ ਉਪਕਰਨਾਂ ਦਾ ਇੱਕ ਪੂਰਾ ਨਵਾਂ ਸਮੂਹ ਲੋੜੀਂਦਾ ਹੋਵੇਗਾ. ਪੂਰੀ ਟੀਮ ਦੀ ਥਾਂ ਸਿੱਧੇ ਕੰਮ ਸੰਭਾਲਣ ਲਈ AI ਨੂੰ ਉਸ ਦੀਆਂ ਸਾਰੀਆਂ ਵੱਖ-ਵੱਖ ਜ਼ਿੰਮੇਵਾਰੀਆਂ ਨਿਭਾਉਣ ਦੇ ਯੋਗ ਹੋਣਾ ਪਵੇਗਾ.

ਵੱਡੇ ਕਾਰਜ-ਦਾਇਰੇ ਨੂੰ ਸੰਭਾਲ ਸਕਣ ਵਾਲੀ AI ਬਣਾਉਣੀ ਔਖੀ ਹੈ. ਪਰ ਕੰਪਨੀਆਂ ਲਈ—ਅਤੇ ਇਹ ਪੂਰੇ ਬਦਲਾਅ ਦੌਰਾਨ ਕੇਂਦਰੀ ਅਸਮਾਨਤਾ ਹੈ—ਵੱਡੇ ਕਾਰਜ-ਦਾਇਰੇ ਵਾਲੀ AI ਨੂੰ ਅਪਣਾਉਣਾ ਸੌਖਾ ਹੈ.

ਸ਼ੁਰੂ ਤੋਂ ਅੰਤ ਤੱਕ ਸਵੈਚਾਲਿਤ ਟੀਮ ਜਾਂ ਵਿਆਪਕ ਕਾਰਜ ਨੂੰ ਕੋਈ ਉੱਚ ਅਧਿਕਾਰੀ ਸਿੱਧੇ ਤੌਰ ’ਤੇ ਅਪਣਾ ਸਕਦਾ ਹੈ. ਸੀਮਤ ਸਮਰੱਥਾਵਾਂ ਵਾਲੇ ਟੂਲ ਨੂੰ ਉੱਪਰਲੇ ਪੱਧਰ ਤੋਂ ਇੰਨੀ ਆਸਾਨੀ ਨਾਲ ਲਾਗੂ ਨਹੀਂ ਕੀਤਾ ਜਾ ਸਕਦਾ. ਅਜਿਹੇ ਟੂਲ ਲਈ ਪੂਰੇ ਅਮਲੇ ਦੀ ਵਿਆਪਕ ਸਹਿਮਤੀ ਅਤੇ ਮੁੜ ਸਿਖਲਾਈ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ.

ਰਵਾਇਤੀ ਤੌਰ ’ਤੇ ਨਵੀਆਂ ਤਕਨੀਕਾਂ ਕੁਝ ਸੀਮਤ ਟਾਸਕਾਂ ਦੀ ਲਾਗਤ ਘਟਾਉਂਦੀਆਂ ਹਨ. ਉਸ ਮਗਰੋਂ ਜ਼ਿੰਮੇਵਾਰੀ ਖ਼ਰੀਦਦਾਰ ’ਤੇ ਆ ਜਾਂਦੀ ਹੈ. ਕੰਪਨੀ ਨੂੰ ਨਵੇਂ ਟੂਲ ਦਾ ਲਾਭ ਲੈਣ ਦਾ ਤਰੀਕਾ ਲੱਭਣਾ ਪੈਂਦਾ ਹੈ ਅਤੇ ਉਸ ਅਨੁਸਾਰ ਮੁੜ ਸਿਖਲਾਈ, ਪੁਨਰਗਠਨ ਅਤੇ ਪ੍ਰਕਿਰਿਆਵਾਂ ਦੀ ਮੁੜ ਉਸਾਰੀ⁠(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ) ਕਰਨੀ ਪੈਂਦੀ ਹੈ. ਸਪ੍ਰੈਡਸ਼ੀਟ ਸਾਫ਼ਟਵੇਅਰ ਨੇ ਅਕਾਊਂਟਿੰਗ ਵਿਭਾਗ ਵਿੱਚ ਆਪਣੇ ਆਪ ਥਾਂ ਨਹੀਂ ਬਣਾਈ ਸੀ—ਅਕਾਊਂਟਿੰਗ ਵਿਭਾਗ ਨੇ ਆਪਣੇ ਆਪ ਨੂੰ ਸਾਫ਼ਟਵੇਅਰ ਅਨੁਸਾਰ ਢਾਲਿਆ ਸੀ.

ਕਾਮਿਆਂ ਦੇ ਮਾਮਲੇ ਵਿੱਚ ਇਸ ਦਾ ਉਲਟ ਹੁੰਦਾ ਹੈ. ਸਿਖਿਆਰਥੀ, ਕਰਮਚਾਰੀ ਅਤੇ ਚੰਗੀ ਟੀਮ ਆਪ ਲੱਭਦੇ ਹਨ ਕਿ ਤੁਹਾਡੇ ਲਈ ਲਾਹੇਵੰਦ ਕਿਵੇਂ ਬਣਨਾ ਹੈ. ਉਹ ਤੁਹਾਨੂੰ ਸਵਾਲ ਪੁੱਛਦੇ ਹਨ, ਤੁਹਾਡਾ ਸੰਦਰਭ ਸਮਝਦੇ ਹਨ ਅਤੇ ਲੋੜਾਂ ਪਛਾਣਦੇ ਹਨ. ਉਹ ਉਹ ਗੱਲਾਂ ਦੱਸਦੇ ਹਨ ਜਿਨ੍ਹਾਂ ਬਾਰੇ ਤੁਹਾਨੂੰ ਪਤਾ ਵੀ ਨਹੀਂ ਸੀ ਕਿ ਤੁਸੀਂ ਨਹੀਂ ਜਾਣਦੇ. ਸਭ ਤੋਂ ਚੰਗੇ ਕਾਮੇ ਕੰਮ ਵਿੱਚ ਆਪ ਢਲ ਜਾਂਦੇ ਹਨ.

ਇਸ ਅਰਥ ਵਿੱਚ AI ਜਿੰਨਾ ਪਹਿਲਕਦਮੀ ਕਰਨ ਅਤੇ ਹਾਲਾਤਾਂ ਅਨੁਸਾਰ ਢਲਣ ਵਾਲੇ ਕਾਮੇ ਵਰਗਾ ਬਣੇਗਾ, ਕੰਪਨੀ ਨੂੰ ਉਸ ਦੀ ਵਰਤੋਂ ਕਰਨੀ ਸਿੱਖਣ ਦੀ ਲੋੜ ਓਨੀ ਹੀ ਘੱਟ ਪਵੇਗੀ ਅਤੇ AI ਆਪ ਕੰਪਨੀ ਲਈ ਲਾਹੇਵੰਦ ਬਣਨ ਦੇ ਤਰੀਕੇ ਲੱਭੇਗਾ. ਕੋਈ ਉੱਚ ਅਧਿਕਾਰੀ ਨਵਾਂ ਟੂਲ ਸਿੱਖਣ ਲਈ ਸ਼ਾਇਦ ਡਿਜ਼ਾਈਨ ਸੌਫ਼ਟਵੇਅਰ ਦੀਆਂ ਮੁੱਢਲੀਆਂ ਗੱਲਾਂ ਬਾਰੇ ਲੈਕਚਰ ਸੁਣਨ ਨਾ ਬੈਠੇ. ਪਰ ਉਹ ਇਸ ਤਰ੍ਹਾਂ ਦੀ ਪੇਸ਼ਕਸ਼ ਖ਼ੁਸ਼ੀ ਨਾਲ ਸੁਣੇਗਾ: ਬੱਸ ਹਾਂ ਕਹੋ, ਮੈਂ ਤੁਹਾਡਾ ਪੂਰਾ ਮਾਰਕੀਟਿੰਗ ਪ੍ਰਬੰਧ ਖੜ੍ਹਾ ਕਰ ਦਿਆਂਗਾ.

ਅਸੀਂ ਅਕਸਰ ਕਿਸੇ ਨੌਕਰੀ ਦੇ ਸਵੈਚਾਲਨ ਨੂੰ AGI ਦਾ ਅੰਤਿਮ ਟੀਚਾ ਕਹਿ ਦਿੰਦੇ ਹਾਂ. ਮੰਨਿਆ ਕਿ ਅਸੀਂ ਅਜੇ ਉੱਥੇ ਵੀ ਨਹੀਂ ਪਹੁੰਚੇ. ਨੌਕਰੀਆਂ ਇੰਨੀਆਂ ਅਸਾਧਾਰਨ ਤੌਰ ’ਤੇ ਗੁੰਝਲਦਾਰ ਇਸ ਲਈ ਹਨ ਕਿਉਂਕਿ ਅਸੀਂ ਬੇਹੱਦ ਸਮਰੱਥ ਹਾਂ. ਫਿਰ ਵੀ, ਸਾਡੀ ਅਰਥਵਿਵਸਥਾ ਦੇ ਉਤਪਾਦਨ ਦਾ ਬਹੁਤ ਥੋੜ੍ਹਾ ਹਿੱਸਾ⁠(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ) ਇਕੱਲੇ ਕੰਮ ਕਰਨ ਵਾਲੇ ਕਾਮਿਆਂ ਤੋਂ ਆਉਂਦਾ ਹੈ. ਲਾਹੇਵੰਦ ਨੌਕਰੀਆਂ ਟੀਮਾਂ ਵਿੱਚ ਯੋਗਦਾਨ ਪਾਉਂਦੀਆਂ ਹਨ, ਟੀਮਾਂ ਕੰਪਨੀਆਂ ਵਿੱਚ, ਅਤੇ ਸਾਡੇ ਵਰਤੋਂ ਦੀ ਲਗਭਗ ਹਰ ਚੀਜ਼ ਕੰਪਨੀਆਂ ਬਣਾਉਂਦੀਆਂ ਹਨ.

AGI ਲਈ “ਨੌਕਰੀ” ਦਾ ਮਾਪਦੰਡ ਸਾਡੀ ਮਨੁੱਖੀ ਸਮਰੱਥਾ ਨੂੰ ਘੱਟ ਅੰਕਦਾ ਹੈ. ਕਿਰਤ ਸਿਰਫ਼ ਟਾਸਕਾਂ ਜਾਂ ਗ਼ੈਰ-ਰੁਟੀਨੀ ਕੰਮਾਂ ਨੂੰ ਸੰਭਾਲਣ ਤੱਕ ਸੀਮਤ ਨਹੀਂ. ਇਸ ਵਿੱਚ ਬੇਮਿਸਾਲ ਤਾਲਮੇਲ ਅਤੇ ਵੱਡੇ ਨਤੀਜਿਆਂ ਦੇ ਛੋਟੇ ਹਿੱਸੇ ਕਰਨ ਲਈ ਢਲਣ ਦੀ ਸਾਡੀ ਸਮਰੱਥਾ ਵੀ ਸ਼ਾਮਲ ਹੈ. ਸਾਨੂੰ ਸਿਰਫ਼ ਟਾਸਕਾਂ ਦੇ ਢੇਰ ਸਮਝਣਾ ਸਾਡੀ ਕਦਰ ਕੌਡੀਆਂ ਦੇ ਭਾਅ ਪਾਉਣਾ ਹੈ. ਮਨੁੱਖੀ ਸਮਰੱਥਾ ਵਿਅਕਤੀ ਨਾਲੋਂ ਵੱਧ ਸਾਡੀਆਂ ਸੰਸਥਾਵਾਂ⁠(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ) ਵਿੱਚ ਹੈ. ਆਰਥਿਕ AGI ਨੂੰ ਲੋਕਾਂ ਦੇ ਮਿਆਰ ਤੱਕ ਪਹੁੰਚਣਾ ਪਵੇਗਾ, ਨਾ ਕਿ ਵਿਅਕਤੀ ਦੇ.

ਇਸ ਲਈ “ਨਾਲ-ਨਾਲ ਜੁੜਨ” ਵਾਲਾ ਪਰਿਦ੍ਰਿਸ਼ ਕਾਫ਼ੀ ਅਕੁਸ਼ਲ ਹੋ ਸਕਦਾ ਹੈ ਜੇ AI ਅਜੇ ਵੀ ਟੀਮ ਜਾਂ ਕੰਪਨੀ ਦੀ ਥਾਂ ਟੂਲ ਜਾਂ ਕਾਮੇ ਵਰਗਾ ਹੀ ਹੋਵੇ. ਹਰ ਕਾਮੇ ਦੇ ਨਾਲ ਇੱਕ ਮਾਡਲ ਫਿੱਟ ਕਰਨ ਦਾ ਅਰਥ ਹੈ ਹਜ਼ਾਰਾਂ ਜੋੜ ਅਤੇ ਕੰਮ ਦੀਆਂ ਸੌਂਪਣੀਆਂ⁠(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ). ਇਹ ਟੁਕੜਿਆਂ ਵਿੱਚ ਬਣਿਆ ਪ੍ਰਬੰਧ ਅਪਣਾਉਣ ਦੀ ਰਫ਼ਤਾਰ ਘਟਾ ਸਕਦਾ ਹੈ.

ਸਾਨੂੰ ਪਹਿਲਾਂ ਆਉਣ ਵਾਲੇ ਘੱਟ ਸਮਰੱਥ ਪ੍ਰਬੰਧਾਂ ਅਤੇ ਬਾਅਦ ਦੇ ਵੱਧ ਸਮਰੱਥ ਮਾਡਲਾਂ ਵਿਚਕਾਰ ਦੌੜ ਦਿਸਦੀ ਹੈ. ਜਿੱਤ ਇਸ ’ਤੇ ਨਿਰਭਰ ਕਰੇਗੀ ਕਿ ਕੀ ਭਵਿੱਖ ਦੇ ਮਾਡਲ ਇੰਨੀ ਤੇਜ਼ੀ ਨਾਲ ਅਪਣਾਏ ਜਾਣਗੇ ਕਿ ਉਨ੍ਹਾਂ ਦੀਆਂ ਸਮਰੱਥਾਵਾਂ ਵਿਕਸਿਤ ਕਰਨ ਵਿੱਚ ਲੱਗਿਆ ਵਾਧੂ ਸਮਾਂ ਪੂਰਾ ਹੋ ਜਾਵੇ.

ਇਹ “ਨਾਲ-ਨਾਲ ਜੁੜਨ” ਵਾਲਾ ਪਰਿਦ੍ਰਿਸ਼ ਪਹਿਲੇ “ਤਰੱਕੀ ਦੇਣ ਵਾਲੇ” ਪਰਿਦ੍ਰਿਸ਼ ਦੇ ਨਾਲ-ਨਾਲ ਵੀ ਚੱਲ ਸਕਦਾ ਹੈ. AI ਵੱਲੋਂ ਕੁਝ ਕਾਰਜਾਂ ਨੂੰ ਸਵੈਚਾਲਿਤ ਕਰਨ ਨਾਲ ਕੰਪਨੀਆਂ ਵਿੱਚ ਮਨੁੱਖੀ ਕਰਮਚਾਰੀਆਂ ਦੀ ਗਿਣਤੀ ਘਟ ਸਕਦੀ ਹੈ, ਜਦਕਿ ਬਾਕੀ ਮਨੁੱਖਾਂ ਨੂੰ ਆਪਣੇ ਏਜੰਟਾਂ ਦੀਆਂ ਟੀਮਾਂ ਦੀ ਮਦਦ ਨਾਲ ਕਿਤੇ ਵੱਡੀਆਂ ਜ਼ਿੰਮੇਵਾਰੀਆਂ ਮਿਲ ਸਕਦੀਆਂ ਹਨ. ਅਹਿਮ ਗੱਲ ਇਹ ਹੈ ਕਿ ਸਿਰਫ਼ ਇਸ ਪਰਿਦ੍ਰਿਸ਼ ਦਾ ਮਤਲਬ ਸਮੁੱਚੇ ਮਨੁੱਖੀ ਰੁਜ਼ਗਾਰ ਵਿੱਚ ਕਮੀ ਹੋਣਾ ਨਹੀਂ ਹੈ. ਹੋ ਸਕਦਾ ਹੈ ਕਿ ਕੰਪਨੀਆਂ ਦੀ ਗਿਣਤੀ ਵਧ ਜਾਵੇ, ਪਰ ਹਰੇਕ ਕੰਪਨੀ ਵਿੱਚ ਕਰਮਚਾਰੀਆਂ ਦੀ ਗਿਣਤੀ ਘੱਟ ਹੋਵੇ.

ਸਾਡਾ ਤੀਜਾ ਪਰਿਦ੍ਰਿਸ਼ ਸਭ ਤੋਂ ਵੱਧ ਉਲਝਣ ਵਾਲਾ ਹੈ. ਇੱਥੇ AI ਕੰਪਨੀ ਵਿੱਚ ਲੋਕਾਂ ਦੇ ਉੱਪਰ ਸ਼ਾਮਲ ਹੁੰਦਾ ਹੈ. ਹੁਣ ਢਾਂਚਾ ਮਸ਼ੀਨਾਂ ਦੇ ਉੱਪਰ ਮਨੁੱਖਾਂ ਵਾਲਾ ਨਹੀਂ ਰਹਿੰਦਾ, ਸਗੋਂ ਮਨੁੱਖ, AI, ਮਨੁੱਖ ਦਾ ਬਣ ਜਾਂਦਾ ਹੈ—ਇੱਕ ਆਟੋਮੇਸ਼ਨ ਸੈਂਡਵਿਚ. ਕੁਝ ਲੋਕ AI ਨੂੰ ਰਿਪੋਰਟ ਕਰਦੇ ਹਨ.

ਇਹ ਗੱਲ ਅਸੰਭਵ ਜਿਹੀ ਲੱਗਦੀ ਹੈ, ਖ਼ਾਸ ਕਰਕੇ ਕੰਪਨੀਆਂ ਵੱਲੋਂ AI ਨੂੰ ਅਪਣਾਉਣ ਦੀ ਸ਼ੁਰੂਆਤ ਵਜੋਂ. ਪਰ ਸਾਡਾ ਮੰਨਣਾ ਹੈ ਕਿ ਘੱਟ ਬੁਨਿਆਦੀ ਬਦਲਾਅ ਵਾਲੇ ਰੂਪਾਂ ਵਿੱਚ ਇਹ ਪਹਿਲਾਂ ਹੀ ਸ਼ੁਰੂ ਹੋ ਚੁੱਕਾ ਹੈ.

AI ਨੂੰ ਮਾਨਸਿਕ ਕਿਰਤ ਦਾ ਮਸ਼ੀਨੀਕਰਨ ਕਰਨ ਵਾਲਾ ਮੰਨਣ ਦੇ ਬਾਵਜੂਦ, ਸਾਡਾ ਧਿਆਨ ਅਕਸਰ ਹੇਠਲੇ ਅਹੁਦਿਆਂ ’ਤੇ ਹੀ ਰਹਿੰਦਾ ਹੈ. ਅਸੀਂ ਆਮ ਤੌਰ ’ਤੇ ਕਹਿੰਦੇ ਹਾਂ ਕਿ AI ਸਪ੍ਰੈਡਸ਼ੀਟਾਂ ਅਤੇ ਸਲਾਈਡ ਡੈੱਕਾਂ ਨੂੰ ਸਵੈਚਾਲਿਤ ਕਰਦਾ ਹੈ, ਪ੍ਰਬੰਧਨ ਨੂੰ ਨਹੀਂ. ਸਾਡੀ ਸਹਿਜ ਧਾਰਨਾ ਹੈ ਕਿ ਸਵੈਚਾਲਨ ਅਹੁਦਿਆਂ ਦੀ ਪੌੜੀ ’ਤੇ ਹੇਠਾਂ ਤੋਂ ਉੱਪਰ ਵੱਲ ਵਧਦਾ ਹੈ: ਪਹਿਲਾਂ ਨੀਰਸ ਮਾਨਸਿਕ ਕੰਮ ਅਤੇ ਸਭ ਤੋਂ ਅਖ਼ੀਰ ਵਿੱਚ ਫ਼ੈਸਲਾ ਲੈਣ ਦੀ ਸੂਝ, ਜਿਸ ਵਿੱਚ ਪ੍ਰਬੰਧਕ ਆਖ਼ਰੀ ਬਚਿਆ ਹੋਇਆ ਗੜ੍ਹ ਹੁੰਦਾ ਹੈ.

ਪਰ ਪ੍ਰਬੰਧਕ ਦਾ ਕੰਮ ਮੁੱਖ ਤੌਰ ’ਤੇ ਕੰਪਿਊਟਰ ਅਤੇ ਦਿਮਾਗ਼ ਵਿੱਚ ਹੁੰਦਾ ਹੈ: ਪੜ੍ਹਨਾ, ਮੀਟਿੰਗਾਂ ਕਰਨਾ, ਵੱਖ-ਵੱਖ ਪੱਖਾਂ ’ਤੇ ਵਿਚਾਰ ਕਰਨਾ, ਸੰਦਰਭ ਨੂੰ ਧਿਆਨ ਵਿੱਚ ਰੱਖਣਾ ਅਤੇ ਫ਼ੈਸਲੇ ਲੈਣਾ. ਸਰੀਰਕ ਤੌਰ ’ਤੇ ਮੌਜੂਦ ਰਹਿਣ, ਦਫ਼ਤਰ ਦੀਆਂ ਮੰਜ਼ਿਲਾਂ ’ਤੇ ਘੁੰਮਣ ਅਤੇ ਕਰਮਚਾਰੀਆਂ ਵਿਚਕਾਰ ਰਹਿਣ ਦੀ ਵੀ ਆਪਣੀ ਅਹਿਮੀਅਤ ਹੈ. ਫਿਰ ਵੀ, ਹੇਠਲੇ ਪੱਧਰ ਦਾ ਕੰਮ, ਭਾਵੇਂ ਉਹ ਜ਼ਿਆਦਾਤਰ ਮਾਨਸਿਕ ਹੋਵੇ, ਪ੍ਰਬੰਧਨ ਦੇ ਕੰਮ ਨਾਲੋਂ ਭੌਤਿਕ ਚੀਜ਼ਾਂ ਅਤੇ ਟੂਲਾਂ ਨਾਲ ਵੱਧ ਜੁੜਿਆ ਹੁੰਦਾ ਹੈ. ਫੋਟੋਕਾਪੀ ਕਰਨ ਲਈ ਇੰਟਰਨ ਨੂੰ ਭੇਜਿਆ ਜਾਂਦਾ ਹੈ, ਉਸ ਦੇ ਬੌਸ ਨੂੰ ਨਹੀਂ.

ਮਾਡਲ ਨੂੰ ਪ੍ਰਬੰਧਕੀ ਫ਼ੈਸਲੇ ਲੈਣ ਦੀ ਸਿਖਲਾਈ ਦੇਣੀ ਔਖੀ ਹੈ, ਕਿਉਂਕਿ ਕਾਮਯਾਬੀ ਅਸਪਸ਼ਟ ਹੁੰਦੀ ਹੈ ਅਤੇ ਇਸ ਨੂੰ ਲੰਮੇ ਸਮੇਂ ਦੌਰਾਨ ਮਾਪਿਆ ਜਾਂਦਾ ਹੈ. ਇਸੇ ਤਰ੍ਹਾਂ ਦੇ ਕਾਰਨਾਂ⁠(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ) ਕਰਕੇ ਚੰਗੇ ਮਨੁੱਖੀ ਪ੍ਰਬੰਧਕਾਂ ਨੂੰ ਤਿਆਰ ਕਰਨਾ ਵੀ ਔਖਾ ਹੈ. ਅਸੀਂ ਅਜੇ ਨਹੀਂ ਜਾਣਦੇ ਕਿ ਮਾਡਲ ਪ੍ਰਬੰਧਨ ਦੇ ਕੰਮ ਵਿੱਚ ਕਿੰਨੇ ਕੁ ਚੰਗੇ ਹਨ. ਕੰਮ ਨੂੰ ਅਮਲ ਵਿੱਚ ਲਿਆਉਣ ’ਤੇ ਕੇਂਦ੍ਰਿਤ ਮਾਨਸਿਕ ਕਿਰਤ ਲਈ ਸਾਡੇ ਕੋਲ ਬਹੁਤ ਸਾਰੇ ਮੁਲਾਂਕਣ ਹਨ, ਪਰ ਪ੍ਰਬੰਧਕਾਂ ਅਤੇ ਉੱਚ ਅਧਿਕਾਰੀਆਂ ਦੇ ਕਾਰਜ-ਦਾਇਰੇ ਵਿੱਚ ਆਉਣ ਵਾਲੇ ਵੱਡੇ ਪੱਧਰ ਦੇ ਤਾਲਮੇਲ ਨੂੰ ਪਰਖਣ ਵਾਲੇ ਮੁਲਾਂਕਣ ਬਹੁਤ ਘੱਟ ਹਨ.

ਫਿਰ ਵੀ, ਇਹ ਵਿਚਾਰ ਕਰਨਾ ਵਾਜਬ ਹੈ ਕਿ ਅੱਜ ਦੇ ਮਾਡਲ ਸਮਰੱਥਾ ਦੇ ਪੱਖੋਂ ਹੇਠਲੇ ਪੱਧਰ ਦੇ ਕਾਮਿਆਂ ਨਾਲੋਂ ਮਨੁੱਖੀ ਪ੍ਰਬੰਧਕਾਂ ਦੇ ਵੱਧ ਨੇੜੇ ਹੋ ਸਕਦੇ ਹਨ. ਕੁਝ ਪ੍ਰਬੰਧਕੀ ਕਾਰਜ ਉਨ੍ਹਾਂ ਕੰਮਾਂ ਤੋਂ ਪਹਿਲਾਂ ਹੀ ਸਵੈਚਾਲਿਤ ਹੋ ਸਕਦੇ ਹਨ, ਜਿਨ੍ਹਾਂ ਦੀ ਉਹ ਨਿਗਰਾਨੀ ਕਰਦੇ ਹਨ.

ਸ਼ਾਇਦ ਇਸ “ਪਰਤਾਂ ਬਣਾਉਣ” ਵਾਲੇ ਪਰਿਦ੍ਰਿਸ਼ ਦਾ ਪੂਰਾ ਰੂਪ ਅਜਿਹਾ AI ਹੋਵੇ, ਜੋ ਸੋਚਣ ਦਾ ਕੰਮ ਕਰੇ ਅਤੇ ਆਪਣੀਆਂ ਸਮਰੱਥਾਵਾਂ ਦੀਆਂ ਕਮੀਆਂ ਨੂੰ ਪੂਰਾ ਕਰਨ ਲਈ ਆਪਣੇ ਅਧੀਨ ਮਨੁੱਖੀ ਠੇਕੇਦਾਰਾਂ ਨੂੰ ਕੰਮ ’ਤੇ ਲਗਾਏ, ਜੋ ਉਸ ਨੂੰ ਰਿਪੋਰਟ ਕਰਨ. ਅਜਿਹੀ ਦੁਨੀਆ ਸਾਨੂੰ ਕਾਫ਼ੀ ਅਜਨਬੀ ਲੱਗਦੀ ਹੈ. ਇਸ ਲਈ ਬਹੁਤ ਕੁਝ ਬਦਲਣਾ ਪਵੇਗਾ.

ਪਰ ਇਸ ਦਾ ਇੱਕ ਹੋਰ ਸੁਭਾਵਿਕ ਰੂਪ ਵੀ ਹੈ, ਜਿਸ ਦੀ ਸ਼ੁਰੂਆਤ ਪਹਿਲਾਂ ਹੀ ਹੋ ਚੁੱਕੀ ਹੈ: ਸਲਾਹ ਦੇਣਾ. ਅੱਜ ਕੋਈ ਉੱਚ ਅਧਿਕਾਰੀ ChatGPT ਨੂੰ ਆਪਣੀ ਕੰਪਨੀ ਦੇ ਸੈਂਕੜੇ Slack ਚੈਨਲਾਂ, ਦਸਤਾਵੇਜ਼ਾਂ, ਸੁਨੇਹਿਆਂ ਅਤੇ ਕੋਡ ਫ਼ਾਈਲਾਂ ਨੂੰ ਪੜ੍ਹ ਕੇ ਸਵਾਲਾਂ ਦੇ ਜਵਾਬ ਦੇਣ ਲਈ ਕਹਿ ਸਕਦੀ ਹੈ. ਇਹ ਟੀਮ ਅਸਲ ਵਿੱਚ ਕਰਦੀ ਕੀ ਹੈ? ਉਹ ਕਮਜ਼ੋਰੀ ਕਿੱਥੇ ਸਾਹਮਣੇ ਆ ਰਹੀ ਹੈ? ਹੁਣ ਉਸ ਲਈ ਸੰਗਠਨ ਦੇ ਹਰ ਹਿੱਸੇ ਨੂੰ ਸਮਝਣਾ ਲਗਾਤਾਰ ਸੌਖਾ ਹੁੰਦਾ ਜਾ ਰਿਹਾ ਹੈ⁠(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ).

ਉੱਚ ਅਧਿਕਾਰੀ ਲੰਮੇ ਸਮੇਂ ਤੋਂ ਸੰਗਠਨਾਤਮਕ ਢਾਂਚੇ ਵਿੱਚ ਪੈਸੇ ਦੇ ਕੇ ਬਾਹਰੀ ਵਿਚੋਲੇ ਸ਼ਾਮਲ ਕਰਦੇ ਆਏ ਹਨ—ਇਸ ਨੂੰ ਉਹ ਕੰਸਲਟਿੰਗ ਕਹਿੰਦੇ ਸਨ. ਮੈਨੇਜਮੈਂਟ ਕੰਸਲਟੈਂਸੀ ਥੋੜ੍ਹੇ ਸਮੇਂ ਲਈ ਅਤੇ ਭਾਰੀ ਲਾਗਤ ’ਤੇ ਤੁਹਾਡੇ ਸੰਗਠਨਾਤਮਕ ਢਾਂਚੇ ਵਿੱਚ ਇੱਕ ਹੋਰ ਪਰਤ ਜੋੜਦੀ ਹੈ. ਆਉਣ ਵਾਲੇ ਸਮੇਂ ਵਿੱਚ AI ਕੰਸਲਟੈਂਟਾਂ ਦੀ ਲਾਗਤ ਨਾਂਮਾਤਰ ਹੋ ਸਕਦੀ ਹੈ ਅਤੇ ਉਹ ਹਰ ਸਮੇਂ ਮੌਜੂਦ ਹੋ ਸਕਦੇ ਹਨ.

ਮਾਡਲਾਂ ਨੇ ਕੰਪਨੀ ਦੇ ਦਸਤਾਵੇਜ਼ਾਂ ਅਤੇ ਸੰਚਾਰ ਨੂੰ ਭਰੋਸੇਯੋਗ ਢੰਗ ਨਾਲ ਸਮਝਣਾ ਅਜੇ ਸ਼ੁਰੂ ਹੀ ਕੀਤਾ ਹੈ. ਉਨ੍ਹਾਂ ਦੀ ਪਰਖ ਅਤੇ ਪਹਿਲਕਦਮੀ ਕਰਨ ਦੀ ਸਮਰੱਥਾ ਨੂੰ ਅਜੇ ਹੋਰ ਨਿੱਖਰਨਾ ਪਵੇਗਾ. ਫਿਲਹਾਲ ChatGPT ਕਿਸੇ ਉਤਸ਼ਾਹੀ ਉੱਚ ਅਧਿਕਾਰੀ ਨੂੰ ਆਪਣੀ ਸੰਸਥਾ ਨੂੰ ਹੋਰ ਬਾਰੀਕੀ ਨਾਲ ਸਮਝਣ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ. ਸਾਡਾ ਮੰਨਣਾ ਹੈ ਕਿ ਆਖ਼ਰਕਾਰ ਇਹ ਪੂਰੀਆਂ ਸੇਵਾਵਾਂ ਦੇਣ ਵਾਲੀ ਕੰਸਲਟੈਂਸੀ ਬਣ ਜਾਵੇਗਾ. ਇਹ ਹੇਠਲੇ ਪੱਧਰ ਦੇ ਕਰਮਚਾਰੀਆਂ ਦਾ ਅਸਲ “ਮੈਨੇਜਰ” ਨਹੀਂ ਹੋਵੇਗਾ, ਸਗੋਂ ਉੱਚ ਅਧਿਕਾਰੀਆਂ ਲਈ ਕੰਪਨੀ ਦੇ ਅੰਦਰੂਨੀ ਹਾਲਾਤ ਬਾਰੇ ਜਾਣਕਾਰੀ ਦੇਣ ਵਾਲਾ ਅਤੇ ਸਲਾਹਕਾਰ ਹੋਵੇਗਾ. ਇਹ ਕਾਰੋਬਾਰੀ ਮੁਹਾਰਤ ਦੀ ਵਰਤੋਂ ਕਰਦਿਆਂ ਹਰ ਚੀਜ਼ ਦੀ ਜਾਂਚ ਕਰੇਗਾ, ਸਰਗਰਮੀ ਨਾਲ ਸਮੱਸਿਆਵਾਂ ਸਾਹਮਣੇ ਲਿਆਏਗਾ ਅਤੇ ਉਨ੍ਹਾਂ ਨੂੰ ਤਰਜੀਹ ਅਨੁਸਾਰ ਹੱਲ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰੇਗਾ.

ਇਹ ਲਾਹੇਵੰਦ ਹੋਵੇਗਾ ਜਾਂ ਨੁਕਸਾਨਦੇਹ, ਇਹ ਉੱਚ ਅਧਿਕਾਰੀ ’ਤੇ ਨਿਰਭਰ ਕਰੇਗਾ. ਇਸ ਦਾ ਢਾਂਚਾਗਤ ਅਸਰ ਕੇਂਦਰੀਕਰਨ ਹੋਵੇਗਾ. ਸਾਡਾ ਮੰਨਣਾ ਹੈ ਕਿ ਇਸ ਨਾਲ ਸਿਖਰਲੇ ਅਧਿਕਾਰੀਆਂ ਅਤੇ ਕੰਪਨੀ ਦੇ ਅਸਲ ਕੰਮਕਾਜ ਵਿਚਕਾਰਲੀ ਦੂਰੀ ਘਟੇਗੀ. ਇਸ ਨਾਲ ਸਿਖਰਲੇ ਪੱਧਰ ’ਤੇ ਵਧੇਰੇ ਅਧਿਕਾਰ ਕੇਂਦਰਿਤ ਹੋਣਗੇ, ਜਦਕਿ ਪਹਿਲਾਂ ਜਾਣਕਾਰੀ ਦੇ ਆਦਾਨ-ਪ੍ਰਦਾਨ ਵਿੱਚ ਰੁਕਾਵਟਾਂ ਹੋਣ ਕਾਰਨ ਫ਼ੈਸਲੇ ਲੈਣ ਦੀ ਵਧੇਰੇ ਵਿਕੇਂਦਰੀਕ੍ਰਿਤ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਤਰਜੀਹ ਮਿਲਦੀ ਸੀ.

ਸਾਨੂੰ ਇਹ ਪਰਿਦ੍ਰਿਸ਼ ਸਿਰਫ਼ ਇਸ ਕਰਕੇ ਹੀ ਮਹੱਤਵਪੂਰਨ ਨਹੀਂ ਲੱਗਦਾ ਕਿ ਇਹ ਅਧਿਕਾਰਾਂ ਦੀ ਵੰਡ ਨੂੰ ਕਿਵੇਂ ਬਦਲਦਾ ਹੈ, ਸਗੋਂ ਇਸ ਕਰਕੇ ਵੀ ਕਿ AI ਕੰਸਲਟੈਂਸੀ ਨੂੰ ਅਪਣਾਉਣਾ ਕਿੰਨਾ ਸੌਖਾ ਹੋ ਸਕਦਾ ਹੈ. ਰਵਾਇਤੀ ਕੰਸਲਟਿੰਗ ਵਾਂਗ, AI ਕੰਸਲਟੈਂਸੀ ਲਈ ਵੀ ਉੱਚ ਅਧਿਕਾਰੀ ਨੂੰ ਤਕਨੀਕੀ ਮੁਹਾਰਤ ਦੀ ਲੋੜ ਨਹੀਂ ਹੁੰਦੀ. ਇਹ ਕੰਪਿਊਟਰ ਵਰਗਾ ਨਹੀਂ ਹੈ, ਜਿਸ ਨੂੰ ਹੇਠਲੇ ਪੱਧਰ ਤੋਂ ਉਨ੍ਹਾਂ ਲੋਕਾਂ ਨੇ ਅਪਣਾਇਆ ਸੀ ਜੋ ਟਾਈਪ ਕਰਨਾ ਅਤੇ ਟਰਮੀਨਲ ਦੀ ਵਰਤੋਂ ਕਰਨਾ ਜਾਣਦੇ ਸਨ. ਤੁਸੀਂ ਸਿਰਫ਼ ਆਪਣੇ ਕੰਸਲਟੈਂਟ ਨਾਲ ਗੱਲ ਕਰਦੇ ਹੋ ਅਤੇ ਉਹ ਤਕਨੀਕੀ ਜਾਣਕਾਰੀ ਤੇ ਮੁਹਾਰਤ ਵਾਲਾ ਕੰਮ ਸੰਭਾਲ ਲੈਂਦਾ ਹੈ. AI ਨੂੰ ਅਪਣਾਉਣ ਦੀ ਇਹ ਲਹਿਰ ਕੰਪਨੀ ਦੇ ਸਿਖਰਲੇ ਅਧਿਕਾਰੀ ਦੇ ਦਫ਼ਤਰ ਤੋਂ ਸ਼ੁਰੂ ਹੋ ਸਕਦੀ ਹੈ. ਬਦਲੇ ਵਿੱਚ, ਇਹ ਕੰਸਲਟੈਂਸੀ ਬਾਕੀ ਪੂਰੀ ਸੰਸਥਾ ਵਿੱਚ ਵੀ AI ਨੂੰ ਅਪਣਾਉਣ ਦੀ ਰਫ਼ਤਾਰ ਤੇਜ਼ ਕਰ ਸਕਦੀ ਹੈ.

ਕੰਪਨੀਆਂ ਦੇ ਰਿਮੋਟ ਵਰਕ ਅਤੇ ਕੰਟਰੈਕਟਿੰਗ ’ਤੇ ਭਰੋਸਾ ਨਾ ਕਰਨ ਦਾ ਇੱਕ ਵੱਡਾ ਕਾਰਨ ਹੈ: ਕੰਮ ਦੀ ਪਾਲਣਾ ਯਕੀਨੀ ਬਣਾਉਣਾ. ਕੰਪਨੀਆਂ ਕੋਲ ਕੰਮ ਕਰਨ ਦੀ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਉਸ ਦੀ ਪੂਰੀ ਬਾਰੀਕੀ ਨਾਲ ਦੇਖਣ ਦਾ ਕੋਈ ਸਸਤਾ ਤਰੀਕਾ ਕਦੇ ਨਹੀਂ ਰਿਹਾ. ਇਸ ਲਈ ਉਹ ਕੰਮ ਦੇ ਦਿਖਾਵੇ ਨੂੰ ਮਾਪਦੀਆਂ ਹਨ⁠(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ)—ਕਲਿੱਕਾਂ ਦੀ ਗਿਣਤੀ, ਮਾਊਸ ਦੀ ਹਿਲਜੁਲ, ਸਰਗਰਮੀ ਦਿਖਾਉਣ ਵਾਲੇ ਹਰੇ ਬਿੰਦੂ—ਅਜਿਹੇ ਸੰਕੇਤ ਜਿਨ੍ਹਾਂ ਦਾ ਇਸ ਗੱਲ ਨਾਲ ਬਹੁਤ ਘੱਟ ਸੰਬੰਧ ਹੁੰਦਾ ਹੈ ਕਿ ਅਸਲ ਵਿੱਚ ਚੰਗਾ ਕੰਮ ਹੋ ਰਿਹਾ ਹੈ ਜਾਂ ਨਹੀਂ.

AI ਇੱਕ ਅਜਿਹੀ ਨਿਗਰਾਨ ਪ੍ਰਣਾਲੀ ਪ੍ਰਦਾਨ ਕਰਦੀ ਹੈ ਜੋ ਸਮਝਦੀ ਹੈ. ਇਹ ਕਿਸੇ ਵਿਅਕਤੀ ਦੇ ਕੰਮ ਨੂੰ ਦੇਖ ਕੇ ਵੱਡੇ ਟੀਚਿਆਂ ਵੱਲ ਹੋ ਰਹੀ ਅਸਲ ਤਰੱਕੀ ਨੂੰ ਪਛਾਣ ਸਕਦੀ ਹੈ. ਜਿਵੇਂ ਕਿ ਅਸੀਂ ਅਗਲੇ ਭਾਗ ਵਿੱਚ ਪੜਚੋਲ ਕਰਾਂਗੇ, ਕਿਸੇ ਵੀ ਨਵੀਂ ਨਿਗਰਾਨੀ ਨੂੰ ਬਿਨਾਂ ਡੂੰਘੇ ਵਿਚਾਰ ਦੇ ਲਾਗੂ ਨਹੀਂ ਕਰਨਾ ਚਾਹੀਦਾ⁠(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ). ਪਰ ਸਹੀ ਹਾਲਾਤ ਵਿੱਚ, ਇਹ ਭਰੋਸਾ ਵਧਾ ਸਕਦੀ ਹੈ ਅਤੇ ਕੰਪਨੀਆਂ ਨੂੰ ਆਪਣੇ ਕਰਮਚਾਰੀਆਂ ਨੂੰ ਵੱਧ ਆਜ਼ਾਦੀ ਦੇਣ ਲਈ ਉਤਸ਼ਾਹਿਤ ਕਰ ਸਕਦੀ ਹੈ.

ਜੇ ਨਿਗਰਾਨ ਚੰਗੇ ਕੰਮ ਦੇ ਨਤੀਜੇ ਤੱਕ ਪਹੁੰਚਣ ਦੇ ਕਈ ਵੱਖ-ਵੱਖ ਰਾਹਾਂ ਨੂੰ ਸਮਝਦਾ ਹੋਵੇ, ਤਾਂ ਕਰਮਚਾਰੀ ਆਪਣੀ ਪਸੰਦ ਦੇ ਢੰਗ ਨਾਲ ਵੱਧ ਕੰਮ ਕਰ ਸਕਦੇ ਹਨ. ਬੌਸਾਂ ਲਈ ਆਸਾਨੀ ਨਾਲ ਨਿਗਰਾਨੀ ਕੀਤੇ ਜਾ ਸਕਣ ਵਾਲੇ ਕਿਸੇ ਇੱਕ ਤੈਅ ਤਰੀਕੇ ਦੀ ਪਾਲਣਾ ਕਰਨ ਦੀ ਬਜਾਏ, ਚੰਗੇ ਨਤੀਜਿਆਂ ਵੱਲ ਹੋ ਰਹੀ ਤਰੱਕੀ ਵਧੇਰੇ ਅਹਿਮ ਹੋਵੇਗੀ. ਸਮਝਦਾਰ ਨਿਗਰਾਨ ਲਚਕ ਪ੍ਰਦਾਨ ਕਰਦੀ ਹੈ ਅਤੇ ਉਤਪਾਦਕਤਾ ਦੇ ਉਸ ਦਿਖਾਵੇ ਨੂੰ ਸਜ਼ਾ ਦਿੰਦੀ ਹੈ, ਜਿਸ ਨੂੰ ਅਸੀਂ ਸਾਰੇ ਨਾਪਸੰਦ ਕਰਦੇ ਹਾਂ.

ਇੱਥੇ ਲਾਭ ਦਾ ਪ੍ਰਸਤਾਵ ਉਨ੍ਹਾਂ ਬੀਮਾ ਕੰਪਨੀਆਂ ਵਰਗਾ ਹੈ, ਜੋ ਕਾਰ ਵਿੱਚ ਟ੍ਰੈਕਰ ਲਗਵਾਉਣ ’ਤੇ ਤੁਹਾਡੀ ਬੀਮਾ ਦਰ ਘਟਾ ਦਿੰਦੀਆਂ ਹਨ. ਜੇ ਤੁਸੀਂ ਪ੍ਰਣਾਲੀ ਨੂੰ ਚਕਮਾ ਦੇਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰ ਰਹੇ ਸੀ, ਤਾਂ ਇਹ ਤੁਹਾਡੇ ਲਈ ਨੁਕਸਾਨਦੇਹ ਹੈ; ਪਰ ਜੇ ਤੁਸੀਂ ਸਿਰਫ਼ ਆਪਣਾ ਕੰਮ ਕਰ ਰਹੇ ਸੀ, ਤਾਂ ਨਿਗਰਾਨ ਤੁਹਾਨੂੰ ਸਹੀ ਸਾਬਤ ਕਰ ਸਕਦੀ ਹੈ ਅਤੇ ਪ੍ਰਬੰਧਨ ਦਾ ਤੁਹਾਡੇ ’ਤੇ ਭਰੋਸਾ ਹੋਰ ਵਧ ਜਾਂਦਾ ਹੈ.

ਇਹ ਭਰੋਸਾ ਨਵੀਆਂ ਸੰਭਾਵਨਾਵਾਂ ਪੈਦਾ ਕਰਦਾ ਹੈ. ਜਿਹੜੀਆਂ ਕੰਪਨੀਆਂ ਪਹਿਲਾਂ ਹਾਈਬ੍ਰਿਡ ਵਰਕ, ਗ਼ੈਰ-ਰਵਾਇਤੀ ਸੋਚ ਵਾਲੇ ਲੋਕਾਂ, ਠੇਕੇਦਾਰਾਂ ਜਾਂ ਦੂਰ-ਦੁਰਾਡੇ ਦੇਸ਼ਾਂ ਵਿੱਚ ਰਹਿਣ ਵਾਲੇ ਹੋਣਹਾਰ ਲੋਕਾਂ ਨੂੰ ਨੌਕਰੀ ’ਤੇ ਰੱਖਣ ਤੋਂ ਝਿਜਕਦੀਆਂ ਸਨ, ਉਹ ਹੁਣ ਇਸ ਲਈ ਨਵੀਂ ਤਿਆਰੀ⁠(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ) ਦਿਖਾ ਸਕਦੀਆਂ ਹਨ.

ਅੱਜ ਹੇਠਲੇ ਪੱਧਰ ਦੇ ਕਰਮਚਾਰੀਆਂ ਨੂੰ ਸੰਗਠਨਾਤਮਕ ਢਾਂਚੇ ਨਾਲ ਕਈ ਸਮੱਸਿਆਵਾਂ ਹਨ. ਆਪਣੇ ਸਾਹਮਣੇ ਆਉਣ ਵਾਲੀ ਕਿਸੇ ਸਮੱਸਿਆ ਨੂੰ ਉੱਚ ਅਧਿਕਾਰੀਆਂ ਤੱਕ ਪਹੁੰਚਾਉਣ ਦਾ ਕੋਈ ਰਾਹ ਨਾ ਹੋਣਾ ਬੇਹੱਦ ਨਿਰਾਸ਼ਾਜਨਕ ਹੈ. ਕਿਸੇ ਅਯੋਗ ਪ੍ਰਬੰਧਕ ਦੇ ਅਧੀਨ ਫਸੇ ਰਹਿਣਾ ਜਾਂ ਸ਼ਾਨਦਾਰ ਕੰਮ ਕਰਨ ਦੇ ਬਾਵਜੂਦ ਉਸ ਦੀ ਕਦਰ ਨਾ ਹੋਣਾ ਵੀ ਬੇਇਨਸਾਫ਼ੀ ਹੈ.

ਸਾਡੇ ਵਿਚਾਰ ਵਿੱਚ, ਕਾਰੋਬਾਰੀ ਕੁਸ਼ਲਤਾ ਨੂੰ ਹੱਦ ਤੱਕ ਵਧਾਉਣ ਦੀ ਪਿਛਲੀ ਲਹਿਰ ਸੀਮਤ ਡਾਟਾ, ਮੋਟੇ-ਮੋਟੇ ਦਿਸ਼ਾ-ਨਿਰਦੇਸ਼ਾਂ ਅਤੇ ਨਾਸਮਝ ਐਲਗੋਰਿਦਮਾਂ ’ਤੇ ਆਧਾਰਿਤ ਸੀ. ਜੇ ਤੁਸੀਂ ਸਿਰਫ਼ ਗੀਅਰਾਂ ਦੇ ਅਨੁਪਾਤਾਂ ਦੀ ਗਣਨਾ ਕਰ ਸਕਦੇ ਹੋ, ਤਾਂ ਹਰ ਕੋਈ ਮਸ਼ੀਨ ਦਾ ਇੱਕ ਪੁਰਜ਼ਾ ਹੀ ਦਿਖਾਈ ਦਿੰਦਾ ਹੈ. ਕੰਪਨੀਆਂ ਨੂੰ ਲੰਮੇ ਸਮੇਂ ਤੋਂ ਆਪਣੇ ਕਾਮਿਆਂ ਦੇ ਯੋਗਦਾਨ ਨੂੰ ਮਾਪਣ ਦੀ ਸਮੱਸਿਆ ਰਹੀ ਹੈ. ਇੱਕ ਸਮਝਦਾਰ ਨਿਗਰਾਨ ਉਹ ਕੀਮਤੀ ਯੋਗਦਾਨ ਅਤੇ ਵਿਲੱਖਣ ਤਰੀਕੇ ਪਛਾਣ ਸਕਦੀ ਹੈ, ਜਿਨ੍ਹਾਂ ਨੂੰ ਅੱਜ ਦੇ ਮੋਟੇ ਮਾਪਦੰਡ ਪਛਾਣਨ ਵਿੱਚ ਅਸਫ਼ਲ ਰਹਿੰਦੇ ਹਨ.

ਇਨ੍ਹਾਂ ਤਿੰਨ ਸਰਲ ਰੂਪ ਵਿੱਚ ਪੇਸ਼ ਕੀਤੇ ਪਰਿਦ੍ਰਿਸ਼ਾਂ ਤੋਂ ਸੇਧ ਲੈਂਦਿਆਂ, ਹੁਣ ਅਸੀਂ ਕੰਪਨੀ ਦੇ ਭਵਿੱਖ ਬਾਰੇ ਕੁਝ ਫ਼ੈਸਲਾਕੁੰਨ ਸਵਾਲਾਂ ਦੀ ਪੜਚੋਲ ਕਰਦੇ ਹਾਂ.

ਕੁਝ ਬਣਾਉਣਾ ਆਮ ਤੌਰ ’ਤੇ ਕਾਫ਼ੀ ਮਹਿੰਗਾ ਪੈਂਦਾ ਹੈ. ਐਪ, ਫ਼ਿਲਮ, ਡੈੱਕ, ਫੀਚਰ ਜਾਂ ਵਿਸ਼ਲੇਸ਼ਣ—ਇਨ੍ਹਾਂ ਨੂੰ ਦੁਬਾਰਾ ਬਣਾਉਣਾ ਮਹਿੰਗਾ, ਸਮਾਂ ਲੈਣ ਵਾਲਾ ਅਤੇ ਬਹੁਤ ਥਕਾ ਦੇਣ ਵਾਲਾ ਕੰਮ ਹੈ. ਜਦੋਂ ਅਸਲ ਵਿੱਚ ਸਿਰਫ਼ ਇੱਕੋ ਮੌਕਾ ਮਿਲਦਾ ਹੈ, ਤਾਂ ਤੁਸੀਂ ਨਿਸ਼ਾਨਾ ਸਹੀ ਰੱਖਣ ਵਿੱਚ ਨਿਵੇਸ਼ ਕਰਦੇ ਹੋ. ਯੋਜਨਾਬੰਦੀ ਦੇ ਚੱਕਰ, ਰੋਡਮੈਪ ਦੀਆਂ ਰਸਮਾਂ ਅਤੇ ਮਨਜ਼ੂਰੀ ਕਮੇਟੀਆਂ—ਇਹ ਸਭ ਇਸ ਗੱਲ ਨੂੰ ਯਕੀਨੀ ਬਣਾਉਣ ਲਈ ਹੁੰਦੀਆਂ ਹਨ ਕਿ ਜਦੋਂ ਕੰਪਨੀ ਆਖ਼ਰਕਾਰ ਕੰਮ ਸ਼ੁਰੂ ਕਰਨ ਲਈ ਹਰੀ ਝੰਡੀ ਦੇਵੇ, ਤਾਂ ਉਹ ਕਿਸੇ ਲਾਹੇਵੰਦ ਕੰਮ ’ਤੇ ਅੱਗੇ ਵਧੇ. ਸਾਡੇ ਪ੍ਰਬੰਧਕੀ ਢਾਂਚਿਆਂ ਵਿੱਚ ਕਈ ਜਾਂਚਾਂ ਇਸ ਲਈ ਮੌਜੂਦ ਹਨ, ਕਿਉਂਕਿ ਕੰਮ ਨੂੰ ਅਮਲ ਵਿੱਚ ਲਿਆਉਣਾ ਬਹੁਤ ਕੀਮਤੀ ਸੀ.

ਕਈ ਖੇਤਰਾਂ ਵਿੱਚ AI ਬਣਾਉਣ ਦੀ ਲਾਗਤ ਬਹੁਤ ਘਟਾ ਰਿਹਾ ਹੈ—ਪੂਰਾ ਕੰਮ ਮੁਕੰਮਲ ਕਰਨ ਤੱਕ ਨਹੀਂ ਤਾਂ ਘੱਟੋ-ਘੱਟ ਮੁੱਢਲਾ ਨਮੂਨਾ ਬਣਾਉਣ ਤੱਕ. ਸਾਡੇ ਖ਼ਿਆਲ ਵਿੱਚ ਕੰਪਨੀ ਦਾ ਤਰੀਕਾ ਵੀ ਬਦਲਣਾ ਚਾਹੀਦਾ ਹੈ: ਨਿਸ਼ਾਨਾ ਸਾਧਣ ’ਤੇ ਘੱਟ ਅਤੇ ਅਜ਼ਮਾਉਣ ’ਤੇ ਵੱਧ ਜ਼ੋਰ. ਕੰਪਨੀ ਪ੍ਰੋਟੋਟਾਈਪ ਬਣਾ ਸਕਦੀ ਹੈ, ਨਤੀਜੇ ਦੇਖ ਸਕਦੀ ਹੈ, ਜਲਦੀ ਸਿੱਖ ਕੇ ਦਿਸ਼ਾ ਬਦਲ ਸਕਦੀ ਹੈ ਅਤੇ ਫਿਰ ਬਣਾ ਸਕਦੀ ਹੈ. ਪ੍ਰੋਟੋਟਾਈਪ ਸੌਖੇ ਬਣਨ ਨਾਲ⁠(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ) ਕੰਪਨੀਆਂ ਨੂੰ ਉਨ੍ਹਾਂ ਪ੍ਰਬੰਧਾਂ ਤੋਂ ਦੂਰ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ ਜੋ ਭਾਰੀ ਯੋਜਨਾਬੰਦੀ ਵਾਲੀ ਪ੍ਰੋਡਕਸ਼ਨ ਦਾ ਆਧਾਰ ਹਨ.

ਇਸ ਦਾ ਸਭ ਤੋਂ ਸੌਖਾ ਰੂਪ ਅਜਿਹੀ ਟੀਮ ਹੈ ਜੋ ਤੇਜ਼ੀ ਨਾਲ ਦੁਹਰਾਅ ਕਰਦੀ ਹੋਈ ਸੁਧਾਰ ਲਿਆਉਂਦੀ ਹੈ. ਵਧੇਰੇ ਬੁਨਿਆਦੀ ਬਦਲਾਅ ਵਾਲੀ ਵਿਆਖਿਆ ਵਿੱਚ ਟੀਮ ਦੀ ਲੋੜ ’ਤੇ ਹੀ ਸਵਾਲ ਉੱਠਦਾ ਹੈ. ਜੇ ਸਾਂਝੀ ਯੋਜਨਾਬੰਦੀ ਘੱਟ ਅਹਿਮ ਹੋਵੇ ਅਤੇ ਇੱਕ-ਦੂਜੇ ਤੋਂ ਸੁਤੰਤਰ, ਵੰਨ-ਸੁਵੰਨੇ ਵਿਚਾਰ ਵੱਧ ਅਹਿਮ ਹੋਣ, ਤਾਂ ਕੀ ਤੇਜ਼ੀ ਨਾਲ ਦੁਹਰਾਅ ਕਰਨ ਵਾਲੀ ਇੱਕੋ ਟੀਮ ਬਿਹਤਰ ਹੈ ਜਾਂ ਕਈ ਵਿਅਕਤੀ, ਜਿਨ੍ਹਾਂ ਵਿੱਚੋਂ ਹਰ ਕੋਈ ਆਪਣਾ ਕਾਰਗਰ ਪ੍ਰੋਟੋਟਾਈਪ ਪੇਸ਼ ਕਰਦਾ ਹੈ? ਜੇ ਇੱਕ ਅਸਲੀ ਪ੍ਰੋਟੋਟਾਈਪ ਕਿਸੇ ਵੀ ਸਕੋਪਿੰਗ ਦਸਤਾਵੇਜ਼ ਨਾਲੋਂ ਬਿਹਤਰ ਢੰਗ ਨਾਲ ਵਿਚਾਰ ਪੇਸ਼ ਕਰ ਸਕਦਾ ਹੈ, ਤਾਂ ਕੀ ਸੰਚਾਰ ਦੇ ਸਾਡੇ ਤਰੀਕੇ ਬਦਲ ਜਾਣਗੇ—ਕੀ ਅਸੀਂ ਵੱਧ ਚੀਜ਼ਾਂ ਪਹਿਲਾਂ ਹੀ ਸਾਂਝੀਆਂ ਕਰਾਂਗੇ ਅਤੇ ਮੈਮੋ ਦੀ ਥਾਂ ਪ੍ਰੋਟੋਟਾਈਪ ਵਰਗੀਆਂ ਤਿਆਰ ਕੀਤੀਆਂ ਚੀਜ਼ਾਂ ਸਾਂਝੀਆਂ ਕਰਾਂਗੇ?

ਘੱਟ ਲਾਗਤ ’ਤੇ ਚੀਜ਼ਾਂ ਬਣਾਉਣ ਦੀ ਸਮਰੱਥਾ ਕੰਪਨੀ ਦਾ ਝੁਕਾਅ ਵਿਅਕਤੀਆਂ ਵੱਲ ਕਰ ਸਕਦੀ ਹੈ. ਇਸ ਦਾ ਮਤਲਬ ਹੋਵੇਗਾ ਵਿਚਕਾਰਲੇ ਪ੍ਰਬੰਧਕੀ ਪੱਧਰਾਂ ਵਿੱਚ ਕਮੀ ਅਤੇ ਮਨਜ਼ੂਰੀ ਲੈਣ ਦੀ ਘੱਟ ਲੋੜ, ਕਿਉਂਕਿ ਪਹਿਲਾਂ ਕੁਝ ਕਰਨ ਨਾਲੋਂ ਇਜਾਜ਼ਤ ਮੰਗਣਾ ਸਸਤਾ ਪੈਂਦਾ ਸੀ, ਪਰ ਹੁਣ ਅਜਿਹਾ ਨਹੀਂ ਹੈ.

ਇਹ ਸਭ ਕਹਿਣ ਦੇ ਬਾਵਜੂਦ, ਜਿਵੇਂ ਕਿ ਅਸੀਂ ਅੱਗੇ ਚਰਚਾ ਕਰਾਂਗੇ, ਉਹੀ ਤਕਨੀਕ ਜੋ ਵਿਅਕਤੀਆਂ ਨੂੰ ਘੱਟ ਜੋਖ਼ਮ ਨਾਲ ਪ੍ਰੋਟੋਟਾਈਪ ਬਣਾਉਣ ਦੇ ਸਮਰੱਥ ਬਣਾਉਂਦੀ ਹੈ, ਲਾਲ ਫ਼ੀਤਾਸ਼ਾਹੀ ਦੇ ਹੋਰ ਵੱਡੇ ਜਾਲ ਵੀ ਬੁਣ ਸਕਦੀ ਹੈ.

ਕੰਪਨੀਆਂ ਵਿੱਚ ਉੱਪਰੋਂ ਹੇਠਾਂ ਵੱਲ ਚੱਲਣ ਵਾਲੇ ਪ੍ਰਬੰਧਨ ਦਾ ਇੱਕ ਵੱਡਾ ਕਾਰਨ ਇਹ ਵਿਸ਼ਵਾਸ ਹੈ ਕਿ ਉੱਚ ਅਧਿਕਾਰੀ ਜੂਨੀਅਰ ਕਾਮਿਆਂ ਨਾਲੋਂ ਬਿਹਤਰ ਕਾਰੋਬਾਰੀ ਫ਼ੈਸਲੇ⁠(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ) ਲੈਂਦੇ ਹਨ. ਕੰਪਨੀਆਂ ਸਿਖਰਲੇ ਅਹੁਦਿਆਂ ’ਤੇ ਬਹੁਤ ਸਮਰੱਥ ਅਤੇ ਤਜਰਬੇਕਾਰ ਲੋਕਾਂ ਨੂੰ ਵੱਧ ਤਨਖ਼ਾਹ ਦਿੰਦੀਆਂ ਹਨ. ਪ੍ਰਬੰਧਕਾਂ ਨੂੰ ਅਕਸਰ ਕਾਰੋਬਾਰੀ ਰਣਨੀਤੀ ਦੀ ਸਿਖਲਾਈ ਦਿੱਤੀ ਜਾਂਦੀ ਹੈ, ਜਦਕਿ ਗ਼ੈਰ-ਪ੍ਰਬੰਧਕੀ ਕਰਮਚਾਰੀ ਆਪਣੇ ਖੇਤਰ ਵਿੱਚ ਮੁਹਾਰਤ ਰੱਖਦੇ ਹਨ. ਜੇ AI ਸਾਰੇ ਕਾਮਿਆਂ ਨੂੰ ਸ਼ਾਨਦਾਰ ਸਲਾਹ ਦੇਵੇ, ਤਾਂ ਫ਼ੈਸਲੇ ਲੈਣ ਦੀ ਗੁਣਵੱਤਾ ਵਿਚਲਾ ਪਾੜਾ ਘਟ ਜਾਂਦਾ ਹੈ. ਇਸ ਨਾਲ ਪ੍ਰਬੰਧਕਾਂ ਕੋਲ ਦਖ਼ਲ ਦੇਣ ਦੇ ਕਾਰਨ ਘੱਟ ਰਹਿ ਜਾਂਦੇ ਹਨ. ਨਤੀਜੇ ਵਜੋਂ, ਕਾਮਿਆਂ ਦੀ ਖ਼ੁਦਮੁਖ਼ਤਿਆਰੀ ਵਧੇਗੀ ਅਤੇ ਪ੍ਰਬੰਧਨ ਦੇ ਪੱਧਰ ਵੀ ਘਟ ਸਕਦੇ ਹਨ.

ਇਸੇ ਤਰ੍ਹਾਂ, “AI ਕੰਸਲਟੈਂਸੀ” ਇਹ ਯਕੀਨੀ ਬਣਾਉਂਦੀ ਹੈ ਕਿ ਕੋਈ ਵੀ ਬਹੁਤ ਮਹੱਤਵਪੂਰਨ ਮਾਮਲਾ ਕਿਸੇ ਉੱਚ ਅਧਿਕਾਰੀ ਨੂੰ ਸੁਚੇਤ ਕੀਤੇ ਬਿਨਾਂ ਅੱਗੇ ਨਾ ਵਧੇ. ਜੇ ਕੋਈ ਕਾਮਾ ਅਜਿਹੀ ਬਲੌਗ ਪੋਸਟ ਪ੍ਰਕਾਸ਼ਿਤ ਕਰਨ ਵਾਲਾ ਹੋਵੇ, ਜਿਸ ਦੇ ਕੰਪਨੀ ਲਈ ਗੰਭੀਰ ਨਤੀਜੇ ਹੋ ਸਕਦੇ ਹਨ, ਤਾਂ AI ਕੰਸਲਟੈਂਸੀ ਪਹਿਲਾਂ ਹੀ ਉੱਚ ਅਧਿਕਾਰੀ ਦਾ ਧਿਆਨ ਇਸ ਵੱਲ ਦਿਵਾ ਦੇਵੇਗੀ. ਇਸ ਨਾਲ ਭਰੋਸਾ ਪੈਦਾ ਹੁੰਦਾ ਹੈ: ਪ੍ਰਬੰਧਨ ਨੂੰ ਇਹ ਚਿੰਤਾ ਨਹੀਂ ਰਹਿੰਦੀ ਕਿ ਉਨ੍ਹਾਂ ਦੀ ਜਾਣਕਾਰੀ ਤੋਂ ਬਿਨਾਂ ਕੋਈ ਵੱਡੀ ਗੜਬੜ ਹੋ ਜਾਵੇਗੀ. ਇਸ ਲਈ ਉਨ੍ਹਾਂ ਨੂੰ ਕਾਮਿਆਂ ਦੇ ਕੰਮ ਕਰਨ ਦੇ ਤਰੀਕਿਆਂ ’ਤੇ ਇੰਨੀ ਸਖ਼ਤ ਪਕੜ⁠(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ) ਰੱਖਣ ਦੀ ਲੋੜ ਨਹੀਂ ਰਹਿੰਦੀ.

ਪਰ AI ਕੰਸਲਟੈਂਸੀ ਦੋਧਾਰੀ ਤਲਵਾਰ⁠(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ) ਹੈ. ਇੱਕ ਸਮਝਦਾਰ ਨਿਗਰਾਨ ਵਜੋਂ ਇਹ ਕਾਮਿਆਂ ’ਤੇ ਭਰੋਸਾ ਵਧਾ ਸਕਦੀ ਹੈ; ਪਰ ਇਹ ਪੂਰੀ ਸੰਸਥਾ ਵਿੱਚ CEO ਦੇ ਪਸੰਦੀਦਾ ਕੰਮਕਾਜੀ ਤਰੀਕਿਆਂ ਨੂੰ ਹੋਰ ਸਖ਼ਤੀ ਨਾਲ ਲਾਗੂ ਵੀ ਕਰ ਸਕਦੀ ਹੈ. ਕੰਪਨੀਆਂ ਇਕਸਾਰਤਾ⁠(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ) ਨੂੰ ਅਹਿਮੀਅਤ ਦਿੰਦੀਆਂ ਹਨ: ਫ਼ੈਸਲਾ ਸਿਰਫ਼ ਚੰਗਾ ਹੀ ਨਾ ਹੋਵੇ, ਸਗੋਂ ਕੰਪਨੀ ਦੇ ਸੱਭਿਆਚਾਰ, ਬ੍ਰਾਂਡ ਅਤੇ ਪੈਮਾਨੇ ਦੀਆਂ ਬੱਚਤਾਂ ਦੇ ਅਨੁਕੂਲ ਵੀ ਹੋਵੇ. ਰੈਸਟੋਰੈਂਟਾਂ ਦੀ ਇੱਕ ਲੜੀ ਆਪਣੀਆਂ ਸਾਰੀਆਂ ਫ੍ਰੈਂਚਾਈਜ਼ੀਆਂ ਵਿੱਚ ਇੱਕੋ ਮੀਨੂ ਰੱਖਣਾ ਪਸੰਦ ਕਰ ਸਕਦੀ ਹੈ, ਤਾਂ ਜੋ ਸਮੱਗਰੀ ਥੋਕ ਵਿੱਚ ਖ਼ਰੀਦੀ ਜਾ ਸਕੇ ਅਤੇ ਗਾਹਕਾਂ ਨੂੰ ਹਰ ਥਾਂ ਇੱਕੋ ਜਿਹੇ ਉਤਪਾਦ ਮਿਲਣ.

ਇਸ ਨਾਲ ਜੁੜੀ ਗੱਲ ਇਹ ਹੈ ਕਿ ਕੰਪਨੀ ਦੇ ਮੁਖੀਆਂ ਅਤੇ ਕਾਮਿਆਂ ਦੇ ਹਿੱਤ ਹਮੇਸ਼ਾ ਇੱਕੋ ਜਿਹੇ ਨਹੀਂ ਹੁੰਦੇ. ਕਾਮੇ ਆਪਣੇ ਖੇਤਰ ਦੀ ਸਫ਼ਲਤਾ⁠(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ) ਨੂੰ ਵੱਧ ਤੋਂ ਵੱਧ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਦੇ ਹਨ, ਜਦਕਿ ਉੱਚ ਅਧਿਕਾਰੀ ਸਮੁੱਚੀ ਕੰਪਨੀ ਦੀ ਸਫ਼ਲਤਾ ਨੂੰ ਤਰਜੀਹ ਦਿੰਦੇ ਹਨ. ਇਕੁਇਟੀ ਦੇ ਮਾਲਕਾਂ ਦੀਆਂ ਤਰਜੀਹਾਂ ਤਨਖ਼ਾਹਦਾਰ ਕਾਮਿਆਂ ਨਾਲੋਂ ਵੱਖਰੀਆਂ ਹੁੰਦੀਆਂ ਹਨ, ਕਿਉਂਕਿ ਸਖਤ ਮਿਹਨਤ ਦੇ ਰਿਵਾਰਡ⁠(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ) ਉਨ੍ਹਾਂ ਨੂੰ ਮਿਲਦੇ ਹਨ. AI ਕੰਸਲਟੈਂਸੀ ਉੱਪਰੋਂ ਤੈਅ ਕੀਤੀਆਂ ਖ਼ਾਸ ਕਾਰਜ-ਵਿਧੀਆਂ ਦੀ ਹੋਰ ਸਖ਼ਤੀ ਨਾਲ ਪਾਲਣਾ ਯਕੀਨੀ ਬਣਾ ਸਕਦੀ ਹੈ.

ਸਾਡਾ ਮੰਨਣਾ ਹੈ ਕਿ ਕੁੱਲ ਮਿਲਾ ਕੇ ਕਾਮਿਆਂ ਦੀ ਖ਼ੁਦਮੁਖ਼ਤਿਆਰੀ ਵਧੇਗੀ. ਸਾਡੀ ਇਹ ਆਸ ਇਸ ਗੱਲ ’ਤੇ ਟਿਕੀ ਹੈ ਕਿ ਕੰਪਨੀਆਂ AI ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਗੰਭੀਰ ਨਤੀਜੇ ਪੈਦਾ ਕਰਨ ਵਾਲੇ ਅਪਵਾਦਾਂ ਬਾਰੇ ਸੁਚੇਤ ਹੋਣਗੀਆਂ, ਜਦਕਿ ਵੱਧ ਤੋਂ ਵੱਧ ਫ਼ੈਸਲੇ ਕਾਮਿਆਂ ਦੇ ਹੱਥਾਂ ਵਿੱਚ ਛੱਡਣਗੀਆਂ.

ਸਾਨੂੰ ਵਿਸ਼ਵਾਸ ਹੈ ਕਿ AI ਇੱਕ ਸਹਾਰਾ ਦੇਣ ਵਾਲੇ ਢਾਂਚੇ ਵਜੋਂ ਕੰਮ ਕਰੇਗਾ. ਭਾਵੇਂ ਉੱਚ ਅਧਿਕਾਰੀ ਬ੍ਰਾਂਡ ਦੀ ਇਕਸਾਰਤਾ ਕਾਇਮ ਰੱਖਣਾ ਚਾਹੁਣ, ਇਹ ਸਿਰਫ਼ ਇੱਕ ਹੱਦ ਹੋਵੇਗੀ, ਜਿਸ ਦੇ ਅੰਦਰ ਰਹਿ ਕੇ ਕੰਮ ਕਰਨਾ ਹੋਵੇਗਾ. ਕਾਮਿਆਂ ਨੂੰ ਲਾਗੂ ਕਾਰੋਬਾਰੀ ਪਾਬੰਦੀਆਂ ਬਾਰੇ ਵਧੇਰੇ ਜਾਣਕਾਰੀ ਹੋਵੇਗੀ ਅਤੇ ਇਨ੍ਹਾਂ ਪਾਬੰਦੀਆਂ ਤੋਂ ਬਾਹਰ ਰਚਨਾਤਮਕਤਾ ਦਿਖਾਉਣ ਲਈ ਉਨ੍ਹਾਂ ਨੂੰ ਵਧੇਰੇ ਸੁਰੱਖਿਆ ਮਿਲੇਗੀ. ਜਦੋਂ ਉੱਚ ਅਧਿਕਾਰੀਆਂ ਨੂੰ ਇਹ ਯਕੀਨ ਹੋਵੇਗਾ ਕਿ ਜ਼ਰੂਰੀ ਪੱਖਾਂ ਦਾ ਧਿਆਨ ਰੱਖਿਆ ਗਿਆ ਹੈ, ਤਾਂ ਉਹ ਕਰਮਚਾਰੀਆਂ ਨੂੰ ਸੰਭਾਵੀ ਤੌਰ ’ਤੇ ਵੱਧ ਲਾਭ ਦੇਣ ਵਾਲੇ ਨਵੇਂ ਤਰੀਕੇ ਅਜ਼ਮਾਉਣ ਦੀ ਖੁੱਲ੍ਹ ਦੇ ਸਕਣਗੇ. ਆਪਣੇ ਅਧੀਨ AI ਸਹਾਇਕਾਂ ਦੀ ਮਦਦ ਨਾਲ ਕਾਮੇ ਹੋਰ ਵੱਡੇ ਪੱਧਰ ਦੇ ਨਤੀਜਿਆਂ ਲਈ ਵੀ ਜ਼ਿੰਮੇਵਾਰ ਹੋਣਗੇ. ਸਾਡਾ ਮੰਨਣਾ ਹੈ ਕਿ ਵਧੇਰੇ ਗੁੰਝਲਦਾਰ ਕੰਮ ਦੀ ਅਗਵਾਈ ਕਰਨ ਨਾਲ ਰਚਨਾਤਮਕਤਾ ਦੇ ਵਧੇਰੇ ਮੌਕੇ ਮਿਲਣਗੇ.

ਕਾਮਿਆਂ ਦੀ ਖ਼ੁਦਮੁਖ਼ਤਿਆਰੀ ਬਾਰੇ ਇਹੋ ਤਰਕ ਕੰਪਨੀ ਦੇ ਆਕਾਰ ’ਤੇ ਵੀ ਲਾਗੂ ਹੁੰਦਾ ਹੈ. ਰੋਨਾਲਡ ਕੋਸ⁠(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ) ਨੇ ਸਵਾਲ ਉਠਾਇਆ ਸੀ ਕਿ ਅਸੀਂ ਇਕਰਾਰਨਾਮਿਆਂ ਦੇ ਜਾਲ ਰਾਹੀਂ ਉਤਪਾਦਨ ਕਰਨ ਦੀ ਬਜਾਏ ਕੰਪਨੀਆਂ ਦੇ ਅੰਦਰ ਉਤਪਾਦਨ ਨੂੰ ਸੰਗਠਿਤ ਕਿਉਂ ਕਰਦੇ ਹਾਂ. ਇੱਕ ਹਵਾਈ ਜਹਾਜ਼ ਵੀ ਸਿਰਫ਼ ਆਪਸੀ ਸਿੱਧੇ ਇਕਰਾਰਨਾਮਿਆਂ ਰਾਹੀਂ ਬਣਾਇਆ ਜਾ ਸਕਦਾ ਹੈ, ਪਰ ਇਹ ਬਹੁਤ ਅਕੁਸ਼ਲ ਤਰੀਕਾ ਹੋਵੇਗਾ. ਕੰਪਨੀਆਂ ਵੱਡੇ ਪੈਮਾਨੇ ਦੀਆਂ ਬੱਚਤਾਂ ਦਾ ਲਾਭ ਲੈਂਦੀਆਂ ਹਨ, ਹਿੱਤਾਂ ਨੂੰ ਇੱਕ ਸੇਧ ਵਿੱਚ ਲਿਆਉਂਦੀਆਂ ਹਨ, ਵੱਡੇ ਪ੍ਰੋਜੈਕਟਾਂ ਨੂੰ ਸੰਗਠਿਤ ਕਰਦੀਆਂ ਹਨ ਅਤੇ ਲਗਾਤਾਰ ਸੌਦੇਬਾਜ਼ੀ ਕਰਨ ਦੀ ਲੋੜ ਖ਼ਤਮ ਕਰਦੀਆਂ ਹਨ.

ਸੰਚਾਰ ਨੂੰ ਸੌਖਾ ਬਣਾ ਕੇ AI ਵੱਡੀਆਂ ਜਾਂ ਛੋਟੀਆਂ, ਦੋਹਾਂ ਤਰ੍ਹਾਂ ਦੀਆਂ ਕੰਪਨੀਆਂ ਨੂੰ ਵਾਜਬ ਬਣਾ ਸਕਦਾ ਹੈ. ਰਵਾਇਤੀ ਕੰਪਨੀ ਜਾਣਕਾਰੀ ਨੂੰ ਉੱਪਰ ਪਹੁੰਚਾਉਣ ਅਤੇ ਹਦਾਇਤਾਂ ਨੂੰ ਹੇਠਾਂ ਭੇਜਣ ਦਾ ਇੱਕ ਢਾਂਚਾ ਹੈ, ਜਿਸ ਵਿੱਚ ਕਈ ਰੁਕਾਵਟਾਂ ਆਉਂਦੀਆਂ ਹਨ ਅਤੇ ਇੱਕ ਤੋਂ ਦੂਜੇ ਤੱਕ ਪਹੁੰਚਦਿਆਂ ਗੱਲ ਦਾ ਰੂਪ ਬਦਲ ਜਾਂਦਾ ਹੈ. ਜੇ AI ਤਾਲਮੇਲ ਦੀ ਇੱਕ ਪਰਤ ਵਜੋਂ ਕੰਮ ਕਰੇ, ਤਾਂ (ਵਧੇਰੇ ਮਨੁੱਖੀ ਕਰਮਚਾਰੀਆਂ ਵਾਲੀ) ਵੱਡੀ ਕੰਪਨੀ ਨੂੰ ਸੰਭਾਲਣਾ ਵੀ ਸੌਖਾ ਹੋ ਜਾਂਦਾ ਹੈ. “AI ਕੰਸਲਟੈਂਸੀ” ਨਾਲ ਇੱਕ ਉੱਚ ਅਧਿਕਾਰੀ ਆਪਣੀ ਕੰਪਨੀ ਨੂੰ ਉਸੇ ਤਰ੍ਹਾਂ ਜਾਣ ਸਕਦੀ ਹੈ, ਜਿਵੇਂ ਕੋਈ ਸੰਸਥਾਪਕ ਵੀਹ ਕਰਮਚਾਰੀਆਂ ਵਾਲੀ ਸਟਾਰਟਅੱਪ ਨੂੰ ਜਾਣਦਾ ਹੈ. ਉਹ ਕਿਸੇ ਪਹਿਲਕਦਮੀ ਬਾਰੇ ਹਰ ਤਿਮਾਹੀ ਰਿਪੋਰਟ ਦੀ ਉਡੀਕ ਕਰਨ ਦੀ ਬਜਾਏ ਉਸ ਨੂੰ ਲਾਗੂ ਹੁੰਦੇ ਦੇਖ ਸਕਦੀ ਹੈ ਅਤੇ ਕੁਝ ਵੀ ਵਾਪਰਨ ’ਤੇ ਉਸ ਨੂੰ ਸੂਚਨਾ ਮਿਲ ਸਕਦੀ ਹੈ. ਉਸ ਦੀ ਸੋਚ ਦਾ ਅਸਰ ਹੋਰ ਵਿਆਪਕ ਹੋ ਸਕਦਾ ਹੈ. ਹਰ ਕੋਈ ਇਸ ਗੱਲ ਤੋਂ ਵੱਧ ਜਾਣੂ ਹੁੰਦਾ ਹੈ ਕਿ ਦੂਜੇ ਕੀ ਕਰ ਰਹੇ ਹਨ ਅਤੇ ਸੰਗਠਨ ਦੀਆਂ ਸਮੁੱਚੀਆਂ ਤਰਜੀਹਾਂ ਕੀ ਹਨ.

ਇਸ ਦਾ ਉਲਟ ਅਸਰ ਵੀ ਹੋ ਸਕਦਾ ਹੈ. ਜੇ ਸੰਚਾਰ ਬੇਰੋਕ ਹੋਵੇ ਅਤੇ ਸ਼ਰਤਾਂ ਦੀ ਪਾਲਣਾ ਦੀ ਨਿਗਰਾਨੀ ਕਰਨੀ ਸੌਖੀ ਹੋਵੇ, ਤਾਂ ਕੰਪਨੀ ਨੂੰ ਆਪਣੀ ਸਪਲਾਈ ਲੜੀ ਦਾ ਇੰਨਾ ਵੱਡਾ ਹਿੱਸਾ ਆਪਣੇ ਅੰਦਰ ਸਮੇਟਣ ਦੀ ਲੋੜ ਨਹੀਂ ਰਹਿੰਦੀ. ਕੰਪਨੀ ਬਾਹਰੀ ਸਪਲਾਇਰਾਂ ਅਤੇ ਠੇਕੇਦਾਰਾਂ ’ਤੇ ਵੱਧ ਭਰੋਸਾ ਕਰ ਸਕਦੀ ਹੈ.

ਵਰਟੀਕਲ ਇੰਟੀਗ੍ਰੇਸ਼ਨ ਦਾ ਇੱਕ ਮੁੱਖ ਉਦੇਸ਼ ਸਾਰੇ ਪੱਖਾਂ ਦੇ ਹਿੱਤਾਂ ਨੂੰ ਇੱਕ ਸੇਧ ਵਿੱਚ ਲਿਆਉਣਾ ਹੁੰਦਾ ਹੈ. ਇਸ ਪਿੱਛੇ ਅਧੂਰੇ ਇਕਰਾਰਨਾਮਿਆਂ⁠(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ) ਦਾ ਸੰਕਲਪ ਹੈ. ਉਦਾਹਰਨ ਲਈ, ਇੱਕ ਏਅਰੋਸਪੇਸ ਕੰਪਨੀ ਜੈੱਟ ਇੰਜਣ ਬਣਾਉਣ ਵਾਲੀ ਕੰਪਨੀ ਨਾਲ ਇਕਰਾਰਨਾਮਾ ਕਰ ਸਕਦੀ ਹੈ, ਪਰ ਇਕਰਾਰਨਾਮੇ ਵਿੱਚ ਸਪੱਸ਼ਟ ਤੌਰ ’ਤੇ ਲਾਜ਼ਮੀ ਨਾ ਕੀਤੇ ਗਏ ਕੰਮਾਂ ਦੇ ਮਾਮਲੇ ਵਿੱਚ, ਜੈੱਟ ਇੰਜਣ ਕੰਪਨੀ ਲਾਗਤ ਘਟਾ ਕੇ ਆਪਣੇ ਮੁਨਾਫ਼ੇ ਨੂੰ ਤਰਜੀਹ ਦੇਣ ਲਈ ਪ੍ਰੇਰਿਤ ਹੋ ਸਕਦੀ ਹੈ. ਇਸ ਤੋਂ ਬਚਣ ਲਈ, ਏਅਰੋਸਪੇਸ ਕੰਪਨੀ ਜੈੱਟ ਇੰਜਣ ਕੰਪਨੀ ਨੂੰ ਖ਼ਰੀਦ ਲੈਂਦੀ ਹੈ. ਕਾਮਿਆਂ ਅਤੇ ਬੌਸਾਂ ਦੇ ਰਿਸ਼ਤੇ ਵਾਂਗ ਹੀ, ਜੇ ਇਕਰਾਰਨਾਮਿਆਂ ਦੀ ਨਿਗਰਾਨੀ ਸੌਖੀ ਹੋ ਜਾਵੇ ਅਤੇ ਉਨ੍ਹਾਂ ਦੀ ਪਾਲਣਾ ਦਾ ਮੁਲਾਂਕਣ ਸਿਰਫ਼ ਖ਼ਾਨਾਪੂਰਤੀ ਵਾਲੇ ਨੁਕਤਿਆਂ ਦੀ ਜਾਂਚ ਕਰਨ ਦੀ ਬਜਾਏ ਸਮਝਦਾਰੀ ਨਾਲ ਕੀਤਾ ਜਾਵੇ, ਤਾਂ ਕੰਪਨੀਆਂ ਹੋਰ ਕੰਪਨੀਆਂ ’ਤੇ ਨਿਰਭਰ ਕਰਨ ਵਿੱਚ ਵਧੇਰੇ ਸਹਿਜ ਮਹਿਸੂਸ ਕਰ ਸਕਦੀਆਂ ਹਨ. ਇਸ ਨਾਲ ਸਾਰਾ ਕੰਮ ਆਪਣੀ ਕੰਪਨੀ ਦੇ ਅੰਦਰ ਹੀ ਕਰਨ ਦੀ ਲੋੜ ਘਟ ਜਾਵੇਗੀ.

ਸਾਨੂੰ ਕਈ ਛੋਟੀਆਂ ਕੰਪਨੀਆਂ ਦੇ ਨਾਲ-ਨਾਲ ਵਿਸ਼ਾਲ AI “ਹੋਲਡਿੰਗ ਕੰਪਨੀਆਂ” ਵੀ ਦੇਖਣ ਨੂੰ ਮਿਲਣ ਦੀ ਉਮੀਦ ਹੈ, ਜਿਨ੍ਹਾਂ ਦੇ ਅੰਦਰ ਇੱਕੋ ਕਾਰੋਬਾਰੀ ਸੰਸਥਾ ਵਿੱਚ ਬਹੁਤ ਸਾਰੇ ਵੱਖ-ਵੱਖ ਪ੍ਰੋਜੈਕਟ ਚਲਾਏ ਜਾਂਦੇ ਹਨ. ਅਜਿਹਾ ਬਹੁ-ਕਾਰੋਬਾਰੀ ਸਮੂਹ ਉਦੋਂ ਕਿਫ਼ਾਇਤੀ ਹੁੰਦਾ ਹੈ, ਜਦੋਂ ਸਾਰੇ ਵੱਖ-ਵੱਖ ਪ੍ਰੋਜੈਕਟ ਕਿਸੇ ਸਾਂਝੇ ਐਸੈੱਟ ਦਾ ਲਾਭ ਲੈਂਦੇ ਹੋਣ. ਇਹ ਸਾਂਝਾ ਐਸੈੱਟ ਕੰਪਿਊਟ ਹੋ ਸਕਦਾ ਹੈ, ਹਾਲਾਂਕਿ ਕੰਪਿਊਟ ਦੀ ਲੋੜ ਅਨੁਸਾਰ ਥੋੜ੍ਹੀ-ਥੋੜ੍ਹੀ ਮਾਤਰਾ ਵਿੱਚ ਆਸਾਨੀ ਨਾਲ ਵਿਵਸਥਾ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ. ਸਾਂਝੀ ਫੈਕਟਰੀ ਜਾਂ ਰੋਬੋਟਾਂ ਦਾ ਬੇੜਾ ਇਸ ਤਰ੍ਹਾਂ ਦੀ ਕੰਪਨੀ ਬਣਾਉਣ ਦਾ ਵਧੇਰੇ ਮਜ਼ਬੂਤ ਕਾਰਨ ਹੈ.

ਵੱਡੀ “ਹੋਲਡਿੰਗ ਕੰਪਨੀ” ਦਾ ਇੱਕ ਹੋਰ ਵਾਜਬ ਕਾਰਨ ਇੱਕ ਸੇਧ ਵਿੱਚ ਜੁੜੇ ਹਿੱਤ ਹੋ ਸਕਦੇ ਹਨ. ਜੇ AI ਪ੍ਰਣਾਲੀਆਂ ਅਤੇ ਪੂੰਜੀ ਵਾਲੀ ਇੱਕ ਵੱਡੀ ਸੰਸਥਾ ਪੂਰੀ ਤਰ੍ਹਾਂ ਇੱਕ ਸਾਂਝੇ ਟੀਚੇ—ਮੰਨ ਲਓ, ਕੈਂਸਰ ਦਾ ਇਲਾਜ ਕਰਨ—ਨੂੰ ਸਮਰਪਿਤ ਹੋਵੇ, ਤਾਂ ਵੱਖਰੀਆਂ ਛੋਟੀਆਂ ਪਹਿਲਕਦਮੀਆਂ ਦੀ ਲੋੜ ਘਟ ਜਾਂਦੀ ਹੈ. AI ਕੰਪਨੀ ਸੱਤਾ ਦੀ ਖਿੱਚੋਤਾਣ ਤੋਂ ਬਚ ਸਕਦੀ ਹੈ, ਸਾਰੀ ਜਾਣਕਾਰੀ ਸਾਂਝੀ ਕਰ ਸਕਦੀ ਹੈ ਅਤੇ ਲੋੜ ਪੈਣ ’ਤੇ ਆਪਣੇ ਏਜੰਟਾਂ ਵਿੱਚ ਰਚਨਾਤਮਕ ਵੰਨ-ਸੁਵੰਨਤਾ ਪੈਦਾ ਕਰ ਸਕਦੀ ਹੈ, ਤਾਂ ਜੋ ਵੱਖ-ਵੱਖ ਰਾਹਾਂ ਦੀ ਪੜਚੋਲ ਕੀਤੀ ਜਾ ਸਕੇ.

ਅੱਜ ਦੀ ਪ੍ਰਣਾਲੀ ਦਾ ਮਕਸਦ ਬੇਮਿਸਾਲ ਕਾਮਿਆਂ ਨੂੰ ਰਿਵਾਰਡ ਦੇਣਾ ਮੰਨਿਆ ਜਾਂਦਾ ਹੈ. ਉਹ ਅਹੁਦਿਆਂ ਦੀ ਪੌੜੀ ਚੜ੍ਹਦੇ ਹਨ ਅਤੇ ਉਨ੍ਹਾਂ ਨੂੰ ਵੱਧ ਮਿਹਨਤਾਨਾ ਮਿਲਦਾ ਹੈ. ਪਰ ਸ਼ਾਨਦਾਰ ਮਾਡਲ ਸਲਾਹਕਾਰਾਂ ਵਾਲੀ ਦੁਨੀਆ ਵਿੱਚ ਕਾਮੇ ਆਪਣੀ ਵੱਖਰੀ ਪਛਾਣ ਕਿਵੇਂ ਬਣਾਉਣਗੇ?

ਜੇ AI ਹਰੇਕ ਨੂੰ ਉਹੀ ਵਧੀਆ ਵਿਚਾਰ ਦੇਵੇ, ਤਾਂ ਸਾਡੇ ਕੋਲ ਵੱਖਰਾ ਸਾਬਤ ਹੋਣ ਦੇ ਮੌਕੇ ਘੱਟ ਹੋਣਗੇ. ਤਨਖ਼ਾਹਾਂ ਵਿਚਲਾ ਫ਼ਰਕ ਘਟਣਾ ਚਾਹੀਦਾ ਹੈ.

ਇਸ ਘਟਦੇ ਫ਼ਰਕ ਦੇ ਵਿਰੁੱਧ ਫ਼ੈਸਲਾ ਲੈਣ ਦੀ ਸੂਝ, ਚੰਗੇ-ਮੰਦੇ ਦੀ ਪਰਖ ਅਤੇ ਜ਼ਿੰਮੇਵਾਰੀ ਦਾ ਦਾਇਰਾ ਕੰਮ ਕਰਦੇ ਹਨ. ਜੇ ਅਸੀਂ ਹਰੇਕ ਆਪਣੇ ਅਧੀਨ AI ਕੰਪਨੀਆਂ ਦੀ ਅਗਵਾਈ ਕਰੀਏ, ਤਾਂ ਬਾਕੀ ਬਚਦਾ ਮਨੁੱਖੀ ਯੋਗਦਾਨ ਸਾਡੇ ਫ਼ੈਸਲੇ ਲੈਣ ਦੀ ਸਮਰੱਥਾ ਵਿੱਚ ਹੋਵੇਗਾ. ਜੇ ਹਰ ਵਿਅਕਤੀ ਆਪਣੇ ਅਧੀਨ ਵੱਡੇ ਪੱਧਰ ਦੇ ਕੰਮ ਲਈ ਜ਼ਿੰਮੇਵਾਰ ਹੋਵੇ, ਤਾਂ ਚੰਗੇ ਅਤੇ ਮਾੜੇ ਫ਼ੈਸਲੇ ਵਿਚਲਾ ਫ਼ਰਕ ਹੋਰ ਵੱਡਾ ਅਸਰ ਪਾਉਂਦਾ ਹੈ⁠(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ).

ਅਸੀਂ ਲੰਮੇ ਸਮੇਂ ਤੋਂ ਇਹ ਤਰਕ ਸੰਗਠਨਾਤਮਕ ਢਾਂਚੇ ਦੇ ਸਿਖਰ ’ਤੇ ਲਾਗੂ ਕਰਦੇ ਆਏ ਹਾਂ. ਅਸੀਂ CEO ਦੀ ਤਨਖ਼ਾਹ⁠(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ) ਨੂੰ ਇਸ ਆਧਾਰ ’ਤੇ ਵਾਜਬ ਠਹਿਰਾਉਂਦੇ ਹਾਂ ਕਿ ਸਿਖਰ ’ਤੇ ਲਏ ਥੋੜ੍ਹੇ ਜਿਹੇ ਬਿਹਤਰ ਫ਼ੈਸਲੇ ਮੁਨਾਫ਼ੇ ’ਤੇ ਬਹੁਤ ਵੱਡਾ ਅਸਰ ਪਾ ਸਕਦੇ ਹਨ. ਜੇ ਕੁਝ ਕਾਮੇ ਸੀਮਤ ਸੰਸਾਧਨਾਂ ਦੀ ਵਰਤੋਂ ਲਈ ਆਪਣੇ ਅਧੀਨ AI ਕੰਪਨੀਆਂ ਨੂੰ ਵਧੀਆ ਸੰਭਾਲਣ, ਤਾਂ ਤਨਖ਼ਾਹਾਂ ਦੀ ਅਸਮਾਨਤਾ ਵਧ ਸਕਦੀ ਹੈ.

ਜਿੰਨਾ ਵੱਧ ਦਾਅ ’ਤੇ ਹੋਵੇਗਾ, ਹੋਰਾਂ ਉੱਤੇ ਤੁਹਾਡੀ ਛੋਟੀ ਜਿਹੀ ਬੜ੍ਹਤ ਤਨਖ਼ਾਹ ਵਿੱਚ ਓਨੀ ਵੱਧ ਝਲਕੇਗੀ. ਦੂਜੇ ਪਾਸੇ, AI ਹਰੇਕ ਨੂੰ ਚੰਗੀ ਸਲਾਹ ਦੇਵੇਗੀ. ਕਾਬਲੀਅਤ ਦਾ ਫ਼ਰਕ ਘੱਟ ਹੋਣ ਨਾਲ ਤਨਖ਼ਾਹਾਂ ਦਾ ਪਾੜਾ ਵੀ ਸੁੰਗੜਦਾ ਹੈ.

ਇੱਥੇ ਅਤੇ ਹੋਰ ਥਾਵਾਂ ’ਤੇ ਸ਼ਾਇਦ ਕਿਹੜੀ ਤਾਕਤ ਭਾਰੂ ਰਹੇਗੀ, ਇਹ ਇਸ ’ਤੇ ਨਿਰਭਰ ਕਰੇ ਕਿ ਅਸੀਂ ਮੁੱਖ ਤੌਰ ’ਤੇ ਆਪਣੀ ਸੂਝ ਨਾਲ ਫ਼ੈਸਲੇ ਕਰਦੇ ਹਾਂ ਜਾਂ ਮਿਲੀ ਸਲਾਹ ਮੰਨਦੇ ਹਾਂ.