O futuro da empresa

Nota dos autores: Este é o segundo ensaio da nossa série sobre a próxima economia, parte de uma nova plataforma que reúne vozes independentes para explorar um futuro com AGI. Ele reflete nossas opiniões, não as da OpenAI ou de nossos colegas.

Nós dois tínhamos vinte e quatro anos quando começamos a gerenciar nossas próprias equipes aqui na OpenAI. Isso impressiona menos quando você conhece nossas equipes.

Era para estarmos fazendo o trabalho braçal. Aos vinte e quatro anos, você está na base da hierarquia corporativa. Faz anotações nas reuniões e escreve alguns memorandos. Depois de anos de trabalho maçante, recebe (com sorte) atribuições mais amplas.

Nossa trajetória — e a de muitos jovens hoje — está tomando outro rumo. Entramos no mercado de trabalho já com "funcionários" à nossa disposição. Esses assistentes trabalham dia e noite, nos fins de semana e feriados. São ótimos no trabalho braçal. Temos até medalhistas de ouro de olimpíadas de matemática na equipe para nos orientar. Nossos novos subordinados ainda cometem sua cota de erros. Mas estão melhorando, aprendendo do que precisamos, e nós estamos aprendendo a gerenciá-los.

Nenhum de nós subiu na hierarquia corporativa. Foi a gestão que desceu até o nosso degrau. Este ensaio trata da nossa promoção e das outras formas pelas quais as empresas podem se reorganizar à medida que entramos na era da inteligência.

Quando a IA entra na empresa, onde ela se encaixa? Apresentamos três cenários ilustrativos:

Nenhum deles se desenrolará exatamente como descrevemos, mas acreditamos que aspectos dos três se concretizarão. Os três já estão acontecendo de forma sutil.

Nosso foco aqui não é a automação total, mas uma economia em transição. Queremos entender como serão as empresas que combinam humanos e IA à medida que ela melhora e se integra às organizações existentes.

Acreditamos que a empresa híbrida é conceitualmente importante porque a adoção produtiva da IA não é instantânea. Quando os modelos executam apenas parte das tarefas, a adoção pode ser mais fácil para funcionários da base familiarizados com o trabalho. Quando os modelos passam a desempenhar funções amplas de ponta a ponta, os superiores podem usá-los diretamente. Na nossa visão, uma IA mais capaz é mais fácil de adotar: as empresas precisam aprender a usar tecnologias, mas a mão de obra aprende como a empresa funciona e pode se integrar por conta própria.

Vamos analisar os três novos tipos de organograma e depois examinar o que significam para o futuro da burocracia, da autonomia dos trabalhadores, do tamanho das empresas e da desigualdade salarial.

Nosso primeiro cenário parece o menos disruptivo. Nele, as pessoas mantêm seus cargos e relações de subordinação, aparentemente fazendo o mesmo trabalho de antes. O organograma humano parece não mudar entre o presente e esse futuro.

A diferença está abaixo de nós. Sob cada profissional sem cargo de gestão, surge uma nova força de trabalho de IA que responde a cada um de nós. Nosso organograma ganha um porão, e todos nos tornamos gestores.

No início, esse porão ainda está inacabado. Começamos com um ou dois agentes por pessoa, mais parecidos com estagiários entusiasmados que precisamos supervisionar e perdoar sem demora do que com funcionários experientes. Nossas expectativas são baixas: enviar um e-mail aqui, redigir um memorando ali, responder a mensagens no Slack por toda parte. Assim como funcionários humanos em início de carreira, eles começam com pouca autonomia e confiança.

Mas, à medida que os modelos melhoram, nossos agentes assumem mais tarefas com menos supervisão. Eles se coordenam entre si. Pode haver IAs gestoras e IAs operacionais, contadores e advogados, todos trabalhando juntos sob seu comando. Muito além de orientar um estagiário a cada passo, sua operação acaba parecendo uma pequena empresa por si só, com organograma próprio e você no papel de conselho de administração.

Note que esse cenário não implica demissões. Aqui, adotamos a IA sem automatizar nosso próprio papel. Em vez disso, automatizamos quem éramos antes e subimos na hierarquia. A IA assume cada vez mais do que costumávamos fazer. Nossos empregos continuam existindo porque há mais a gerenciar, e passamos a responder por um volume maior de entregas.

Os empregos não são estáticos⁠(abre em uma nova janela). Suponha que a IA consiga fazer noventa por cento do que você fazia antes. Você pode concluir que só restam dez por cento do trabalho. A outra possibilidade é que você continue tendo um trabalho completo, apenas diferente — agora voltado a um objetivo dez vezes maior. Essa é a dádiva clássica da tecnologia: a produtividade aumenta, a ambição cresce para acompanhá-la, e os salários podem subir⁠(abre em uma nova janela) junto com a ambição.

Tudo isso depende de continuarmos agregando valor⁠(abre em uma nova janela) à produção. Este ensaio se concentra nos próximos anos, em que a automação ainda não será capaz de tudo nem adotada em toda parte. Mesmo que a IA pudesse fazer tudo, ainda poderíamos valorizar mais algo por ter sido feito por uma pessoa ou insistir que uma pessoa tenha a palavra final.

Isso também depende do nosso apetite. Se, como consumidores, não quisermos uma produção dez vezes maior, o equilíbrio se deslocará para menos trabalhadores ou menos horas trabalhadas. Historicamente, os aumentos de produção não nos saciaram. Temos muito mais⁠(abre em uma nova janela), mas trabalhamos apenas um pouco menos⁠(abre em uma nova janela). Se nosso apetite continuar crescendo à medida que a produção se multiplica — e continuarmos contribuindo para ela —, escolheremos seguir trocando nosso trabalho por mais consumo. Se, ao contrário, a produção se tornar tão abundante que nos sacie, podemos optar por uma força de trabalho menor.

Há outras objeções que discutiremos adiante (por exemplo, se teremos um número maior de empresas menores). Ainda assim, consideramos esse cenário importante porque a adoção precisa começar por algum lugar. As empresas precisam de uma forma de evoluir com estabilidade a partir de suas estruturas organizacionais atuais. Potencializar o trabalho dos funcionários atuais pode ser um primeiro passo mais fácil do que uma reestruturação completa. Vemos isso acontecer hoje: um trabalhador após outro delegando à IA, sem uma revolução organizacional até agora.

Esse cenário depende de a linha de frente ser a primeira a contratar. Os trabalhadores da base — não os gestores e executivos — lideram a adoção da IA. Isso parece provável enquanto a pessoa que melhor consegue fazer a IA executar o trabalho for quem costumava fazê-lo.

Os modelos já conseguem automatizar muitas tarefas de ciência de dados, mas um chefe de departamento que não conhece os métodos e detalhes terá dificuldade para aproveitar as ferramentas. Até que a IA se torne proativa o bastante para dizer o que você não sabe (veja nosso próximo cenário), ela provavelmente funcionará melhor para quem já conhece a execução do trabalho.

A maior mudança nesse cenário é para os trabalhadores em cargos de entrada. O degrau mais baixo deixaria de existir, ao menos para humanos. Quando contratarmos jovens, não será para colocá-los na base maçante da empresa. Esses cargos serão ocupados por algo que não se importa com isso.

Com isso, perdemos algumas vias tradicionais de formação de jovens trabalhadores: a aprendizagem prática supervisionada⁠(abre em uma nova janela), o aprendizado pelo trabalho braçal, a conquista de experiência e reconhecimento. Esses custos são reais, mas vemos isso principalmente como um privilégio. Até a pessoa mais inexperiente, se tiver uma boa ideia, terá recursos para experimentar. A desculpa mais antiga da empresa, simplesmente não temos pessoal suficiente, está morrendo. Uma funcionária em início de carreira com um ótimo videogame na cabeça e nenhuma possibilidade de conseguir uma equipe agora pode simplesmente criá-lo.

Na nossa visão, esse cenário de "promoção" ainda deixa muito a aprender para quem está começando: discernimento, gosto, habilidades de gestão e visão criativa. Teremos incentivo para cultivar essas habilidades porque elas aparecem no resultado do nosso trabalho. Continuaremos aprendendo na prática⁠(abre em uma nova janela), mas com um escopo maior. Os veteranos da empresa continuam tendo incentivos para nos ajudar como mentores responsáveis (com participação nos frutos do nosso sucesso). A oportunidade aqui é um papel mais estimulante para todos, em cada degrau. Qualquer trabalhador pode demonstrar seus talentos com atribuições mais amplas, o que importa sobretudo para quem está começando e não tinha responsabilidade própria alguma.

A segunda via de entrada da IA na empresa se entrelaça ao organograma existente. Aqui, os agentes não são o último escalão, mas colegas. Uma gestora tradicional entrega parte do trabalho da equipe a um modelo, assim como delegaria a qualquer funcionário. A IA se insere ao lado dos humanos, não apenas abaixo deles.

A principal diferença em relação ao primeiro cenário: aqui, a IA produtiva é adotada pelos gestores humanos que já estão na empresa, não apenas pelos atuais profissionais sem cargo de gestão. Para isso, ela precisa ser competente o bastante para atuar como um membro pleno da equipe.

Humanos são generalistas. Um martelo ajuda em uma tarefa; um humano faz muito mais. A jornada da IA de ferramenta a mão de obra amplia seu campo de atuação: automatizar a tarefa, depois o emprego, depois uma equipe e, por fim, uma empresa. Cada aumento de escopo exige uma competência mais ampla.

Um emprego é uma mala cheia de tarefas. No caso de uma equipe inteira, essa mala está abarrotada dos mais diversos tipos de trabalho. Mais tarefas entre as atribuições significam mais gargalos em potencial. Se uma única tarefa essencial da equipe envolver trabalho físico, será necessário todo um novo conjunto de periféricos. Para substituir diretamente uma equipe inteira, a IA precisa ser capaz de assumir todas as suas variadas responsabilidades.

É mais difícil criar uma IA capaz de lidar com um escopo maior. Mas, para as empresas — e esta é a assimetria central de toda a transição —, um escopo maior é mais fácil de adotar.

Uma equipe ou função ampla automatizada de ponta a ponta pode ser adotada diretamente por um executivo. Uma ferramenta com capacidades mais restritas não pode ser implementada de cima para baixo com tanta facilidade. A ferramenta mais simples depende de ampla adesão e de uma nova capacitação dos trabalhadores.

Tradicionalmente, novas tecnologias barateiam a execução de um conjunto limitado de tarefas. Depois, o ônus passa para quem compra. A empresa precisa descobrir como aproveitar a nova ferramenta e deve recapacitar sua equipe, reorganizar-se e reconstruir seus processos⁠(abre em uma nova janela) em torno dela. O software de planilhas não se instalou sozinho no departamento de contabilidade: foi o departamento que se remodelou em torno do software.

Com a mão de obra, ocorre o contrário. Um estagiário, um funcionário e uma boa equipe descobrem como ser úteis para você. Eles fazem perguntas, absorvem seu contexto, percebem suas necessidades. Mostram aquilo que você nem sabia que não sabia. Os melhores profissionais se integram por conta própria.

Quanto mais a IA se assemelha à mão de obra nesse sentido, com iniciativa e adaptabilidade, menos a empresa precisa aprender a aproveitá-la e mais ela própria descobre como ser útil à empresa. Um executivo provavelmente não vai assistir a uma aula introdutória de software de design para aprender uma nova ferramenta. Mas vai considerar de bom grado uma oferta assim: é só pedir, e eu monto toda a sua área de marketing.

Com frequência demais, tratamos a automação de um emprego como o objetivo máximo da AGI. É verdade que ainda nem chegamos lá. Os empregos são tão extraordinariamente complexos porque nós somos impressionantemente capazes. Ainda assim, muito pouco⁠(abre em uma nova janela) da produção da nossa economia vem de trabalhadores solitários. O trabalho produtivo contribui para equipes, as equipes contribuem para empresas, e as empresas produzem quase tudo o que consumimos.

Usar o "emprego" como parâmetro para a AGI não dá o devido valor a nós, humanos. O trabalho não se resume às tarefas, nem mesmo a lidar com o que foge da rotina: ele também envolve uma coordenação extraordinária, nossa flexibilidade para executar pequenas partes de entregas maiores. Reduzir-nos a meros conjuntos de tarefas é nos vender por uma fração do nosso valor. A capacidade humana está mais nas nossas organizações⁠(abre em uma nova janela) do que no indivíduo. Uma AGI econômica precisa alcançar o nível de pessoas, não de uma pessoa.

Por isso, o cenário de "intercalação" pode ser bastante ineficiente se a IA ainda funcionar como uma ferramenta ou mesmo como um trabalhador, em vez de funcionar como uma equipe ou empresa. Um modelo encaixado ao lado de cada trabalhador significa mil interfaces e transferências de trabalho⁠(abre em uma nova janela). Essa configuração fragmentada pode desacelerar a adoção.

Vemos uma corrida entre implementações iniciais menos capazes e modelos futuros mais capazes. O vencedor depende de a adoção dos modelos futuros ser tão mais rápida que compense o tempo extra necessário para alcançar essas competências.

Esse cenário de "intercalação" pode coexistir com o primeiro cenário, o de "promoção". Podemos ver empresas reduzindo seu quadro humano à medida que a IA automatiza certas funções, enquanto as pessoas restantes ganham atribuições muito mais amplas, apoiadas por suas forças de trabalho de agentes. É importante notar que, por si só, esse cenário não implica uma queda no emprego humano total. Podemos acabar com mais empresas, cada uma com menos funcionários.

Nosso terceiro cenário é o mais desconcertante. Nele, a IA entra na empresa acima das pessoas. A hierarquia deixa de ser humanos sobre máquinas e passa a ser humano, IA, humano: um sanduíche de automação. Algumas pessoas "respondem" a uma IA.

Parece improvável, sobretudo como ponto de partida para a adoção nas empresas. Mas acreditamos que, de formas menos radicais, isso já começou.

Mesmo quando pensamos na IA como algo que mecaniza o trabalho cognitivo, tendemos a focar nos degraus mais baixos. Costumamos dizer que a IA automatiza planilhas e apresentações, não a gestão. Nossa intuição é que a automação sobe na hierarquia: primeiro o trabalho cognitivo braçal, por último o discernimento, com o gestor como reduto final.

Mas grande parte do trabalho de um gestor acontece no computador e na mente: ler, reunir-se, ponderar, manter o contexto em mente, tomar decisões. Há valor na presença física, em circular pelo escritório e estar perto da equipe. Ainda assim, é o trabalho na base, mesmo quando é majoritariamente cognitivo, que lida mais com o mundo físico e com ferramentas do que a gestão. Quem vai até a copiadora é o estagiário, não o chefe.

É difícil ensinar a um modelo a tomada de decisões gerenciais, porque o sucesso é ambíguo e medido em prazos longos. É por razões semelhantes⁠(abre em uma nova janela) que formar bons gestores humanos é difícil. Ainda não sabemos quão bons os modelos são em gestão. Temos muitas avaliações de trabalho cognitivo voltado à execução, mas poucas captam a coordenação em larga escala no âmbito de gestores e executivos.

Mesmo assim, vale considerar que os modelos atuais talvez estejam, em capacidade, mais próximos de gestores humanos do que de trabalhadores da base. Algumas funções gerenciais podem ser automatizadas antes do trabalho que supervisionam.

Talvez a versão completa desse cenário de "sobreposição de camadas" seja uma IA que faz o trabalho de pensar e depois preenche suas lacunas de capacidade com prestadores de serviços humanos que respondem a ela. Esse mundo nos parece bastante estranho. Muita coisa teria de mudar.

Mas há uma versão mais orgânica, cujo primeiro ato já está em cena: a assessoria. Hoje, uma executiva pode pedir ao ChatGPT que leia centenas de canais do Slack, documentos, comunicados e arquivos de código de toda a empresa e depois responda a perguntas. O que essa equipe realmente faz? Onde essa vulnerabilidade está aparecendo? Cada parte da organização fica cada vez mais compreensível⁠(abre em uma nova janela) para ela.

Há muito tempo, executivos espalham intermediários mercenários pelo organograma — deram a isso o nome de consultoria. Uma consultoria de gestão cria uma camada acima de você, por pouco tempo e a um alto custo. Daqui em diante, os consultores de IA podem ter um custo quase nulo e estar sempre presentes.

Os modelos estão apenas começando a interpretar com confiabilidade os documentos e as comunicações das empresas. Seu gosto e sua proatividade precisam amadurecer. Por enquanto, o ChatGPT ajuda uma executiva motivada a entender sua organização com mais detalhes. Acreditamos que, com o tempo, ele se tornará uma consultoria completa. Não será um verdadeiro "gestor" de funcionários de níveis inferiores, mas um correspondente interno e assessor dos executivos. Usará conhecimentos de negócios para examinar tudo, apontando problemas por iniciativa própria e ajudando a definir prioridades.

Se isso será benéfico ou prejudicial dependerá de quem está na liderança. O efeito estrutural é a centralização. Vemos nisso uma redução da distância entre a alta direção e a empresa em si. Isso concentra mais poder no topo, onde os entraves à circulação de informações antes favoreciam decisões mais descentralizadas.

Consideramos esse cenário transformador não só pela redistribuição da autoridade, mas também pela facilidade de adotar a IA como consultoria. Assim como a consultoria tradicional, a consultoria de IA não exige domínio técnico do executivo. Não é como o computador, adotado de baixo para cima por quem sabia digitar e usar um terminal. Você só conversa com seu consultor, e ele cuida da parte técnica. Essa onda de adoção pode começar na sala da presidência. A consultoria, por sua vez, pode acelerar a adoção de IA no restante da organização.

Um motivo pesa muito na desconfiança das empresas em relação ao trabalho remoto e à contratação de prestadores: garantir o cumprimento do combinado. Nunca houve uma forma barata de as empresas observarem a execução do trabalho com toda a riqueza que ela merece. Por isso, elas medem encenações⁠(abre em uma nova janela) do trabalho: cliques contados, movimentos do mouse, bolinhas verdes de status, sinais tão distantes de indicar se um bom trabalho está sendo feito.

A IA oferece um sistema de monitoramento que entende. Ele pode olhar para o que uma pessoa produz e reconhecer avanços reais em direção a objetivos maiores. Como exploramos na próxima seção, nenhuma nova forma de vigilância deve ser implementada sem a devida reflexão⁠(abre em uma nova janela). Mas, nas circunstâncias certas, ela pode aumentar a confiança e incentivar as empresas a dar mais liberdade aos funcionários.

Se o sistema compreende os muitos caminhos diferentes que podem levar a um bom resultado, os funcionários podem trabalhar mais à sua maneira. O avanço rumo a bons resultados importará mais do que seguir um único método prescrito e fácil de acompanhar pelos chefes. Um sistema de monitoramento inteligente permite flexibilidade e penaliza a produtividade de fachada que todos detestamos.

A proposta de valor aqui se parece com a das seguradoras que reduzem o preço do seguro se você instalar um rastreador no carro. Se você estava tentando burlar o sistema, isso o prejudica; se estava apenas fazendo seu trabalho, o monitoramento pode comprovar seu mérito, e a gestão passa a confiar mais em você.

Essa confiança abre possibilidades. Podemos ver uma nova disposição⁠(abre em uma nova janela) em empresas antes resistentes ao trabalho híbrido, a pessoas que pensam fora dos padrões, a prestadores de serviços ou à contratação de talentos brilhantes em países distantes.

Hoje, os funcionários da base enfrentam muitos problemas com o organograma. É profundamente desanimador não ter como levar aos níveis superiores um problema que vemos de perto. É injusto ficar preso sob um gestor ineficaz ou fazer um ótimo trabalho que não recebe reconhecimento.

Na nossa visão, a onda anterior de hiperotimização empresarial foi construída com dados limitados, diretrizes imprecisas e algoritmos pouco inteligentes. Se tudo o que você consegue processar são relações de engrenagens, todo mundo parece uma peça da máquina. Há muito tempo, as empresas têm dificuldade para avaliar sua força de trabalho. Um sistema de monitoramento inteligente poderia reconhecer contribuições valiosas e abordagens únicas que as métricas rudimentares de hoje deixam passar.

Com base nos três cenários esquemáticos, exploramos agora algumas das questões determinantes para o futuro da empresa.

Em geral, criar algo custa caro. Um aplicativo, um filme, uma apresentação, um recurso, uma análise: tudo isso é caro, demorado e penoso de refazer. Quando você tem, na prática, um único tiro, investe na pontaria. Há ciclos de planejamento, rituais de definição de roteiros e comitês de aprovação, tudo para garantir que, quando a empresa finalmente der o sinal verde, seja para algo que valha a pena. Muitos controles nas nossas hierarquias existem porque executar era caro.

Em muitas áreas, a IA está derrubando o custo de criar — ao menos até a etapa de prototipagem, quando não até a conclusão. Acreditamos que a abordagem da empresa deve acompanhar essa mudança: mirar menos, atirar mais. Uma empresa pode construir um protótipo, observar, aprender rápido, mudar de direção e construí-lo novamente. A facilidade de prototipagem⁠(abre em uma nova janela) deve afastar as empresas das estruturas que sustentam uma produção intensiva em planejamento.

A versão mais simples disso é uma equipe que testa e aprimora mais rapidamente. Em uma interpretação mais radical, a própria equipe é posta em questão. Se o planejamento colaborativo importa menos e ideias diversas e independentes importam mais, é melhor ter uma única equipe que avança rapidamente ou várias pessoas, cada uma apresentando seus próprios protótipos funcionais? Se um protótipo real transmite uma visão melhor do que qualquer documento de escopo, nossas normas de comunicação vão mudar: compartilhar mais, mais cedo, e compartilhar criações concretas em vez de memorandos?

Criar a baixo custo pode levar a empresa a dar mais espaço aos indivíduos. Isso significaria menos camadas de gestão intermediária e menos pedidos de permissão, porque antes pedir era mais barato do que fazer, e agora não é.

Dito isso, como discutiremos a seguir, a mesma tecnologia que permite aos indivíduos criar protótipos com menos risco também pode impor ainda mais burocracia.

Uma das principais razões para as empresas adotarem uma gestão de cima para baixo é a crença de que executivos tomam decisões de negócios⁠(abre em uma nova janela) melhores que as de trabalhadores em início de carreira. As empresas pagam mais por veteranos altamente competentes no topo, e os gestores costumam ter formação em estratégia de negócios, enquanto os profissionais sem cargo de gestão se especializam em suas áreas. Se a IA oferece orientações excelentes a todos os trabalhadores, a diferença na qualidade das decisões diminui. Haveria menos motivos para os gestores interferirem. Isso aumentaria a autonomia dos trabalhadores e poderia reduzir as camadas de gestão.

Da mesma forma, a "consultoria de IA" garante que nada de grande impacto aconteça sem que um executivo seja alertado. Se um trabalhador estiver prestes a publicar um post no blog com sérias repercussões para a empresa, a consultoria alertará o executivo por iniciativa própria. Isso gera confiança: a gestão não precisa temer que grandes problemas ocorram sem seu conhecimento, então não precisa manter um controle tão rígido⁠(abre em uma nova janela) sobre como cada trabalhador faz seu trabalho.

Mas a consultoria de IA é uma faca de dois gumes⁠(abre em uma nova janela). Como um sistema de monitoramento inteligente, ela pode gerar mais confiança nos trabalhadores; também pode impor com mais rigor o jeito preferido do CEO de fazer as coisas em toda a organização. As empresas valorizam a coerência⁠(abre em uma nova janela): não apenas uma boa decisão, mas uma decisão compatível com a cultura, a marca e as economias de escala da empresa. Uma rede de restaurantes pode preferir um cardápio comum a todas as franquias, para comprar ingredientes em grandes volumes e oferecer aos clientes um produto consistente.

Além disso, os incentivos dos chefes nem sempre estão alinhados aos dos trabalhadores. Os trabalhadores buscam maximizar o sucesso da própria área⁠(abre em uma nova janela), enquanto os executivos se preocupam com a empresa como um todo. Os sócios têm preferências diferentes das dos assalariados, porque são eles que colhem os frutos⁠(abre em uma nova janela) de um trabalho mais intenso. A consultoria poderia impor uma adesão mais rígida a procedimentos específicos definidos pela alta gestão.

Nossa visão é que, no saldo final, os trabalhadores ganharão autonomia. Nosso otimismo se apoia no uso da IA pelas empresas para sinalizar exceções relevantes, deixando mais decisões nas mãos dos trabalhadores.

Acreditamos que a IA funcionará como uma estrutura de apoio: mesmo que os executivos queiram manter uma marca coerente, isso será apenas um limite dentro do qual atuar. Os trabalhadores ficam mais cientes das restrições do negócio e mais resguardados para exercer a criatividade no espaço que elas deixam livre. Com os riscos cobertos, os executivos podem deixar os funcionários testar novas abordagens potencialmente lucrativas. Com a ajuda de assistentes de IA subordinados a nós, os trabalhadores também responderão por entregas mais substanciais. Vemos mais oportunidades para a criatividade ao comandar trabalhos mais complexos.

A mesma lógica da autonomia dos trabalhadores também se aplica ao tamanho das empresas. Ronald Coase⁠(abre em uma nova janela) perguntou por que organizamos a produção dentro de empresas, e não por meio de uma rede de contratos. Até um avião poderia ser construído apenas por meio de contratos entre partes independentes, mas isso seria muito ineficiente. As empresas obtêm economias de escala, alinham incentivos, organizam grandes projetos e eliminam a necessidade de negociações constantes.

Ao facilitar a comunicação, a IA pode justificar empresas maiores ou menores. A empresa clássica é uma infraestrutura para levar informações para cima e instruções para baixo, cheia de atritos e telefone sem fio. Uma empresa maior (com mais funcionários humanos) é menos difícil de administrar se a IA atua como uma camada de coordenação. Com a "consultoria de IA", uma executiva pode conhecer sua empresa como um fundador conhece uma startup de vinte pessoas. Ela pode acompanhar a implementação de uma iniciativa em vez de esperar pelo relato trimestral e receber um alerta se algo acontecer. Sua visão pode se disseminar mais amplamente. Todos ficam mais a par do que os demais estão fazendo e das prioridades gerais da organização.

Mas o efeito também pode ser o contrário. Se a comunicação não tem atritos e é mais fácil monitorar o cumprimento de acordos, uma empresa não precisa internalizar uma parcela tão grande da cadeia de suprimentos. Ela pode confiar mais em fornecedores e prestadores de serviços externos.

Uma das principais motivações para a integração vertical é alinhar incentivos. Existe a ideia de contratos incompletos⁠(abre em uma nova janela): uma empresa aeroespacial pode contratar um fabricante de motores a jato, mas, em tudo o que o contrato não exige explicitamente, o fabricante tem incentivo para economizar a qualquer custo e cuidar do próprio lucro. Para evitar isso, a empresa aeroespacial compra o fabricante de motores a jato. Assim como ocorre entre trabalhadores e chefes: se os contratos forem mais fáceis de monitorar e interpretados de forma inteligente, em vez de apenas conferir uma lista de exigências, as empresas podem se sentir mais à vontade para depender de outras. Haveria menos motivos para fazer tudo internamente.

Esperamos ver muitas empresas menores, mas também enormes "holdings" de IA, nas quais um grande número de projetos diferentes é conduzido dentro de uma única empresa. O conglomerado é economicamente vantajoso quando há algum ativo comum aproveitado por todos os projetos. Esse ativo comum pode ser a capacidade computacional, embora seja fácil disponibilizá-la em pequenas quantidades conforme a necessidade. Uma fábrica ou frota de robôs compartilhada é uma motivação melhor.

Uma grande "holding" também pode se justificar por incentivos alinhados. Se uma grande organização de IAs e capital estiver inteiramente dedicada a uma missão comum — digamos, curar o câncer —, haverá menos necessidade de iniciativas menores e separadas. Uma empresa de IA poderia evitar disputas de poder, compartilhar todas as informações e, quando necessário, criar diversidade criativa entre seus agentes para explorar caminhos diferentes.

O sistema atual deveria recompensar os trabalhadores que se destacam. Eles sobem na hierarquia e recebem remunerações melhores. Mas, em um mundo de modelos que oferecem orientações excelentes, como os trabalhadores vão se diferenciar?

Se a IA dá a mesma ótima ideia a todos, temos menos oportunidades de nos destacar. As diferenças entre as faixas salariais devem diminuir.

O que se contrapõe a essa redução é o discernimento, o gosto e a abrangência das responsabilidades. Se cada um de nós liderar empresas de IA subordinadas, o valor humano que resta estará na nossa tomada de decisões. Se cada pessoa for responsável por uma operação maior sob seu comando, a diferença entre discernimento bom e ruim terá mais impacto⁠(abre em uma nova janela).

Há muito tempo aplicamos essa lógica ao topo do organograma. Justificamos a remuneração dos CEOs⁠(abre em uma nova janela) com a ideia de que decisões ligeiramente melhores no topo podem ter efeitos enormes sobre o lucro. A desigualdade salarial pode aumentar se alguns trabalhadores gerenciarem melhor as empresas de IA sob seu comando para alocar recursos escassos.

Quanto mais estiver em jogo, mais sua pequena vantagem sobre outra pessoa aparecerá no contracheque. Por outro lado, a IA dará bons conselhos a todos. Menos diferenciação reduz a dispersão dos salários.

Aqui e em outras questões, a força predominante talvez dependa de estarmos principalmente exercendo nosso discernimento ou seguindo o de outros.