O futuro da empresa

Nota dos autores: Este é o segundo ensaio da nossa série sobre a próxima economia, integrada numa nova plataforma que acolhe vozes independentes a explorar um futuro com AGI. Reflete as nossas opiniões, não as da OpenAI nem as dos nossos colegas.

Tínhamos ambos vinte e quatro anos quando começámos a gerir as nossas próprias equipas aqui na OpenAI. Isso impressiona menos quando se conhece as nossas equipas.

Era suposto fazermos o trabalho de base. Aos vinte e quatro anos, estamos na base da hierarquia empresarial. Tiramos notas nas reuniões e redigimos alguns memorandos. Após anos de trabalho penoso, recebemos (com sorte) responsabilidades mais abrangentes.

O nosso percurso — e o de muitos jovens de hoje — parece estar a ser diferente. Entramos no mercado de trabalho já com «funcionários» às nossas ordens. Estes adjuntos trabalham dia e noite, aos fins de semana e feriados. São excelentes no trabalho de base. Temos até medalhados de ouro das Olimpíadas de Matemática na equipa para nos aconselhar. Os nossos novos subordinados ainda cometem bastantes erros. Mas estão a melhorar, a conhecer as nossas necessidades, e nós estamos a aprender a geri-los.

Nenhum de nós subiu na hierarquia empresarial. Foi antes a gestão que desceu até ao nosso degrau. Este ensaio é sobre a nossa promoção e as outras formas como as empresas se poderão reorganizar à medida que entramos na era da inteligência.

Quando a IA entra na empresa, que lugar ocupa? Apresentamos três cenários ilustrativos:

Nenhum destes cenários se concretizará exatamente como o descrevemos, mas pensamos que alguns aspetos dos três se tornarão realidade. Os três já estão a acontecer de formas subtis.

O nosso foco aqui não é a automatização total, mas uma economia em transição. Interessa-nos perceber como serão as empresas que combinam humanos e IA, à medida que esta melhora e se entrelaça nas organizações existentes.

Acreditamos que a empresa híbrida é conceptualmente importante, porque a adoção produtiva da IA não é instantânea. Quando os modelos só realizam parte das tarefas, a adoção pode ser mais fácil para os trabalhadores da base que conhecem o trabalho. Quando os modelos desempenharem funções abrangentes do princípio ao fim, os superiores poderão utilizá-los diretamente. Na nossa perspetiva, uma IA mais capaz é mais fácil de adotar: as empresas têm de aprender a usar as tecnologias, mas a mão de obra aprende como a empresa funciona e pode integrar-se por si própria.

Vamos dissecar os três novos tipos de organigrama e depois analisar o que significam para o futuro da burocracia, da autonomia dos trabalhadores, da dimensão das empresas e das disparidades salariais.

O nosso primeiro cenário parece ser o menos disruptivo. Aqui, as pessoas mantêm os mesmos lugares e relações hierárquicas, aparentemente a fazer o mesmo trabalho de antes. O organigrama humano parece não mudar entre o presente e este futuro.

A diferença está abaixo de nós. Abaixo de cada trabalhador sem funções de chefia, surge uma nova força de trabalho de IA que responde perante ele. O nosso organigrama ganha uma cave e todos passamos a ser gestores.

De início, esta cave está por acabar. Começamos com um ou dois agentes por pessoa, menos como funcionários experientes e mais como estagiários empenhados que temos de supervisionar e a quem temos de perdoar facilmente. As expectativas são baixas: enviar um e-mail aqui, redigir um memorando ali, responder a mensagens no Slack por todo o lado. Tal como os trabalhadores humanos em início de carreira, começam com pouca autonomia e pouca confiança depositada neles.

Mas, à medida que os modelos melhoram, os nossos agentes assumem mais tarefas com menos supervisão. Coordenam-se entre si. Poderá haver IA gestora e IA de base, contabilistas e advogados, todos a trabalhar em conjunto às nossas ordens. Longe de ser preciso acompanhar um estagiário a cada passo, a nossa operação acaba por se assemelhar a uma pequena empresa autónoma, com organigrama próprio e connosco no papel de conselho de administração.

Repare-se que este cenário não implica despedimentos. Aqui, adotamos a IA sem nos substituirmos a nós próprios pela automatização. Em vez disso, automatizamos aquilo que éramos antes e subimos na hierarquia. A IA assume cada vez mais daquilo que fazíamos. Os nossos empregos mantêm-se porque há mais para gerir e passamos a ser responsáveis por um maior volume de produção.

Os empregos não são estáticos⁠(abre numa nova janela). Suponhamos que a IA consegue fazer noventa por cento do que fazíamos antes. Poderíamos concluir que nos restam apenas dez por cento do trabalho. A outra possibilidade é continuarmos a ter um trabalho completo, mas diferente — agora centrado num objetivo dez vezes maior. Esta é a dádiva clássica da tecnologia: a produtividade aumenta, a ambição cresce para a acompanhar e os salários podem subir⁠(abre numa nova janela) com a ambição.

Tudo isto depende de continuarmos a acrescentar valor⁠(abre numa nova janela) à produção. Este ensaio centra-se nos próximos anos, em que a automatização ainda não será capaz de tudo nem estará adotada em toda a parte. Mesmo que a IA pudesse fazer tudo, poderíamos continuar a valorizar mais algo por ter sido feito por uma pessoa ou a insistir que uma pessoa tivesse a última palavra.

Também depende do nosso apetite. Se, enquanto consumidores, não quisermos dez vezes mais produção, o equilíbrio deslocar-se-á para menos trabalhadores ou menos horas de trabalho. Historicamente, os aumentos da produção não nos têm saciado. Temos muito mais⁠(abre numa nova janela), mas trabalhamos apenas um pouco menos⁠(abre numa nova janela). Se o nosso apetite continuar a crescer à medida que a produção se multiplica — e continuarmos a acrescentar-lhe valor —, escolheremos continuar a trocar o nosso trabalho por mais consumo. Se, pelo contrário, a produção se tornar tão abundante que nos sacie, poderemos optar por uma força de trabalho menor.

Há outras objeções que discutimos mais adiante (por exemplo, se teremos um maior número de empresas mais pequenas). Ainda assim, pensamos que este cenário é importante porque a adoção tem de começar por algum lado. As empresas precisam de uma forma de evoluir com estabilidade a partir das suas estruturas organizacionais atuais. Reforçar o trabalho dos funcionários atuais pode ser um primeiro passo mais fácil do que uma reestruturação completa. Já o vemos acontecer: um trabalhador após outro a delegar na IA, sem que haja, por enquanto, uma revolução organizacional.

Este cenário depende de serem os trabalhadores da linha da frente os primeiros a contratar. São os trabalhadores da base — não os gestores e dirigentes — que lideram a adoção da IA. Isso parece provável enquanto quem melhor consegue pôr a IA a fazer o trabalho for quem antes o fazia.

Os modelos já conseguem automatizar muitas tarefas de ciência de dados, mas um diretor de departamento que desconheça os métodos e os pormenores terá dificuldade em tirar partido das ferramentas. Até a IA se tornar suficientemente proativa para nos dizer o que não sabemos (ver o cenário seguinte), provavelmente funcionará melhor para quem já conhece a forma como o trabalho é feito.

A maior mudança neste cenário é para os trabalhadores em início de carreira. Deixaria de haver um degrau mais baixo, pelo menos para os humanos. Quando contratarmos jovens, não será para os colocar na base da empresa a fazer trabalho penoso. Esses lugares serão ocupados por algo que não se importa de o fazer.

Com isso, perdemos algumas vias tradicionais de formação dos jovens trabalhadores: a aprendizagem com profissionais experientes⁠(abre numa nova janela), aprender pelo trabalho de base, dar provas para subir. São custos reais, mas vemos isto sobretudo como um privilégio. Até a pessoa mais inexperiente que chega com uma boa ideia tem recursos para experimentar. A desculpa mais antiga da empresa, não temos pessoal suficiente, está a desaparecer. Uma trabalhadora em início de carreira com um excelente videojogo na cabeça e sem possibilidade de conseguir pessoal pode agora simplesmente criá-lo.

Na nossa perspetiva, este cenário de «promoção» ainda deixa muito para os trabalhadores em início de carreira aprenderem: discernimento, gosto, competências de gestão e visão criativa. Teremos incentivos para desenvolver estas competências porque se refletem nos resultados do nosso trabalho. Continuaremos a aprender fazendo⁠(abre numa nova janela), mas com responsabilidades mais abrangentes. Os mais experientes da empresa continuam a ter incentivos para nos ajudar como mentores responsáveis (com participações no capital que os fazem beneficiar do nosso sucesso). A oportunidade é dar a todos um papel mais estimulante, em cada degrau da hierarquia. Qualquer trabalhador pode mostrar os seus talentos com responsabilidades mais amplas, o que é especialmente importante para quem está a começar e não tinha nenhuma.

A segunda via de entrada da IA na empresa entrelaça-se no organigrama existente. Aqui, os agentes não ocupam o fundo da hierarquia: são colegas. Uma gestora tradicional entrega uma parte do trabalho da equipa a um modelo, tal como a delegaria em qualquer funcionário. A IA insere-se ao lado dos humanos, não apenas abaixo deles.

A diferença fundamental face ao primeiro cenário: aqui, a IA produtiva é adotada pelos gestores humanos já existentes, não apenas pelos atuais trabalhadores sem funções de chefia. Para isso, tem de ser suficientemente competente para ser um membro de pleno direito da equipa.

Os humanos são generalistas. Um martelo ajuda numa tarefa; um humano faz muito mais. O percurso da IA de ferramenta a mão de obra alarga progressivamente o seu âmbito: automatizar a tarefa, depois o posto de trabalho, depois uma equipa e, por fim, uma empresa. Cada alargamento de âmbito exige competências mais amplas.

Um posto de trabalho é uma mala cheia de tarefas. Para uma equipa inteira, essa mala está a abarrotar de todo o tipo de trabalho. Mais tarefas sob a sua responsabilidade significam mais potenciais estrangulamentos. Se uma única tarefa essencial da equipa envolver trabalho físico, será necessário todo um novo conjunto de periféricos. Para substituir diretamente uma equipa inteira, a IA tem de ser capaz de assumir todas as suas variadas responsabilidades.

É mais difícil criar IA capaz de assumir responsabilidades mais abrangentes. Mas, para as empresas — e esta é a assimetria central de toda a transição —, quanto maior a abrangência, mais fácil é a adoção.

Um dirigente pode adotar diretamente uma equipa ou função abrangente automatizada do princípio ao fim. Uma ferramenta com capacidades mais limitadas não pode ser implementada tão facilmente a partir do topo. A ferramenta mais simples depende de uma adesão generalizada e de nova formação de toda a força de trabalho.

Tradicionalmente, as novas tecnologias tornam mais barata a execução de um conjunto limitado de tarefas. Depois, a responsabilidade passa para o comprador. A empresa tem de descobrir como tirar partido da nova ferramenta e de dar nova formação, reorganizar-se e reconstruir os seus processos⁠(abre numa nova janela) em torno dela. O software de folhas de cálculo não se instalou sozinho no departamento de contabilidade: foi o departamento que se remodelou em torno do software.

Com a mão de obra acontece o contrário. Um estagiário, um funcionário e uma boa equipa descobrem como ser úteis a quem os contrata. Fazem perguntas, assimilam o contexto, identificam as necessidades. Dizem-nos aquilo que nem sequer tínhamos percebido que não sabíamos. Os melhores trabalhadores integram-se por iniciativa própria.

Quanto mais a IA se assemelhar à mão de obra neste sentido, com iniciativa e adaptabilidade, menos a empresa terá de aprender a tirar partido dela e mais a própria IA descobrirá como ser útil à empresa. Um dirigente provavelmente não assistirá a uma aula de iniciação a software de design para aprender uma nova ferramenta. Mas considerará de bom grado uma oferta deste género: basta dar a ordem e eu monto toda a sua operação de marketing.

Demasiadas vezes, apontamos a automatização de um posto de trabalho como o santo graal da AGI. É certo que ainda nem sequer chegámos aí. Os postos de trabalho são extraordinariamente complexos porque nós somos impressionantemente capazes. Ainda assim, muito pouco⁠(abre numa nova janela) da produção da nossa economia vem de trabalhadores que atuam isoladamente. Os postos de trabalho produtivos contribuem para equipas, as equipas para empresas, e as empresas produzem quase tudo o que consumimos.

Usar o «posto de trabalho» como referência para a AGI não dá o devido valor a nós, humanos. O trabalho não se resume às tarefas, nem sequer a lidar com os seus elementos não rotineiros: também envolve uma coordenação prodigiosa, a nossa capacidade de adaptação para realizar pequenas partes de resultados maiores. Reduzir-nos a meros conjuntos de tarefas é avaliar-nos muito abaixo do nosso valor. A capacidade humana reside mais nas nossas organizações⁠(abre numa nova janela) do que no indivíduo. Uma AGI económica tem de atingir 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 até como um trabalhador, em vez de funcionar como uma equipa ou empresa. Colocar um modelo ao lado de cada trabalhador significa mil pontos de ligação e passagens de trabalho⁠(abre numa nova janela). Esta configuração fragmentada pode abrandar a adoção.

Vemos uma corrida entre implementações mais precoces e menos capazes e modelos posteriores e mais capazes. O vencedor dependerá de a adoção dos modelos futuros ser suficientemente mais rápida para compensar o tempo adicional necessário para atingir essas competências.

Este cenário de «intercalação» pode coexistir com o primeiro cenário, o de «promoção». Poderemos ver empresas a reduzir o seu contingente humano à medida que a IA automatiza certas funções, enquanto as pessoas que ficam assumem responsabilidades muito mais abrangentes, apoiadas pelas suas equipas de agentes. Importa notar que, por si só, este cenário não implica menos emprego humano no total. Podemos acabar por ter mais empresas, cada uma com menos trabalhadores.

O nosso terceiro cenário é o mais desconcertante. Aqui, a IA entra na empresa acima das pessoas. A hierarquia deixa de ser humanos sobre máquinas e passa a ser humano, IA, humano: uma sanduíche de automatização. Algumas pessoas «respondem» perante uma IA.

Parece rebuscado, sobretudo como ponto de partida para a adoção nas empresas. Mas pensamos que, de formas menos radicais, isto já começou.

Mesmo quando pensamos na IA como um meio de mecanizar o trabalho cognitivo, tendemos a concentrar-nos nos degraus inferiores. Costumamos dizer que a IA automatiza folhas de cálculo e apresentações, não a gestão. A nossa intuição diz-nos que a automatização sobe na hierarquia: primeiro o trabalho cognitivo de base e por último o discernimento, com o gestor como reduto final.

Mas o trabalho de um gestor decorre, em grande parte, no computador e na mente: ler, reunir, ponderar, reter o contexto, tomar decisões. A presença física tem valor, tal como percorrer os escritórios e estar junto das equipas. Ainda assim, é o trabalho de base, mesmo quando é sobretudo cognitivo, que mais lida com o mundo físico e com ferramentas, e não a gestão. É o estagiário que vai à fotocopiadora, não o chefe.

É difícil ensinar um modelo a tomar decisões de gestão, porque o sucesso é ambíguo e mede-se em horizontes temporais longos. É por razões semelhantes⁠(abre numa nova janela) que é difícil formar bons gestores humanos. Ainda não sabemos até que ponto os modelos são bons em gestão. Temos muitas avaliações do trabalho cognitivo orientado para a execução, mas poucas captam a coordenação em larga escala ao nível dos gestores e dirigentes.

Ainda assim, vale a pena considerar que os modelos atuais podem, na verdade, estar mais próximos das capacidades dos gestores humanos do que das dos trabalhadores da base. Algumas funções de gestão poderão ser automatizadas antes do trabalho que supervisionam.

Talvez a versão completa deste cenário de «sobreposição de camadas» seja uma IA que pensa e depois preenche as lacunas das suas capacidades com prestadores de serviços humanos que respondem perante ela. Esse mundo parece-nos bastante estranho. Muita coisa teria de mudar.

Mas existe uma versão mais natural, cujo primeiro ato já está em cena: o aconselhamento. Hoje, uma dirigente pode pedir ao ChatGPT que leia centenas de canais do Slack, documentos, mensagens e ficheiros de código de toda a empresa e depois responda a perguntas. O que faz realmente esta equipa? Onde está a surgir aquela vulnerabilidade? Cada parte da organização é cada vez mais fácil de analisar⁠(abre numa nova janela) para ela.

Há muito que os dirigentes entremeiam o organigrama com intermediários mercenários: chamam-lhe consultoria. Uma consultora de gestão coloca uma camada acima de nós, por pouco tempo e a um preço elevado. No futuro, os consultores de IA poderão ter um custo quase nulo e estar sempre presentes.

Os modelos estão apenas a começar a interpretar de forma fiável os documentos e as comunicações das empresas. O seu gosto e a sua proatividade ainda têm de amadurecer. Por agora, o ChatGPT ajuda uma dirigente empenhada a compreender a sua organização em maior detalhe. Antecipamos que venha a tornar-se uma consultora com uma oferta completa de serviços. Não será um verdadeiro «gestor» dos trabalhadores dos níveis inferiores, mas antes um correspondente interno e conselheiro dos dirigentes. Tirará partido de conhecimentos de gestão para analisar tudo, identificar proativamente os pontos problemáticos e ajudar a definir prioridades.

Se isto será benéfico ou prejudicial dependerá de quem dirige. O efeito estrutural é a centralização. Prevemos que isto encurte a distância entre a direção de topo e a empresa no terreno. Concentra mais poder no topo, quando antes os atritos na circulação da informação favoreciam decisões mais descentralizadas.

Consideramos este cenário de grande alcance, não só pela forma como desloca a autoridade, mas também pela facilidade com que a IA enquanto consultora pode ser adotada. Tal como na consultoria tradicional, a consultora de IA não exige conhecimentos técnicos ao dirigente. Não é como o computador, adotado a partir da base por quem sabia escrever à máquina e usar um terminal. Basta falar com o consultor, que se encarrega da parte técnica. Esta vaga de adoção pode começar no gabinete da direção. A consultora, por sua vez, poderá acelerar a adoção da IA no resto da organização.

Uma razão pesa particularmente na desconfiança das empresas em relação ao teletrabalho e à contratação de prestadores externos: a capacidade de garantir o cumprimento das obrigações. Nunca houve uma forma barata de as empresas observarem a realização do trabalho com toda a riqueza que merece. Por isso, medem encenações⁠(abre numa nova janela) do trabalho: contagem de cliques, movimentos do rato, indicadores verdes de estado, sinais tão desligados da qualidade do trabalho realizado.

A IA oferece um sistema de supervisão que compreende. Pode olhar para o que uma pessoa produz e reconhecer progressos reais rumo a objetivos maiores. Como exploramos na secção seguinte, nenhuma nova forma de vigilância deve ser implementada de ânimo leve⁠(abre numa nova janela). Mas, nas circunstâncias certas, pode aumentar a confiança e encorajar as empresas a dar mais liberdade aos seus trabalhadores.

Se o sistema de supervisão compreender os muitos caminhos diferentes que podem levar a um bom resultado, os trabalhadores poderão trabalhar mais à sua maneira. O progresso rumo a bons resultados terá mais importância do que seguir um único método prescrito que seja fácil de acompanhar pelas chefias. Um sistema de supervisão inteligente dá flexibilidade e penaliza a produtividade de fachada que todos detestamos.

A proposta de valor assemelha-se à das seguradoras que reduzem o prémio se instalarmos um dispositivo de monitorização no carro. Para quem tentava manipular o sistema, isto é prejudicial; para quem apenas fazia o seu trabalho, a supervisão pode dar-lhe razão e aumentar a confiança da direção.

Essa confiança abre possibilidades. Poderemos ver uma nova abertura⁠(abre numa nova janela) de empresas antes relutantes em aceitar trabalho híbrido, mentes pouco convencionais, prestadores externos ou a contratação de pessoas brilhantes em países distantes.

Hoje, os trabalhadores da base deparam-se com muitos problemas no organigrama. É profundamente desanimador não ter forma de fazer chegar aos níveis superiores um problema que vemos em primeira mão. É injusto ficar preso sob a alçada de um gestor ineficaz ou fazer um excelente trabalho que ninguém reconhece.

Na nossa perspetiva, a vaga anterior de hiperotimização empresarial assentava em dados limitados, orientações rudimentares e algoritmos sem inteligência. Se só conseguimos processar relações de engrenagem, toda a gente nos parece uma roda dentada. Há muito que as empresas têm dificuldade em medir o contributo da sua força de trabalho. Um sistema de supervisão inteligente poderá reconhecer contributos valiosos e abordagens singulares que escapam às métricas rudimentares de hoje.

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

Criar algo é, em geral, bastante caro. Uma aplicação, um filme, uma apresentação, uma funcionalidade, uma análise: refazer qualquer um destes trabalhos é caro, demorado e penoso. Quando, na prática, só há uma oportunidade de disparar, investe-se na pontaria. Há ciclos de planeamento, rituais de definição de planos e comissões de aprovação, tudo para garantir que, quando a empresa finalmente dá luz verde, avança para algo que vale a pena. Muitos controlos nas nossas hierarquias existem porque executar era dispendioso.

Em muitas áreas, a IA está a fazer cair drasticamente o custo de criar — pelo menos até à fase de protótipo, quando não até à conclusão. Acreditamos que a abordagem da empresa deve acompanhar essa mudança: apontar menos, disparar mais. Uma empresa pode criar um protótipo, observar, aprender depressa, reorientar-se e voltar a criá-lo. A facilidade de criar protótipos⁠(abre numa nova janela) deverá afastar as empresas das estruturas que sustentam uma produção assente em planeamento intensivo.

Na versão mais simples, isto traduz-se numa equipa que desenvolve e testa novas versões mais depressa. Numa interpretação mais radical, é a própria equipa que é posta em causa. Se o planeamento colaborativo importar menos e as ideias diversas e independentes importarem mais, será melhor ter uma só equipa a aperfeiçoar rapidamente as suas propostas ou muitas pessoas, cada uma a apresentar os seus próprios protótipos funcionais? Se um protótipo real transmitir uma visão melhor do que qualquer documento de definição do projeto, mudarão as nossas práticas de comunicação, passando a partilhar mais e mais cedo, e a partilhar criações concretas em vez de memorandos?

O baixo custo de criar poderá levar a empresa a privilegiar o trabalho individual. Isso significaria menos níveis de chefia intermédia e menos pedidos de autorização, porque antes pedir era mais barato do que fazer e agora já não é.

Dito isto, como veremos a seguir, a mesma tecnologia que permite às pessoas criar protótipos com menos risco também pode impor ainda mais burocracia.

Uma das principais razões pelas quais as empresas impõem uma gestão de cima para baixo é a convicção de que os dirigentes tomam melhores decisões relevantes para o negócio⁠(abre numa nova janela) do que os trabalhadores em início de carreira. As empresas pagam mais para ter profissionais experientes e muito competentes no topo, e os gestores têm frequentemente formação em estratégia empresarial, enquanto os trabalhadores sem funções de chefia se especializam na sua área técnica. Se a IA oferecer excelentes conselhos a todos os trabalhadores, a diferença na qualidade das decisões diminui. Haverá menos razões para os gestores interferirem. Isto aumentaria a autonomia dos trabalhadores e poderia reduzir os níveis de gestão.

Do mesmo modo, a «consultora de IA» garante que nada de demasiado importante acontece sem que um dirigente seja alertado. Se um trabalhador estiver prestes a publicar um artigo num blogue com repercussões graves para a empresa, a consultora tomará a iniciativa de alertar o dirigente. Isto gera confiança: a direção não precisa de recear que ocorram incidentes graves sem o seu conhecimento, pelo que não tem de manter um controlo tão apertado⁠(abre numa nova janela) sobre a forma como cada trabalhador desempenha as suas funções.

Mas a consultora de IA é uma faca de dois gumes⁠(abre numa nova janela). Enquanto supervisora inteligente, pode fomentar maior confiança nos trabalhadores; também pode impor com mais rigor, em toda a organização, a forma de trabalhar preferida pelo diretor executivo. As empresas valorizam a coerência⁠(abre numa nova janela): não basta uma boa decisão, é preciso que seja compatível com a cultura, a marca e as economias de escala da empresa. Uma cadeia de restaurantes pode preferir uma ementa comum em todos os seus franchisados, para poder encomendar ingredientes em grandes quantidades e oferecer aos clientes um produto consistente.

Além disso, os incentivos das chefias nem sempre estão alinhados com os dos trabalhadores. Os trabalhadores procuram maximizar o sucesso da sua área⁠(abre numa nova janela), enquanto os dirigentes se preocupam com a empresa no seu conjunto. Os detentores de capital têm preferências diferentes das dos assalariados, porque colhem os frutos⁠(abre numa nova janela) de um maior esforço no trabalho. A consultora poderá impor uma adesão mais rigorosa a procedimentos específicos ditados pelo topo.

Na nossa perspetiva, o saldo será um ganho de autonomia para os trabalhadores. O nosso otimismo assenta na utilização da IA pelas empresas para sinalizar exceções de grande impacto, deixando mais decisões nas mãos dos trabalhadores.

Acreditamos que a IA funcionará como uma estrutura de apoio: mesmo que os dirigentes queiram manter uma marca coerente, isso será apenas um limite dentro do qual se poderá trabalhar. Os trabalhadores passam a conhecer melhor os condicionamentos do negócio e ficam mais protegidos para exercer a criatividade no espaço que essas restrições deixam livre. Com os riscos acautelados, os dirigentes podem deixar os trabalhadores experimentar novas abordagens potencialmente lucrativas. Com o apoio de assistentes de IA sob a nossa direção, nós, trabalhadores, também seremos responsáveis por resultados mais substanciais. Vemos mais oportunidades de criatividade quando se dirige trabalho mais complexo.

A mesma lógica sobre a autonomia dos trabalhadores aplica-se à dimensão das empresas. Ronald Coase⁠(abre numa nova janela) perguntou por que razão organizamos a produção dentro de empresas em vez de o fazermos através de uma rede de contratos. Até um avião poderia ser construído apenas através de contratos entre partes independentes, mas seria muito ineficiente. As empresas geram economias de escala, alinham incentivos, organizam grandes projetos e dispensam a necessidade de negociações constantes.

Ao facilitar a comunicação, a IA poderá justificar empresas maiores ou mais pequenas. A empresa clássica é uma infraestrutura que faz subir informação e descer instruções, cheia de atritos e de distorções próprias do jogo do telefone estragado. Uma empresa maior (com mais trabalhadores humanos) é menos difícil de gerir se a IA funcionar como camada de coordenação. Com a «consultora de IA», uma dirigente pode conhecer a sua empresa como um fundador conhece uma startup de vinte pessoas. Pode acompanhar a execução de uma iniciativa em vez de esperar pelo relato trimestral e receber alertas se acontecer alguma coisa. A sua visão pode chegar a mais partes da empresa. Todos sabem melhor o que os outros estão a fazer e quais são as prioridades gerais da organização.

Mas o efeito pode ser o inverso. Se a comunicação não tiver atritos e for mais fácil verificar o cumprimento dos acordos, uma empresa não precisa de integrar tanta da sua cadeia de abastecimento. 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 numa nova janela): uma empresa aeroespacial pode contratar uma empresa de motores a jato, mas, em tudo o que o contrato não exigir explicitamente, esta tem incentivos para poupar à custa da qualidade e proteger os seus próprios lucros. Para evitar isso, a empresa aeroespacial compra a empresa de motores a jato. Tal como acontece com trabalhadores e chefias: se for mais fácil acompanhar o cumprimento dos contratos e arbitrar litígios de forma inteligente, em vez de apenas verificar formalidades, as empresas poderão sentir-se mais à vontade para depender de outras empresas. Haverá menos razões para fazer tudo internamente.

Esperamos ver muitas empresas mais pequenas, mas também vastas «holdings» de IA em que se desenvolve um enorme número de projetos diferentes dentro de uma só empresa. O conglomerado faz sentido económico quando existe 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 necessário. Uma fábrica ou frota de robôs partilhada é uma motivação mais forte.

Uma grande «holding» também se pode justificar por incentivos alinhados. Se uma grande organização de sistemas de IA e capital se dedicar inteiramente a uma missão comum — por exemplo, curar o cancro —, haverá menos necessidade de iniciativas separadas de menor dimensão. Uma empresa de IA poderá evitar lutas de poder, partilhar toda a informação e, quando necessário, criar diversidade criativa entre os seus agentes para explorar diferentes caminhos.

O sistema atual deveria recompensar os trabalhadores que se destacam. Sobem na hierarquia e recebem melhor remuneração. Mas, num mundo de modelos que são excelentes conselheiros, como se vão distinguir os trabalhadores?

Se a IA der a mesma grande ideia a todos, teremos menos oportunidades de nos diferenciarmos. As diferenças entre níveis salariais deverão diminuir.

A contrariar esta compressão estão o discernimento, o gosto e a abrangência das responsabilidades. Se cada um de nós liderar empresas de IA sob a sua alçada, o valor humano que resta é a nossa capacidade de decisão. Se cada pessoa for responsável por um esforço maior sob a sua direção, a diferença entre bom e mau discernimento terá maior impacto⁠(abre numa nova janela).

Há muito que aplicamos esta lógica ao topo do organigrama. Justificamos a remuneração dos diretores executivos⁠(abre numa nova janela) com a ideia de que decisões ligeiramente melhores no topo podem ter efeitos enormes nos lucros. A desigualdade salarial poderá aumentar se alguns trabalhadores gerirem melhor as empresas de IA sob a sua alçada para aplicar recursos escassos.

Quanto mais estiver em jogo, mais uma pequena vantagem sobre outra pessoa se refletirá no salário. Por outro lado, a IA dará bons conselhos a todos. Menos diferenciação comprime a distribuição salarial.

Aqui, como noutros aspetos, a força predominante talvez dependa de sermos sobretudo nós a exercer discernimento ou a seguir o dos outros.