Företagets framtid

Författarnas kommentar: Det här är den andra essän i vår serie om den nya ekonomin, som ingår i en ny plattform för oberoende röster som utforskar en framtid med AGI. Den återspeglar våra åsikter, inte de som OpenAI eller våra kollegor kan ha.

Vi var båda 24 år när vi började leda våra egna team här på OpenAI. Det låter mindre imponerande när man träffar våra team.

Det är ju vi som borde göra grovjobbet. Som tjugofyraåring står man längst ner på karriärstegen. Man för mötesanteckningar och skriver några PM. Efter många år av slit får man förhoppningsvis ett större ansvarsområde.

Vår väg – och vägen för många unga i dag – ser annorlunda ut. Vi går in i arbetslivet med ”anställda” som redan står till vårt förfogande. Dessa medhjälpare arbetar dag och natt, på helger och helgdagar. De är utmärkta på grovjobbet. Vi har till och med guldmedaljörer i matematikolympiaden som rådgivare i personalstyrkan. Våra nya medhjälpare gör fortfarande en hel del misstag. Men de blir bättre, lär sig våra behov, och vi lär oss att leda dem.

Ingen av oss har klättrat upp på karriärstegen. I stället har chefsrollen kommit ner till vårt steg. Den här essän handlar om vår befordran och om andra sätt som företag kan omorganiseras när vi går in i intelligensens tidsålder.

När AI kommer in i företaget, var hamnar den då? Vi presenterar tre illustrativa scenarier:

Inget av dessa scenarier kommer att utspela sig precis som vi beskriver, men vi tror att delar av alla tre kommer att bli verklighet. Alla tre är redan på gång i det tysta.

Här fokuserar vi inte på total automatisering utan på en ekonomi i omvandling. Vi är intresserade av hur hybridföretag kommer att se ut när AI blir bättre och vävs in i befintliga organisationer.

Vi anser att hybridföretaget är ett viktigt begrepp eftersom det tar tid att införa AI på ett produktivt sätt. När modellerna bara klarar av vissa uppgifter kan det vara enklast för medarbetare på golvet som känner till arbetet att börja använda dem. När modellerna väl kan sköta breda funktioner från början till slut kan högre chefer använda dem direkt. Enligt oss är mer kapabel AI lättare att börja använda: företagen måste lära sig tekniken, men arbetskraften lär känna företaget och kan börja göra det själv.

Vi ska granska tre nya typer av organisationsscheman och sedan undersöka vad de innebär för framtidens administrativa arbete, medarbetarnas handlingsutrymme, företagsstorlek och löneskillnader.

Vårt första scenario verkar minst omvälvande. Här behåller människor sina positioner och rapporteringsvägar och utför till synes samma jobb som tidigare. Organisationsschemat för människorna ser likadant ut i dag som i denna framtid.

Skillnaden finns under oss. Under varje medarbetare utan chefsansvar finns det en ny AI-arbetsstyrka som rapporterar till var och en av oss. Vårt organisationsschema får en källare, och vi blir alla chefer.

Till en början är källaren inte helt färdig. Vi börjar med en eller två agenter var, inte så mycket som erfarna medarbetare utan snarare som ivriga praktikanter som vi måste handleda och ha överseende med. Våra förväntningar är låga: skicka ett mejl här, skriva ett utkast till ett PM där, svara på Slack-meddelanden överallt. Precis som med mänskliga nyanställda får de till en början begränsad självständighet och lägre tillit.

Men i takt med att modellerna blir bättre tar våra agenter på sig fler uppgifter med mindre tillsyn. De samordnar sig med varandra. Det kan finnas AI-chefer och AI-grovarbetare, redovisningsekonomer och jurister, som alla arbetar tillsammans på ditt uppdrag. I stället för att hålla en praktikant i handen driver du till slut något som liknar ett litet företag i sig, med ett eget organisationsschema och dig som en styrelse.

Lägg märke till att detta scenario inte innebär uppsägningar. Här tar vi AI i bruk utan att automatisera bort oss själva. Vi automatiserar i stället våra tidigare jag och flyttar upp i hierarkin. AI tar över allt mer av det vi brukade göra. Våra jobb finns kvar eftersom det finns mer att leda, och vi får ansvar för en större samlad produktion.

Jobb är inte statiska⁠(öppnas i ett nytt fönster). Anta att AI kan göra nittio procent av det du gjorde tidigare. Du kanske drar slutsatsen att du bara har tio procent av arbetet kvar. Den andra möjligheten är att du fortfarande har ett helt jobb, fast ett annat – nu med fokus på ett tio gånger större mål. Det är teknikens klassiska gåva: produktiviteten stiger, ambitionerna stiger i takt med den och lönerna kan stiga⁠(öppnas i ett nytt fönster) med ambitionerna.

Allt detta hänger på om vi fortfarande tillför värde⁠(öppnas i ett nytt fönster) i produktionen. Den här essän fokuserar på de kommande åren, då automatiseringen varken klarar allt eller används överallt. Även om AI kunde göra allt kanske vi ändå skulle värdera något högre för att en människa har gjort det, eller insistera på att en människa ska ha sista ordet.

Det beror också på hur mycket vi vill ha. Om vi som konsumenter inte är intresserade av tio gånger större produktion kommer jämvikten att förskjutas mot färre arbetstagare eller färre arbetade timmar. Historiskt har ökad produktion inte gjort oss mätta. Vi har mycket mer⁠(öppnas i ett nytt fönster) men arbetar bara lite mindre⁠(öppnas i ett nytt fönster). Om vår efterfrågan fortsätter att växa när produktionen mångdubblas – och vi fortfarande tillför något till produktionen – kommer vi att fortsätta byta vårt arbete mot mer konsumtion. Om produktionen i stället blir så riklig att vi känner oss nöjda kanske vi frivilligt väljer en mindre arbetsstyrka.

Det finns fler invändningar som vi diskuterar senare, till exempel om vi kommer att få fler men mindre företag. Vi tycker ändå att detta scenario är viktigt, eftersom införandet måste börja någonstans. Företag behöver ett sätt att utvecklas stabilt från sina nuvarande organisationsstrukturer. Att stärka befintliga medarbetares arbete kan vara ett enklare första steg än en genomgripande omstrukturering. Vi ser det i praktiken i dag: den ena medarbetaren efter den andra delegerar till AI, hittills utan någon organisatorisk revolution.

Det här scenariot bygger på att det är medarbetarna i frontlinjen som anställer först. Medarbetare på golvet – inte chefer och företagsledare – går i täten för att ta AI i bruk. Det verkar sannolikt så länge den som bäst får AI att utföra arbetet är den som tidigare gjorde det själv.

Modeller kan redan automatisera många uppgifter inom datavetenskap, men en avdelningschef som inte känner till metoderna och detaljerna får svårt att utnyttja verktygen. Tills AI blir tillräckligt proaktiv för att berätta vad du inte vet, som i vårt nästa scenario, fungerar den förmodligen bäst för dem som redan vet hur arbetet utförs.

Den största förändringen i detta scenario gäller dem som är nya i arbetslivet. Det skulle inte längre finnas någon nedersta pinne på stegen, åtminstone inte för människor. När vi anställer unga blir det inte för att placera dem längst ner i företaget med de mest slitsamma uppgifterna. De tjänsterna kommer att fyllas av något som inte har något emot det.

Därmed förlorar vi vissa traditionella sätt att lära upp unga medarbetare: lärlingstiden⁠(öppnas i ett nytt fönster), att lära sig genom grovjobb och att arbeta sig upp från grunden. Det är verkliga förluster, men vi ser det främst som ett privilegium. Även den mest oerfarna nyanställda med en bra idé får resurser att experimentera. Den gamla standardursäkten, vi har helt enkelt inte tillräckligt med folk, håller på att försvinna. En junior medarbetare med ett fantastiskt tv-spel i huvudet men utan möjlighet att få personal kan nu helt enkelt bygga det.

Vi anser att scenariot med ”befordran” fortfarande ger juniora medarbetare mycket att lära: omdöme, smak, ledarskapsförmåga och kreativ vision. Vi kommer att ha incitament att utveckla dessa färdigheter eftersom de syns i våra arbetsresultat. Vi kommer fortfarande att lära genom att göra⁠(öppnas i ett nytt fönster), men med ett större ansvar. Företagets veteraner har fortfarande incitament att hjälpa oss som ansvarsfulla förvaltare, med ägarintressen i vår framgång. Möjligheten här är en mer stimulerande roll för alla på varje nivå. Alla medarbetare kan visa sina talanger med ett större ansvarsområde, vilket betyder mest för nybörjare som tidigare inte hade något eget ansvar alls.

AI:s andra väg in i företaget går genom det befintliga organisationsschemat. Här befinner sig agenterna inte längst ner i hierarkin, utan de är våra kollegor. En traditionell chef lämnar över en del av teamets arbete till en modell på samma sätt som hen skulle delegera till vilken medarbetare som helst. AI tar plats bredvid människor, inte bara under dem.

Den avgörande skillnaden mot det första scenariot är att produktiv AI här tas i bruk av befintliga mänskliga chefer, inte bara av dagens medarbetare utan chefsansvar. För det måste AI vara tillräckligt kompetent för att bli en fullvärdig teammedlem.

Människor är generalister. En hammare hjälper till med en uppgift, men en människa gör mycket mer. AI:s resa från verktyg till arbetskraft innebär ett allt bredare verksamhetsområde: först automatiseras uppgiften, sedan jobbet, därefter ett team och till sist ett företag. Varje steg mot större omfattning kräver bredare kompetens.

Ett jobb är en resväska full av många uppgifter. För ett helt team är den väskan proppfull med alla möjliga slags arbete. Fler uppgifter inom ansvarsområdet innebär fler möjliga flaskhalsar. Om så bara en enda nödvändig uppgift i teamet kräver fysiskt arbete behövs en helt ny uppsättning kringutrustning. För att direkt kunna ersätta ett helt team måste AI klara alla dess varierande ansvarsområden.

AI som kan hantera en bredare omfattning är svårare att bygga. Men för företag – och detta är hela omställningens centrala asymmetri – är bredare omfattning lättare att ta i bruk.

Ett helt automatiserat team eller en bred funktion kan tas i bruk direkt av en företagsledare. Ett verktyg med snävare förmågor kan inte lika enkelt införas uppifrån. Det enklare verktyget kräver bred förankring och omskolning i hela personalstyrkan.

Ny teknik gör traditionellt en begränsad uppsättning uppgifter billigare att utföra. Sedan hamnar ansvaret hos köparen. Företaget måste lista ut hur det nya verktyget ska utnyttjas och utbilda personalen, omorganisera och bygga om sina processer⁠(öppnas i ett nytt fönster) kring det. Kalkylprogram installerade inte sig själva på ekonomiavdelningen – ekonomiavdelningen anpassade sig efter programvaran.

Med arbetskraft är det tvärtom. En praktikant, en medarbetare och ett bra team tar reda på hur de kan vara till nytta för dig. De ställer frågor, sätter sig in i din situation och uppmärksammar dina behov. De berättar sådant du inte ens visste att du inte visste. Den bästa arbetskraften sköter sin egen introduktion.

Ju mer AI liknar arbetskraft i den här bemärkelsen, med initiativförmåga och anpassningsförmåga, desto mindre behöver företaget lära sig att använda den – och desto mer räknar AI själv ut hur den kan vara till nytta. En företagsledare lär knappast sitta igenom en grundkurs i designprogram för att lära sig ett nytt verktyg. Men han överväger gärna ett erbjudande som låter så här: säg bara till, så bygger jag upp hela din marknadsföringsfunktion.

Alltför ofta beskriver vi automatiseringen av ett jobb som det yttersta målet för AGI. Visst, vi har inte ens nått dit än. Jobb är så oerhört komplicerade eftersom vi är så imponerande kapabla. Ändå kommer mycket lite⁠(öppnas i ett nytt fönster) av ekonomins produktion från människor som arbetar helt på egen hand. Produktiva jobb bidrar till team, team till företag, och företag producerar nästan allt vi konsumerar.

Att mäta AGI mot ett ”jobb” blir inte rättvist för oss människor. Arbete handlar inte bara om själva uppgifterna eller om att hantera avvikelser: det handlar också om en enastående förmåga till samordning, om vår anpassningsförmåga att göra små delar av en större helhet. Att reducera oss till rena samlingar av arbetsuppgifter är att grovt undervärdera oss. Människans förmåga finns mer i våra organisationer⁠(öppnas i ett nytt fönster) än i individen. En AGI för ekonomin måste nå upp till nivån för människor, inte en människa.

Därför kan scenariot med ”invävning” bli ganska ineffektivt om AI fortfarande fungerar som ett verktyg eller en medarbetare, snarare än som ett team eller företag. En modell bredvid varje medarbetare innebär tusen skarvar och överlämningar⁠(öppnas i ett nytt fönster). Detta fragmenterade upplägg kan bromsa införandet.

Vi ser en kapplöpning mellan tidiga, mindre kapabla lösningar och senare, mer kapabla modeller. Vilka som vinner beror på om framtida modeller kan tas i bruk så mycket snabbare att det uppväger den extra tid som krävs för att utveckla deras förmågor.

Scenariot med ”invävning” kan samexistera med det första scenariot, ”befordran”. Vi kan få se företag minska sin mänskliga personalstyrka när AI automatiserar vissa funktioner, samtidigt som de kvarvarande människorna får mycket bredare mandat med hjälp av sina agentarbetsstyrkor. Det viktiga är att detta scenario i sig inte innebär lägre total sysselsättning för människor. Vi skulle kunna få fler företag, vart och ett med färre anställda.

Vårt tredje scenario är det mest förbryllande. Här tar AI plats i företaget ovanför människor. Ordningen är inte längre människor över maskiner, utan människa, AI, människa: en automatiseringssandwich. Vissa människor ”rapporterar” till en AI.

Det låter långsökt, särskilt som ett första steg för företag som inför AI. Men vi tror att det redan har börjat, i mindre radikala former.

Även när vi tänker på AI som ett sätt att mekanisera kognitivt arbete tenderar vi att fokusera på de lägre nivåerna. Vi brukar säga att AI automatiserar kalkylblad och presentationer, inte ledarskap. Vår instinkt säger att automatiseringen klättrar uppåt i hierarkin: först kognitivt grovjobb och sist omdöme, med chefen som sista utpost.

Men en chefs arbete sker till stor del vid datorn och i huvudet: läsa, ha möten, väga alternativ, hålla sammanhang i minnet och fatta beslut. Det finns ett värde i fysisk närvaro, i att gå runt på kontoret och vistas bland medarbetarna. Ändå är det arbetet på golvet, även när det mest är kognitivt, som har mer kontakt med den fysiska världen och dess verktyg än chefsarbetet. Det är praktikanten som skickas till kopiatorn, inte hans chef.

Beslutsfattande på chefsnivå är svårt att lära en modell, eftersom framgång är svårdefinierad och mäts över långa tidshorisonter. Av liknande skäl⁠(öppnas i ett nytt fönster) är det svårt att utbilda bra mänskliga chefer. Vi vet ännu inte hur bra modellerna är på att leda. Vi har gott om utvärderingar av kognitivt arbete som fokuserar på utförande, men få fångar storskalig samordning på den nivå som chefer och företagsledare arbetar på.

Det är ändå värt att överväga att dagens modeller i förmåga faktiskt kan ligga närmare mänskliga chefer än medarbetare på golvet. Vissa chefsfunktioner kan komma att automatiseras före det arbete de leder.

Kanske är den fullt utvecklade versionen av scenariot med ett ”mellanlager” en AI som sköter tänkandet och sedan fyller luckorna i sin förmåga med mänskliga uppdragstagare som rapporterar till den. Den världen känns ganska främmande för oss. Mycket skulle behöva förändras.

Men det finns en mer naturlig variant, och dess första akt har redan börjat: rådgivning. I dag kan en företagsledare be ChatGPT att läsa hundratals Slack-kanaler, dokument, skrivelser och kodfiler från hela företaget och sedan svara på frågor. Vad gör det här teamet egentligen? Var visar sig den där sårbarheten? Varje del av organisationen blir allt lättare för ledaren att analysera⁠(öppnas i ett nytt fönster).

Företagsledare har länge vävt in inhyrda mellanhänder i organisationsschemat – de kallade det konsultverksamhet. En managementkonsultbyrå lägger ett lager ovanför dig, kortvarigt och till hög kostnad. Framöver skulle AI-konsulterna kunna vara försvinnande billiga och ständigt närvarande.

Modeller har precis börjat kunna tolka företagsdokument och kommunikation tillförlitligt. Deras känsla för kvalitet och initiativförmåga måste mogna. Än så länge hjälper ChatGPT en engagerad företagsledare att förstå sin organisation mer i detalj. Vi ser framför oss att det så småningom blir en heltäckande konsultbyrå. Det blir ingen verklig ”chef” för medarbetare längre ner, utan snarare en intern rapportör och rådgivare åt ledningen. Den kommer att använda affärskunskap för att granska allt, självmant lyfta fram problem och hjälpa till att prioritera.

Om det blir till nytta eller skada beror på företagsledaren. Den strukturella effekten är centralisering. Vi tror att detta förkortar avståndet mellan högsta ledningen och den övriga verksamheten. Det samlar mer makt i toppen, där hinder i informationsflödet tidigare talade för mer decentraliserat beslutsfattande.

Vi ser detta scenario som omvälvande, inte bara för hur det förskjuter makt utan också för hur lätt AI som konsultbyrå kan tas i bruk. Precis som med traditionell konsultverksamhet kräver AI-konsultbyrån ingen teknisk skicklighet av företagsledaren. Det här är inte datorn, som infördes nerifrån av dem som kunde använda tangentbord och terminaler. Du pratar bara med din konsult, som står för det tekniska kunnandet. Den här införandevågen kan börja i vd-rummet. Konsultbyrån skulle i sin tur kunna påskynda införandet av AI i resten av organisationen.

Ett skäl väger särskilt tungt i företagens misstro mot distansarbete och externa uppdragstagare: möjligheten att säkerställa att överenskommelser följs. Det har aldrig funnits något billigt sätt för företag att följa arbetet medan det utförs, med all den nyansrikedom det förtjänar. Därför mäter de skenet av arbete⁠(öppnas i ett nytt fönster): räknade klick, musrörelser, gröna statusprickar – signaler som har mycket lite att göra med hur väl arbetet faktiskt utförs.

AI erbjuder en övervakare som förstår. Den kan granska vad en person producerar och urskilja verkliga framsteg mot större mål. Som vi diskuterar i nästa avsnitt får ny övervakning inte införas lättvindigt⁠(öppnas i ett nytt fönster). Men under rätt förutsättningar kan den öka förtroendet och uppmuntra företag att ge sina anställda större frihet.

Om övervakaren förstår de många olika vägar som kan leda till bra arbetsresultat kan medarbetarna arbeta mer som de själva vill. Framsteg mot goda resultat blir viktigare än att följa en föreskriven metod som är lätt för cheferna att kontrollera. En intelligent övervakare ger flexibilitet och missgynnar det produktivitetsspel för gallerierna som vi alla ogillar.

Erbjudandet liknar det från försäkringsbolag som sänker premien om du installerar en spårningsenhet i bilen. Om du försökte lura systemet missgynnas du. Om du bara skötte ditt jobb kan övervakaren ge dig upprättelse, och ledningen litar mer på dig.

Det förtroendet öppnar nya möjligheter. Vi kan få se en ny öppenhet⁠(öppnas i ett nytt fönster) hos företag som tidigare varit tveksamma till hybridarbete, okonventionella tänkare, externa uppdragstagare eller att anställa briljanta människor i avlägsna länder.

Dagens organisationsscheman skapar många problem för medarbetare på golvet. Det är oerhört nedslående att sakna möjlighet att föra ett problem man själv ser vidare upp i hierarkin. Det är orättvist att fastna under en ineffektiv chef eller göra ett utmärkt arbete som ingen uppmärksammar.

Vi ser den förra vågen av extrem verksamhetsoptimering som byggd på begränsade data, grova riktlinjer och ointelligenta algoritmer. Om det enda man kan bearbeta är utväxlingstal ser alla ut som kuggar. Företag har länge haft svårt att mäta sina medarbetares insatser. En intelligent övervakare skulle kunna uppmärksamma värdefulla bidrag och unika arbetssätt som dagens trubbiga mått missar.

Med utgångspunkt i de tre förenklade scenarierna utforskar vi nu några av de avgörande frågorna om företagets framtid.

Att skapa något är i allmänhet ganska dyrt. En app, en film, en presentation, en funktion, en analys: allt detta är kostsamt, tidskrävande och mödosamt att göra om. När man i praktiken bara har en kula satsar man på att sikta rätt. Det finns planeringscykler, ritualer kring färdplaner och godkännandekommittéer – allt för att säkerställa att företaget satsar på något värdefullt när klartecken väl finns. Många kontrollsteg i våra hierarkier finns för att själva genomförandet var så kostsamt.

På många områden sänker AI avsevärt kostnaden för att skapa – åtminstone för prototyper, om inte för färdiga produkter. Vi anser att företagets arbetssätt bör ändras i takt med detta: sikta mindre, skjut mer. Ett företag kan bygga en prototyp, observera, lära sig snabbt, byta riktning och bygga om den. Enklare prototyputveckling⁠(öppnas i ett nytt fönster) bör få företag att lämna de strukturer som ligger till grund för planeringsintensiv produktion.

Den enklaste varianten är ett team som arbetar i snabbare utvecklingscykler. I en mer radikal tolkning ifrågasätts själva teamet. Om gemensam planering blir mindre viktig och oberoende, mångskiftande idéer viktigare, är det då bättre med ett enda team som itererar snabbt eller många individer som var och en tar fram egna fungerande prototyper? Om en verklig prototyp förmedlar en vision bättre än något projektdokument någonsin kan, kommer då våra kommunikationsvanor att förändras: att dela mer, tidigare och dela konkreta alster i stället för PM?

Billigare skapande kan ge individen en starkare ställning i företaget. Det skulle innebära färre mellanchefsnivåer och mindre behov av att be om lov, eftersom det tidigare var billigare att fråga än att göra, men inte längre är det.

Samtidigt kan samma teknik som ger individer möjlighet att ta fram prototyper med mindre risk också skapa ännu mer administrativt arbete, som vi diskuterar härnäst.

Ett viktigt skäl till att företag styr uppifrån är övertygelsen att företagsledare fattar bättre affärsmässiga beslut⁠(öppnas i ett nytt fönster) än medarbetare med mindre erfarenhet. Företag betalar mer för kompetenta veteraner i toppen, och chefer är ofta utbildade i affärsstrategi medan medarbetare utan chefsansvar är specialister inom sina områden. Om AI ger utmärkta råd till alla medarbetare minskar skillnaden i beslutens kvalitet. Då finns det färre skäl för chefer att ingripa. Det skulle öka medarbetarnas självständighet och möjligen minska antalet chefsnivåer.

På liknande sätt ser ”AI-konsultbyrån” till att inget alltför betydelsefullt händer utan att en person i ledningen får veta det. Om en medarbetare är på väg att publicera ett blogginlägg med allvarliga konsekvenser för företaget kommer konsultbyrån att uppmärksamma ledningen på det i förväg. Det skapar förtroende: ledningen behöver inte oroa sig för att stora misstag ska ske utan deras vetskap och behöver därför inte hålla medarbetarna i lika strama tyglar⁠(öppnas i ett nytt fönster) när de utför sitt arbete.

Men AI-konsultbyrån är ett tveeggat svärd⁠(öppnas i ett nytt fönster). Som intelligent övervakare kan den öka förtroendet för medarbetarna, men den kan också med större kraft genomdriva vd:ns föredragna arbetssätt i hela organisationen. Företag värdesätter samstämmighet⁠(öppnas i ett nytt fönster): inte bara bra beslut, utan beslut som går ihop med företagets kultur, varumärke och stordriftsfördelar. En restaurangkedja kan föredra en gemensam meny hos sina franchisetagare, så att råvaror kan köpas in i stora volymer och kunderna vet vilken produkt de kan förvänta sig.

Dessutom sammanfaller företagsledningens incitament inte alltid med medarbetarnas. Medarbetare optimerar för framgång inom sitt eget område⁠(öppnas i ett nytt fönster), medan ledningen bryr sig om företaget som helhet. Aktieägare har andra preferenser än löntagare, eftersom de skördar frukterna⁠(öppnas i ett nytt fönster) av hårt arbete. Konsultbyrån skulle kunna kräva striktare efterlevnad av särskilda regler som fastställs uppifrån.

Vi tror att medarbetarnas handlingsutrymme på det hela taget kommer att öka. Vår optimism bygger på att företag använder AI för att flagga avvikelser med stora konsekvenser, samtidigt som fler beslut lämnas åt medarbetarna.

Vi tror att AI kommer att fungera som ett stöd – även om ledningen vill behålla ett enhetligt varumärke blir det bara en ram att arbeta inom. Medarbetarna får bättre insikt i verksamhetens begränsningar och större trygghet att vara kreativa i övrigt. När riskerna är under kontroll kan ledningen låta medarbetarna pröva nya arbetssätt som kan bli lönsamma. Med stöd av AI-medhjälpare under oss kommer vi medarbetare också att ansvara för mer omfattande resultat. Vi ser större möjligheter till kreativitet när vi leder mer komplext arbete.

Samma resonemang om medarbetarnas självständighet gäller även för företagens storlek. Ronald Coase⁠(öppnas i ett nytt fönster) frågade varför vi organiserar produktion inom företag i stället för genom ett nätverk av avtal. Till och med ett flygplan skulle kunna byggas enbart genom avtal mellan enskilda parter, men det skulle vara mycket ineffektivt. Företag skapar stordriftsfördelar, samordnar incitament, organiserar stora projekt och undanröjer behovet av ständigt köpslående.

Genom att underlätta kommunikationen skulle AI kunna motivera både större och mindre företag. Det klassiska företaget är en infrastruktur för att föra information uppåt och instruktioner nedåt, fullt av friktion och visklekar. Ett större företag med fler mänskliga anställda blir mindre svårstyrt om AI fungerar som ett samordnande lager. Med en ”AI-konsultbyrå” kan en företagsledare känna sitt företag lika väl som en grundare känner sitt startup-företag med tjugo anställda. Ledaren kan följa hur en satsning genomförs i stället för att vänta på kvartalsrapporten och få en notis om något händer. Hens vision kan få bredare genomslag. Alla har bättre koll på vad de andra gör och på organisationens övergripande prioriteringar.

Men det skulle också kunna bli tvärtom. Om kommunikationen flyter på utan friktion och det blir lättare att följa upp efterlevnaden behöver ett företag inte ta in lika stora delar av leveranskedjan i den egna verksamheten. Företaget kan i högre grad lita på externa leverantörer och uppdragstagare.

Ett viktigt motiv för vertikal integration är att få incitamenten att dra åt samma håll. Det finns en teori om ofullständiga avtal⁠(öppnas i ett nytt fönster): ett flyg- och rymdföretag kan ingå avtal med en jetmotortillverkare, men för allt som inte uttryckligen krävs i avtalet har jetmotortillverkaren incitament att snåla och prioritera sitt eget resultat. För att undvika detta köper flyg- och rymdföretaget jetmotortillverkaren. Precis som med medarbetare och chefer: om avtal blir lättare att följa upp och tolkas med omdöme i stället för med checklistor kan företag känna sig tryggare med att förlita sig på andra företag. Det skulle finnas färre skäl att göra allt internt.

Vi förväntar oss många mindre företag, men också vidsträckta AI-”holdingbolag” där ett enormt antal olika projekt drivs inom ett och samma företag. Ett konglomerat är ekonomiskt fördelaktigt när det finns en gemensam tillgång som alla de olika projekten kan utnyttja. Den gemensamma tillgången skulle kunna vara beräkningskapacitet, även om sådan lätt kan tillhandahållas i små mängder efter behov. En gemensam fabrik eller robotflotta är ett starkare skäl.

Det stora ”holdingbolaget” kan också motiveras av samstämmiga incitament. Om en stor organisation av AI-system och kapital helt ägnar sig åt ett gemensamt uppdrag – säg att bota cancer – minskar behovet av separata mindre initiativ. Ett AI-företag skulle kunna undvika maktkamper, dela all information och vid behov skapa kreativ mångfald bland sina agenter så att olika vägar utforskas.

Dagens system är tänkt att belöna medarbetare som utmärker sig. De avancerar i hierarkin och får bättre betalt. Men hur ska medarbetare kunna utmärka sig i en värld där modeller ger förstklassiga råd?

Om AI ger alla samma briljanta idé har vi färre möjligheter att sticka ut. Löneskillnaderna borde krympa.

Det som talar emot denna utjämning är omdöme, smak och ansvarets omfattning. Om vi var och en leder AI-företag under oss är vårt kvarvarande mänskliga värde vår förmåga att fatta beslut. Om varje person ansvarar för en större verksamhet under sig får skillnaden mellan bra och dåligt omdöme större genomslag⁠(öppnas i ett nytt fönster).

Vi har länge tillämpat den logiken högst upp i organisationsschemat. Vi motiverar vd-löner⁠(öppnas i ett nytt fönster) med att marginellt bättre beslut högst upp kan få enorma effekter på resultatet. Löneskillnaderna skulle kunna öka om vissa medarbetare är bättre på att leda AI-företagen under sig så att de utnyttjar knappa resurser väl.

Ju mer som står på spel, desto mer syns ditt lilla försprång gentemot någon annan i lönekuvertet. Å andra sidan kommer AI att ge goda råd till alla. Mindre skillnader i prestation pressar ihop lönespridningen.

Här, liksom på andra områden, beror det kanske på om vi främst använder eget omdöme eller följer någon annans.