企業的未來

作者註：這是我們「下一個經濟時代」系列的第二篇文章，刊載於匯聚獨立觀點、探索 AGI 未來的全新平台。本文僅代表我們的觀點，不代表 OpenAI 或同事的立場。

我們兩人開始在 OpenAI 管理自己的團隊時，都才二十四歲。不過，見過我們的團隊後，你就不會覺得這有多了不起。

我們原本應該只是做雜務的小兵。二十四歲，通常還在企業階梯的最底層。做做會議紀錄，寫幾份備忘錄。熬過多年枯燥繁重的工作後，才有望獲得更大的職權。

但我們與如今許多年輕人正走上不同的職涯道路。我們一踏入職場，就已經有「員工」聽候差遣。這些助手日夜工作，週末假日也不休息，也很擅長處理繁瑣的基礎工作。我們的團隊裡甚至有數學奧林匹亞金牌得主提供建議。這些新部屬仍然難免犯錯，但正在進步，逐漸了解我們的需求。我們也在學習如何管理這支團隊。

我們兩人都沒有往上爬升。反而是管理職責下移到了我們這一階。本文談的是我們的這場升遷，以及邁入智慧時代後，企業可能出現的其他組織變革。

當 AI 進入企業，它會落在哪個位置？我們提出三種情境來說明：

現實不會完全照著這三種情境發展，但我們認為，每一種都會有部分成真。其實，三者都已在悄然發生。

我們在此關注的不是全面自動化，而是轉型中的經濟。隨著 AI 進步並融入現有組織，人機混合的企業會呈現什麼樣貌？這是我們感興趣的問題。

我們認為，混合型企業是個重要概念，因為導入 AI 並讓它發揮生產力，不會一蹴可幾。當模型只能執行部分任務時，可能最容易由熟悉工作的基層員工率先採用。一旦模型能從頭到尾完成範圍廣泛的職能，高層就能直接使用。我們認為，AI 能力越強，越容易導入：企業得學習技術，但勞動者會了解企業，自己適應上手。

我們將剖析這三種新的組織架構，再探討這些變化將如何影響未來的繁文縟節、員工自主權、企業規模與薪酬差距。

第一種情境看起來衝擊最小。人們留在原來的位子，維持原本的上下級關係，表面上也還是做著同樣的工作。從今天到這個未來，人類的組織架構圖看起來沒有變化。

差別在我們下方。每位非管理職員工底下，都多了一支向自己報告的 AI 勞動大軍。組織架構多了個地下室，我們也都成了主管。

起初，這個地下室還沒完工。一開始，每人有一、兩個智慧體。它們不像老練的員工，比較像熱心的實習生，需要我們督導，也需要我們多多包容。我們期望不高：這裡寄封電子郵件，那裡草擬份備忘錄，再回覆各處的 Slack 訊息。就像資淺的人類員工，它們一開始得到的自主權與信任都很有限。

但隨著模型進步，智慧體承擔更多任務，所需的督導也更少。智慧體會彼此協調。團隊裡可能有主管 AI、基層 AI、會計師和律師，全都依照你的指示共同工作。最終，你不再是一步步帶實習生，而是在經營一家有自己組織架構的小公司，由你扮演董事會的角色。

請注意，這種情境並不意味著裁員。在這裡，我們採用 AI，卻沒有讓自己被自動化取代。被自動化取代的是過去的自己，而我們則往上晉升。AI 接手越來越多我們過去做的事。我們的工作仍在，因為需要管理的事情更多了，而我們也得為更大的整體產出負責。

工作不是一成不變的⁠(在新視窗中開啟)。假設 AI 能完成你過去九成的工作。你可能會認為，自己只剩下一成的工作。另一種可能是，你仍在做一份完整的工作，只是內容不同了：如今，你專注的目標規模是原本的十倍。這正是技術一向帶來的饋贈：生產力提升，抱負隨之提高，薪資也可能跟著上升⁠(在新視窗中開啟)。

這一切，都取決於我們是否仍能為生產增加價值⁠(在新視窗中開啟)。本文聚焦的是未來幾年：自動化還沒有無所不能，也尚未普遍採用的時期。即使 AI 無所不能，我們仍可能因為某件東西由人製作，而更加珍視它，或堅持由人做最後決定。

這也取決於我們想要多少。如果身為消費者的我們，對十倍的產出沒有興趣，均衡就會朝向更少人工作，或更短的工時移動。從歷史來看，產出增加並沒有讓我們滿足。我們擁有的多了很多⁠(在新視窗中開啟)，工作卻只少了一點⁠(在新視窗中開啟)。如果產出倍增時，我們的需求也持續成長，而且我們仍能為生產增添價值，就會選擇繼續用勞動換取更多消費。反過來，如果生產變得極度充裕，足以滿足我們，可能就會有更多人自願退出勞動市場。

後文還會討論更多質疑，例如是否會出現數量更多、規模更小的企業。我們仍認為這種情境很重要，因為導入總要有個起點。企業需要一條能從現有組織結構平穩演進的路。與其全面重組，先強化現有員工的工作能力，可能是更容易的一步。今天我們已經看到這一幕：員工一個接一個把工作交給 AI，組織本身迄今卻未發生革命。

這種情境仰賴第一線人員率先「招募」AI。帶頭採用 AI 的是基層員工，而不是主管或高階主管。只要最能讓 AI 把工作做好的人，仍是過去親自做這份工作的人，這種情境就很可能發生。

模型已能讓許多資料科學任務自動化，但部門主管若不熟悉方法與細節，仍難以善用這些工具。在 AI 主動到能告訴你那些你不知道的事之前（請見下一種情境），AI 很可能仍最適合已經熟悉工作做法的人。

在這種情境下，改變最大的是入門員工。最底層將不復存在，至少對人類而言如此。我們聘僱年輕人，不再是為了把他們放到公司最底層做苦差事。那些職位會由不介意做這些事的存在接手。

於是，我們也失去了一些培育年輕員工的傳統途徑：學徒制⁠(在新視窗中開啟)、從基礎雜務中學習，以及靠磨練累積資歷。這些代價確實存在，但我們更傾向把這項轉變視為一種福氣。即使是最菜的新人，只要有好點子，也能有資源去實驗。公司裡最老套的藉口「 我們就是沒有人手 」正逐漸失效。一名資淺員工腦中有款絕佳的電玩遊戲，即使無法爭取到人力，如今也能直接把遊戲做出來。

我們認為，在這種「升遷型」情境裡，資淺員工仍有很多要學：判斷力、品味、管理本領與創意願景。這些能力會反映在工作成果上，因此我們會有動力培養它們。我們仍會做中學⁠(在新視窗中開啟)，只是工作的範圍更大。公司裡的前輩仍有動力負責任地帶領我們，因為他們持有的股權，也讓他們能分享我們成功的果實。這裡的機會，是讓每個層級的每個人，都擁有更能激發潛力的角色。任何員工都能透過更大的職責範圍展現才能；對原本毫無職權的入門員工而言，這尤其重要。

AI 進入企業的第二條路，是穿插於現有組織架構之中。這裡的智慧體不再是最底層的雜工，而是同事。傳統主管會把團隊的一部分工作交給模型，就像她指派工作給其他員工一樣。AI 站到人類身旁，而不只在人類下方。

與第一種情境最關鍵的差別是：這裡由現有的人類主管採用能有效完成工作的 AI，而不只是目前的非管理職員工。要做到這一點，AI 必須具備足夠能力，成為能獨當一面的團隊成員。

人類是通才。鐵鎚只能協助完成一種任務，人類能做的卻多得多。AI 從工具走向勞動力，範圍會不斷擴大：先讓任務自動化，再來是一份工作、一個團隊，最後是一家企業。範圍每擴大一級，都需要更全面的能力。

一份工作，就像裝滿許多任務的行李箱。換成整個團隊，這只行李箱裡就塞滿了形形色色的工作。職責內的任務越多，潛在瓶頸也越多。只要團隊有一項必要任務涉及體力勞動，就得添置一整套全新的周邊設備。若要直接接替整個團隊，AI 就必須勝任團隊各式各樣的職責。

AI 若要處理更大範圍的工作，開發難度就更高。但對企業而言，範圍越大，反而越容易導入。這正是整場轉型的核心不對稱之處。

高階主管可以直接導入一個全流程自動化的團隊，或一整套廣泛的職能。能力較侷限的工具，就沒那麼容易由高層直接推行。這類較簡單的工具，需要廣大員工認同並重新受訓。

傳統上，新技術會降低某一小組任務的執行成本。接下來，負擔就轉移到買方身上。企業必須想辦法運用新工具，並圍繞它重新培訓員工、調整組織及重建流程⁠(在新視窗中開啟)。試算表軟體不會自行融入會計部門；是會計部門配合軟體重塑了自己。

勞動者則恰好相反。無論實習生、員工，或優秀的團隊，都會想辦法對你有所幫助。他們會向你提問、了解你的情況、察覺你的需求。他們會告訴你那些你連自己不知道都沒察覺的事。最優秀的勞動者，會自己適應上手。

當 AI 在這方面越像勞動者，越有主動性與適應力，企業就越不必費心學習如何運用它，反而由它來摸索如何為企業效力。高階主管大概不會為了學新工具，坐下來聽一堂設計軟體入門課。但如果有人提出這樣的服務，他多半很樂意考慮：只要你開口，我就幫你把整套行銷業務建起來。

我們太常把「讓一份工作自動化」視為 AGI 的終極目標。確實，我們連這一步都還沒做到。工作之所以如此複雜，正是因為人類的能力如此出色。即便如此，整體經濟產出中，來自單打獨鬥工作者的比例微乎其微⁠(在新視窗中開啟)。有生產力的工作為團隊做出貢獻，團隊再為企業做出貢獻，而我們消費的幾乎所有東西，都是企業生產的。

用「一份工作」來衡量 AGI，未免低估了人類。勞動不只是執行任務，甚至不只是處理非例行事項；我們的勞動還包含驚人的協調能力，以及靈活適應、為更大成果完成其中一小部分的能力。把人類看成一袋袋任務，實在是把我們的價值賤賣了。人類的能力，更多存在於我們的組織⁠(在新視窗中開啟)，而非個人。具備經濟能力的 AGI，必須達到一群人的標準，而非一個人。

因此，如果 AI 仍像工具，甚至只是像個員工，而不像團隊或企業，那麼「交織型」情境可能相當沒效率。在每位員工身旁塞進一個模型，就意味著無數的銜接與交接⁠(在新視窗中開啟)。這種零碎配置可能拖慢導入速度。

我們看到的是一場競賽：一方是較早推出、能力較弱的應用，另一方是較晚出現、能力更強的模型。誰會勝出，取決於未來模型的導入速度是否快到足以彌補等待它具備那些能力所多花的時間。

這種「交織型」情境，可以與第一種「升遷型」情境並存。我們可能看到，隨著 AI 讓某些職能自動化，企業減少人力；而留下來的人則在智慧體工作團隊的協助下，承擔大得多的職責。重要的是，這種情境本身不代表人類整體就業人數會下降。我們也可能有更多企業，只是每家的員工更少。

第三種情境最令人困惑。在這裡，AI 進入企業後，位在人類上方。組織不再是人類在上、機器在下，而是人類、AI、人類：一個自動化三明治。有些人要向 AI「報告」。

這聽來很不切實際，尤其若把它當作企業導入 AI 的起點。但我們認為，這其實已經以較溫和的方式開始了。

即使把 AI 視為讓認知勞動機械化的力量，我們往往仍只聚焦於較低層的工作。我們通常說 AI 讓試算表與簡報製作自動化，而不是管理。我們直覺以為，自動化會沿著組織階梯往上爬：先是繁瑣的認知工作，最後才是判斷，而主管則是最後一道防線。

但主管的工作，大多發生在電腦上與腦海裡：閱讀、開會、權衡、掌握脈絡、做決策。親自到場、走訪辦公室、與團隊相處，確實有其價值。然而，基層工作即使以認知勞動為主，仍比管理工作更常需要接觸實體物件與工具。被派去影印的是實習生，不是他的老闆。

管理決策很難教給模型，因為成功的定義模糊，而且需要長時間才能衡量。培養優秀的人類主管也很難，原因相似⁠(在新視窗中開啟)。我們還不知道模型到底有多擅長管理。針對執行型認知勞動的評測很多，但能評估主管與高階主管所需的大規模統籌能力的，卻寥寥無幾。

仍值得思考的是：今天的模型，在能力上或許其實更接近人類主管，而不是基層員工。某些管理職能，可能比它們所監督的工作更早自動化。

這種「夾層型」情境若發展到完整形態，或許會由 AI 負責思考，再找人類承包人員補足 AI 的能力缺口，由這些人員向 AI 報告工作。這樣的世界，對我們來說相當陌生。要走到那一步，還有很多事必須改變。

但還有一種更自然的發展方式，而且已經開場：提供顧問服務。今天，高階主管已經可以請 ChatGPT 閱讀公司各處數以百計的 Slack 頻道、文件、信函與程式碼檔案，再回答她的問題。這個團隊實際上在做什麼？那個弱點出現在哪裡？對她而言，組織的每個角落都越來越容易看懂⁠(在新視窗中開啟)。

長久以來，高階主管就在組織架構中安插花錢雇來的中間人，稱之為顧問。管理顧問公司會在你上方加一層，時間短暫，收費高昂。往後，AI 顧問可能便宜到幾乎不必計較成本，而且隨時都在。

模型才剛開始能可靠地解讀企業文件與溝通內容，在品味與主動性方面還有待成熟。目前，ChatGPT 能協助有心的高階主管更深入了解組織。我們預期，ChatGPT 最終會成為提供全方位服務的顧問團隊，擔任高階主管的內部情報員與顧問，而非真正成為基層員工的「主管」。ChatGPT 會運用商業專業知識審視全局，主動找出痛點，協助判斷處理的輕重緩急。

這究竟是利是弊，將取決於高階主管。它對組織結構的影響，是集權化。我們認為，這會拉近最高管理層與公司實際運作之間的距離。過去，資訊傳遞的阻礙讓分散決策更有利；如今，更多權力將集中到頂層。

我們認為這種情境影響深遠，不只因為它改變權力分配，也因為以顧問形式提供的 AI 可以非常容易導入。和傳統顧問服務一樣，AI 顧問團隊不要求高階主管具備技術專長。這不像當年電腦由下而上普及，要從會打字、會操作終端機的人開始。你只要和顧問交談，技術細節就交給它處理。這一波導入浪潮，可以從高層辦公室開始。而顧問團隊又能反過來，加速組織其他部門採用 AI。

企業不信任遠端工作與外包，一個重大原因是難以確保工作承諾確實履行。企業一直缺乏低成本的方法，無法完整掌握實際工作的過程與細節，因此轉而衡量工作的表象⁠(在新視窗中開啟)：點擊次數、滑鼠移動、綠色上線狀態燈。這些訊號與是否真正做好工作，幾乎毫不相干。

AI 提供了一個懂得理解的監督者。它能檢視一個人的產出，辨識那是否真正推進了更大的目標。正如下一節將探討的，任何新的監控措施都不該輕率實施⁠(在新視窗中開啟)。但在適當條件下，它能增進信任，鼓勵企業給員工更多自由。

如果監督者理解，許多截然不同的路徑都能帶來優秀成果，員工就能更自在地按照自己的方式工作。重要的將是朝良好成果前進，而不是遵循某種老闆容易追蹤的指定方法。智慧監督者能提供彈性，也讓我們都討厭的「假裝忙碌」付出代價。

這裡的交換條件，很像保險公司以降低保費，換取你在車上安裝追蹤器。如果你想鑽制度漏洞，這會對你不利；如果你只是認真做事，監督者就能替你作證，讓管理層更信任你。

這種信任會開啟新的可能。有些企業原本對混合辦公、非典型思維者、承包人員，或聘僱遠方國家的優秀人才有所顧慮，如今可能會轉而願意嘗試⁠(在新視窗中開啟)。

如今的組織架構，讓基層員工面臨許多問題。親眼看見問題，卻沒有管道往上反映，實在令人沮喪。困在無能主管手下，或做出優秀成果卻無人肯定，都很不公平。

在我們看來，上一波企業的極致最佳化，是建立在有限資料、粗略準則與缺乏理解力的演算法之上。如果你只能計算齒輪比，看誰都會像一顆齒輪。長久以來，企業在衡量員工表現上一直存在問題。智慧監督者可能辨識出有價值的貢獻與獨特做法，那些都是今日粗糙指標所遺漏的。

接下來，我們將綜合這三種簡化情境，探討幾個左右企業未來的關鍵問題。

把東西做出來，通常成本不低。應用程式、電影、簡報、功能、分析：這些東西要重做，都既花錢、耗時，又折磨人。當你實際上只有一次出手機會，就會花心力瞄準。一輪輪規劃、例行的路線圖會議，以及層層簽核委員會，都是為了確保企業終於決定行動時，做的是值得做的事。組織層級裡的許多關卡之所以存在，是因為過去執行的代價很高。

在許多領域，AI 正讓製作成本大幅下降；即使還不能一路做到成品，至少製作原型已是如此。我們認為，企業的做法也該跟著轉變：少些瞄準，多些出手。企業可以做出原型、觀察結果、快速學習、調整方向，再做一次。當原型製作變得容易⁠(在新視窗中開啟)，企業理應逐漸擺脫那些支撐密集規劃式生產的制度。

最簡單的變化，就是團隊能更快反覆改進。更激進的解讀則是：團隊本身是否必要，都值得重新思考。如果協作規劃變得沒那麼重要，而彼此獨立的多元想法更重要，那麼由一個團隊快速反覆改進，還是讓許多個人各自提出可運作的原型，哪個更好？如果實際原型比任何範疇界定文件都更能傳達願景，我們的溝通習慣是否也會改變：更早、更多地分享，而且分享的是實際成果，而非備忘錄？

低成本製作可能讓企業更重視個人的力量。如此一來，中階管理層級會減少，請示的需求也會降低，因為以前請示比動手便宜，現在已不再如此。

話雖如此，正如接下來要談的，同一項技術既能讓個人以更低風險製作原型，也可能帶來更多繁文縟節。

企業採取由上而下管理的一大原因，是相信高階主管比資淺員工更能做出良好的商業決策⁠(在新視窗中開啟)。企業付出更高薪酬，讓能力出眾的資深人才坐鎮高層；主管往往受過商業策略訓練，而非管理職員工則專注於各自的專業。如果 AI 能為所有員工提供優質建議，決策品質的差距就會縮小。主管也就比較沒有理由插手。這會提高員工自主權，也可能減少管理層級。

同樣地，「AI 顧問團隊」能確保影響重大的事情發生時，高階主管不會毫不知情。如果員工即將發布一篇可能對公司造成嚴重影響的部落格文章，顧問團隊就會主動提醒高階主管。這能促進信任：管理層不必擔心重大疏失在自己不知情時發生，因此也無須對員工的工作方式管得那麼緊⁠(在新視窗中開啟)。

但 AI 顧問團隊是一把雙面刃⁠(在新視窗中開啟)。作為智慧監督者，它可以讓管理層更信任員工；也可以在整個組織內，更強力地推行執行長偏好的做事方式。企業重視一致性⁠(在新視窗中開啟)：決策不只要好，還要符合公司的文化、品牌與規模經濟。連鎖餐廳可能希望各加盟店採用相同菜單，這樣就能大量採購食材，顧客也能預期一致的產品。

與此相關的是，企業老闆與員工的利益並不總是一致。員工致力於自己負責領域的成功⁠(在新視窗中開啟)，高階主管則關心整家企業。股權持有者與受薪員工的偏好不同，因為員工更賣力工作所帶來的收益⁠(在新視窗中開啟)，會由股權持有者享有。顧問團隊可能要求員工更嚴格遵守高層訂定的特定工作規範。

我們認為，整體而言，員工的自主權會增加。我們的樂觀有個前提：企業會用 AI 標示影響重大的例外狀況，把更多決策留給員工。

我們相信 AI 會像支架一樣提供支撐：即使高階主管希望維持品牌一致性，這也只會成為工作時需要遵守的一項界線。員工會更清楚實際的商業限制，並獲得更多保障，能在不受這些限制約束的其他面向發揮創意。有了周全的風險防護，高階主管就能讓員工嘗試可能帶來豐厚收益的新做法。有了手下 AI 助手的協助，員工也將負責更具分量的成果。我們認為，統籌更複雜的工作，會帶來更多發揮創意的機會。

關於員工自主權的同一套邏輯，也適用於企業規模。Ronald Coase⁠(在新視窗中開啟) 曾問：為什麼我們在企業內部組織生產，而不是透過一張契約網路？即使是飛機，也可以完全透過各方彼此簽約來製造，但效率會非常低。企業能發揮規模經濟、協調各方利益、組織大型專案，也免去了不斷討價還價的需要。

AI 讓溝通更順暢，可能使企業擴大或縮小規模都變得更合理。傳統企業是讓資訊向上傳、指令向下達的基礎架構，過程充滿阻礙，訊息也常像傳話遊戲一樣失真。若 AI 充當協調層，人類員工較多的大型企業就不會那麼難以管理。有了「AI 顧問團隊」，高階主管就能像創辦人了解二十人新創公司那樣，掌握自己的企業。她能直接觀察計畫的執行情況，不必等到季度報告才聽人轉述；任何狀況發生時，也能即時收到通知。她的願景可以更廣泛地滲透整個組織。每個人都更清楚其他人在做什麼，也更了解組織的整體優先事項。

但事情也可能朝相反方向發展。如果溝通毫無阻礙，履約情況也更容易監督，企業就不必把那麼多供應鏈環節納入內部。企業能更放心地信任外部供應商與承包商。

垂直整合的一大動機，就是讓各方利益一致。這涉及不完全契約⁠(在新視窗中開啟)的概念：航太公司可以與噴射引擎公司簽約，但凡是合約沒有明文規定的事項，引擎公司都有動機偷省成本，優先照顧自己的獲利。為了避免這種情況，航太公司會買下噴射引擎公司。這和員工與老闆的關係一樣：如果契約更容易監督，爭議也能依實情明智裁決，而非只是逐項勾選核對，企業就可能更放心地依靠其他企業。凡事都在內部完成的必要性便會降低。

我們預期會出現許多規模較小的企業，也會有龐大的 AI「控股公司」，在同一家企業內推進大量不同的專案。當各種專案都能運用某種共同資產時，企業集團就具有經濟效益。共同資產可能是運算資源，不過運算資源很容易按需少量取得。共用工廠或機器人群，則是更充分的理由。

利益一致也能構成大型「控股公司」存在的理由。如果一個大型組織匯聚 AI 與資本，完全致力於同一項使命，例如治癒癌症，就比較不需要拆成各自獨立的小型計畫。AI 企業可以避免權力鬥爭、分享所有資訊，並在需要時，於旗下智慧體之間建立多樣化的創意思維，探索不同路徑。

現行制度理應獎勵表現突出的員工。他們逐級晉升，也獲得更高報酬。但當人人都有出色的模型顧問時，員工要如何脫穎而出？

如果 AI 給每個人的好點子都一樣，我們展現差異的機會就會減少。薪資級距理應縮小。

與這股壓縮力量抗衡的，是判斷力、品味與職責範圍。如果我們各自領導底下的 AI 企業，人類剩下的價值就在於決策。如果每個人都要為手下規模更大的工作負責，判斷好壞所造成的差異就會更加顯著⁠(在新視窗中開啟)。

長久以來，我們都用這套邏輯看待組織的最頂層。我們認為，高層的決策只要好上一點，就能大幅影響獲利，並以此解釋執行長的薪酬⁠(在新視窗中開啟)為何合理。如果有些員工更善於管理手下的 AI 企業、調度稀缺資源，薪酬差距就可能擴大。

影響越大，你比別人多出的些微優勢，就越會反映在薪水上。另一方面，AI 會給每個人好建議。差異越小，薪酬分布就越集中。

在這裡以及其他議題上，哪股力量占上風，或許取決於我們主要是在做判斷，還是在依循判斷。