ИИ и будущее компаний

Примечание авторов: это второе эссе в нашей серии о новой экономике, опубликованное на новой платформе для независимых авторов, исследующих будущее с AGI. Оно отражает наши взгляды, а не позицию OpenAI или наших коллег.

Нам обоим было по двадцать четыре года, когда мы начали руководить собственными командами здесь, в OpenAI. Звучит не так впечатляюще, если познакомиться с нашими командами.

Вообще-то нам полагается быть рядовыми исполнителями. В двадцать четыре года ты стоишь на нижней ступени корпоративной лестницы. Ведешь протоколы встреч и пишешь служебные записки. После долгих лет изнурительной рутины тебе, если повезет, доверяют более широкий круг задач.

Наш путь — как и путь многих молодых людей сегодня — складывается иначе. Мы начинаем трудовую жизнь, уже имея в распоряжении «сотрудников». Эти помощники работают днем и ночью, в выходные и праздники. Они отлично справляются с рутиной. У нас в штате даже есть золотые медалисты математических олимпиад, готовые дать совет. Наши новые подчиненные пока нередко ошибаются. Но они совершенствуются, изучают наши потребности, а мы учимся ими руководить.

Ни один из нас не поднимался по карьерной лестнице. Вместо этого управленческие функции сами спустились на наш уровень. В этом эссе мы расскажем о том, как мы оказались в роли руководителей, и о других возможных изменениях в структуре компаний с наступлением эпохи искусственного интеллекта.

Какое место займет ИИ, придя в компанию? Мы предлагаем три наглядных сценария:

Ни один из них не воплотится в точности так, как мы описываем, но, на наш взгляд, элементы всех трех станут реальностью. Первые, пока малозаметные проявления всех трех сценариев уже можно наблюдать.

Нас здесь интересует не полная автоматизация, а экономика переходного периода. Мы хотим понять, как будут выглядеть смешанные компании по мере того, как ИИ совершенствуется и вплетается в существующие организации.

Мы считаем концепцию гибридной компании важной, потому что освоить ИИ и начать получать от него пользу невозможно мгновенно. Пока модели выполняют лишь часть задач, внедрять их, вероятно, проще рядовым сотрудникам, знакомым с работой. Когда модели смогут целиком брать на себя широкие функции, руководители смогут пользоваться ими напрямую. По нашему мнению, чем способнее ИИ, тем легче его внедрять: компаниям приходится осваивать технологии, а работники сами изучают компанию и могут самостоятельно войти в курс дела.

Мы разберем три новых типа организационных структур, а затем рассмотрим, что они означают для бюрократии, самостоятельности работников, размера компании и неравенства в оплате труда.

Первый сценарий кажется наименее радикальным. Люди остаются на своих местах, подчиняются тем же руководителям и, на первый взгляд, делают ту же работу. Схема подчинения людей в этом будущем выглядит так же, как сегодня.

Разница в том, что происходит уровнем ниже. У каждого сотрудника появляется собственная команда ИИ-агентов, которые ему подчиняются. В организационной структуре возникает новый нижний уровень, а все мы становимся руководителями.

Поначалу этот новый уровень ещё только формируется. У каждого из нас появляется по одному-два агента, которые больше напоминают старательных стажёров, чем опытных сотрудников. За ними приходится присматривать и снисходительно относиться к их ошибкам. Мы не ждём от них многого: отправить письмо, подготовить служебную записку, ответить на сообщения в Slack. Как и начинающим сотрудникам, поначалу им не хватает самостоятельности, и доверять им можно лишь простые задачи.

Но по мере совершенствования моделей наши агенты берут на себя больше задач и требуют меньше контроля. Они координируют работу друг с другом. Среди них могут быть ИИ-руководители и ИИ-исполнители, бухгалтеры и юристы — все они работают сообща по вашему поручению. Со временем это уже не опека над стажером, а целая небольшая компания со своей организационной структурой, где вы — совет директоров.

Обратите внимание: этот сценарий не предполагает сокращения сотрудников. Мы внедряем ИИ, но не автоматизируем собственную работу целиком. Вместо этого мы передаём ИИ задачи, которые раньше выполняли сами, и поднимаемся на ступень выше в организационной иерархии. ИИ берёт на себя всё больше наших прежних обязанностей. При этом наши рабочие места сохраняются, поскольку теперь нам приходится управлять большим объёмом работы, а ответственность за результаты возрастает.

Содержание работы меняется⁠(открывается в новом окне). Допустим, ИИ умеет делать девяносто процентов того, что вы делали раньше. Можно заключить, что вам осталось лишь десять процентов работы. Но есть и другой вариант: у вас по-прежнему полноценная работа, просто другая — теперь с целью в десять раз масштабнее. Это классический дар технологий: производительность растет, вслед за ней растут амбиции, а вместе с ними могут расти и зарплаты⁠(открывается в новом окне).

Все зависит от того, продолжаем ли мы вносить ценный вклад⁠(открывается в новом окне) в производство. Это эссе посвящено ближайшим годам, когда автоматизация еще не сможет делать все и не будет внедрена повсеместно. Даже если бы ИИ умел все, мы могли бы по-прежнему ценить что-то выше потому, что это сделал человек, или настаивать, чтобы последнее слово оставалось за человеком.

Все зависит и от наших аппетитов. Если нам как потребителям не нужно в десять раз больше продукции, равновесие сместится в сторону меньшего числа работников или меньшего количества рабочих часов. Исторически рост производства не приводил к насыщению наших потребностей. У нас есть гораздо больше⁠(открывается в новом окне), но работаем мы лишь немного меньше⁠(открывается в новом окне). Если наши аппетиты будут расти вместе с выпуском продукции, а мы продолжим вносить вклад в производство, мы предпочтем и дальше обменивать свой труд на большее потребление. Если же производство станет настолько изобильным, что мы насытимся, мы, возможно, добровольно сократим число работающих.

Есть и другие возражения, которые мы обсудим позже: например, не станет ли больше компаний меньшего размера. И все же мы считаем этот сценарий важным: внедрение должно с чего-то начаться. Компаниям нужен способ плавно развивать нынешние организационные структуры. Помочь нынешним сотрудникам работать эффективнее может быть более простым первым шагом, чем полная перестройка. Мы видим это уже сегодня: один работник за другим делегирует задачи ИИ, пока без организационной революции.

Этот сценарий предполагает, что первыми нанимать помощников начнут рядовые сотрудники. Внедрение ИИ возглавляют они, а не менеджеры и высшее руководство. Это кажется вероятным, пока лучше всего поручать работу ИИ умеет тот, кто раньше делал ее сам.

Модели уже могут автоматизировать многие задачи анализа данных, но начальнику отдела, не знакомому с методами и тонкостями, будет трудно пользоваться этими инструментами. Пока ИИ не научится сам указывать на то, чего вы не знаете, — об этом следующий сценарий, — он, вероятно, будет полезнее тем, кто уже понимает, как выполняется работа.

В этом сценарии самые большие перемены ждут начинающих специалистов. Нижней ступени карьерной лестницы больше не будет — по крайней мере, для людей. Нанимая молодых сотрудников, компании уже не будут поручать им самую рутинную и неблагодарную работу. Эти задачи возьмёт на себя ИИ, которому такая работа не в тягость.

Вместе с этим мы потеряем некоторые традиционные способы обучения молодых работников: ученичество⁠(открывается в новом окне), освоение профессии через рутину, постепенное завоевание авторитета. Это реальные издержки, но в целом мы видим в переменах преимущество. Даже у самого неопытного новичка с хорошей идеей появляются ресурсы для экспериментов. Старейшая офисная отговорка — у нас просто не хватает людей — уходит в прошлое. Начинающая сотрудница, придумавшая отличную видеоигру, но не имеющая возможности получить под нее штат, теперь может просто создать ее.

На наш взгляд, в сценарии «повышения» новичкам по-прежнему есть чему учиться: принимать решения, развивать вкус, управленческие навыки и творческое видение. У нас будет стимул развивать эти навыки, потому что они отражаются на результатах работы. Мы по-прежнему будем учиться на практике⁠(открывается в новом окне), но на более масштабных задачах. У старших коллег сохранятся стимулы помогать нам как ответственным наставникам — ведь через свои доли в компании они заинтересованы в нашем успехе. Это шанс сделать работу интереснее для всех на каждой ступени. С более широкими полномочиями любой работник может раскрыть свои таланты, а особенно это важно для новичков, у которых полномочий прежде не было вовсе.

Второй способ интеграции ИИ в компанию предполагает его включение в существующую организационную структуру. В этом случае ИИ-агенты выполняют роль не исполнителей самой простой работы, а полноценных коллег. Руководитель поручает модели часть задач команды так же, как делегировал бы их любому сотруднику. ИИ работает не только под руководством людей, но и бок о бок с ними.

Ключевое отличие от первого сценария: здесь ИИ для работы внедряют действующие руководители-люди, а не только рядовые специалисты. Для этого он должен быть достаточно компетентным, чтобы стать полноценным членом команды.

Люди универсальны. Молоток помогает с одной задачей, а человек делает гораздо больше. Путь ИИ от инструмента к рабочей силе — это расширение охвата: сначала автоматизируется задача, затем должность, потом команда и, наконец, компания. Каждая новая ступень масштаба требует более широких компетенций.

Должность — это чемодан, набитый множеством задач. У целой команды этот чемодан полон самых разных видов работы. Чем больше задач входит в круг обязанностей, тем больше потенциальных узких мест. Если хотя бы одна необходимая задача команды требует физического труда, понадобится совершенно новый набор периферийных устройств. Чтобы без перестройки заменить целую команду, ИИ должен справляться со всеми ее разнообразными обязанностями.

ИИ, способный взять на себя более широкий круг задач, сложнее создать. Но компаниям — и в этом главная асимметрия всего перехода — проще внедрять ИИ с более широкими возможностями.

Полностью автоматизированную команду или широкую функцию руководитель может внедрить напрямую. Инструмент с более узкими возможностями не так просто внедрить указанием сверху. Более простой инструмент требует широкой поддержки сотрудников и их переобучения.

Традиционно новые технологии удешевляют выполнение ограниченного набора задач. Дальше бремя усилий ложится на покупателя. Компания должна понять, как использовать новый инструмент, и переобучить сотрудников, перестроить организацию и рабочие процессы⁠(открывается в новом окне) под него. Электронные таблицы не внедрились в бухгалтерию сами — бухгалтерия перестроилась под это программное обеспечение.

С работниками все наоборот. Стажер, сотрудник, хорошая команда сами выясняют, как быть полезными вам. Они расспрашивают вас, вникают в обстоятельства, замечают ваши потребности. Они рассказывают вам о том, чего вы даже не осознавали, что не знаете. Лучшие работники сами входят в курс дела.

Чем больше ИИ в этом смысле похож на работника — проявляет инициативу и приспосабливается, — тем меньше компании нужно учиться его использовать и тем больше он сам разбирается, как принести ей пользу. Руководитель вряд ли станет слушать вводную лекцию по программе для дизайна, чтобы освоить новый инструмент. Но он охотно рассмотрит предложение: только скажите, и я организую вам весь маркетинг.

Мы слишком часто называем автоматизацию одной должности заветной целью AGI. Да, пока мы не достигли даже этого. Наша работа настолько сложна именно потому, что наши способности столь впечатляющи. И все же работники-одиночки создают совсем небольшую часть⁠(открывается в новом окне) того, что производит наша экономика. Работники вносят вклад в команды, команды — в компании, а компании производят почти все, что мы потребляем.

Мерить AGI одной «должностью» — значит недооценивать нас, людей. Труд — это не только выполнение задач и даже не только работа с нестандартными ситуациями. Это еще и поразительная координация, наша способность гибко выполнять небольшие части большой общей работы. Сводить нас к простому набору задач — значит оценивать нас в гроши. Потенциал человечества заключен скорее в наших организациях⁠(открывается в новом окне), чем в отдельных людях. AGI для экономики должен достичь уровня людей, а не человека.

Поэтому сценарий «встраивания» может оказаться довольно неэффективным, если ИИ все еще действует как инструмент или даже отдельный работник, а не как команда или компания. Модель рядом с каждым работником — это тысяча стыков и передач работы из рук в руки⁠(открывается в новом окне). Такая фрагментарная схема может замедлить внедрение.

Мы видим гонку между ранним внедрением менее развитых решений и более поздним появлением более способных моделей. Победитель определится тем, будет ли внедрение будущих моделей настолько быстрым, чтобы наверстать дополнительное время, потраченное на достижение нужных компетенций.

Этот сценарий «встраивания» может сосуществовать с первым сценарием — «повышением». Возможно, по мере автоматизации отдельных функций компании будут сокращать штат, а оставшиеся люди с помощью своих команд агентов получат гораздо более широкие полномочия. Важно, что сам по себе этот сценарий не предполагает снижения общей занятости людей. Компаний может стать больше, а сотрудников в каждой — меньше.

Третий сценарий — самый непривычный. Здесь ИИ входит в компанию на уровень выше людей. Теперь структура — не люди над машинами, а человек, ИИ, человек: сэндвич с автоматизацией посередине. Некоторые люди «подчиняются» ИИ.

Звучит неправдоподобно, особенно как отправная точка внедрения ИИ. Но, по нашему мнению, в менее радикальных формах это уже началось.

Даже рассматривая ИИ как средство механизации умственного труда, мы обычно думаем о нижних ступенях иерархии. Мы обычно говорим, что ИИ автоматизирует работу с таблицами и презентациями, а не управление. Интуитивно кажется, что автоматизация поднимается по иерархии: сначала умственная рутина, в конце — принятие решений, а руководитель остается последним бастионом.

Однако работа руководителя в основном проходит за компьютером и связана с интеллектуальной деятельностью: чтением, совещаниями, анализом информации, пониманием контекста и принятием решений. Конечно, личное присутствие тоже важно: нужно обходить офис, общаться с сотрудниками и быть в курсе происходящего. И всё же именно рядовые сотрудники, даже если они преимущественно занимаются интеллектуальным трудом, чаще взаимодействуют с физическими объектами и оборудованием, чем руководители. К копировальному аппарату отправляют стажёра, а не его начальника.

Научить модель принимать управленческие решения сложно: успех неоднозначен и оценивается на длинных временных горизонтах. По сходным причинам⁠(открывается в новом окне) трудно готовить хороших руководителей-людей. Мы пока не знаем, насколько хорошо модели справляются с управлением. У нас множество оценок умственного труда на уровне исполнения, но мало тестов, охватывающих масштабную координацию на уровне менеджеров и высшего руководства.

И все же стоит допустить, что по своим возможностям сегодняшние модели могут быть ближе к руководителям-людям, чем к рядовым работникам. Некоторые управленческие функции могут быть автоматизированы раньше той работы, которой они управляют.

Возможно, полная версия сценария с «новым управленческим слоем» — это ИИ, который берет на себя всю мыслительную работу, а пробелы в своих возможностях закрывает подрядчиками-людьми, подчиняющимися ему. Такой мир кажется нам очень непривычным. Для него пришлось бы многое изменить.

Но есть и более естественный вариант развития этого сценария, и его первый этап уже начался — консультирование. Уже сегодня руководитель может попросить ChatGPT проанализировать сотни каналов Slack, документов, служебных сообщений и файлов с кодом из разных подразделений компании, а затем ответить на вопросы. Чем на самом деле занимается эта команда? Где обнаруживается эта уязвимость? Руководителю становится всё проще получать полное представление⁠(открывается в новом окне) о работе каждого подразделения компании.

Руководители давно внедряют в организационную структуру наемных посредников — это называется консалтингом. Управленческий консалтинг создает над вами дополнительный слой — ненадолго и за большие деньги. В будущем ИИ-консультанты могут стать почти бесплатными и присутствовать постоянно.

Модели только начинают надежно разбираться в документах и переписке. Их вкус и инициативность еще должны развиться. Пока ChatGPT помогает заинтересованной руководительнице глубже разобраться в своей организации. Со временем, на наш взгляд, он превратится в полноценную консалтинговую службу. Это будет не настоящий «руководитель» для рядовых сотрудников, а скорее внутренний корреспондент и советник высшего руководства. Он будет использовать знания о бизнесе, чтобы изучать все происходящее, самостоятельно выявлять проблемные места и помогать расставлять приоритеты.

Принесет это пользу или вред, зависит от руководителя. Структурный эффект — централизация. Мы видим в этом сокращение дистанции между высшим руководством и самой компанией. Это сосредоточивает больше власти наверху, тогда как раньше трудности обмена информацией благоприятствовали децентрализации решений.

Мы считаем этот сценарий значимым не только из-за перераспределения власти, но и потому, насколько легко внедрить ИИ в роли консалтинговой службы. Как и обычный консалтинг, ИИ-консалтинг не требует от руководителя технических знаний. Это не компьютер, который осваивали снизу те, кто умел печатать и работать с терминалом. Вы просто общаетесь с консультантом, а техническую сторону он берет на себя. Эта волна внедрения может начаться с кабинета руководителя. А консалтинговая служба, в свою очередь, может ускорить внедрение ИИ во всей остальной организации.

За недоверием компаний к удаленной работе и подрядчикам стоит одна важная причина: трудно обеспечить выполнение обязательств. У компаний никогда не было дешевого способа наблюдать за работой во всей ее полноте. Поэтому они измеряют ее имитацию⁠(открывается в новом окне): считают клики, движения мыши, зеленые значки статуса — сигналы, столь далекие от того, делается ли на самом деле хорошая работа.

ИИ предлагает наблюдателя, который понимает. Он может оценить результаты человека и увидеть реальное продвижение к более крупным целям. Как мы рассмотрим в следующем разделе, никакие новые средства наблюдения нельзя внедрять бездумно⁠(открывается в новом окне). Но в подходящих условиях они могут укрепить доверие и побудить компании дать сотрудникам больше свободы.

Если наблюдатель понимает, что к хорошему результату ведет множество разных путей, сотрудники могут работать так, как им удобнее. Важнее станет продвижение к хорошим результатам, а не следование одному предписанному методу, за которым начальству легко следить. Разумный наблюдатель дает гибкость и наказывает за показную продуктивность, которую все мы терпеть не можем.

Предлагаемая выгода похожа на предложение страховщиков снизить тариф, если вы установите в машине трекер. Если вы пытались обмануть систему, это вам повредит; если просто делали свою работу, наблюдатель сможет подтвердить вашу добросовестность, и руководство будет доверять вам больше.

Такое доверие открывает новые возможности⁠(открывается в новом окне). Компании, которые раньше неохотно соглашались на гибридный формат работы, сотрудничество с нестандартно мыслящими специалистами и подрядчиками или найм талантливых людей из других стран, могут стать гораздо более открытыми к таким решениям.

Нынешние организационные структуры создают много проблем для рядовых сотрудников. Невозможность сообщить наверх о проблеме, которую видишь своими глазами, невероятно деморализует. Обидно застрять под началом неэффективного руководителя или отлично работать и не получать признания.

На наш взгляд, предыдущая волна гипероптимизации бизнеса опиралась на ограниченные данные, приблизительные правила и примитивные алгоритмы. Если вы умеете рассчитывать только передаточные числа, каждый человек кажется шестеренкой. Компании давно испытывают трудности с оценкой труда сотрудников. Разумный наблюдатель мог бы замечать ценный вклад и уникальные подходы, которые упускают сегодняшние грубые метрики.

Опираясь на все три условных сценария, теперь рассмотрим несколько вопросов, определяющих будущее компаний.

Создавать что-то обычно довольно дорого. Приложение, фильм, презентация, функция, аналитический отчет — все это дорого, долго и мучительно переделывать. Когда у тебя фактически один выстрел, приходится тщательно целиться. Циклы планирования, ритуалы составления дорожных карт и согласующие комитеты нужны, чтобы компания, наконец дав старт работе, взялась за что-то стоящее. Многие проверки в наших иерархиях существуют потому, что воплощение замыслов дорого обходилось.

Во многих сферах ИИ резко снижает стоимость создания — если не готового продукта, то хотя бы прототипа. Мы считаем, что подход компании должен меняться вместе с этим: меньше целиться, чаще стрелять. Компания может создать прототип, понаблюдать за ним, быстро сделать выводы, сменить курс и собрать новую версию. Простота прототипирования⁠(открывается в новом окне) должна постепенно уводить компании от организационных механизмов, на которых держится производство с длительным планированием.

В простейшем случае команда просто быстрее перебирает и дорабатывает варианты. В более радикальной трактовке под вопросом оказывается сама необходимость команды. Если совместное планирование становится менее важным, а независимые разнообразные идеи — более важными, что лучше: одна команда, быстро дорабатывающая решение, или множество отдельных людей, каждый со своим рабочим прототипом? Если реальный прототип передает замысел лучше любого описания проекта, изменятся ли наши нормы общения: будем ли мы делиться чаще и раньше, показывая результаты работы, а не служебные записки?

Удешевление создания может сместить акцент на отдельных сотрудников. Это означало бы меньше уровней среднего менеджмента и меньше запросов на разрешение: раньше спросить было дешевле, чем сделать, а теперь — нет.

Но, как мы обсудим далее, та же технология, которая позволяет людям создавать прототипы с меньшим риском, способна и затянуть бюрократические путы еще туже.

Одна из главных причин управления сверху вниз — убеждение, что руководители лучше рядовых сотрудников принимают значимые для бизнеса решения⁠(открывается в новом окне). Компании платят больше опытным профессионалам на верхних ступенях, а менеджеров часто обучают бизнес-стратегии, тогда как рядовые специалисты сосредоточены на своей предметной области. Если ИИ дает отличные советы всем работникам, разрыв в качестве решений сокращается. У руководителей станет меньше поводов вмешиваться. Это повысит самостоятельность работников и, возможно, сократит число уровней управления.

Аналогично «ИИ-консалтинг» следит, чтобы ничто слишком значимое не происходило без ведома руководителя. Если сотрудник собирается опубликовать запись в блоге с серьезными последствиями для компании, ИИ-консалтинг заранее предупредит руководство. Это рождает доверие: руководству не нужно бояться, что серьезные промахи произойдут без его ведома, а значит, незачем так жестко контролировать⁠(открывается в новом окне) то, как сотрудник выполняет свою работу.

Но ИИ-консалтинг — палка о двух концах⁠(открывается в новом окне). Как разумный наблюдатель он может укреплять доверие к работникам, но может и жестче навязывать всей организации тот порядок работы, который предпочитает генеральный директор. Компании ценят согласованность⁠(открывается в новом окне): им нужно не просто хорошее решение, а решение, совместимое с культурой компании, ее брендом и экономией на масштабе. Ресторанная сеть может предпочесть единое меню у всех франчайзи, чтобы закупать ингредиенты оптом, а клиенты могли рассчитывать на одинаковый продукт.

Кроме того, стимулы руководителей не всегда совпадают со стимулами работников. Работники стремятся к успеху своего направления⁠(открывается в новом окне), а руководство заботится о компании в целом. Интересы владельцев долей отличаются от интересов наемных работников, потому что именно владельцы пожинают плоды⁠(открывается в новом окне) более напряженного труда. ИИ-консультант мог бы обеспечивать более строгое соблюдение правил и процедур, установленных высшим руководством.

Мы полагаем, что в целом самостоятельности у работников станет больше. Наш оптимизм основан на том, что компании будут использовать ИИ для выявления значимых отклонений, оставляя больше решений за работниками.

Мы считаем, что ИИ станет опорой: даже если руководство захочет сохранить целостность бренда, это будет лишь рамкой, внутри которой можно действовать. Работники будут лучше понимать ограничения бизнеса и получат больше гарантий свободы творчества во всем остальном. Обезопасив себя от рисков, руководители смогут позволить сотрудникам пробовать новые, потенциально прибыльные подходы. С подчиненными ИИ-помощниками работники также будут отвечать за более масштабные результаты. Мы видим больше возможностей для творчества в управлении более сложной работой.

Та же логика, что определяет самостоятельность сотрудников, применима и к размеру компаний. Экономист Рональд Коуз⁠(открывается в новом окне) задался вопросом: почему мы организуем производство внутри компаний, а не через сеть договоров между независимыми участниками? Теоретически даже самолёт можно построить, заключая отдельные договоры между всеми участниками процесса, но это было бы крайне неэффективно. Компании позволяют использовать преимущества масштаба, согласовывать интересы участников, организовывать крупные проекты и избавляют от необходимости постоянно договариваться об условиях каждой сделки.

Упрощая коммуникацию, ИИ может способствовать как укрупнению, так и сокращению компаний. Традиционная компания — это структура, в которой информация передаётся снизу вверх, а указания — сверху вниз. При этом неизбежно возникают сложности, задержки и искажения информации, как в игре «испорченный телефон». Если ИИ возьмёт на себя координацию, управлять крупной компанией с большим числом сотрудников станет проще. Благодаря «ИИ-консультанту» руководитель сможет знать свою компанию так же хорошо, как основатель стартапа с двадцатью сотрудниками. Вместо того чтобы ждать квартального отчёта о ходе проекта, она сможет следить за его реализацией в реальном времени и получать уведомления обо всех важных событиях. Её видение сможет охватывать больше направлений деятельности компании. Каждый сотрудник будет лучше понимать, чем занимаются коллеги и какие приоритеты стоят перед организацией в целом.

Впрочем, возможен и обратный сценарий. Если обмен информацией станет практически беспрепятственным, а соблюдение договорённостей будет проще контролировать, компаниям уже не придётся выполнять столько задач собственными силами. Они смогут больше полагаться на внешних поставщиков и подрядчиков.

Одна из главных причин вертикальной интеграции — необходимость согласовать экономические интересы компаний. Здесь важную роль играет понятие неполных контрактов⁠(открывается в новом окне). Например, авиастроительная компания может заключить договор с производителем реактивных двигателей. Однако во всём, что прямо не оговорено в договоре, производителю выгодно сокращать расходы и действовать прежде всего в собственных интересах. Чтобы избежать этого, авиастроительная компания покупает производителя двигателей. Та же логика действует и в отношениях между сотрудниками и руководством. Если выполнение договоров станет проще контролировать, а спорные вопросы можно будет решать с учётом обстоятельств, а не просто формально проверять соблюдение требований, компаниям будет легче доверять друг другу. Тогда и необходимость выполнять всё собственными силами уменьшится.

Мы ожидаем появления множества небольших компаний, но наряду с ними могут возникнуть и огромные «ИИ-холдинги», объединяющие большое количество самых разных проектов. Такие объединения экономически выгодны, когда все проекты используют какой-то общий ресурс. Например, это могут быть вычислительные мощности, хотя их несложно предоставлять в небольших объёмах по мере необходимости. Более веским основанием для создания холдинга может стать общий завод или парк роботов.

Существование крупного «холдинга» также может быть оправдано общностью интересов. Если большая организация, объединяющая ИИ-системы и капитал, полностью сосредоточена на единой цели — например, поиске лекарства от рака, — необходимость в отдельных небольших проектах снижается. Компания, управляемая ИИ, могла бы избежать борьбы за влияние, обеспечить свободный обмен информацией и при необходимости создавать ИИ-агентов с разными подходами к решению задач, чтобы исследовать несколько направлений одновременно.

Предполагается, что нынешняя система вознаграждает выдающихся работников. Они продвигаются по службе и получают больше. Но как работникам выделиться в мире, где модели стали превосходными советчиками?

Если ИИ предлагает всем одну и ту же отличную идею, возможностей отличиться становится меньше. Разрыв в зарплатах должен сократиться.

Однако такому сокращению числа сотрудников препятствуют необходимость принимать взвешенные решения, наличие хорошего вкуса и масштаб ответственности. Если каждый из нас будет руководить собственной компанией с помощью ИИ, главная ценность человека будет заключаться в способности принимать решения. И чем больше задач и процессов окажется под ответственностью одного человека, тем заметнее будут последствия⁠(открывается в новом окне) как удачных, так и неудачных решений.

Эта логика уже давно применяется к высшему руководству компаний. Высокие зарплаты генеральных директоров⁠(открывается в новом окне) оправдывают тем, что даже небольшое улучшение качества решений, принимаемых на самом верху, может существенно повлиять на прибыль компании. Неравенство в оплате труда может усилиться, если одни сотрудники будут эффективнее других управлять подчинёнными им ИИ-компаниями и распределять ограниченные ресурсы.

Чем выше ставки, тем заметнее даже небольшое преимущество перед другими отражается на вашей зарплате. С другой стороны, ИИ будет давать хорошие советы всем. Чем меньше различия между работниками, тем меньше разброс зарплат.

Здесь, как и в других случаях, преобладающая тенденция, возможно, будет зависеть от того, принимаем ли мы в основном собственные решения или следуем предложенным.