Die Zukunft des Unternehmens

Autorennotiz:Dies ist der zweite Aufsatz in unserer Serie über die nächste Wirtschaft, Teil einerneuen Plattform, die unabhängige Stimmen, die die Zukunft einer AGI untersuchen, beherbergt. Er spiegelt unsere Ansichten wider, nicht die von OpenAI oder unseren Kollegen.

Wir beiden waren 24 Jahre alt, als wir hier bei OpenAI anfingen, eigene Teams zu leiten. Das ist weniger beeindruckend, wenn man unsere Teams trifft.

Wir sollen nur Grunts sein. Mit 24 Jahren stehst du am unteren Ende der Unternehmensleiterriege. Du nimmst die Meetingnotizen auf und schreibst ein paar Memos. Nach Jahren harter Arbeit erhältst du (hoffentlich) eine größere Aufgabenverteilung.

Unsere Weg – und der Weg vieler junger Menschen heute – ist anders. Wir treten bereits mit „Mitarbeitern“ in den Arbeitsmarkt ein. Diese Mitarbeiter arbeiten Tag und Nacht, am Wochenende und an Feiertagen. Sie sind sehr gut in der mühsamen Arbeit. Wir haben sogar Mathematik-Olympiade-Goldmedaillengewinner im Team, die uns beraten. Unsere neuen Berichte machen immer noch Fehler. Aber sie werden besser, sie lernen unsere Bedürfnisse und wir lernen, wie man sie verwaltet.

Keiner von uns hat die Unternehmensleiterstufe erreicht. Stattdessen ist die Führung auf unseren Stand gesunken. Dieser Aufsatz befasst sich mit unserer Beförderung und den anderen Möglichkeiten, wie Unternehmen sich bei der Einführung des Informationszeitalters reorganisieren könnten.

Wohin geht die KI, wenn sie in das Unternehmen eintritt? Wir stellen drei exemplarische Szenarien vor:

Unter uns. Jeder bleibt an seinem Platz, und ein neuer Keller aus KI-Arbeit entsteht darunter. Wir alle werden Manager. Zuerst bekommen wir Assistenten, dann Leiter des Personals, und schließlich ganze Mini-Unternehmen, die uns alle berichten. Jeder bekommt eine Beförderung.

Neben uns. Die KI tritt in das Organigramm ein, wie eine Art Kollege, der direkt für bestehende menschliche Manager und Führungskräfte arbeitet. Zunächst übernimmt sie diese Aufgaben und Rollen. Mit der Zeit übernimmt sie weitere Funktionen und berichtet höher im Organigramm.

Unter uns. Der unintuitivste Fall: Menschen oben und Menschen unten, mit der KI dazwischen. Sie koordiniert und überwacht die Arbeit, verfolgt die Vision eines Leiters und erkennt die einzigartigen Beiträge unternehmungslustiger Mitarbeiter an.

Keine dieser Szenarien wird genau so ablaufen wie wir es beschreiben, aber wir glauben, dass Aspekte aller drei Wirklichkeit werden werden. Alle drei geschehen bereits auf subtile Weise.

Unser Fokus hier ist nicht die vollständige Automatisierung, sondern eine Übergangswirtschaft. Wir interessieren uns dafür, wie die hybriden Unternehmen aussehen werden, wenn KI sich weiterentwickelt und in bestehende Organisationen integriert wird.

Wir glauben, dass die hybride Unternehmensform konzeptionell wichtig ist, da die produktive Einführung von KI nicht sofort erfolgt. Wenn die Modelle nur einen Teil der Aufgaben erledigen, ist die Einführung am einfachsten für Mitarbeiter, die mit der Arbeit vertraut sind. Sobald die Modelle umfassende Funktionen end-to-end übernehmen, können leitende Mitarbeiter sie direkt verwenden. Unserer Ansicht nach ist eine leistungsfähigere KI leichter zu etablieren: Unternehmen müssen Technologien lernen, aber die Mitarbeiter lernen das Unternehmen und können sich selbst integrieren.

Wir werden die drei neuen Klassen des Organigramms analysieren und untersuchen, was sie für die Zukunft der Bürokratie, der Arbeiterbefreiung, der Unternehmengröße und der Lohnunterschiede bedeuten.

Die Förderung

Unser erster Szenario scheint am wenigsten störend zu sein. Hier bleiben die Menschen an ihren ursprünglichen Plätzen und in denselben Berichtslinien, und sie erledigen offenbar dieselben Aufgaben wie zuvor. Das menschliche Organigramm bleibt zwischen heute und diesem zukünftigen Zeitpunkt unverändert.

Der Unterschied liegt unter uns. Unter jedem einzelnen Mitwirkenden meldet eine neue KI-Arbeitskraft uns alle. Unser Organigramm bekommt ein Keller, und wir werden alle Manager.

Zu Beginn ist dieser Keller noch unvollendet. Wir beginnen mit einer oder zwei Mitarbeitern pro Team – eher als eifrige Praktikanten, denen wir Aufsicht geben und die wir gerne verzeihen. Unsere Erwartungen sind niedrig: eine E-Mail hier senden, einen Memo entwerfen, auf Slack-Nachrichten überall antworten. Wie junge menschliche Mitarbeiter haben sie anfangs wenig Autonomie und Vertrauen.

Aber je besser die Modelle werden, desto mehr Aufgaben übernehmen unsere Agenten mit weniger Überwachung. Sie koordinieren sich gegenseitig. Es könnten Manager-AIs und unskurze AIs, Buchhalter und Anwälte sein – alle arbeiten gemeinsam auf Ihren Befehl. Far von der Unterstützung eines Praktikanten: Ihre Organisation sieht letztendlich wie eine kleine Firma aus, mit eigenem Organigramm und Ihnen als Vorstand.

Jace erledigt immer noch die Buchhaltung in seinem Unternehmen, aber er klickt nicht mehr in den Tabellenkalkulationen herum. Seine Mitarbeiter übernehmen das. Die Aufgabe von Jace ähnelt eher der seines Managers von vor ein paar Jahren. Sein Manager hat nun eine noch größere Verantwortung.

Jaces Alltag hat sich völlig verändert – jetzt konzentriert er sich auf Kommunikation, Koordination und Kreativität. Er arbeitet weniger und fühlt sich mehr herausgefordert. Sein Arbeitsleben weist mehr Variabilität auf, und er zeichnet sich durch Führungsfähigkeiten sowie eine Vision aus, die er vorher nicht zeigen konnte.

Die Buchhaltungsteam hat sich nicht verkleinert, weil der Rest des Unternehmens auch produktiver wurde und mehr Buchhaltungsaufgaben als je zuvor benötigt. Die Agenten können noch nicht alles tun, was sein Team tut. Die Führungskräfte wissen überhaupt nichts über die Zusammenstellung finanzieller Daten und benötigen seine fachliche Expertise, um die Agenten effektiv einsetzen zu können.

Automatisierung ohne Arbeitsvertrag

Beachten Sie, dass dieses Szenario keine Entlassungen impliziert. Wir verwenden die KI, ohne uns selbst zu automatisieren. Stattdessen automatisieren wir unsere früheren Selbstbildungen und steigen in der Hierarchie auf. Die KI übernimmt immer mehr von dem, was wir früher taten. Unsere Jobs bleiben bestehen, weil es noch mehr zu verwalten gibt, und wir erhalten die Verantwortung für einen größeren Output.

Arbeitsplätze sind nicht statisch⁠>(öffnet in einem neuen Fenster). Angenommen, die KI kann neunzig Prozent der Arbeit erledigen, die man früher machte. Dann könnte man schließen, dass man nur noch zehn Prozent der Arbeit zu verrichten hat. Eine andere Möglichkeit ist, dass man immer noch eine volle Arbeit ausführt, nur eine andere – diesmal auf ein objektlich zehnmal größeres Ziel ausgerichtet. Das ist das klassische Geschenk der Technologie: die Produktivität steigt, der Ehrgeiz steigt, um es zu erreichen, und Löhne können steigen⁠>(öffnet in einem neuen Fenster) mit dem Ehrgeiz.

Das hängt davon ab, ob wir den Wert hinzufügen⁠ (eröffnet in einem neuen Fenster) weiterhin in die Produktion einbringen. Dieser Aufsatz konzentriert sich auf die kommenden Jahre, in denen die Automatisierung nicht allgemein verfügbar oder eingesetzt ist. Selbst wenn die KI alles erledigen könnte, würden wir vielleicht immer noch etwas mehr schätzen – weil eine Person es gemacht hat – oder darauf bestehen, dass eine Person die endgültige Entscheidung trifft.

Es hängt auch von unserem Appetit ab. Wenn wir als Verbraucher nicht auf zehnfach mehr Output bedacht sind, wird das Gleichgewicht zu weniger Arbeitern oder weniger Arbeitsstunden tendieren. Historisch gesehen haben die Steigerungen des Outputs uns nicht sättigen können. Wir haben viel mehr⁠>(öffnet in einem neuen Fenster), aber wir arbeiten nur ein wenig weniger⁠>(öffnet in einem neuen Fenster). Wenn unser Appetit weiter wächst, während der Output zunimmt – und wir weiterhin zur Produktion beitragen – werden wir beschließen, unsere Arbeit für mehr Konsum zu tauschen. Falls die Produktion hingegen so reichlich wird, dass wir satt sind, könnten wir eine kleinere Arbeitskraft freiwillig zur Verfügung stellen.

Es gibt weitere Einwände, die wir später diskutieren werden (z. B. ob es eine größere Anzahl kleiner Unternehmen geben wird). Wir halten dennoch fest, dass diese Situation wichtig ist, da die Einführung irgendwo beginnen muss. Die Unternehmen benötigen einen Weg, um stabil von ihren aktuellen Organisationsstrukturen zu entwickeln. Die Unterstützung der Arbeit bestehender Mitarbeiter könnte ein einfacherer ersten Schritt sein als eine umfassende Umstrukturierung. Wir sehen dies heute in Aktion: ein Mitarbeiter nach dem anderen delegiert Aufgaben an die KI, ohne dass bisher eine organisatorische Revolution stattgefunden hat.

Warum die Einführung möglich sein könnte, beginnt von unten

Dieses Szenario beruht darauf, dass die Mitarbeiter an der Frontlinie zuerst eingestellt werden. Arbeiter auf der Grundstufe – nicht Manager und Führungskräfte – führen die Einführung von KI. Das scheint wahrscheinlich zu sein, solange die Person, die KI dazu bringt, die Arbeit zu erledigen, dieselbe ist, die früher sie selbst tat.

Modelle können bereits viele Datenwissenschaftstätigkeiten automatisieren, aber ein Abteilungsleiter, der nicht mit den Methoden und Details vertraut ist, wird Schwierigkeiten haben, die Tools zu nutzen. Bis die KI ausreichend proaktiv ist, um zu sagen, was Sie nicht wissen (siehe unseren nächsten Szenario), wird sie wahrscheinlich am besten für diejenigen funktionieren, die bereits mit der Art und Weise des Arbeitens vertraut sind.

Der Einstiegsniveau ist nicht mehr der niedrigste Level

Die größte Veränderung in diesem Szenario betrifft die Arbeitskräfte auf Anfängerlevel. Es wird keine niedrigste Stelle mehr geben – zumindest nicht für Menschen. Wenn wir junge Menschen einstellen, werden sie nicht in die schwere Arbeit am unteren Ende des Unternehmens eingesetzt werden. Diese Positionen werden von jemandem übernommen, der nichts dagegen hat.

Mit diesem verlieren wir einige traditionelle Wege zur Ausbildung junger Arbeiter: Lehrjahr⁠(Öffnet sich in einem neuen Fenster), das Lernen durch Arbeit, die Erlangung von Streifen. Das sind echte Kosten, aber wir betrachten dies meist als Privileg. Der grünste Mitarbeiter mit einer guten Idee hat Ressourcen zum Experimentieren. Die alteste Ausrede im Gebäude, Wir haben einfach nicht die richtige Mitarbeiterzahl, stirbt. Eine junge Mitarbeiterin mit einem großen Videogame im Kopf und ohne einen Weg zum Personalstand kann es jetzt einfach erstellen.

In unserer Sicht hat dieses „Promotungs“-Szenario noch viel für die Junior-Mitarbeiter zu lernen – Urteilsvermögen, Geschmack, Managementfähigkeiten und kreative Vision. Wir werden ermutigt, diese Fähigkeiten zu entwickeln, denn sie zeigen sich in unserem Arbeitsprodukt. Wir werden weiterhin durch Handeln lernen⁠ (öffnet in einem neuen Fenster), aber auf einer höheren Ebene. Die erfahrenen Mitarbeiter werden weiterhin ermutigt, uns als verantwortungsvolle Hüter zu helfen (mit Beteiligungen am Erfolg). Die Möglichkeit hier ist eine anspruchsvollere Rolle für jeden Mitarbeiter auf jeder Ebene. Jeder Mitarbeiter kann seine Talente mit einer größeren Verantwortung zeigen, was besonders für diejenigen wichtig ist, die vorher keine Verantwortung hatten.

Die Interleaving

Die zweite Art der AI-Einmischung in das Unternehmen verläuft durch den bestehenden Organigramm. Hier sind die Agenten keine Mitarbeiter, sondern Kollegen. Ein traditioneller Manager gibt einen Teil der Teamarbeit an eine Modellgestaltung weiter, wie er es an jeden Mitarbeiter delegieren würde. Die AI schließt sich neben den Menschen ein, nicht nur unter ihnen.

Der wichtigste Unterschied zum ersten Szenario: Hier wird die produktive KI von bestehenden menschlichen Managern genutzt, nicht nur von aktuellen Einzelmitarbeitern. Um dies zu erreichen, muss sie ausreichend kompetent sein, um ein vollwertiges Teammitglied zu werden.

Sheila ist Vizepräsidentin bei einem Möbelunternehmen. Sie hat noch nie eine Werbekampagne durchgeführt. Sie gibt dem AI-Marketing-Team ein Budget und einen neuen Sofa, den es zu verkaufen hat. Das Team teilt die Startaufgaben unter ihren eigenen Agenten auf. Einige interviewieren die Verkäufer, andere koordinieren mit der Fabrik, was sie tatsächlich liefern können. Ein Unteragent startet eine Online-Umfrage, während einige weitere Prototypen verschiedener visueller Stile erstellt werden.

Die Entwürfe und Überarbeitungen gehen zwischen ihnen hin und her, ohne ihren Schreibtisch zu berühren. Ihre menschlichen Verkauf- und Designteams berichten weiterhin bei ihr, zusammen mit dem Team der Marketingagenten. Am Montag erhält sie eine Kampagne zur Genehmigung und eine Frage, ob die Fotos den Sofa-Look zu blau machen. Sie hätte niemals solche Details erkannt, wenn ein Werbeexperte sie nicht aktiv darauf hingeworfen hätte. Sie genehmigt den Agenten, mit dem menschlichen Fotografen zusammenzuarbeiten, um eine Neufotografie zu erstellen.

Der Aufstieg des Umfangs

Menschen sind Alleskönner. Ein Hammer hilft bei einer einzigen Aufgabe; ein Mensch tut viel mehr. Die Reise der KI von einem Werkzeug zu einer Arbeitskraft ist ein wachsendes Spektrum: die Automatisierung der Aufgabe, dann des Jobs, dann eines Teams und schließlich eines Unternehmens. Jeder Schritt nach oben erfordert größere Kompetenz.

Ein Job ist eine Reisetasche voller vieler Aufgaben. Für eine ganze Teamgruppe ist diese Tasche voller verschiedener Arbeiten. Mehr Aufgaben bedeuten mehr potenzielle Engpässe. Wenn sogar eine wichtige Aufgabe im Team körperliche Arbeit erfordert, ist ein völlig neues Set von Hilfsmitteln notwendig. Um als Ersatz für ein ganzes Team funktionieren zu können, muss die AI in allen ihren verschiedenen Verpflichtungen kompetent sein.

Die AI, die einen größeren Umfang bewältigen kann, ist schwieriger zu entwickeln. Aber für Unternehmen – und das ist die zentrale Asymmetrie der gesamten Transformation – ist ein größerer Umfang leichter umzusetzen.

Eine end-to-end automatisierte Teamstruktur oder umfassende Funktion kann direkt von einem Führungskräften übernommen werden. Ein Werkzeug mit engeren Fähigkeiten kann nicht so einfach von oben implementiert werden. Das einfachere Werkzeug beruht auf breiten Zustimmung und Weiterbildung im gesamten Personal.

Unternehmen lernen Technologie; Arbeitnehmer lernen das Unternehmen

Neue Technologien machen es traditionell günstiger, eine begrenzte Anzahl von Aufgaben zu erledigen. Dann wandert die Last auf den Käufer über. Das Unternehmen muss herausfinden, wie es das neue Tool nutzen kann, und muss seine Prozesse neu trainieren, reorganisieren und umgestalten⁠ (öffnet in einem neuen Fenster) um das neue Tool herum. Spreadsheet-Software installierte sich nicht selbst im Rechnungswesen – das Rechnungswesen selbst wurde um die Software herum neu gestaltet.

Arbeit ist das Gegenteil. Ein Praktikant, ein Mitarbeiter und eine gute Gruppe finden heraus, wie sie Ihnen nützlich sein können. Sie befragen Sie, nehmen Ihren Kontext auf, erkennen Ihre Bedürfnisse. Sie erzählen Ihnen, was Sie nicht einmal bemerkt hatten. Die beste Arbeit schließt sich selbst ein.

Je mehr die KI in diesem Sinne wie Arbeitskräfte mit Initiative und Anpassungsfähigkeit wird, desto weniger muss das Unternehmen lernen, sie zu nutzen, und desto mehr entwickelt sie selbst Wege, dem Unternehmen nützlich zu sein. Ein Executive wird wahrscheinlich nicht zuhören, während eine Lektion über Design-Software 101 gehalten wird, um ein neues Tool zu erlernen. Aber er wird gerne auf einen Vorschlag eingehen, der so klingt: Sagen Sie einfach den Befehl, und ich werde Ihre gesamte Marketingabteilung einrichten.

Das ist keine einzelne-Wolf-Wirtschaft

Oft nennen wir das heilige Grab der AGI als die Automatisierung von Arbeiten. Zugegeben, wir haben noch nicht einmal dieses Ziel erreicht. Arbeitsprozesse sind so außergewöhnlich kompliziert, weil wir so beeindruckend fähig sind. Dennoch… sehr wenig⁠(Öffnet sich in einem neuen Fenster) Von der Produktion unserer Wirtschaft kommen Arbeiter, die wie Einzelkämpfer arbeiten. Produktive Arbeitsplätze bilden Teams, und diese Teams wiederum bilden Unternehmen – die Unternehmen produzieren das meiste, was wir konsumieren.

Das „Job“-Standard für AGI gibt uns Menschen nicht genug Anerkennung. Arbeit beinhaltet nicht nur Aufgaben oder die Bearbeitung nicht Routinekomponenten: Unsere Arbeit betrifft auch die enormen Leistungen. KoordinationUnsere Plastizität, um kleine Teile größerer Ausgaben zu erledigen. Wir als bloße Säcke mit Aufgaben zu verkaufen, ist wertlos. Die menschliche Kapazität liegt bei unsere Organisationen⁠(Öffnet sich in einem neuen Fenster) Mehr als das Individuum. Eine wirtschaftliche AGI muss den Standard erreichen. Menschen, nicht Person.

Als Ergebnis kann das „Interleaving“-Szenario sehr ineffizient sein, wenn die KI noch wie ein Werkzeug oder sogar wie ein Arbeiter funktioniert, anstatt wie eine Gruppe oder ein Unternehmen. Ein Modell, das neben jedem Arbeiter platziert wird, bedeutet tausend Nahtstellen und Handoffs⁠ (eröffnet in einem neuen Fenster). Diese fragmentierte Aufbaumschicht kann die Einführung verzögern.

Wir sehen einen Wettlauf zwischen früheren, weniger fähigen Implementierungen und späteren, stärkeren Modellen. Der Sieger hängt davon ab, ob die Einführung der zukünftigen Modelle so schnell erfolgt, dass das zusätzliche Zeitverluste, das für die Erreichung dieser Fähigkeiten erforderlich ist, überwunden werden können.

Die beiden Szenarien bisher

Dieses „Interleaving“-Szenario kann mit dem ersten „Promoting“-Szenario gleichzeitig existieren. Wir könnten beobachten, dass Unternehmen ihren menschlichen Einfluss verringern, da die KI bestimmte Funktionen automatisiert, während die verbleibenden Menschen größere Aufgaben erhalten – unterstützt durch ihre Agentarbeitskräfte. Wichtig ist, dass dieses Szenario allein keine Reduzierung der Gesamtzahl der Beschäftigten bedeutet. Wir könnten es erleben, dass es mehr Unternehmen gibt, die jeweils mit einer geringeren Anzahl von Mitarbeitern arbeiten.

Die Schichtung

Unser drittes Szenario ist am verwirrendsten. Hier tritt die KI über den Menschen in das Unternehmen ein. Die Struktur besteht nicht mehr aus Menschen und Maschinen, sondern aus Menschen, KI und Menschen – ein automatisierter „Sandwich“. Einige Menschen „berichten“ an die KI.

Es klingt vielleicht ungewöhnlich, besonders als Ausgangspunkt für die tiefe Verbreitung. Aber wir glauben, dass dies auf weniger radikale Weise bereits begonnen hat.

Asha, die Geschäftsführerin, erhält von ihrer AI-Beratungsfirma mitgeteilt, dass es ein Problem bei der bevorstehenden Veröffentlichung gibt. Sie hat das Problem bereits untersucht und festgestellt, dass die verkündeten Verkaufsziele nicht erreicht werden. Die Beweise stammen aus den normalen Arbeitsnachrichten in Slack; niemand hat ihr einen Bericht geschrieben oder auch nur erkannt, dass es eine Kommunikationsstörung zwischen den Teams gibt.

Die AI-Consultance schlägt vor, den Start zu verzögern und drei Ingenieure umzuschichten. Sie stellt außerdem fest, dass Sarah, eine Home-Office-Ingenieurin, bereits eine nützliche Infrastruktur für das Projekt erstellt hat – obwohl ihr niemand gesagt hat. Die Consultance sorgt dafür, dass Sarahs aktive Beitrag anerkannt wird und Asha davon erfährt. Asha ruft Sarah an, dankt ihr für ihre Überstunden und ernennt sie zur Leiterin der Ingenieure für das neue Projekt.

Die Leiter könnte von oben anbrennen

Auch wenn wir die KI als einen Mechanismus für kognitives Arbeitsleben betrachten, konzentrieren wir uns meist auf die unteren Ebenen. Wir sagen normalerweise, dass die KI Tabellen und Präsentationsdossiers automatisiert, aber nicht das Management. Unser Instinkt ist, dass die Automatisierung in einer hierarchischen Reihenfolge voranschreitet: zunächst das kognitive Hämmerarbeit und erst danach das Urteilen, wobei der Manager als letzter Schutzwall fungiert.

Aber die Arbeit eines Managers lebt größtenteils auf dem Computer und im Kopf: Lesen, Treffen, Abwägen, Kontextverständnis, Entscheidungen treffen. Es gibt einen Wert in der physischen Präsenz, in der Besichtigung der Büroflächen und im Umgang mit den Mitarbeitern. Doch es ist die bodenständige Arbeit – selbst wenn sie größtenteils kognitiv ist – die mehr mit Atomen und Werkzeugen verbunden ist als die Managementarbeit. Der Praktikant wird zur Kopierer geschickt, nicht zu seinem Chef.

Die Entscheidungsfindung im Management ist schwer für ein Modell zu lehren, weil der Erfolg unklar ist und über lange Zeiträume gemessen wird. Es ist aus ähnlichen Gründen⁠ (öffnet in einem neuen Fenster), dass das Training guter menschlicher Manager schwierig ist. Wir wissen noch nicht, wie gut die Modelle bei der Verwaltung sind. Unsere Bewertungen gibt es viel für kognitiven Arbeiten mit Fokus auf die Ausführung, aber nur wenige erfassen die großflächige Orchestrierung im Bereich von Managern und Führungskräften.

Es ist immer noch wertvoll zu berücksichtigen, dass die heutigen Modelle möglicherweise näher in ihrer Fähigkeit zu menschlichen Managern sind als die Arbeiter auf der Grundstufe. Einige Managementfunktionen könnten bereits vor dem von ihnen überwachten Arbeiten automatisiert werden.

Berater überall, ständig

Vielleicht ist die vollständige Version dieses „Schichten“-Szenarios eine AI, die den Denkprozess durchführt und anschließend die Lücken in ihren Fähigkeiten mit menschlichen Mitarbeitern füllt, die ihr berichten. Diese Welt scheint uns ziemlich fremd zu sein. Vieles müsste sich ändern.

Aber es gibt eine noch organischere Inkarnation – und ihr Eröffnungsact ist bereits auf der Bühne: Beratung. Heute kann eine Führungskraft ChatGPT bitten, Hunderte von Slack-Kanälen, Dokumenten, Briefen und Code-Dateien aus ihrem Unternehmen zu lesen und dann Fragen zu beantworten. Was tut dieses Team wirklich? Wo zeigt sich diese Verwundbarkeit? Jeder Teil der Organisation ist zwischenzeitlich lesbar⁠ (eröffnet in einem neuen Fenster) für sie.

Chefs haben seit langem die Organisationsstruktur mit Söldnern vermischt – sie nannten das Beratung. Eine Managementberatungsfirma überzieht dich kurz und teuer. In Zukunft könnten AI-Berater extrem günstig und immer präsent sein.

Die Modelle beginnen gerade erst, Unternehmediocumente und Kommunikationen zuverlässig zu analysieren. Ihr Geschmack und ihre Proaktivität müssen weiter entwickelt werden. Fürs Erste hilft ChatGPT einer motivierten Managerin, ihr Unternehmen detaillierter zu verstehen. Wir sehen, dass es letztendlich zu einem vollwertigen Beratungsdienst wird. Es wird nicht ein wahrer „Manager“ für Mitarbeiter niedrigerer Ebenen sein, sondern vielmehr ein interner Korrespondent und Berater für Manager. Es wird die Geschäftserfahrung nutzen, um alles zu scannen, aktive Probleme aufzuzeigen und bei der Priorisierung zu helfen.

Ob dies vorteilhaft oder schädlich ist, hängt von dem Vorstand ab. Der strukturelle Effekt ist Zentralisierung. Wir sehen, dass dies die Distanz zwischen dem C-Suite und der Unternehmensstruktur verringert. Mehr Macht wird an der Spitze verankert, wo die Informationsbarrieren früher eine dezentralere Entscheidungsfindung begünstigten.

Wir finden dieses Szenario bedeutungsvoll – nicht nur wegen der Art und Weise, wie die Autorität verändert wird, sondern auch wegen der Einfachheit, mit der eine AI-Beratung übernommen werden kann. Genau wie bei traditionellen Beratungen erfordert die AI-Beratung keine technischen Kenntnisse vonseiten der Führungskräfte. Es geht nicht um Computer – diese werden von denjenigen verwendet, die schreiben und am Terminal arbeiten können. Man spricht einfach mit dem Berater, und er übernimmt das technische Know-how. Diese Adoption kann bereits vom Konferenzraum aus beginnen. Die Beratungsfirma könnte wiederum die Einführung von KI im gesamten Unternehmen beschleunigen.

Der sich entwickelnde Beschäftigungsvertrag

Eine wichtige Ursache dafür, warum Unternehmen Misstrauen gegenüber remote Arbeit und Vertragsvergabe haben: die Verbindlichkeit. Es gab nie eine günstige Möglichkeit für Unternehmen, das Tun der Arbeit in ihrer vollen Tiefe zu beobachten. Deshalb maßen sie Pantomime⁠ (öffnet in einem neuen Fenster), zählen Klicks, bewegen sich der Maus, grüne Statuspunkte – diese Signale sind so abweichend von der Tatsache, ob gute Arbeit stattfindet.

Die KI bietet einen Monitor, der versteht. Er kann beobachten, was eine Person erstellt, und echten Fortschritt in Richtung größerer Ziele erkennen. Wie wir im nächsten Abschnitt untersuchen werden, darf jede neue Überwachung nicht leicht umgesetzt werden⁠ (öffnet in einem neuen Fenster). Aber unter den richtigen Umständen kann sie das Vertrauen erhöhen und Unternehmen dazu bringen, ihren Mitarbeitern mehr Freiheit zu geben.

Wenn der Monitor die vielen unterschiedlichen Wege versteht, die zu einem guten Arbeitsprodukt führen können, können Mitarbeiter nach ihrem eigenen Wunsch arbeiten. Der Fortschritt zu guten Ergebnissen ist wichtiger als eine vorgegebene Methode, die es Chefs leicht macht, zu überwachen. Ein intelligenter Monitor bietet Flexibilität und bestraft die performative Produktivität, die wir alle verabscheuen.

Die Wertbeitragung hier ähnelt der der Versicherer, die Ihre Prämien senken, wenn Sie einen Tracker in Ihrem Auto installieren. Wenn Sie versuchen würden, das System zu manipulieren, schadet das Ihnen; wenn Sie einfach nur Ihre Arbeit machen, kann der Monitor Sie verteidigen, und die Leitung vertraut Ihnen mehr.

Dieser Vertrauensgrad ist generativ. Wir könnten neue Bereitschaft⁠ (öffnet in einem neuen Fenster) von Unternehmen sehen, die zuvor gegen das hybride Arbeiten waren, zu unkonventionellen Köpfen, zu Auftragnehmern oder zu der Einstellung brillanter Menschen in fernen Ländern.

Es gibt viele Probleme, mit denen die Mitarbeiter im unteren Bereich heute zu kämpfen haben. Es ist sehr entmutigend, dass es keine Möglichkeit gibt, diese Probleme nach oben zu bringen – so wie wir sie direkt sehen. Es ist eine harte Situation, unter einem ineffektiven Manager zu stecken, oder großartige Arbeit zu leisten, die nicht anerkannt wird.

Wir sehen die vorherige Welle der Geschäfts-Hyperoptimierung als eine auf begrenzten Daten, groben Richtlinien und dummen Algorithmen basierende Entwicklung. Wenn alles, was man verarbeiten kann, nur Getriebeverhältnisse sind, dann sieht jeder wie ein Zahnrad aus. Unternehmen haben schon lange ein Messproblem bezüglich ihrer Arbeitskräfte. Ein intelligenter Monitor könnte wertvolle Beiträge und einzigartige Ansätze erkennen, die die heutigen groben Indikatoren übersehen.

Vier große Fragen

Auf der Grundlage der drei stilisierten Szenarien untersuchen wir nun einige entscheidende Fragen bezüglich der Zukunft des Unternehmens.

Werden die Unternehmen mehr oder weniger bürokratische Hürden haben?

Bauten sind im Allgemeinen ziemlich kostspielig. Eine App, ein Film, eine Decke, eine Funktion, eine Analyse – all das ist teuer, langsam und erfordert viel Mühe, um wiederholt zu werden. Wenn man effektiv einen Schuss abgibt, investiert man in die Zielsetzung. Es gibt Planungszyklen, Roadmap-Veranstaltungen und Abnahmekomitees, um sicherzustellen, dass, wenn das Unternehmen endlich „Los“ sagt, es zu etwas Wertvollem führt. Viele Kontrollen in unseren Hierarchien existieren, weil die Ausführung sehr wichtig war.

In vielen Bereichen kollabiert die Kosten für den Bau durch KI – zumindest auf das Niveau der Prototypentwicklung, wenn nicht sogar auf das der endgültigen Fertigstellung. Wir glauben, dass der Ansatz eines Unternehmens entsprechend anpassen sollte: weniger Ziele setzen, mehr Ausdauer zeigen. Ein Unternehmen kann einen Prototyp bauen, beobachten, schnell lernen, sich neu orientieren und ihn erneut bauen. Easy Prototyping⁠ (öffnet in einem neuen Fenster) sollte Unternehmen von den Institutionen entfernen, die eine intensiv planende Produktion ermöglichen.

Die einfachste Variante ist eine Gruppe, die schneller iteriert. In einer radikaleren Interpretation wird die Gruppe selbst in Frage gestellt. Wenn kollektives Planen weniger wichtig ist und unabhängige, vielfältige Ideen mehr zählen, ist es besser, eine einzige Gruppe zu haben, die schnell iteriert, oder viele Einzelpersonen, die jeweils ihre eigenen Arbeitsprototypen vorlegen? Wenn ein echtes Prototyp eine Vision übertragen kann, die besser ist als jeder Planungsdokument, werden unsere Kommunikationsnormen sich ändern: Mehr und früher teilen, und stattdessen Objekte statt Memos?

Günstige Bauweise könnte das Unternehmen in die Hände von Einzelpersonen geben. Das würde bedeuten, weniger Schichten mittlerer Managementstrukturen zu haben und weniger Bitten um Erlaubnis zu benötigen, denn früher war es billiger, um Erlaubnis zu bitten, als das Ganze zu tun – und jetzt ist das nicht mehr der Fall.

Alles in allem kann die gleiche Technologie, die den Menschen ermöglicht, mit geringerem Risiko Prototypen zu erstellen, auch größere Mengen an Bürokratie erzeugen.

Wird den Arbeitern mehr oder weniger Autonomie gegeben?

Ein wichtiger Grund, warum Unternehmen eine top-down-Management-Struktur anwenden, ist der Glaube, dass Führungskräfte besser für Geschäftsfragen entscheiden⁠ (öffnet in einem neuen Fenster) als die jüngeren Mitarbeiter. Unternehmen zahlen mehr für hochkompetente Führungskräfte an der Spitze, und Manager werden oft in Geschäftstrategien ausgebildet, während die einzelnen Mitarbeiter in ihren speziellen Fachgebieten spezialisiert sind. Wenn KI allen Mitarbeitern exzellente Ratschläge bietet, verringert sich der Unterschied in der Entscheidungsqualität. Es gäbe weniger Grund für Manager, sich einzumischen. Dies würde die Autonomie der Mitarbeiter erhöhen und möglicherweise die Anzahl der Managementebenen reduzieren.

Ähnlich sorgt die „AI-Consultance“ dafür, dass nichts zu wesentlichem Ausgang kommt, ohne dass der Geschäftsführer informiert wird. Wenn ein Mitarbeiter einen Blogbeitrag veröffentlicht, der ernsthafte Folgen für das Unternehmen haben könnte, markiert die Consultance dies proaktiv für den Geschäftsführer. Dadurch entsteht Vertrauen: Die Leitung muss sich keine Sorgen machen, dass große Probleme auftreten könnten, ohne ihr Wissen, sodass sie keine solche engen Kontrolle⁠ (öffnet in einem neuen Fenster) bezüglich der Art und Weise, wie ein Mitarbeiter seine Arbeit ausführt, haben müssen.

Aber die AI-Beratungsfirma ist ein zweischneidiges Schwert⁠ (öffnet in einem neuen Fenster). Sie kann den Mitarbeitern mehr Vertrauen als intelligenter Überwacher vermitteln; sie kann auch die von dem CEO bevorzugte Art der Arbeit im gesamten Unternehmen energischer durchsetzen. Unternehmen schätzen Kohärenz⁠ (öffnet in einem neuen Fenster): nicht nur eine gute Entscheidung, sondern eine Entscheidung, die mit der Unternehmenskultur, dem Markenimage und den Skaleneffekten übereinstimmt. Eine Restaurantkette könnte ein gemeinsames Menü über alle Filialen verwenden, sodass die Zutaten in großen Mengen bestellt werden können und die Kunden ein konsistentes Produkt erwarten können.

In Verbindung damit stimmen die Anreize für Unternehmensleiter nicht immer mit den Bedürfnissen der Arbeitnehmer überein. Die Arbeitnehmer optimieren für den Erfolg des Unternehmens⁠>(öffnet in einem neuen Fenster), während die Führungskräfte das gesamte Unternehmen im Blick haben. Die Aktionäre haben andere Präferenzen als die Lohnarbeiter, weil sie die Belohnungen des härteren Arbeitens erhalten⁠>(öffnet in einem neuen Fenster). Die Beratungsfirma könnte eine strengere Einhaltung der von oben vorgegebenen Regeln verlangen.

Unsere Ansicht ist, dass auf der Netzplattform die Arbeiter mehr Handlungsfreiheit erhalten werden. Unser Optimismus beruht darauf, dass Unternehmen KI verwenden, um wichtige Ausnahmen zu identifizieren, während sie mehr Entscheidungen den Arbeitern überlassen.

Wir glauben, dass KI als Unterstützung dienen wird – selbst wenn die Führungskräfte ein kohärentes Markenimage bewahren möchten, ist dies lediglich eine Einschränkung, innerhalb derer sie operieren müssen. Die Mitarbeiter werden besser über die Geschäftskonstrainträge informiert sein und somit besser gegen Kreativität außerhalb dieser Beschränkungen geschützt sein. Sobald ihre Grundlagen gesichert sind, können die Führungskräfte den Mitarbeitern neue, möglicherweise lukrative Ansätze ausprobieren lassen. Mit der Unterstützung von KI-Hilfen werden die Mitarbeiter auch für größere Ergebnisse verantwortlich sein. Wir sehen mehr Möglichkeiten für Kreativität, wenn wir mit komplexeren Aufgaben arbeiten.

Wird die Unternehmensgröße schrumpfen oder wachsen?

Die gleiche Logik bezüglich der Autonomie der Arbeitnehmer gilt auch für die Unternehmengröße. Ronald Coase⁠>(öffnet in einem neuen Fenster) fragte, warum wir die Produktion innerhalb von Unternehmen organisieren, anstatt durch ein Netzwerk von Verträgen. Selbst ein Flugzeug könnte rein durch peer-to-peer-Verhandlungen hergestellt werden, aber das wäre sehr ineffizient. Unternehmen müssen Skaleneffekte nutzen, Anreize anpassen, große Projekte organisieren und die Notwendigkeit des ständigen Tauschens vermeiden.

Durch die Verbesserung der Kommunikation könnte die KI die Größe größerer oder kleinerer Unternehmen rechtfertigen. Das klassische Unternehmen ist eine Infrastruktur, die Informationen hoch und Anweisungen runter leitet – voller Reibungen und Telefon-Spielen. Ein größeres Unternehmen (mit mehr Mitarbeitern) ist weniger unhandlich, wenn die KI als Koordinierungsschicht fungiert. Mit einer „KI-Consultance“ kann ein Manager das Unternehmen so verstehen, wie ein Gründer ein 20-Mitgliederiges Startup versteht. Sie kann die Umsetzung einer Initiative beobachten, anstatt auf ihre quartalsweise Berichterstattung zu warten, und wird benachrichtigt, falls etwas passiert. Ihre Vision kann sich weit verbreiten. Jeder ist besser informiert über das, was alle anderen tun, sowie über die allgemeinen Prioritäten der Organisation.

Es könnte auch die andere Seite sein. Wenn die Kommunikation reibungslos ist und die Einhaltung der Vorgaben besser überwachbar ist, muss eine Firma nicht so viel von ihrem Lieferkettenprozess internalisieren. Die Firma kann den externen Lieferanten und Auftragnehmer besser vertrauen.

Eine wichtige Motivation für die vertikale Integration ist es, die Anreize zu harmonisieren. Es gibt die Idee von unvollständigen Verträgen⁠>(öffnet in einem neuen Fenster) – eine Luftfahrtgesellschaft könnte mit einer Jet-Engine-Firma einen Vertrag abschließen, aber für alles, was nicht ausdrücklich im Vertrag festgelegt ist, wird die Jet-Engine-Firma dazu angeregt, kostengünstig zu arbeiten und ihre eigenen finanziellen Ziele zu schützen. Um dies zu vermeiden, kauft die Luftfahrtgesellschaft die Jet-Engine-Firma. Genauso wie bei Arbeitern und Chefs: Wenn Verträge besser überwachbar und intelligent ausgehandelt werden können als durch das Markieren von Feldern, könnten Unternehmen sich mehr wohler fühlen, wenn sie auf andere Unternehmen vertrauen. Es gäbe weniger Grund, alles intern zu erledigen.

Wir erwarten viele kleine Unternehmen, aber auch ausgedehnte AI-Holdinggesellschaften, in denen eine große Anzahl verschiedener Projekte innerhalb einer einzigen Unternehmung durchgeführt werden. Das Konzernumfeld ist wirtschaftlich attraktiv, wenn es einen gemeinsamen aktiven Vermögenswert gibt, der von allen Projekten genutzt wird. Dieser gemeinsame Vermögenswert könnte die Rechenleistung sein, doch Rechenleistung kann leicht in kleinen, ad hoc bereitgestellten Mengen verfügbar gemacht werden. Eine gemeinsame Fabrik oder eine Flotte von Robotern ist eine bessere Motivation.

Die große „Holdinggesellschaft“ kann auch durch ausgerichtete Anreize gerechtfertigt werden. Wenn eine große Organisation von AI-Technologien und Kapital vollkommen auf eine gemeinsame Mission ausgerichtet ist – sagen wir, die Behandlung von Krebs – dann ist es weniger notwendig, separate kleine Initiativen zu haben. Eine AI-Firma könnte Machtkämpfe vermeiden, alle Informationen teilen und, wenn nötig, Kreative Vielfalt unter ihren Agenten schaffen, sodass verschiedene Wege untersucht werden können.

Wird die Ungleichheit steigen oder sinken?

Das heutige System soll herausragenden Arbeitern Belohnungen geben. Sie steigen in der Hierarchie auf und erhalten bessere Vergütungen. Aber in einer Welt voller exzellenter Modellberater: Wie können die Arbeiter sich von anderen unterscheiden?

Wenn die KI jedem dieselbe großartige Idee gibt, haben wir weniger Möglichkeiten, uns abzuheben. Die Preisstrukturen sollten komprimieren.

Was dieser Kompression entgegensteht, sind Urteile, Geschmack und Umfang. Wenn jeder von uns die AI-Unternehmen unter sich führt, ist der verbleibende menschliche Wert unser Entscheidungsvermögen. Wenn jede Person für einen größeren Aufwand unter ihnen verantwortlich ist, liegt der Unterschied zwischen gutem Urteilsvermögen und schlechtem darin. Ringe lauter⁠(Öffnet sich in einem neuen Fenster).

Wir haben diese Logik bereits lange auf der Spitze des Organisationsdiagramms angewandt. Wir begründen die Gehälter des CEO⁠ (öffnet in einem neuen Fenster) mit der Idee, dass leicht verbesserte Entscheidungen oben entsprechend große Auswirkungen auf die Gesamtleistung haben können. Die Ungleichheit der Gehälter könnte zunehmen, wenn einige Mitarbeiter die unter ihnen befindlichen AI-Unternehmen besser verwalten, um knappe Ressourcen zu nutzen.

Je wichtiger es ist, desto mehr zeigt sich Ihr kleiner Vorteil gegenüber anderen in Ihrem Gehalt. Andererseits wird die KI allen Menschen gute Ratschläge geben. Weniger Differenzierung zerstört die Verteilung des Gehalts.

Hier und an anderen Stellen hängt die vorherrschende Kraft vielleicht davon ab, ob wir hauptsächlich Urteile fällen oder ihnen folgen.