著者からの注記: これは次の経済に関する私たちのシリーズの第2作で、AGI後の未来を探求する独立した声を掲載する 新しいプラットフォーム の一部です。本稿は私たちの見解を反映したものであり、OpenAIや私たちの同僚の見解を代表するものではありません。
私たちは二人とも、OpenAIで自分のチームを管理し始めたとき24歳でした。チームのメンバーに会えば、その印象は薄れるでしょうが。
私たちは本来、下っ端であるはずです。24歳といえば、企業の梯子の最下段にいる年頃です。会議の議事録を取り、いくつかのメモを書く。何年もの退屈な仕事の後で、（うまくいけば）より広い権限を与えられます。
私たちの道――そして今日の多くの若者の道――は、異なる様相を見せています。私たちは、すでに「部下」を自由に使える状態で労働市場に入っていきます。これらの代理者は昼も夜も、週末も祝日も働きます。彼らは下働きに長けています。私たちの下には、数学オリンピックの金メダリストすらアドバイザーとして在籍しています。新しい部下たちはまだ間違いを犯します。しかし彼らは改善を重ね、私たちのニーズを学んでおり、私たちも彼らのマネジメント方法を学びつつあります。
私たちのどちらも企業の梯子を登ったわけではありません。むしろ、マネジメントが私たちの段に降りてきたのです。本稿は、私たちの昇進について、そして知性の時代に入るにつれて企業が再編されうる他の形について書いたものです。
AIが企業に入るとき、それはどこへ行くのでしょうか？私たちは3つの典型的なシナリオを提示します：
私たちの下。 全員が自分の席を保ち、AI労働の新しい地下室がその下に育ちます。私たちは皆マネージャーになります。まずアシスタントを得て、次にチーフ・オブ・スタッフを得て、最終的にはそれぞれの下に全体を報告する小さなミニ企業ができる。すべての人が昇進するのです。
私たちの隣。 AIは一種の同僚として、既存の人間のマネージャーや経営陣の直接の下で働きながら、組織図に人間と並んで加わります。まずはこのタスクやあの役割を引き受けるところから始まります。やがて、より広範な機能を担い、より上位へと報告するようになります。
私たちの間。 最も直感に反するケース：上に人間、下に人間、そして間にAIが入ります。AIは業務を調整・監視し、野心的な働き手の独自の貢献を認識しながら、経営者のビジョンを実現します。
これらのシナリオのどれも記述どおりに進むことはないでしょうが、3つすべての側面が実現すると私たちは考えています。3つすべては、すでにささやかな形で起こりつつあります。
私たちのここでの関心は完全な自動化ではなく、移行期の経済です。私たちが関心を持つのは、AIが改良され、既存の組織に組み込まれていくにつれて、キメラ的な企業がどのような姿になるかということです。
私たちは、ハイブリッド企業が概念的に重要だと考えます。なぜならAIの生産的な導入は一瞬で起こるものではないからです。モデルが一部のタスクしかこなせないときは、その作業に精通した現場の従業員による導入が最も容易でしょう。モデルが広範な機能をエンドツーエンドでこなせるようになれば、上層部が直接使えるようになります。私たちの見解では、より有能なAIほど導入しやすくなります。企業は技術を学ばねばなりませんが、労働者は企業を学んでおり、自らオンボーディングできるのです。
私たちは3つの新しいタイプの組織図を詳しく検討し、その後、それらが煩雑な手続き、労働者の主体性、企業の規模、賃金格差の未来に何を意味するかを見ていきます。
昇進型
最初のシナリオは最も破壊が少ないように思われます。ここでは、人々は同じ席にとどまり、同じ報告ラインを維持し、表面的には以前と同じ仕事をしています。今日からこの未来まで、人間の組織図は変わって見えません。
違いは私たちの下にあります。各個人貢献者の下で、新しいAI労働力が私たち一人ひとりに報告を上げます。私たちの組織図には地下室ができ、私たちは皆マネージャーになるのです。
最初、この地下室は未完成です。私たちは一人ひとり1〜2体のエージェントから始めますが、それは経験豊富な従業員というより、監督し、寛容に許してやらねばならない意欲的なインターンのようなものです。私たちの期待は低いものです：ここでメールを1通送り、あそこでメモを起草し、どこででもSlackのメッセージに返信する。人間のジュニア社員と同じように、彼らはほとんど自律性と信頼のない状態から始まります。
しかしモデルが改良されるにつれ、私たちのエージェントはより少ない監督でより多くのタスクを引き受けます。彼らは互いに調整します。マネージャーAIと下働きAI、会計士や弁護士が、あなたの指示のもとで共に働くかもしれません。インターンの手取り足取り指導からほど遠い状態で、やがてあなたの組織は、それ自体が独自の組織図を持ち、あなたがその取締役会であるような小さな企業に見えるようになります。
Jaceは今も自分の会社の会計をしていますが、もはやスプレッドシートをクリックして回ってはいません。彼のエージェントの部下たちがそれをやります。Jaceの仕事は数年前の彼のマネージャーの仕事に近くなっています。そして彼のマネージャーは、今やさらに大きな権限を持っています。
Jaceの日常は完全に変わり、今ではコミュニケーション、調整、創造性に焦点が移っています。彼は働く時間が減り、より高い挑戦を感じています。彼の仕事人生にはより多くの変動があり、彼は以前には示せなかったリーダーシップのスキルとビジョンによって自分を際立たせています。
会計チームは縮小していません。なぜなら会社の他の部分も生産性を高め、これまで以上に多くの会計を必要としているからです。エージェントはまだ彼のチームが行うすべてをこなせるわけではありません。経営陣は財務データの組み立て方をまったく知らず、エージェントを効果的に使うには彼の専門知識が必要なのです。
解雇通知のない自動化
このシナリオがレイオフを意味しないことに注目してください。ここでは、自分自身を自動化することなくAIを導入します。私たちが代わりに自動化するのは 過去の私たち自身、そして私たちは階層を上がっていきます。AIはかつて私たちがしていたことをどんどん引き受けます。管理すべきものが増えるため仕事は残り、私たちはより大きな総産出量に対する責任を担うことになるのです。
仕事は静的なものではない（新しいウィンドウで開きます）。仮にAIが、あなたが以前行っていた仕事の90パーセントをこなせるようになったとしましょう。あなたは、残された仕事は10パーセントだけだと結論するかもしれません。しかし別の可能性として、あなたは依然として丸ごと一つの仕事をしている、ただそれが別の仕事になった――すなわち10倍大きな目標に焦点を合わせた仕事になった――ということもあり得ます。これこそがテクノロジーの古典的な贈り物です。生産性が高まり、それに応じて野心も高まり、そして 賃金も上昇しうる（新しいウィンドウで開きます） のです。
これはすべて、私たちが依然として生産に 価値を付加している（新しいウィンドウで開きます） かどうかにかかっています。このエッセイは、自動化がまだ万能ではなく、また普及してもいないこれからの数年間に焦点を当てます。たとえAIがすべてをこなせるようになったとしても、人が作ったからこそより価値を感じたり、最終決定権は人間が持つべきだと主張したりするかもしれません。
また、これは私たちの欲求にも依存します。もし消費者として、10倍の産出量を望まないのであれば、均衡はより少数の労働者やより短い労働時間へとシフトするでしょう。歴史的に見て、産出量の増加は私たちを飽足させたことがありません。私たちははるかに多くを 持ちながら（新しいウィンドウで開きます） 、労働時間はほんの少ししか 減っていません（新しいウィンドウで開きます）。産出量が倍増しても私たちの欲求が成長し続け、そして私たちが生産に付加価値を与え続けるのであれば、私たちは労働とより多くの消費を交換し続けることを選ぶでしょう。逆に、生産があまりに豊かになり私たちが飽足してしまえば、労働力を自発的に縮小するかもしれません。
後で議論する異論は他にもあります（例えば、より少数規模の企業がより多く生まれるかどうか）。それでも私たちはこのシナリオが重要だと考えるのは、普及はどこかから始まらなければならないからです。企業は現在の組織構造から安定的に進化する方法を必要としています。既存の従業員の仕事を強化することは、組織の全面的な再編よりも容易な第一歩かもしれません。今日、まさにそれが起きているのを目にします。従業員の一人また一人がAIに仕事を委譲しており、これまでのところ組織的革命は起きていません。
なぜ普及は底辺から始まる可能性があるのか
このシナリオは、最前線が最初に採用することを前提としています。マネージャーや幹部ではなく、現場レベルの労働者がAIの導入を主導します。これはありそうなことです。AIにその仕事を最もよくさせる人物が、以前は自分でその仕事をしていた人物である限りは。
モデルはすでに多くのデータサイエンスのタスクを自動化できますが、手法や細部に不慣れな部署の長は、そのツールを活用するのに苦労するでしょう。AIが、あなたの知らないことを教えてくれるほど積極的になるまでは（次のシナリオを参照）、おそらく仕事の進め方をすでに知っている人々にとって最も効果的に機能するでしょう。
エントリーレベルはもはや最下層ではない
このシナリオでの最大の変化は、エントリーレベルの労働者にとってのものです。もはや最下層の階段は存在しなくなるでしょう、少なくとも人間にとっては。若者を採用する際、彼らを会社の退屈な最下層に置くためではなくなるのです。そのポジションは、気にしない何かによって埋められることになります。
それに伴い、若い労働者を教育する伝統的な経路のいくつかを失います。 徒弟制度（新しいウィンドウで開きます）、下働きを通じた学び、実績の積み重ねです。これらは確かなコストですが、私たちはこれをほとんど特権として捉えています。優れたアイデアを持つ最も未熟な新入社員でさえ、実験するためのリソースを持てるのです。職場で最も古い言い訳である「 人手が足りない」は死につつあります。素晴らしいビデオゲームの構想を頭の中に持ちながらも採用枠への道がない若手社員は、今や単純にそれを作れるのです。
私たちの見解では、この「昇進」シナリオにおいても、若手労働者には学ぶべきことが多く残っています。判断力、センス、マネジメントの筋肉、創造的ビジョンです。これらのスキルは仕事の成果物に現れるため、私たちはそれらを磨くインセンティブを持つでしょう。私たちは依然として 実践を通じて学ぶ（新しいウィンドウで開きます）, ただしより高いスコープのレベルで。会社のベテランたちには、責任ある管理者として（我々の成功に対する株式を持つ形で）我々を支援するインセンティブが引き続き存在する。ここでの機会とは、あらゆる階層の全員にとって、より刺激的な役割である。どんな労働者でも、より大きな権限を持って才能を発揮できる。これは、これまで一切の権限を持たなかった新入社員にとって最も重要なことだ。
インターリービング（織り込み）
AIが企業に入り込む2つ目の方法は、既存の組織図の中を縫うように浸透していくものだ。ここではエージェントは屑ではなく同僚である。従来型のマネージャーは、チームの仕事のひと固まりを、任意の従業員に委任するのと同じようにモデルに任せる。AIは人間の下だけでなく、人間の隣に自らを組み込んでいくのだ。
最初のシナリオとの重要な違いは、ここでは生産的なAIが 既存の人間のマネージャーによって採用される点であり、現在の個人貢献者だけによるものではない。そのためには、AIは一人前のチームメンバーとして十分に有能でなければならない。
Sheilaは家具会社のVP（副社長）だ。彼女は広告キャンペーンを運営したことがない。彼女はAIマーケティングチームに予算と売り出す新しいソファを与える。AIはローンチのタスクを自らのエージェントたちに分担させる。あるエージェントは営業担当者にインタビューし、別のエージェントは工場と実際に納品可能な内容について調整する。あるサブエージェントはオンライン調査を開始し、さらに数体のエージェントが異なるビジュアルスタイルの試作を行う。
ドラフトや修正版は彼女の机を経由せずにやり取りされる。人間の営業チームとデザインチームは、マーケティングエージェントのチームとともに、今も彼女の指揮下にある。月曜日、彼女は承認待ちのキャンペーンと、「写真だとソファが青っぽく見えすぎないか」という質問を手渡される。広告の専門家が先回りして指摘してくれなければ、そうした細部には気づかなかっただろう。彼女はエージェントに対し、人間のカメラマンと再撮影について調整することを承認する。
スコープのエスカレーター
人間はジェネラリストです。ハンマーは一つの作業を助ける道具ですが、人間ははるかに多くのことをこなします。AIが道具から労働力へと進化する道のりは、対象範囲の拡大です。まず作業を自動化し、次に仕事、さらにチーム、そして最後には企業全体へと及びます。範囲が一段階広がるごとに、より幅広い能力が求められます。
仕事とは、多くのタスクが詰まったスーツケースです。チーム全体にとって、そのスーツケースには実にさまざまな多様な業務がぎっしり詰まっています。担当範囲のタスクが多ければ多いほど、ボトルネックになる可能性も増えます。チームの必須タスクに肉体的労働が一つでも含まれていれば、まったく新しい一式の周辺機器が必要になります。チーム全体の代役としてすぐに組み込める存在となるには、AIはそれらの多岐にわたる職務のすべてをこなせなければなりません。
より大きな範囲を扱えるAIは構築が難しくなります。しかし企業にとっては——これこそが移行全体の中心的な非対称性なのですが——大きいスコープのほうが採用しやすい.
エンドツーエンドで自動化されたチームや幅広い機能は、経営幹部がそのまま直接導入できます。しかし、能力がより限定的なツールは、上からの単純な指示では実装できません。よりシンプルなツールは、従業員全体の幅広い合意と再教育に依存するのです。
企業は技術を学び、労働者は企業を学ぶ
新しい技術は伝統的に、限られた一連の作業をより安価に行えるようにしてきました。その後、負担は買い手に移ります。企業は新しいツールをどう活用するかを見極めなければならず、 プロセスを再訓練し、再編し、再構築すること（新しいウィンドウで開きます） その周囲に合わせて。表計算ソフトウェアが会計部門に勝手に導入されたのではなく、会計部門がソフトウェアに合わせて自らを再構築したのだ。
労働はその対極にある。インターン、従業員、そして優れたチームは、どうすれば役に立つかを考え出す。 あなた。彼らはあなたに質問し、あなたの文脈を吸収し、あなたのニーズに気づきます。あなたが知らないことすら認識していなかったことを教えてくれる。最高の労働力は自らオンボーディングを行うのです。
この意味で、AIが主体性と適応力を備えた労働力のようになればなるほど、企業はその使いこなし方を学ぶ必要が減り、AIのほうが企業にとって役立つ方法を自ら見いだしていく。経営幹部は、新しいツールを覚えるためにデザインソフトの入門講座（101）に腰を据えて耳を傾けたりはしないだろう。だが、次のような提案なら喜んで受け入れるはずだ。 「一言いただければ、マーケティング機能全体をセットアップしますよ」.
これは単独犯型の経済ではありません
AGIの聖杯を、ひとつの仕事の自動化として名指しすることがあまりに多い。確かに、私たちはその段階にすらまだ達していない。仕事が極めて複雑なのは、私たちが驚くほど高い能力を持っているからだ。それでも、 ごくわずか(新しいウィンドウで開きます) 経済の産出量は、単独で働く労働者から生まれています。生産的な仕事はチームに貢献し、チームは企業に貢献し、そして企業が私たちが消費するほとんどすべてのものを生産しています。
AGI の「仕事」基準は、私たち人間を過小評価しています。労働とは単にタスクの遂行や、非定型的な部分の処理だけではなく、私たちの労働はまた、並外れた 調整、より大きな成果の小さな部分を担う私たちの可塑性です。私たちを単なるタスクの詰め物として売り込むのは、本来の価値のほんの一部にすぎません。人間の能力は 私たちの組織（新しいウィンドウで開きます） 個人よりも優れていること。経済的AGIは次の基準に達しなければならない。 人々、ではなく 人物.
その結果、AIがまだツール型やワーカー型の段階で、チーム型や企業型になっていない場合、「インターリービング(交互配置)」のシナリオはかなり非効率になる可能性があります。すべての労働者の隣にモデルを割り込ませるということは、 無数の継ぎ目と受け渡し（新しいウィンドウで開きます）。この断片的な構成は、普及を遅らせる可能性があります。
私たちは、より早いが性能の低い実装と、より遅いがより高性能なモデルとの競争を目にすることになります。勝者は、将来のモデルの採用が、その能力に到達するまでの余分な時間を上回るほど速いかどうかにかかっています。
ここまでの2つのシナリオ
この「インターリービング（交互配置）」シナリオは、最初の「昇格」シナリオと共存できます。AIが特定の機能を自動化するにつれて企業は人間の占める割合を縮小しつつ、残された人間はエージェントの作業部隊に支えられ、はるかに広範な権限を与えられるかもしれません。重要なのは、このシナリオ自体は人間の総雇用の減少を意味しないという点です。企業数が増え、各企業の従業員数が少なくなるという状況もあり得ます。
レイヤリング（階層化）
3番目のシナリオは、最も混乱を招くものです。ここでは、AIが人間の 上に 企業に入り込んでいます。スタックはもはや機械の上に人間がいるのではなく、人間、AI、人間という、オートメーションのサンドイッチです。一部の人々はAIに「報告」します。
突飛に聞こえます。特に、企業での採用の出発点としてはそうです。しかし、私たちは、より穏当な形であれば、これはすでに始まっていると考えています。
最高経営責任者のアーシャは、AIコンサルタントから、近日中のローンチに問題があると通知を受けます。AIコンサルタントはすでに問題を調査し、営業チームが約束した機能をエンジニアリングチームが開発していないことを突き止めています。証拠はSlackの通常の作業スレッドから引き出されたもので、誰も彼女に報告書を書いておらず、チーム間の誤連絡に気づいた者さえいません。
AIコンサルタントは、ローンチの延期と3人のエンジニアの再配置を提案する。さらに、在宅勤務のエンジニアであるSarahが、誰にも頼まれていないにもかかわらず、プロジェクトのためにすでにいくつかの有用なインフラを構築していたことに気づく。コンサルタントは、Sarahの自発的な貢献が確実に認められ、Ashaに伝わるようにする。AshaはSarahに電話をかけ、期待以上の尽力に感謝し、彼女を新たな取り組みのエンジニアリングリードに任命して称賛する。
はしごは上から燃えるかもしれない
AIを認知労働の機械化装置と捉えるときでさえ、私たちは往々にして下位の段に目を向けがちだ。典型的には、AIはスプレッドシートやスライド資料を自動化するのであって、マネジメントを自動化するのではないと言われる。自動化は階層を登っていく、つまり認知的な下働きが最初で判断が最後であり、マネージャーが最後の砦だ、というのが私たちの直感である。
しかし、マネージャーの仕事はその大部分がコンピュータ上と頭の中に存在する。読み、会議をし、秤にかけ、文脈を保持し、意思決定を行う。物理的な存在には価値がある。オフィスのフロアを回り、現場のメンバーとともにいることには意義がある。それでも、 atoms やツールとより多く関わるのは、たとえ主に認知的な仕事であっても現場レベルの仕事である。コピー機に送られるのはインターンであって、その上司ではない。
マネージャーの意思決定をモデルに教え込むのは難しい。成功の判定が曖昧で、長い時間軸で測定されるからだ。これは、優れた人間のマネージャーを育成するのが難しいのと 同様の理由(opens in a new window) によるものである。モデルがマネジメントにおいてどれほど優れているかはまだわからない。実行型の認知労働に関する評価は豊富にあるが、マネージャーやエグゼクティブの規模における大規模なオーケストレーションを捉えた評価はほとんどない。
それでも、今日のモデルは、現場レベルの労働者よりも人間のマネージャーに能力が 近い かもしれないという点は考える価値がある。いくつかのマネジメント機能は、それが監督する仕事より先に自動化されるかもしれない。
どこにでも、いつでもいるコンサルタント
この「レイヤリング」シナリオの完全版とは、思考を行うAIが、自分への報告を義務づけられた人間の請負業者で能力の空白を埋めるというものかもしれない。その世界は私たちにはかなり異質に思える。多くの変化が必要だろう。
しかしそれよりも有機的な形態があり、その幕開けはすでに舞台に上がっている。それは アドバイスだ。今日、エグゼクティブはChatGPTに、会社全体にわたる何百ものSlackチャンネル、文書、通達、コードファイルを読ませ、質問に答えさせることができる。このチームは実際には何をしているのか。あの脆弱性はどこで顕在化しているのか。組織のあらゆる部分が、彼女にとって ますます解析可能(opens in a new window) になりつつある。
エグゼクティブたちは昔から、組織図に雇われの中間業者を織り込んできた。彼らはそれをコンサルティングと呼んだ。マネジメントコンサルタントは、あなたを短期間かつ高額にレイヤリングする。今後は、AIコンサルタントは桁違いに安価で、常に存在するものになるかもしれない。
モデルが企業の文書やコミュニケーションを確実に解析し始めたのはほんの最近のことだ。その審美眼と自発性は成熟しなければならない。現時点では、ChatGPTは意欲的なエグゼクティブが自らの組織をより詳細に理解する手助けをする。私たちは、それがやがてフルサービスのコンサルティングファームになると見ている。それは下位の従業員の真の「マネージャー」になるのではなく、むしろエグゼクティブのための社内コレスポンデントでありアドバイザーとなるだろう。ビジネスの専門知識を活かしてあらゆるものをスキャンし、痛みのポイントを自発的に浮かび上がらせ、トリアージを支援する。
これが有益か有害かは、エグゼクティブ次第である。構造的な効果は 中央集権化である。私たちはこれが、Cスイートと会社の実体との距離を縮めると見ている。かつては情報の摩擦がより分散的な意思決定を有利にしていたところに、頂点により多くの権力を与えるのだ。
私たちがこのシナリオを深遠だと考えるのは、権限の再配分というだけではない。AI・アズ・ア・コンサルタンシーがいかに容易に導入できるかという点でもある。従来のコンサルティングと同様に、AIコンサルタントはエグゼクティブに技術的な見識を要求しない。これは、タイプとターミナル操作ができた者が下から採用したコンピュータとは違う。ただコンサルタントに話しかければ、技術的なノウハウは向こうが処理してくれる。この導入の波は、経営トップのオフィスから始まりうる。そしてコンサルタントは、今度は組織の他の部分全体でのAI導入を加速させうるのだ。
変わりゆく雇用契約
企業がリモートワークと請負契約を信用しない理由として大きく立ちはだかるのが、強制可能性である。企業が仕事の遂行を、その価値に見合った豊かさをもって観察する安価な方法は、これまで存在しなかった。そこで企業は仕事の パントマイムを測定(opens in a new window) してきた。クリック数、マウスの揺れ、緑のステータスドット。良い仕事が行われているかどうかからあまりにかけ離れたシグナルである。
AIは、仕事を 理解する。人は生み出したものを評価され、より大きな目標に向けた真の前進を認識してもらうことができる。次のセクションで見るとおり、新しい監視が 軽率に導入されてはならない(opens in a new window)。しかし、適切な状況の下では、監視は信頼を高め、企業が従業員により多くの自由を与えることを後押しできる。
モニターが良い仕事の成果につながりうる数多くの異なる道筋を理解していれば、従業員は自分の望むように、より自由に働くことができる。上司が追跡しやすい画一の方法ではなく、良い結果への前進そのものが重視される。賢いモニターは柔軟性をもたらし、私たち誰もが嫌う「見せかけの生産性」を罰する。
ここでの価値提案は、車にトラッカーを取り付ければ保険料が下がる保険会社のそれに似ています。システムを操作しようとしていた人にとってこれは不利になりますが、単に仕事をしていただけの人にとっては、モニターがその正当性を証明し、経営層はあなたをより信頼するようになります。
その信頼は生産的です。私たちは、これまでハイブリッドワークに消極的だった企業や、型破りな人材、請負業者、あるいは遠く離れた国の優秀な人材の採用に対する 新たな意欲（新しいウィンドウで開きます） これまでハイブリッドワークに消極的だった企業から、型破りな発想の人々、請負業者、あるいは遠い国で優秀な人材を雇用することまで、さまざまなケースが含まれます。
組織図について、現場の社員が抱える問題は数多くあります。自分が直接目にする問題を上層部に届ける手段が存在しないのは、非常に心がくじけます。非効率な上司の下に留まらされたり、優れた仕事が評価されなかったりするのは、理不尽な扱いです。
私たちは、これまでのビジネスの過剰最適化の波が、限られたデータ、大雑把なガイドライン、そして愚かなアルゴリズムの上に築かれたものだと見ています。処理できるのがギア比だけなら、誰もが歯車のように見えます。企業は長い間、労働力の測定問題を抱えてきました。知的なモニターは、今日の粗雑な指標では見逃される貴重な貢献や独自のアプローチを認識できるでしょう。
4つの大きな問い
3つの様式化されたシナリオ全体から引き出しながら、これから企業の未来を左右する決定的な問いをいくつか探っていきます。
企業の煩雑な手続きは増えるのか、減るのか？
一般に、物事を作り上げるのは非常に高コストです。アプリ、映画、プレゼン資料、機能、分析：これらはすべて、やり直すのが高くつき、時間がかかり、苦痛を伴います。実質的に一発勝負なら、狙いを定めることに投資します。計画サイクル、ロードマップの儀式、承認委員会があり、それらはすべて、企業がついにGOを出すときに、価値あるものに向けてGOが出るようにするためのものです。私たちの階層組織に多くのチェックが存在するのは、実行が貴重だったからです。
多くの分野で、AIは作り上げるコストを崩壊させつつあります。少なくともプロトタイピングのレベルまで、最終的な完成まででなくとも。私たちは、企業のアプローチもそれに合わせてシフトすべきだと考えています。狙いは少なく、撃つ回数は多く。企業はプロトタイプを作り、観察し、速く学び、方向転換し、再び作ればよいのです。 簡単なプロトタイピング（新しいウィンドウで開きます） は、計画集約的な生産を支える制度から企業を遠ざけていくはずです。
この最も単純な形は、より速く反復するチームです。より過激な解釈では、チームそのものが問い直されます。協調的な計画の重要性が下がり、相関のない多様なアイデアの重要性が上がるなら、速く反復する単一のチームのほうが良いのか、それとも各自が自分の動くプロトタイプを提出する多くの個人のほうが良いのか。実際のプロトタイプがどんなスコーピング文書よりも効果的にビジョンを伝えられるなら、コミュニケーションの規範は変わるでしょうか。より多く、より早く共有し、メモではなく成果物を共有するようになるのでしょうか。
安価な制作は、企業を個人へと傾かせるかもしれません。これは、中間管理職の層の減少と、許可を求める回数の減少を意味します。かつては許可を求めるほうが実行するより安上がりだったのが、今はそうではないからです。
とはいえ、次に議論するように、個人のリスクの少ないプロトタイピングを可能にする同じテクノロジーが、より大量の煩雑な手続きを強制することにもなり得ます。
労働者の主体性は増えるのか、減るのか？
企業がトップダウンの管理を強制する大きな理由は、幹部が若手の労働者よりも優れた ビジネスに関連した意思決定（新しいウィンドウで開きます） を行うという信念です。企業は最上位の有能なベテランに高い報酬を払い、マネージャーはビジネス戦略の訓練を受ける一方、個々の専門職は自らの専門分野に特化しています。AIがすべての労働者に優れた助言を提供するなら、意思決定の質のギャップは縮まります。マネージャーが口を出す理由は減り、労働者の自律性は高まり、管理の階層は減る可能性があります。
同様に、「AIコンサルタント」は、幹部に警告されることなくあまりに重大な事態が起こらないことを保証します。労働者が会社に深刻な影響を及ぼすブログ記事を公開しようとしている場合、コンサルタントはそれを幹部に積極的に通知します。これが信頼を生みます。経営層は、自分たちが知らないうちに大きな失敗が起きることを心配する必要がなくなり、労働者の仕事のやり方にこれほど 厳しい締め付け（新しいウィンドウで開きます） を課す必要もなくなります。
しかし、AIコンサルタントは 両刃の剣（新しいウィンドウで開きます）でもあります。知的なモニターとして労働者への信頼を高めることもできれば、組織全体にCEOの好むやり方をより強力に強制することもできます。企業は 一貫性（新しいウィンドウで開きます）：単なる良い決断であるだけでなく、企業の文化、ブランド、規模の経済とも整合する決断です。レストランチェーンは、食材をまとめて発注でき、顧客が一定の品質を期待できるよう、各フランチャイズで共通のメニューを好むかもしれません。
関連して、企業の経営者へのインセンティブは、必ずしも労働者と一致するとは限りません。労働者は自らの 領域の成功(新しいウィンドウで開く) を最適化する一方、経営幹部は企業全体を重視します。株式の所有者は賃金労働者とは異なる選好を持っています。なぜなら、彼らはより一生懸命働いた 見返りを享受する(新しいウィンドウで開く) からです。コンサルティング会社は、上からの指示された特定の方針へのより厳格な遵守を強制できるでしょう。
私たちの見解では、総合的に見て、労働者はより大きな自律性(エージェンシー)を得ることになります。私たちの楽観論は、企業がAIを使って重大な例外にフラグを立てつつ、より多くの意思決定を労働者に委ねるという前提に基づいています。
AIは足場として機能すると私たちは考えています。経営幹部が一貫したブランドを維持したいと望むとしても、それは単に活動の範囲内での制約にすぎないでしょう。労働者は、関わるビジネス上の制約をよりよく把握し、その制約の外側での創造性に対してもよりよく保障されます。基盤が整うことで、経営幹部は従業員に、潜在的に利益をもたらす新しいアプローチを試させることができます。私たちの下でAIの助手に支援されながら、労働者はより大きな成果に対しても責任を負うことになります。より複雑な仕事を指揮する際に、より多くの創造性の機会が生まれると私たちは考えています。
企業は縮小するか、拡大するか?
労働者の自律性に関する同じ論理は、企業の規模にも当てはまります。 ロナルド・コース(新しいウィンドウで開く) は、なぜ私たちは契約の網を通じてではなく、企業内部で生産を組織するのかを問いました。飛行機ですら、純粋に対等な契約だけで製造できるかもしれませんが、それは非常に非効率的でしょう。企業は規模の経済を動員し、インセンティブを一致させ、大規模なプロジェクトを組織し、絶え間ない駆け引きの必要性を解消します。
コミュニケーションを容易にすることで、AIはより大きな企業やより小さな企業を正当化する可能性があります。従来型の企業は、情報を上に伝え指示を下すためのインフラであり、摩擦と「伝言ゲーム」だらけです。AIが調整レイヤーとして機能すれば、(より多くの人間の従業員を抱える)より大きな企業も、扱いにくさが軽減されます。「AIコンサルタント」があれば、経営幹部は、創業者が20人規模のスタートアップを把握するのと同じように、自社を把握できます。取り組みの実施状況を四半期ごとの報告を待つことなく直接見届け、何かが起これば通知を受けることができます。彼女のビジョンはより広く浸透します。誰もが、他の誰が何をしているか、そして組織全体の優先事項を、よりよく把握します。
逆の方向に働く可能性もあります。コミュニケーションが摩擦なく、コンプライアンスがより監視しやすいものになれば、企業はサプライチェーンをそれほど内部化する必要がなくなります。企業は外部のサプライヤーや請負業者をより信頼できるようになります。
垂直統合の大きな動機の一つは、インセンティブを一致させることです。「 不完全契約(新しいウィンドウで開く)」という考え方があります。航空宇宙企業はジェットエンジン企業と契約できますが、契約に明示されていないすべての事項については、ジェットエンジン企業はコストを削減し自社の利益を優先するインセンティブを持ちます。これを避けるために、航空宇宙企業はジェットエンジン企業を買収するのです。労働者と経営者の関係と同様に、契約がより監視しやすく、チェックボックスの確認ではなく知的に裁定されるようになれば、企業は他の企業に依存することに、より安心感を覚えるかもしれません。すべてを社内で行う理由は少なくなるでしょう。
私たちは、より多くの小規模な企業が生まれると同時に、膨大な数の異なるプロジェクトが一つの企業内で行われる、巨大なAI「持株会社」も見られると予想しています。コングロマリット(複合企業)が経済的に成立するのは、すべての異なるプロジェクトが活用する何らかの 共通資産 がある場合です。この共通資産はコンピュートである可能性もありますが、コンピュートは小規模なアドホックな量で容易に調達できます。共通の工場やロボットのフリートのほうが、より良い動機になります。
大規模な「持株会社」は、 整合したインセンティブによっても正当化され得ます。AIと資本からなる大組織が、がんの治療といった共通のミッションに完全に専念しているなら、別々のより小さな取り組みの必要性は低くなります。AI企業は権力闘争を避け、すべての情報を共有し、必要な場合にはエージェント間に 創造的な多様性を生成 して、異なる道が探索されるようにすることができます。
賃金格差は拡大するか、縮小するか?
現在の制度は、際立った労働者に報酬を与えるはずのものです。彼らは昇進し、より良い報酬を得ます。しかし、優秀なモデルのアドバイザーが存在する世界では、労働者はどうすれば自分を際立たせられるのでしょうか?
AIが同じ素晴らしいアイデアを全員に与えるなら、差別化の機会は減ります。賃金水準は圧縮されるはずです。
この圧縮に对立するのが、判断力、センス、そしてScope(裁量の範囲)です。私たち一人ひとりが自分の下にAI企業を率いるなら、人間の残余的価値は私たちの意思決定にあります。各自がより大きな取り組みに責任を負うなら、良い判断と悪い判断の違い より大きく響く(新しいウィンドウで開きます).
私たちはこの論理を組織の頂点に長年適用してきました。私たちは CEO報酬(新しいウィンドウで開きます) を、頂点でのわずかに良い意思決定が最終利益に大きな影響を与え得るという考えによって正当化してきました。一部の労働者が、希少な資源を配分するために自らの下にあるAI企業をより上手く管理するようになれば、賃金格差は拡大する可能性があります。
かかっているものが大きいほど、他者に対するあなたの小さな優位性が給与に大きく現れます。一方で、AIは誰にでも良い助言を与えるでしょう。差別化が縮小すれば、賃金分布は平らに押しつぶされます。
ここでも他の場所でも、支配的な力は、私たちが主に判断を提供しているのか、それとも判断に従っているのかによって決まるでしょう。