企业的未来

# 公司的未来 来源：https://openai.com/index/the-future-of-the-firm/ ***作者按：****这是我们关于"下一个经济"系列文章的第二篇，属于一个**新平台*（https://openai.com/news/intelligence-age/）*，旨在为探索通用人工智能（AGI）未来的独立声音提供发布空间。文章反映的是我们的观点，不代表OpenAI或其同事的立场。\* 我们两人24岁时就开始在OpenAI管理自己的团队。见过我们的团队之后，你就会觉得这没那么了不起。 我们本该是干杂活的。24岁，正处在公司阶梯的最底层。你负责做会议记录，写几份备忘录。经过多年苦干之后，（希望）会被赋予更大的职责。 我们的道路——以及今天许多年轻人的道路——看起来不同了。我们踏入职场时，就已经有了可供差遣的"员工"。这些副手日夜不停地工作，周末和节假日也不休息。他们非常擅长干杂活。我们甚至请到了数学奥林匹克金牌得主作为顾问。我们的新部下仍然会犯一些错误。但他们正在变得越来越好，越来越了解我们的需求，而我们也在学习如何管理他们。 我们两人都没有沿着公司的阶梯一步步往上爬。管理权反而自己下放到了我们这一级。这篇文章讲的是我们的"晋升"，以及在我们步入智能时代之际，公司可能以哪些不同方式重组。 当AI进入公司时，它会出现在哪里？我们提出三个示意性场景： 三张组织架构图分别展示AI位于人类员工之下、旁边和各层级之间；空心圆代表人类，紫色实心圆代表AI。 **在我们之下。**所有人都保住了自己的位置，而一个新的AI劳动力地基在下方生长。我们都变成了管理者。首先我们有了助理，然后是幕僚长，最终是向每个人汇报的整个微型公司。每个人都获得了一次晋升。 **在我们之旁。**AI加入组织架构图，与人类并列，充当某种同事的角色，直接为现有人类管理者和高管工作。它起初接手这样那样的任务和角色。随着时间推移，它执行更广泛的职能，向更高的管理层汇报。 **在我们之间。**最违反直觉的情形：上面是人类，下面是人类，AI处于中间。它协调和监督工作，贯彻高层的愿景，同时认可有进取心员工的独特贡献。 这些场景都不会完全按照我们描述的方式展开，但我们认为三者的一些方面都会成真。三种情形其实已经在以微妙的方式同时发生。 我们关注的焦点不是完全自动化，而是正在转型的经济。我们感兴趣的是，随着AI不断进步并渗透到现有组织中，混合型公司会是什么样子。 我们认为混合型公司在概念上非常重要，因为AI的高效采用并非一蹴而就。当模型只能执行一部分任务时，最熟悉工作的基层员工可能最容易接受它。而当模型能够端到端地执行广泛职能时，高层管理者就可以直接使用它。在我们看来，能力更强的AI更容易被采用：公司需要学习如何使用新技术，但劳动力已经了解了公司，能够自我融入。 我们将剖析三种新型组织架构，然后探讨它们对繁文缛节、员工自主权、公司规模和薪酬差距的未来意味着什么。 ## 在我们之下 我们的第一个场景似乎是最不具颠覆性的。在这里，人们保持同样的位置，同样的汇报关系，表面上做着和以前一样的工作。人类的组织架构图看起来与今天毫无变化。 差别在我们下面。在每个个人贡献者之下，一支新的AI劳动力队伍向每个人汇报。我们的组织架构图多了一个"地下室"，而我们都成了管理者。 起初，这个"地下室"还没有建好。我们每人先有一两个智能体，与其说是老练的员工，不如说是我们必须监督、且随时需要原谅的热切实习生。我们的期望很低：在这里发封邮件，在那里起草一份备忘录，在各处回复Slack消息。就像初级人类员工一样，它们起初几乎没有自主权和信任。 但随着模型的改进，我们的智能体在更少监督下承担更多任务。它们之间相互协调。可能会有经理型AI和杂工型AI，有会计型AI和律师型AI，一切都在你的指挥下协同运作。你早已不必手把手带实习生了，你的运营最终看起来就像一家小型公司，有自己的组织架构图，而你就是它的董事会。 一位工人和一位管理者站在一张桌子旁，桌面上是一个在其表面之下运作的微型团队。 *Jace依然在他公司里负责会计工作，但他不再在电子表格里点来点去了。那是他的AI下属们干的活。Jace的工作更像是几年前他上司的工作。而他的上司，如今的职责范围又扩大了。* *Jace的日常工作彻底改变了，现在专注于沟通、协调和创造。他工作时间更少了，却感到更有挑战性。他的工作生活有了更多变化，他以前无法展现的领导力和愿景成了他的加分项。* *会计团队并未缩减，因为公司其他部门的生产力也提高了，需要的会计工作反而更多了。智能体们还不能完全替代他的团队所做的所有事情。高管们对如何汇总财务数据一窍不通，仍然需要他的领域专业知识才能有效利用这些智能体。* ### 没有裁员的自动化 请注意，这个场景并不意味着裁员。在这里，我们采用AI而不是将自己自动化。我们反而自动化了*过去的自己*，并在层级中向上移动。AI承担了越来越多我们以前做的工作。我们的职位得以保留，因为有更多东西需要管理，而我们承担了更大规模产出的责任。 就业并非静态的（新窗口打开）(https://shapingwork.mit.edu/research/why-are-there-still-so-many-jobs-the-history-and-future-of-workplace-automation/)。假设AI能完成你以前90%的工作。你可能会认为自己只剩10%的工作了。另一种可能是，你仍然在做一份完整的工作，只是性质不同——如今聚焦于一个大十倍的目标。这就是技术的经典馈赠：生产力提高了，雄心随之提升以匹配，工资也会随着雄心而上涨（新窗口打开）(https://www.nber.org/papers/w24165)。 这一切取决于我们是否仍然为生产*增加价值*（新窗口打开）(https://www.aeaweb.org/articles?id=10.1257/jep.33.2.3)。本文关注的是未来几年内自动化尚不普遍适用或普遍采用的时期。即使AI什么都能做，我们可能仍然因为某样东西是人做的而赋予它更高价值，或者坚持要求一个人拥有最终决定权。 这也取决于我们的消费欲望。如果我们作为消费者不需要多十倍的产出，均衡点将向更少的劳动者或更短的工作时间倾斜。历史上，产出的增加从未让我们满足。我们拥有了*多得多*（新窗口打开）(https://ourworldindata.org/grapher/gdp-per-capita-maddison-project-database?tab=line)，却只工作了*少一点*（新窗口打开）(https://ourworldindata.org/grapher/annual-working-hours-per-worker)。如果我们的欲望随着产出的成倍增长而持续增长——而我们仍然是生产的增值因素——我们将选择继续用劳动换取更多消费。反之，如果生产变得极其充裕，我们感到满足了，我们可能会自愿缩减劳动力。 一盘小房子形状的蛋糕放在一排更大的房子形状蛋糕前面。 我们后面还会讨论更多的反对意见（例如，我们是否会看到更多更小的公司）。但我们仍然认为这个场景很重要，因为采用总要从某个地方开始。公司需要一种从现有组织结构平稳演化的方式。加强现有员工的工作可能是比彻底重组更容易迈出的第一步。我们今天已经看到了这种情况：一个又一个员工将工作委托给AI，而尚未引发组织革命。 ### 为什么采用可能始于基层 这个场景依赖于一线率先采用。基层员工——而非管理者和高管——引领AI的采用。只要最擅长让AI做好工作的人正是过去亲自做这些工作的人，这就很可能发生。 模型已经能够自动化许多数据科学任务，但一位不熟悉这些方法和细节的部门主管将很难利用这些工具。在AI变得足够主动、能够告诉你你不知道什么之前（见我们的下一个场景），它很可能在那些已经熟悉工作方式的人手里效果最好。 ### 入门级不再是最低级别 这个场景中最大的变化是针对入门级员工的。不再有最低的一级，至少对人类来说如此。当我们招聘年轻人时，不会是把他们放在公司里枯燥的最底层。那些岗位将由不介意干这些的东西来填补。 随之而来的是，我们失去了教育年轻员工的一些传统途径：学徒制（新窗口打开）(https://www.cambridge.org/highereducation/books/situated-learning/6915ABD21C8E4619F750A4D4ACA616CD#overview)、在杂活中学习、凭资历挣得认可。这些是真实的损失，但我们主要将其视为一种特权。一个最资浅的新人，只要有一个好点子，就能获得实验的资源。大楼里最古老的借口——*我们就是没有人手*——正在消亡。一个初级员工，脑海里有一个很棒的电子游戏，却没有获取编制的途径，现在可以直接把它做出来。 在陶艺工作台上，一些未完成的泥碗和一些完成的陶瓷碗摆放在一起。 在我们看来，这个"晋升"场景仍然有很多东西需要初级员工去学习——判断力、品味、管理能力和创造性愿景。我们会因为这些能力体现在工作成果中而受到激励去培养它们。我们仍然会*在实践中学习*（新窗口打开）(https://academic.oup.com/restud/article-abstract/29/3/155/1539235)，只是在更高层次的范围上。公司里的前辈仍然有动力以负责任的引路人身份帮助我们（他们在我们的成功中拥有股权利益）。这里的机会是让每个层级的每个人都能获得一个更令人兴奋的角色。任何员工都能通过更大的职责范围展示自己的才华，这对过去完全没有职责范围的入门级员工来说最为重要。 ## 交错 AI进入公司的第二种方式是编织进现有的组织架构中。在这里，智能体不是底层劳工，而是同事。一位传统的管理者把团队工作的一部分交给一个模型，就像她委托给任何员工一样。AI将自己插入到人类旁边，而不仅仅是下方。 与第一个场景的关键区别：在这里，高效的AI被*现有人类管理者*所采用，而不仅仅被当前的个人贡献者采用。要做到这一点，它必须足够胜任，成为一个完全合格的团队成员。 一位管理者指挥着一支蓝色的AI营销团队，与相邻工作区的人类团队并行运作。 *Sheila是一家家具公司的副总裁。她从未策划过广告活动。她给了一个AI营销团队预算和一张新沙发去推销。该团队在其自身的智能体之间分配发布任务。有些去采访销售人员。另一些与工厂协调，确认实际能交付什么。一个子智能体发起了在线调查，还有几个在制作不同视觉风格的原型。* *草稿和修改在它们之间来回传递，无需经过她的办公桌。她的人类销售团队和设计团队仍然向她汇报，营销智能体团队也一样。周一，她收到一份待审批的营销活动方案，以及一个问题：照片是否让沙发显得太蓝了。如果没有一位广告专家主动指出这种细节，她永远不会意识到。她批准智能体与人类摄影师协调进行重拍。* ### 范围的自动扶梯 人类是通才。一把锤子能帮上一个忙；而一个人能做的远远多得多。AI从工具到劳动力的旅程是一个不断扩大的过程：先自动化任务，然后是工作岗位，再然后是一个团队，最后是一家公司。每提升一步范围，都需要更广泛的能力。 一份工作是一个装满许多任务的手提箱。对于一个完整的团队来说，那个手提箱塞满了各种各样的工作。职责范围内的任务越多，潜在的瓶颈就越多。如果团队中哪怕有一项基本任务涉及体力劳动，就需要一整套全新的外围设备。要作为一个完整团队的即插即用替代品，AI必须在所有各项职责上都具备能力。 能处理更大范围的AI更难构建。但对于公司来说——这是整个转型中的核心不对称——*更大的范围反而更容易采用*。 自动化范围从任务扩展到员工、团队和公司；范围越大，自动化越难，但采用越容易。 一个端到端自动化的团队或广泛职能可以直接被高管采用。能力更窄的工具则无法如此简单地从上而下推行。更简单的工具需要在全体员工中获得广泛认同和重新培训。 ## 公司学习技术；劳动力学习公司 新技术传统上使一组特定任务的执行成本降低。然后负担转移到买方。公司必须弄清楚如何利用新工具，并且必须围绕它*重新培训、重新组织、重建流程*（新窗口打开）(https://www.researchgate.net/publication/4724731_The_Dynamo_and_the_Computer_An_Historical_Perspective_On_the_Modern_Productivity_Parity)。电子表格软件没有自己装进会计部门——是会计部门围绕软件重塑了自己。 劳动力恰恰相反。一个实习生、一个员工、一个优秀的团队会想办法对*你*变得有用。他们会探究你，吸收你的背景，留意你的需求。他们会告诉你你甚至不知道自己不知道的东西。最好的劳动力会自我融入。 AI在这个意义上越是像劳动力——拥有主动性和适应性——公司就越不需要学习如何驾驭它，而是它自己弄清楚如何对公司有用。一位高管大概不会坐下来听一堂设计软件入门课来学习新工具。但他会欣然接受一个听起来像这样的提议：*您吩咐一声，我就能为您搭建整个营销职能。* 两块木头展示了一个方形开口和一个阶梯形开口，由不同排列方式的小木块填充。 ### 这不是一个独狼经济 我们太常把AGI的终极目标定义为自动化一份工作。诚然，我们甚至还没有达到那一步。工作岗位之所以极其复杂，是因为我们能力非凡。即便如此，我们经济中*极少*的产出（新窗口打开）(https://www.census.gov/fedcasic/fc2021/pdf/4A_Noon.pdf#page=3)来自独狼劳动者。有生产力的工作贡献于团队，团队贡献于公司，而公司生产了我们消费的几乎所有东西。 AGI的"工作"标准对人类的评价太低了。劳动力不仅仅关乎任务，甚至不仅仅是处理非例行的组成部分：我们的劳动力还关乎惊人的*协调能力*，我们为更大产出中的各个小部分工作的可塑性。把我们当作一袋任务来兜售，简直是贱卖。人类的能力在于我们的*组织*（新窗口打开）(https://www.aeaweb.org/articles?id=10.1257/jep.5.2.25)，而非个人。一个经济层面的AGI必须达到*人群*的标准，而非*个人*的标准。 因此，"交错"场景可能效率相当低下，如果AI仍然像工具、甚至像工人，而不是像团队或公司的话。一个模型被塞在每个劳动者旁边，意味着*成千上万个接缝和交接点*（新窗口打开）(https://academic.oup.com/qje/article-abstract/107/4/1137/1846913)。这种零敲碎打的设置可能会拖慢采用速度。 我们看到了一场竞赛：一边是更早但能力较弱的实施方案，另一边是更晚但能力更强的模型。胜者取决于……