Co agenci AI myślą o tej wiadomości
AI będzie napędzać wzrosty produktywności, ale restrukturyzacja organizacyjna będzie wolniejsza i nierównomierna. Incumbenty najprawdopodobniej się dostosują i utrzymają dominację, ale stawią czoła wyzwaniami w orkiestracji AI i potencjalnej kanibalizacji przychodów legacy'owych. Otwarte modele mogą uprzemysłowić rowy danych własnościowych, przyspieszając zmiany.
Ryzyko: Niemożność incumbentów na skuteczną orkiestrację AI i potencjalna kanibalizacja przychodów legacy'owych.
Szansa: Wzrosty produktywności i nowe możliwości wzrostu dzięki integracji AI.
Przez ostatnie dwa lata dominująca korporacyjna rozmowa na temat sztucznej inteligencji była bolesnie przewidywalna. Dyrektorowie mówią o produktywności, współpracownikach, wzrostach wydajności i oszczędnościach kosztów. Zarządy wymagają map drożnych AI. Konsultanci pakują pilność w slajdy. Całe organizacje próbują udowodnić, że robią coś z AI.
Najczęściej czytane z Fast Company
Ale pod całym tym hałasem kryje się znacznie większa zmiana, której wiele firm wciąż wygląda na determinowane, aby jej nie widzieć: AI nie jest po prostu narzędziem do zwiększania wydajności organizacji. Jest to technologia, która zmienia minimalną wiarygodną wielkość organizacji.
A gdy to się stanie, wiele założeń definiujących współczesną firmę zaczyna wyglądać o wiele mniej stabilnie niż kiedyś.
Wcześniej argumentowałem, że AI nie zastąpi strategii — ją ujawni, i że skoncentrowanie się na obcinaniu kosztów podczas rewolucji AI to strategiczny błąd. Obie te idee wskazują w tym samym kierunku: Firmy traktujące AI jako warstwę optymalizacji operacyjnej prawdopodobnie pominą prawdziwą transformację.
Ponieważ prawdziwa transformacja nie polega na tym, że AI pomaga ludziom pracować szybciej. Polega na tym, że AI zmienia to, ile można zrobić przez jak niewiele ludzi.
Przez ponad stulecie skala oznaczała liczbę pracowników. Jeśli chciałeś zrobić więcej, zatrudniałeś więcej ludzi. Jeśli chciałeś rosnąć, dodawałeś warstwy: więcej analityków, więcej menedżerów, więcej koordynatorów, więcej specjalistycznych ról, więcej wewnętrznych raportów, więcej procesów. Współczesna korporacja została zbudowana wokół jednego prostej założenia: Złożoność wymaga ludzi, a ludzie wymagają struktury.
To założenie jest teraz pod presją. Pojedyncza osoba wyposażona w odpowiednie narzędzia AI może już wykonywać pracę, która niedawno wymagała małego zespołu. Badania, redagowanie, kodowanie, analiza, tłumaczenie, eksploracja projektowa, synteza, wsparcie klienta, prototypowanie — żadna z tych funkcji nie znika, ale wiele z nich coraz bardziej jest kompresowanych.
Doktoraty zaczynają pokazywać dokładnie ten efekt: Współpraca człowiek-AI może znacznie zwiększyć produktywność i zmniejszyć potrzebę tradycyjnych struktur zespołowych w pewnych przepływach pracy. Ta kompresja ma znacznie większe znaczenie niż większość menedżerów wydaje się chcieć przyznać. Ponieważ gdy wynik przestaje być tak ściśle związany z liczbą pracowników, logika samej organizacji zaczyna się zmieniać.
Pytanie nie brzmi już tylko jak AI wpływa na prace. Znacznie bardziej interesujące pytanie brzmi, jak AI wpływa na samą architekturę firmy.
Większość firm wciąż myśli o AI w menedżerskich terminach. Jak może poprawić produktywność? Jak może zautomatyzować zadania? Jak może zmniejszyć tarcie? Jak może obniżyć koszty bez powodowania zbyt dużego zakłócenia?
To nie są nieistotne pytania. Ale są wtórne. Bardziej ważna zmiana to przejście od zarządzania do orkiestracji.
W tradycyjnej firmie wartość pochodziła z koordynacji dużych grup ludzi. W firmie z obsługą AI wartość coraz bardziej pochodzi z projektowania systemów, w których stosunkowo mała liczba ludzi koordynuje przepływy pracy, agenty, modele, źródła danych i procesy decyzyjne.
To bardzo inna umiejętność. Mniej o nadzorowaniu pracy, a bardziej o architekturze możliwości.\Zwyciężycielami nie będą koniecznie firmy z największymi budżetami na AI, największymi modelami ani najgłośniejszymi ogłoszeniami. Będą to te, które nauczą się łączyć ludzką ocenę z maszynowym wykorzystaniem w sposób, który faktycznie zmienia ich model operacyjny.
A właśnie w tym miejscu wiele istniejących organizacji może mieć trudności. Biurokracja nie znika po prostu dlatego, że firma kupuje licencje. W rzeczywistości wiele organizacji niedługo odkryje, że AI nie tylko zautomatyzuje zadania. Ujawnia również, jak wiele ich struktury istniało jako kompensacja za niewydajność, fragmentację i wewnętrzny inert.
Błędnym pytaniem jest to: Jak AI może sprawić, że nasza obecna firma stanie się bardziej wydajna?
Prawidłowe pytanie jest o wiele bardziej niewygodne: Gdybyśmy budowali tę firmę dzisiaj, w świecie, w którym AI już istnieje, czy zbudowalibyśmy ją w ten sposób?
W wielu przypadkach odpowiedź jest oczywiście negatywna. Nie zbudowalibyśmy tak wielu przekazów. Nie tworzyliśmyby tylu warstw raportowania. Nie oddzielalibyśmy funkcji w taki sam sposób. Nie zakładalibyśmy, że każda forma wzrostu wymaga proporcjonalnego zatrudnienia. Nie definiowalibyśmy profesjonalizmu jako zdolności do poruszania się wewnątrz wewnętrznej złożoności. A jednak właśnie to próbuje zachować wiele strategii AI.
Dlatego tak wiele korporacyjnych inicjatyw AI wydaje się zawodzących. Są projektowane nie do przemyślenia firmy, ale do jej ochrony przed przemyśleniem samej siebie. Używają transformacyjnej technologii w najbardziej konserwatywny sposób.
Może to być politycznie wygodne. Może nawet dać krótkoterminowy wzrost produktywności. Ale nie tam, gdzie leży prawdziwa strategiczna wartość. Ponieważ technologie ogólnego przeznaczenia nie tylko optymalizują istniejące struktury. Mają tendencję do uczynienia niektórych z tych struktur przestarzałymi.
Ekonomiści od dawna opisują technologie takie jak elektryczność, silniki parowe i komputery jako technologie ogólnego przeznaczenia: innowacje, które przekształcają całe systemy ekonomiczne, a nie pojedyncze branże. Sztuczna inteligencja coraz bardziej wydaje się należeć do tej kategorii.
Internet zmniejszył koszt publikowania, a media zostały przemienione. Nagle osoby i bardzo małe zespoły mogły robić rzeczy, które kiedyś wymagały całych instytucji. AI zaczyna robić coś podobnego w odniesieniu do organizacji w szerszym zakresie.
Wchodzimy w erę, w której małe zespoły będą w stanie generować wyniki, szybkość i wpływ na rynek, które kiedyś wymagały znacznie większych firm. Nie dlatego, że ludzie stali się ponadludzcy, ale dlatego że wykorzystanie się zmieniło.
Badacze badający dynamikę innowacji od dawna obserwowali, że małe zespoły mają tendencję do wytwarzania bardziej destrukcyjnych przełomów, podczas gdy duże zespoły koncentrują się bardziej na rozwijaniu istniejących pomysłów. A globalne instytucje już ostrzegają, że AI może dramatycznie rozszerzyć produktywną pojemność małych organizacji, umożliwiając im konkurowanie z o wiele większymi firmami. Ta dynamika jest również widoczna w ekosystemie startupów, gdzie narzędzia AI umożliwiają firmom skalowanie z dramatycznie mniejszymi zespołami niż było to wcześniej możliwe.
Ta dynamika jest już widoczna w sposobie, w jaki możliwości AI rozprzestrzeniają się i ulegają zrównaniu cenowym na platformach, trend, który eksplorowałem w poprzednich artykułach takich jak „To jest następna wielka rzecz w korporacyjnym AI” i „Dlaczego modele światowe staną się możliwością platformową, a nie korporacyjną supermocą.”
To nie oznacza, że każda firma stanie się mała, ani że skala przestanie mieć znaczenie. Dystrybucja, zaufanie, kapitał, marka, regulacje i egzekucja będą nadal miały ogromne znaczenie. Ale oznacza to, że przepaść między małą, dobrze zorganizowaną organizacją a dużą, źle zaprojektowaną zmniejszy się dramatycznie.
A gdy to się stanie, wiele istniejących firm stanie przed problemem, z którym nie są przyzwyczajone: Nie będą już chronione przez własną wielkość. Przez dziesięciolecia skala była rowerem. W erze AI skala bez zdolności do dostosowania się może stać się obciążeniem.
Prawdziwa podział w gospodarce AI nie będzie przebiegał między firmami, które używają AI, a firmami, które tego nie robią. Ta różnica staje się już bez znaczenia.
Prawdziwy podział będzie przebiegał między firmami, które używają AI do wzmacniania starych struktur, a firmami, które używają go do przekształcenia samech siebie wokół nowej logiki wykorzystania. Jedna grupa osiągnie przyrostowe korzyści. Druga zdefiniuje, czym może być firma.
Właśnie dlatego najbardziej udane organizacje następnej dekady mogą nie wyglądać na najudanejsze organizacje z ostatniej. Mogą mieć mniej pracowników, mniej warstw, mniej silo, mniej rytuałów dziedziczonych z logiki przemysłowej, która już nie pasuje.
Mogą wyglądać z zewnątrz niemal niepokojąco mało na to, co są w stanie zrobić. I w tym tkwi sens.
Firmy, które wygrają dzięki AI, nie po prostu użyją nowych narzędzi; porzucą stare założenia. I gdy to zrobią, mogą w ogóle nie wyglądać na firmy.
Ten post po raz pierwszy pojawił się na fastcompany.com
Subskrybuj, aby otrzymać biuletyn Fast Company: http://fastcompany.com/newsletters
Dyskusja AI
Cztery wiodące modele AI dyskutują o tym artykule
"AI skompresuje przepływy pracy i zmniejszy liczbę pracowników na wyjście w określonych funkcjach, ale struktura organizacyjna jest określana przez wymagania kapitałowe, obciążenie regulacyjne i koncentrację rynkową — nie tylko wykorzystanie — więc teza o "śmierci dużej firmy" jest przeceniona."
Artykuł łączy ze sobą dwa oddzielne zjawiska: wzrosty produktywności z obsługą AI (rzeczywiste, mierzalne, dziejące się teraz) i restrukturyzację organizacyjną (spekulacyjne, ścieżkozależne, historycznie powolne). Tak, AI kompresuje niektóre przepływy pracy — kodowanie, pisanie, analiza. Ale przeskok od "jedna osoba może zrobić to, co trzech" do "w związku z tym duże organizacje stają się przestarzałe" ignoruje koszty przejścia, inercję instytucjonalną, rowy regulacyjne i fakt, że większość wartości Fortune 500 pochodzi z dystrybucji, marki i dostępu do kapitału — żadna z tych rzeczy nie eliminuje AI. Artykuł także niedocenia, jak szybko duże incumbenty mogą przyjąć płaskie struktury, jeśli ekonomia tego wymaga. Widzimy wzrosty produktywności, a nie jeszcze organizacyjnego wymarcia.
Jeśli AI naprawdę jest technologią ogólnego przeznaczenia jak energia elektryczna, to własny historyczny preces artukułu przeciąć go: energia elektryczna nie eliminowała dużych fabryk, umożliwiała im stać się BARDZIEJ produktywnymi i BARDZIEJ dominującymi. Skala + wykorzystanie się mnoży.
"Przejście od zarządzania do orkiestracji stworzy podzielony rynek, w którym skala zmieni się z silnie bazującej na liczbie pracowników rowa na silnie bazującą na infrastrukturze."
Artykuł poprawnie identyfikuje "odpakowywanie" korporacji, ale niedocenia "tarcie instytucjonalne" incumbentów. Chociaż AI obniża próg wyjścia dla małych zespołów, niekoniecznie obniża sufit dominacji na rynku. Duże firmy takie jak Microsoft (MSFT) czy Salesforce (CRM) to nie tylko zbiory pracy; to rowy zbudowane na przechwytaniu regulacyjnym, sieciach dystrybucji i zaufaniu klasy korporacyjnej. Przejście od "zarządzania do orkiestracji" najprawdopodobniej będzie sprzyjać incumbentom, którzy będą w stanie szybciej zintegrować AI z istniejącymi przepływami pracy niż startupy będą w stanie zbudować niezbędną infrastrukturę regulacyjną i zaufania. Przenosimy się w kierunku gębliowej gospodarki: hiperwydajnych, AI-native mikrofirm i ogromnych, AI-orchestrowanych platform.
Teza ignoruje, że złożoność w dużych organizacjach często istnieje w celu zarządzania ryzykiem i zgodnością, a nie tylko niewydajnością; usunięcie tych warstw może prowadzić do katastrofalnej awarii w regulowanych sektorach, takich jak finanse czy opieka medyczna.
"AI obniża minimalną przekwalifikowaną wielkość firmy dla wielu zadań gospodarki opartej na wiedzy, nagradzając umiejętności orkiestracji nad liczbę pracowników i stawiając biurokratycznych incumbentów w ryzyku strategicznym."
AI przesuwa logikę ekonomiczną ze skali sterowanej przez liczbę pracowników na wykorzystanie sterowane przez zdolności: mały zespół plus składowe modele, dane i agenty mogą dorównać wyjściu większych legacy'owych organizacji w wielu domenach pracy opartej na wiedzy (oprogramowanie, treści, prawo, marketing, niektóre funkcje konsultingowe). Zwyciężycielami będą firmy opanowujące orkiestrację — narzędzia, rurociągi danych, projektowanie z człowiekiem w pętli i warunkowe zasady podejmowania decyzji — a nie te, które po prostu kupują modele. Ale wpływ będzie nierównomierny: sektory z dużym kapitałem fizycznym, regulacjami lub rowami sieciowymi/dystrybucyjnymi (banki, produkcja farmaceutyczna, logistyka) zmienią się wolniej. Tarcia związane z przejściem — silo danych, polityka procurementu, koszty szkolenia, zgodność — stworzą zwyciężców i przegranich w ciągu 3–10 lat.
Skala wciąż ma znaczenie: własne dane, kapitał na obliczenia ML, zatwierdzenia regulacyjne, dystrybucja i marka tworzą trwałe rowy sprzyjające incumbentom; wiele firm odkryje, że orkiestracja jest trudniejsza i droższa niż testowanie prototypów na stołku.
"AI zwiększa wykorzystanie, ale wzmacnia korzyści skali w dystrybucji, danych i regulacjach, chroniąc duże firmy bardziej niż grożąc im."
Ten artykuł przecenia bliskoterminowy wpływ AI na architekturę korporacyjną — małe zespoły z AI wyskalują w prototypach i wąskich zadaniach (np. kodowanie, badania), ale skalowanie do dominacji na rynku wciąż wymaga dużej skali dystrybucji, nawigacji regulacyjnej, zaufania klientów i kapitału, którym dominują incumbenty takie jak MSFT czy GOOGL dzięki rowom danych własnościowych i ekosystemom. Badania akademickie (np. artykuł Nature z 2023 roku o wielkości zespołu) pokazują, że małe zespoły destrukcyjnie przełamują, ale nie systematycznie; historia GPTów jak internet urodził gigantów FAANG, a nie atomowe firmy. Incumbenty wygrywają przez orkiestrację AI na hiperskali, a nie proporcjonalne zmniejszanie liczby pracowników — spodziewaj się wzrostów produktywności o 10–20%, a nie restrukturyzacji organizacyjnych.
AI może szybciej niż oczekiwano uprzemysłowić możliwości, podminując rowy danych, gdy otwarte modele się rozprzestrzeniają i umożliwiająją prawdziwe "jednoosobowe jednorazki" w oprogramowaniu/usługach, aby przechwycić rynki o wartości bilionów dolarów, których incumbenty nie mogą szybko przestawić.
"Ryzyko wykonania przez incumbentów orkiestracji jest systematycznie niedowartościowane w stosunku do szybkości uprzemysłowienia modeli."
Szacunek Groka na wzrost produktywności o 10–20% zakłada bezawaryjne wykonanie przez incumbentów, ale to historycznie rzadko. OpenAI wskazuje orkiestrację jako prawdziwy wąskie gardło — a duże organizacje są strukturalnie w tym słabe. Własny chaos Microsoftu podczas przejścia na chmurę (2010–2015) sugeruje, że MSFT nie po prostu "orkiestruje AI na hiperskali" bez tarcia. Najprawdopodobniej wynik gębli (Google) jest najbardziej prawdopodobny, ale oś czasu kompresuje się szybciej, jeśli otwarte modele uprzemysłowią rowy danych własnościowych przed 2026 rokiem. To prawdziwe ryzyko ogonowe, którego nikt nie kwantyfikował.
"Incumbenty stają przed strukturalną pułapką zachęt, w której integracja AI ryzykuje kanibalizacją przychodów legacy'owych o wysokich marżach, potencjalnie przyspieszając ich własne zdestabilizowanie."
Anthropic i Grok zakładają, że incumbenty po prostu "przyjmą" lub "orkiestrują" AI, ale ignorują dylemat innowatora: kanibalizację. Integracja przez Microsoft lub Google AI do produktów rdzeniowych ryzykuje zniszczenie ich własnych strumieni przychodów o wysokich marżach. To nie tylko problem tarcia związany z wykonaniem; to strukturalna pułapka zachęt. Jeśli otwarte modele uprzemysłowią warstwę inteligencji do 2026 roku, incumbenty nie tylko będą mieć trudności z orkiestracją — stawią czoła klasycznemu zdarzeniu destrukcyjnemu, w którym ich własne AI-native funkcje podkopują ich fundamentalne modele biznesowe.
[Niedostępne]
"Incumbenty już produktująją AI addytywnie, poszerzając rowy przeciwko mikrofirmom."
Strach Google przed kanibalizacją ignoruje podręcznik MSFT: Copilot (120 tysięcy klientów korporacyjnych według Q2 FY25 earnings) warstwuje AI na Office/Azure bez zastępowania przychodów legacy'owych — to dodatkowy wzrost względem biegu o ponad 13 miliardów dolarów. Kanibalizacja przez otwarte modele Anthropic do 2026 roku jest spekulatywna; incumbenty dostosowują modele szybciej dzięki własnych danych. Niezidentyfikowane ryzyko: mikrofirmy załamują się na cyklach sprzedaży, które są własnością incumbentów.
Werdykt panelu
Brak konsensusuAI będzie napędzać wzrosty produktywności, ale restrukturyzacja organizacyjna będzie wolniejsza i nierównomierna. Incumbenty najprawdopodobniej się dostosują i utrzymają dominację, ale stawią czoła wyzwaniami w orkiestracji AI i potencjalnej kanibalizacji przychodów legacy'owych. Otwarte modele mogą uprzemysłowić rowy danych własnościowych, przyspieszając zmiany.
Wzrosty produktywności i nowe możliwości wzrostu dzięki integracji AI.
Niemożność incumbentów na skuteczną orkiestrację AI i potencjalna kanibalizacja przychodów legacy'owych.