Slik kan AI-agenter endre hele måten bedrifter organiseres på

Kunstig intelligens er på vei fra å være et verktøy ansatte bruker, til å bli noe som kan utføre oppgaver, samarbeide med mennesker og koordinere hele deler av en bedrift. Det kan få langt større konsekvenser enn at vi bare jobber raskere. Det kan endre hvem som gjør jobben, hvem som leder den, og hvordan bedrifter organiseres.

I artikkelen The Future of the Firm beskriver OpenAI-medarbeiderne Hemanth Asirvatham og Elliott Mokski hvordan kunstig intelligens kan endre organiseringen av fremtidens bedrifter. De presenterer tre mulige utviklinger som utfordrer den tradisjonelle måten vi tenker på ansatte, ledere og avdelinger.

Det handler ikke bare om at AI kan skrive e-poster, analysere regneark eller automatisere kundeservice. Det handler om hva som skjer når AI-agenter kan overta større ansvarsområder, koordinere oppgaver og samarbeide med både mennesker og andre AI-agenter.

Forfatterne beskriver mulige utviklinger, ikke en ferdig fasit på hvordan fremtidens bedrifter vil se ut. De understreker også at dette er deres egne vurderinger, ikke OpenAIs offisielle standpunkt.

Under oss. Når alle ansatte får sine egne AI-medarbeidere

Den første utviklingen er kanskje den enkleste å forestille seg. Bedriften beholder organiseringen den har i dag, men hver ansatt får tilgang til AI-agenter som utfører stadig mer av jobben.

Tenk deg en innkjøper i en IT-bedrift. I dag bruker vedkommende mye tid på å hente inn priser, sammenligne leverandører, kontrollere lagerstatus, følge opp bestillinger og undersøke leveringsavvik. Det er oppgaver som gjerne krever flere systemer, e-poster, telefoner og manuelle kontroller.

Med AI-agenter kan mye av dette utføres automatisk. En agent innhenter tilbud fra leverandørene, en annen sammenligner priser og leveringstider, mens en tredje følger opp bestillinger og oppdager mulige forsinkelser. Agentene kan samarbeide og presentere et samlet beslutningsgrunnlag for innkjøperen.

Innkjøperen trenger ikke lenger bruke like mye tid på å samle informasjon. I stedet kan vedkommende konsentrere seg om leverandørstrategi, forhandlinger, lønnsomhet og beslutninger som krever erfaring og vurderingsevne.

Forskjellen er at innkjøperen går fra å utføre alle oppgavene selv til å lede arbeidet som AI-agentene gjør.

Det samme kan skje innen markedsføring. En markedsfører som tidligere brukte flere dager på å undersøke markedet, planlegge kampanjer, lage innhold og analysere resultater, kan få AI-agenter til å gjøre mye av dette. Markedsføreren bestemmer retningen, vurderer kvaliteten og tar beslutningene.

Dette kan bety at ansatte får ansvar for langt mer enn tidligere, uten at bedriften nødvendigvis trenger flere mennesker.

Forfatterne beskriver det som at alle ansatte på en måte blir forfremmet. Ikke fordi stillingstitlene endres, men fordi de får digitale medarbeidere under seg og dermed kan ta ansvar for større oppgaver.

Betyr dette at bedriften trenger færre ansatte?

Ikke nødvendigvis. Det er et viktig poeng i artikkelen.

Hvis en bedrift blir langt mer produktiv, kan den velge å produsere mer, utvikle flere produkter, betjene flere kunder eller gå inn i nye markeder. Da kan de ansatte fortsatt ha like mye å gjøre, men med andre og større ansvarsområder.

En markedsavdeling som tidligere klarte å gjennomføre fire kampanjer i måneden, kan kanskje gjennomføre tjue. En salgsavdeling kan følge opp langt flere kunder, mens en innkjøpsavdeling kan håndtere et større antall leverandører og produkter.

Men det finnes også et annet mulig utfall. Hvis bedriften ikke har behov for å produsere mer, eller markedet ikke etterspør mer, kan økt produktivitet føre til at den trenger færre ansatte.

AI garanterer altså ikke at jobbene bevares. Det avgjørende blir blant annet hvor mye mer bedriften ønsker å oppnå, hva kundene etterspør, og hvilken verdi menneskene fortsatt tilfører.

Forfatterne peker også på en utfordring for nyutdannede. Mange har tradisjonelt startet med enkle og rutinepregede oppgaver for å lære hvordan en bedrift fungerer. Når AI overtar mye av dette, må bedriftene finne nye måter å gi unge ansatte erfaring og praktisk forståelse på.

Ved siden av oss. Når AI-agentene blir kolleger på lik linje med mennesker

I det andre scenarioet går utviklingen et steg videre. Nå har ikke hver ansatt bare sine egne AI-agenter. AI blir også en del av selve organisasjonen, med egne ansvarsområder på samme måte som menneskelige ansatte og avdelinger.

Tenk deg en bedrift som skal lansere et nytt produkt.

Vanligvis krever dette samarbeid mellom markedsføring, salg, innkjøp og logistikk. Markedsavdelingen må planlegge kampanjen, salgsavdelingen må forberede kundekontakten, innkjøp må sikre varetilgangen, og logistikk må sørge for at produktene kan leveres.

I en fremtidig organisasjon kan ledelsen gi en AI-basert markedsavdeling ansvar for store deler av lanseringen.

AI-avdelingen undersøker markedet, identifiserer kundegrupper, utarbeider kampanjeforslag, lager innhold og planlegger annonseringen. Samtidig samarbeider agentene med salgsavdelingen for å forstå kundenes behov og med innkjøp og logistikk for å kontrollere hva bedriften faktisk kan levere.

Hvis en kampanje lover levering innen to dager, men logistikksystemet viser at produktet først er tilgjengelig om tre uker, kan agentene oppdage dette før kampanjen publiseres.

Det interessante er ikke at AI kan skrive annonseteksten. Det er at AI kan forstå hvordan markedsføringen henger sammen med salg, innkjøp og logistikk, og koordinere arbeidet på tvers av avdelingene.

Ledelsen trenger ikke nødvendigvis følge opp hver enkelt oppgave. Den kan gi AI-avdelingen et mål, et budsjett og noen rammer, og deretter vurdere forslagene og resultatene.

Dette er foreløpig et fremtidsscenario når vi snakker om en komplett, selvstendig avdeling. Deler av denne måten å jobbe på er mulig allerede, men det krever tilgang til relevante systemer, pålitelige data, tydelige fullmakter og kontroll med det agentene gjør.

Hvorfor mer avansert AI kan bli enklere å ta i bruk

Et av de mest interessante poengene i artikkelen er at mer avansert AI faktisk kan bli enklere for bedrifter å innføre enn enklere AI-verktøy.

Det høres kanskje motsatt ut, men forskjellen ligger i hvem som må tilpasse seg hvem.

Når en bedrift tar i bruk et nytt program, må de ansatte vanligvis lære hvordan det fungerer. Bedriften må kanskje endre rutiner, gi opplæring og tilpasse eksisterende prosesser til programvaren.

Med en kompetent AI-agent kan forholdet bli annerledes.

Tenk deg at en bedrift ansetter en erfaren logistikkansvarlig. Vedkommende forventes å sette seg inn i bedriftens systemer, forstå leverandørene, lære rutinene og finne ut hvordan jobben best kan utføres. Bedriften trenger ikke forklare hver eneste handling.

Det er denne egenskapen forfatterne mener AI gradvis kan utvikle: I stedet for at bedriften må lære seg teknologien, kan teknologien i større grad lære seg bedriften.

En leder kan da beskrive hva som skal oppnås, mens AI-agentene selv undersøker hvordan oppgaven bør løses. De kan stille spørsmål, hente nødvendig informasjon, foreslå forbedringer og koordinere gjennomføringen.

Dermed beveger AI seg fra å være programvare som må betjenes, til å fungere mer som en medarbeider som får ansvar for et resultat.

Mellom oss. Når AI plasseres mellom ledelsen og de ansatte

Det tredje scenarioet er kanskje det mest uventede. Her får AI en rolle som vanligvis forbindes med ledelse, koordinering og kontroll.

Vi er vant til at ansatte rapporterer til mellomledere, som igjen rapporterer videre oppover i organisasjonen. Men hva skjer hvis AI kan følge med på store deler av bedriftens aktiviteter, forstå sammenhengene og oppdage problemer før menneskene gjør det?

Se for deg en bedrift med salg, innkjøp, lager og logistikk.

Salgsavdelingen opplever økende etterspørsel etter et produkt og lover kundene korte leveringstider. Innkjøpsavdelingen vet at leverandøren har kapasitetsproblemer, mens logistikkavdelingen allerede ser tegn til forsinkelser.

Informasjonen finnes i bedriften, men er fordelt mellom forskjellige systemer, avdelinger og ansatte. Ingen har nødvendigvis hele oversikten.

En AI-agent med tilgang til relevant informasjon kan oppdage sammenhengen. Den ser at salgsprognosene ikke stemmer med leverandørens kapasitet, og at bedriften risikerer å love kundene noe den ikke kan levere.

I stedet for å vente på at problemet blir oppdaget gjennom rapporter og møter, varsler AI-agenten ledelsen og foreslår tiltak.

Den kan for eksempel anbefale å kontakte en alternativ leverandør, justere markedsføringen eller endre leveringstidene som kommuniseres til kundene.

AI-agenten har dermed ikke bare automatisert en oppgave. Den har utført en del av jobben som vanligvis ligger hos en koordinator, mellomleder eller rådgiver.

Kan AI også bli en slags mellomleder?

Forfatterne mener at enkelte lederoppgaver kan være mer aktuelle for automatisering enn vi tradisjonelt har forestilt oss.

Mye lederarbeid består av å samle informasjon, forstå hva som skjer, vurdere alternativer, prioritere og sørge for at forskjellige avdelinger jobber i samme retning. Dette er i stor grad informasjonsbaserte oppgaver.

Samtidig kan det være vanskeligere å automatisere praktisk arbeid som krever fysisk tilstedeværelse, håndtering av uforutsigbare situasjoner og direkte menneskelig kontakt.

Dermed er det ikke gitt at automatiseringen alltid starter nederst i organisasjonen og gradvis beveger seg oppover. Enkelte oppgaver på ledernivå kan bli automatisert før oppgavene til menneskene de leder.

Det betyr ikke nødvendigvis at AI blir sjefen til de ansatte. En mer nærliggende utvikling er at AI fungerer som en kontinuerlig rådgiver for ledelsen, med oversikt over virksomheten og evnen til å oppdage problemer, muligheter og avvik.

En slik løsning kan også gjøre det enklere å se verdifulle bidrag fra ansatte som ellers ikke ville blitt lagt merke til. Samtidig kan den brukes til omfattende overvåking og detaljstyring.

Det er derfor en viktig forskjell mellom å bruke AI til å forstå hvordan bedriften fungerer, og å bruke den til å kontrollere alt de ansatte gjør. Hvor mye selvstendighet de ansatte får, vil avhenge av hvordan ledelsen velger å bruke teknologien, og hvilke grenser som settes for innsyn og kontroll.

Færre møter, mindre planlegging og raskere beslutninger?

Hvis AI kan utføre stadig mer av jobben, kan også behovet for tradisjonelle prosesser endre seg.

I dag bruker mange bedrifter mye tid på møter, prosjektplaner, godkjenninger og koordinering før et nytt tiltak kan settes i gang. En viktig grunn er at det ofte er dyrt og tidkrevende å gjøre feil. Når et prosjekt krever mange ansatte og flere måneders jobb, vil ledelsen naturligvis være sikker på at det er verdt å gjennomføre.

Men hva hvis det blir mulig å teste en idé på noen timer i stedet for flere uker?

En markedsfører som ønsker å undersøke et nytt marked, trenger kanskje ikke først å utarbeide en omfattende prosjektbeskrivelse, få budsjettet godkjent og vente på at en utviklingsavdeling får ledig kapasitet.

Vedkommende kan bruke AI til å bygge en fungerende prototype, lage et kampanjeforslag eller gjennomføre en innledende markedsanalyse. Resultatene kan deretter presenteres for ledelsen.

Det kan bli billigere å prøve noe i praksis enn å bruke lang tid på å diskutere om det bør prøves.

Dette kan redusere behovet for enkelte godkjenningsprosesser og gjøre det enklere for ansatte å ta initiativ. Samtidig vil større økonomiske beslutninger, personvern, sikkerhet og andre risikofylte forhold fortsatt kreve tydelig kontroll.

Og det finnes en motsatt mulighet: Den samme AI-teknologien som gjør ansatte mer selvstendige, kan også gjøre det enklere for ledelsen å følge med på og kontrollere beslutningene deres.

Derfor vil ikke AI automatisk føre til mindre byråkrati. Den kan både redusere og forsterke det.

Vil fremtidens bedrifter bli mindre eller større?

Dette er et annet sentralt spørsmål i artikkelen.

Tradisjonelt har en av fordelene med store bedrifter vært at de kan samle mange mennesker og ressurser under én organisasjon. Da blir det enklere å koordinere produksjon, dele informasjon og gjennomføre store prosjekter.

Men slike organisasjoner har også utfordringer. Jo flere ansatte og avdelinger, desto mer tid kan gå med til kommunikasjon, rapportering og koordinering.

AI kan endre dette i begge retninger.

På den ene siden kan små bedrifter bli langt mer kapable enn tidligere. En virksomhet med bare noen få ansatte kan bruke AI-agenter til å håndtere oppgaver som før krevde egne avdelinger for salg, markedsføring, kundeservice og administrasjon.

En liten nettbutikk kan for eksempel få AI-agenter til å analysere etterspørselen, undersøke leverandørpriser, foreslå bestillinger, produsere markedsføringsinnhold og håndtere deler av kundekommunikasjonen.

Da kan et lite antall mennesker drive en virksomhet med en kapasitet som tidligere var forbeholdt langt større organisasjoner.

På den andre siden kan AI også gjøre store bedrifter mer effektive. Når kommunikasjon og koordinering blir enklere, kan ledelsen få bedre oversikt over virksomheter med mange avdelinger, prosjekter og geografiske lokasjoner.

Det kan også bli enklere for bedrifter å samarbeide med eksterne leverandører.

Når AI-agentene samarbeider på tvers av bedrifter

Tenk deg en forhandler som kjøper produkter fra flere distributører.

I dag skjer mye av kommunikasjonen gjennom nettbutikker, e-poster, ordresystemer og kundeservice. Innkjøperen må undersøke priser og tilgjengelighet, legge inn bestillinger og følge opp eventuelle avvik.

I en mer AI-basert verdikjede kan forhandlerens innkjøpsagent kommunisere direkte med distributørenes systemer eller AI-agenter.

Den kan undersøke hvilke produkter som er tilgjengelige, sammenligne priser og leveringstider og foreslå hvordan en bestilling bør fordeles mellom forskjellige leverandører. Hvis en leveranse blir forsinket, kan agentene utveksle informasjon og finne alternative løsninger innenfor avtalte rammer.

Menneskene trenger først å involveres når det oppstår noe som krever en beslutning, forhandling eller vurdering utover fullmaktene agentene har fått.

Dette kan redusere behovet for manuell koordinering mellom bedriftene. Men det forutsetter at systemene kan kommunisere, at informasjonen er pålitelig, og at det finnes klare avtaler om ansvar og hva agentene har lov til å gjøre.

Hvis samarbeid mellom forskjellige selskaper blir så enkelt, kan bedrifter også velge å sette ut flere oppgaver fremfor å håndtere alt internt.

Resultatet kan derfor bli både flere små, spesialiserte bedrifter og større virksomheter som koordinerer mange prosjekter og leverandører ved hjelp av AI.

Hva skjer med kompetanse, ansvar og lønn?

Når AI kan utføre stadig flere oppgaver, endres også hvilke ferdigheter som blir verdifulle.

Hvis to ansatte har tilgang til omtrent de samme AI-verktøyene og begge kan få hjelp til analyser, planlegging og gjennomføring, blir det vanskeligere å skille seg ut bare gjennom evnen til å produsere innhold eller behandle informasjon.

Da kan andre egenskaper få større betydning.

Det gjelder blant annet evnen til å forstå hva som faktisk er viktig, sette riktige mål, vurdere kvaliteten på resultatene og ta gode beslutninger. Fagkunnskap blir fortsatt nødvendig, både for å gi AI riktige oppgaver og for å oppdage når den tar feil.

En erfaren innkjøper vet for eksempel at den billigste leverandøren ikke nødvendigvis er den beste. Leveringssikkerhet, kvalitet, betalingsbetingelser og tidligere erfaringer kan være avgjørende. AI kan analysere informasjonen, men vurderingene må være pålitelige og tilpasset bedriftens behov.

Når én person ved hjelp av AI kan få ansvar for langt større verdier eller prosjekter enn tidligere, kan kvaliteten på vedkommendes beslutninger også få større økonomiske konsekvenser.

Forfatterne peker derfor på to mulige utviklinger i lønnsforskjellene. Hvis AI gjør alle bedre i stand til å ta gode beslutninger, kan forskjellene mellom ansatte bli mindre. Men hvis enkelte mennesker er betydelig bedre til å lede AI-agenter og ta avgjørende beslutninger, kan forskjellene også øke.

Hvordan dette vil slå ut, vet vi ennå ikke.

Det handler ikke lenger bare om å automatisere oppgaver

Det overordnede budskapet i The Future of the Firm er at AI kan få langt større betydning for bedrifter enn tradisjonell effektivisering.

Tidligere har vi i stor grad brukt teknologi til å gjøre eksisterende oppgaver raskere. Regneark gjorde økonomijobben enklere, CRM-systemer (systemer for kundehåndtering) forbedret salgsoppfølgingen, og ERP-systemer (systemer for planlegging og styring av bedriftens ressurser) samlet informasjon om blant annet innkjøp, lager og økonomi.

AI kan selvfølgelig fortsette denne utviklingen. Men AI-agenter åpner også for noe annet: at teknologien kan utføre større deler av en prosess, samarbeide på tvers av funksjoner og i økende grad finne ut hvordan oppgaver skal løses.

Da blir det naturlig å stille et annet spørsmål enn tidligere.

I stedet for bare å spørre hvilke oppgaver AI kan automatisere, kan bedrifter begynne å undersøke hvilke hele prosesser og ansvarsområder AI kan håndtere, hvilke beslutninger som fortsatt bør tas av mennesker, og hvordan menneskene og agentene best kan samarbeide.

Det betyr ikke at alle bedrifter kommer til å bli drevet av AI-agenter, eller at mennesker blir overflødige. Store deler av dette er fortsatt mulige fremtidsscenarioer, og utviklingen vil avhenge av teknologiens pålitelighet, økonomi, reguleringer og hvor mye ansvar vi faktisk ønsker å gi AI.

Men hvis AI etter hvert blir i stand til å håndtere stadig større deler av virksomheten, vil konsekvensene ikke bare merkes i hvordan vi utfører jobben.

De vil også merkes i hvordan vi fordeler ansvar, bygger avdelinger, ansetter mennesker og organiserer hele bedriften.

Og det kan vise seg å være en langt større endring enn at vi bare får gjort mer på kortere tid.

Kilder og videre lesning