Como a IA está mudando a estratégia — e 4 habilidades de que líderes precisarão

Ver no idioma original →

Autoria: Harvard Business Review · Assistir no YouTube

Vídeo de autoria do canal indicado, não da IANIA; todos os direitos pertencem ao criador. Transcrição, resumo e tradução gerados automaticamente; o conteúdo no idioma original é preservado na versão em idioma original.

Idioma original: inglês

Vídeo original: How AI Is Changing Strategy—and 4 Skills Leaders Need Next · Canal: Harvard Business Review · 32:19 · Assistir no YouTube

Tópicos: Agentes de IA, Aplicações empresariais de IA, Mercados e economia, Segurança de IA

Resumo

Ethan Mollick argumenta que a IA já é capaz de executar tarefas longas e tomar decisões estratégicas, por isso as empresas precisam repensar processos, metas e funções — não apenas automatizar o trabalho existente. Para orientar essa mudança, ele recomenda combinar liderança, um laboratório interno de experimentação e o envolvimento de toda a organização, além de integrar pessoas e IA nos pontos certos. Mollick destaca quatro habilidades importantes: conhecimento profundo, conhecimento amplo, discernimento e iniciativa. Ele também alerta para riscos de segurança cibernética, desemprego e perda de autonomia no trabalho, e defende experimentação, políticas responsáveis e decisões que não deixem as pessoas de lado.

Pontos-chave

• Tratar a IA apenas como ferramenta de produtividade pode aumentar a quantidade de entregas sem melhorar os resultados que realmente importam.
• A liderança deve repensar metas, processos, limites entre funções e os resultados que a organização busca.
• Um modelo organizacional eficaz combina liderança ativa, um laboratório interno de experimentação e acesso às ferramentas para toda a equipe.
• O trabalho de conjurer consiste em delegar tarefas à IA como quem mobiliza uma equipe, em vez de interagir com ela apenas por meio de instruções sucessivas.
• A integração de pessoas e IA nos momentos adequados pode diferenciar uma empresa da concorrência.
• As quatro habilidades destacadas por Mollick são conhecimento profundo, conhecimento amplo, discernimento e iniciativa.
• Empresas precisam experimentar por conta própria, pois fornecedores e consultores também estão aprendendo a lidar com a tecnologia.
• A evolução dos agentes pode intensificar riscos de segurança cibernética, inclusive por ações não maliciosas que gerem consequências inesperadas.
• Líderes devem equilibrar o uso das capacidades atuais com a exploração de possibilidades futuras, sem perder de vista incentivos e cultura organizacional.
• Mollick defende políticas que promovam usos benéficos da IA e reduzam danos, evitando que as pessoas sejam excluídas das partes significativas do trabalho.

Capítulos

Início	Capítulo	Resumo
00:00	A IA exige mudança estratégica	Mollick afirma que a IA continua avançando e que empresas não devem presumir que são incapazes de se adaptar.
03:37	Liderança, laboratório e experimentação	Ele apresenta um modelo de mudança organizacional que combina liderança, acesso amplo às ferramentas e uma equipe dedicada a experimentar.
05:13	O trabalho de conjurer e a integração entre pessoas e IA	Mollick explica como a delegação de tarefas a agentes muda o trabalho dos gestores e pode criar novas formas de colaboração.
08:51	Decisões estratégicas e papel dos líderes	A conversa aborda como agentes já tomam decisões e como líderes podem definir quais escolhas delegar e quais manter sob sua responsabilidade.
13:32	Quatro habilidades para a era da IA	Mollick destaca conhecimento profundo, conhecimento amplo, discernimento e iniciativa, e explica por que a experiência continua valiosa.
16:04	Vantagem competitiva, riscos e erros estratégicos	A entrevista discute o uso de IA na estratégia, as oportunidades para empresas de diferentes tamanhos e os riscos de segurança cibernética.
22:52	Experimentar e preparar a organização para o futuro	Mollick alerta contra decisões baseadas apenas nas capacidades atuais e recomenda explorar novas possibilidades e desenvolver competências internas.
27:40	Metas, trabalho e impactos sociais da IA	A conversa trata de incentivos, emprego, riscos para o trabalho e políticas que estimulem usos benéficos sem tirar as pessoas das decisões importantes.

Citações

A ideia de que vocês não podem ser flexíveis e competir parece estar arraigada demais neste momento. — 00:00

Um conjurer é alguém que faz surgir uma equipe quando precisa dela. — 05:44

A terceira coisa de que você precisa é discernimento. — 14:32

Você precisa desenvolver internamente a capacidade de criar suas próprias soluções. — 23:53

As pessoas fazem aquilo pelo que são incentivadas. — 28:44

Conceitos e entidades

• Ethan Mollick (pessoa): Professor da Wharton e autor que discute como a IA está transformando a estratégia e a liderança.
• Alison Beard (pessoa): Apresentadora do IdeaCast que entrevista Ethan Mollick.
• Leadership, lab, and crowd (conceito): Modelo organizacional que combina liderança ativa, uma equipe interna de experimentação e participação ampla dos funcionários.
• Conjurer work (conceito): Forma de trabalho em que uma pessoa mobiliza a IA para executar tarefas como se estivesse convocando uma equipe.
• Twilight factories (conceito): Organizações de trabalho em que a IA executa tarefas e envolve pessoas quando sua experiência, avaliação ou aprovação é necessária.
• StrongDM (empresa): Empresa citada como exemplo de uma abordagem de produção de software totalmente automatizada por IA.
• Anthropic (empresa): Empresa mencionada por pesquisas sobre IA e por discussões sobre o ritmo de desenvolvimento de modelos.
• OpenAI (empresa): Empresa mencionada na discussão sobre segurança e possíveis medidas para desacelerar o desenvolvimento de IA.
• Claude Fable 5.1 (modelo): Modelo citado na transcrição como exemplo de modelo de fronteira disponível no momento da gravação.
• GPT-6 (modelo): Modelo citado na transcrição como exemplo de modelo de fronteira disponível no momento da gravação.

Tradução completa (pt-BR)

00:00 ETHAN MOLLICK: Uma das coisas mais deprimentes que vejo quando converso com conselhos de administração de empresas muito grandes e com executivos de alto escalão é que muitos deles passaram a acreditar que simplesmente não podem mudar. Então, mostro a eles o que a IA pode fazer. E eles dizem: “Bem, acho que vamos esperar isso passar.” E eu digo: “Essa é uma resposta absurda. Há 100.000 pessoas trabalhando para você. As pessoas mais inteligentes do mundo trabalham na sua empresa. Você tem clientes e recursos. A ideia de que você não pode ser flexível e competir parece estar profundamente arraigada agora.” [MÚSICA]

00:30 ALISON BEARD: Ethan Mollick, professor da Wharton e autor de Co-Existence, seja bem-vindo ao IdeaCast. ETHAN MOLLICK: Obrigado pelo convite. ALISON BEARD: Sim. Você vem acompanhando de perto os avanços da IA e experimentando constantemente todas as novas ferramentas. O que é diferente hoje em relação a até mesmo alguns meses atrás, em termos de como os novos avanços devem orientar a maneira como os líderes pensam sobre estratégia, em particular? ETHAN MOLLICK: Uma coisa é que a curva exponencial continua. A IA simplesmente continua melhorando. Não há realmente nenhum sinal de que isso vá parar agora.

01:00 E a segunda é que os agents são reais: nossas ferramentas de IA podem sair por conta própria, trabalhar de forma autônoma e realizar trabalho de processo de verdade, coisas realmente importantes. E isso se tornou uma abordagem viável para o trabalho recentemente. ALISON BEARD: Parece que muitas empresas estão pensando na IA, neste momento, principalmente como um exercício de produtividade. Vocês automatizam tarefas. Economizam tempo. Reduzem custos. Em que uma estratégia de transformação com IA genuinamente estratégica

01:32 difere disso? O que você acha que as empresas deveriam fazer agora? ETHAN MOLLICK: Acho que é bastante urgente fazer algumas coisas. Uma delas é que encarar isso apenas como uma ferramenta de produtividade pode causar problemas de várias maneiras. As pessoas estão obtendo ROI com a IA. Estão obtendo ROI com esse ganho de produtividade. Os ganhos de produtividade são reais. O problema é que esses ganhos de produtividade acabam sendo absorvidos pela organização. Se você não mudar nenhuma parte do processo, a IA será, em grande parte, uma entidade de uso individual, e você acabará tendo mais de tudo. Portanto, se você não mudar seus KPIs, as pessoas podem produzir mais PowerPoints. Podem produzir mais código. Não é isso que você quer, na verdade. Então, a liderança precisa decidir o que é essa coisa.

02:04 E a segunda é que a IA está ficando muito capaz. E me preocupa que, se nosso padrão for a automação, acabemos numa situação em que continuamos repassando tarefas para a IA sem pensar o suficiente sobre onde as pessoas entram nesse processo. Isso também leva a muitos perigos. ALISON BEARD: Seu argumento é que os líderes precisam deixar de perguntar onde podemos usar a IA neste negócio que já existe, junto com as pessoas, e passar a fazer uma pergunta mais parecida com: como a IA vai mudar nosso negócio daqui para a frente?

02:34 ETHAN MOLLICK: Neste momento, temos evidências abundantes de que a IA consegue realizar regularmente, em um prazo e por um custo razoáveis, com altas taxas de sucesso, o tipo de trabalho que levaria de 2 a 18 semanas para uma pessoa. Isso implica muitas coisas diferentes. Implica que o que sua organização faz precisa mudar. A maneira como você pensa sobre os limites entre os cargos está mudando. Converso o tempo todo com executivos de alto escalão. E um dos primeiros efeitos da IA que eles percebem, e que também vimos em nossa pesquisa, é que os cargos começam a se misturar. Quem programa faz trabalho de design. Quem faz design programa. Gerentes de produto fazem de tudo. Como começar a pensar nos limites da sua organização?

03:04 Qual é o produto que você está tentando produzir? É um produto intermediário, como um PowerPoint? Qual era o objetivo do PowerPoint, afinal? Você começa a se deparar com questões realmente fundamentais sobre qual é o objetivo da organização, como alcançá-lo e quais são seus valores para chegar lá. E essas questões são urgentes. Não é algo teórico, para nos sentarmos e discutirmos de maneira acadêmica. É que sua organização já está mudando por dentro. O que você vai fazer a respeito? ALISON BEARD: Quais são algumas boas práticas que você recomenda aos líderes que estão lidando com essas questões agora, que precisam começar a ter essas conversas realmente urgentes — e não apenas tê-las, mas fazê-las avançar

03:37 o suficiente para que possam começar a tomar decisões concretas? ETHAN MOLLICK: Há o feedback individual. E há o feedback organizacional. No lado organizacional, o modelo que vi funcionar melhor é mais ou menos um modelo da Meta: liderança, laboratório e multidão. São necessárias três coisas para ter sucesso. É preciso que a equipe de liderança realmente lidere esse processo. Não basta dizer: “Usem IA”. Ela precisa tomar decisões sobre como a IA é usada e o que a organização faz com a IA. Como incentivamos as pessoas? “Multidão” significa dar às pessoas acesso a essas ferramentas. Chegamos a um ponto em que dar às organizações acesso inferior à IA — seja por quê… simplesmente por não ter se dado ao trabalho

04:08 de melhorar os modelos mais recentes — causa problemas. Na verdade, você acaba com uma visão muito distorcida do que a IA pode e não pode fazer. E então é preciso ter um laboratório. É preciso ter pessoas trabalhando 24 horas por dia, sete dias por semana, que, aliás, não sejam principalmente da área técnica. Haverá pessoas técnicas lá, mas também pessoas da organização que estejam pensando: como reestruturamos a organização em torno da IA? Elas avaliam o que os sistemas conseguem fazer, constroem os sistemas do futuro, pegam ideias da multidão e da liderança e ajudam a desenvolvê-las. Portanto, é preciso fazer isso como uma resposta de toda a organização. No nível individual, o fator que, na minha visão, diferencia os líderes que têm sucesso no uso da IA nas organizações que têm sucesso

04:40 daqueles que não têm é a disposição dos líderes para assumir riscos e dizer: “Olha, ninguém sabe o que vai acontecer aqui. Mas, se não fizermos experimentos ativamente, não vamos aprender nada.” E, se você simplesmente permitir que todo mundo na organização tenha poder de veto sobre o uso da IA porque pode ser arriscado — e é —, não fazer nada também é arriscado. E isso também significa usar a IA ativamente você mesmo. Então, os líderes que não usam os sistemas de IA mais recentes, que esperam relatórios de outras pessoas, que ficam esperando um treinamento qualquer semana dessas, ficam para trás em relação aos que simplesmente estão experimentando. ALISON BEARD: Acho que, na última vez que conversamos sobre isso, você tinha um modelo de colaboração entre humanos e IA

05:13 que podia ser um centauro — você usa metade suas habilidades humanas e metade IA — ou um ciborgue, em que alterna entre as duas. Fale sobre como isso está evoluindo para um modelo que você agora descreve como trabalho de conjurador, que, na sua opinião, os líderes deveriam não apenas realizar individualmente, mas também viabilizar em suas organizações como parte da estratégia. ETHAN MOLLICK: A maior mudança que realmente observamos ao longo do último ano foi que, em todos os estudos independentes que temos, basicamente, a IA passou de conseguir regularmente

05:44 realizar meia hora de trabalho, 45 minutos de trabalho, para ser capaz de realizar mais de 16 horas de trabalho a partir de uma única instrução dada à IA, com uma boa chance de sucesso. E isso significa que você não anda mais lado a lado com a IA. Você não trabalha indo e voltando com ela da mesma maneira que antes. Na verdade, você atribui tarefas à IA quase como se estivesse designando tarefas a uma equipe. E ela faz o trabalho. Então, ser um conjurador tem a ver com conjurar uma equipe e fazê-la existir quando você precisa dela. É quase como redigir um RFP para um projeto que você precisa realizar, ou um SOP, ou qualquer outra sigla padrão de três letras que usamos nos negócios para atribuir trabalho.

06:15 E você envia isso. E a IA simplesmente faz o trabalho. É uma situação muito diferente de eu dar um prompt à IA, olhar os resultados e dar outro prompt. Este é um campo muito diferente, orientado à ação. ALISON BEARD: Como isso muda a maneira como os líderes abordam a estrutura da organização e até mesmo o que significa ser gerente? ETHAN MOLLICK: Então, até certo ponto, todo mundo é gerente agora, certo? Todo mundo tem uma IA para gerenciar. E as habilidades para lidar com IA se parecem com habilidades de gestão. Na verdade, há um ótimo estudo da Anthropic que mostra que as pessoas que têm mais sucesso programando

06:47 na primeira etapa da programação, na verdade, são gerentes, não programadores, porque fazem um bom trabalho ao especificar o que querem. E a IA executa isso. Então, esse é o grande problema. De repente, a capacidade da sua organização aumenta. E acho que as organizações sem imaginação vão recuar para a automação do trabalho. A automação é uma estratégia muito conhecida no mundo dos negócios. Acho que é uma receita para o desastre. É um desastre para todos nós. Se todo o nosso trabalho for automatizado, ou se simplesmente nos tornarmos verificadores de conteúdo de IA, essa não é uma boa situação. Além disso, isso elimina toda a diferenciação.

07:18 Os líderes precisam construir empresas que combinem o trabalho de IA e de humanos, com processos e cultura, de maneiras que realizem coisas que nenhum dos dois conseguiria fazer sozinho. Se você simplesmente partir para a automação, terá a mesma empresa baseada em Claude que todo mundo. ALISON BEARD: Bem, esse é um ponto interessante. Quando falamos de estratégia, também estamos falando de encontrar vantagem competitiva. Então, se todas as empresas têm acesso aos mesmos modelos de ponta, como exatamente os líderes podem diferenciar suas organizações das concorrentes?

07:48 ETHAN MOLLICK: É aí que entra o ponto principal. Provavelmente, você não está usando IA o suficiente dentro da sua organização nem confiando o suficiente nela. Mas, depois, você quer trazer as pessoas de volta. Já estamos vendo… a versão mais extrema disso em termos de mudança organizacional são coisas como uma fábrica escura de software. Uma fábrica escura, uma fábrica… todo o trabalho é feito por robôs. Não são necessários humanos. Não é necessária nenhuma luz. Fábricas escuras de software… conheço uma empresa, StrongDM, que vem entregando produtos aos clientes. E não há nenhum humano envolvido nisso. As regras deles são: nenhum humano pode olhar o código. Nenhum humano pode escrever código. É 100% automatizado por IA. Acho que essa é uma abordagem perigosa porque você está simplesmente

08:20 deixando o código fazer o trabalho. Acho que precisamos pensar em construir fábricas crepusculares, situações em que a IA procura as pessoas proativamente e as envolve porque elas têm variações e perspectivas, porque o processo ou a experiência delas é importante, porque é necessária a aprovação delas ou porque acham o trabalho interessante. E acho que precisamos começar a reestruturar o trabalho com base na ideia de que esses sistemas realmente conseguem realizar muitas coisas e poderão realizar ainda mais em um futuro próximo. Portanto, é a integração com os humanos nos lugares certos, na hora certa e no processo certo que vai dar a você um diferencial. ALISON BEARD: Quais são as maneiras específicas pelas quais você acha

08:51 que, por mais rápido que a IA esteja evoluindo, os humanos ainda têm um papel a desempenhar — e, em particular, os líderes ainda têm um papel? ETHAN MOLLICK: Uma coisa é que você não pode realmente participar do processo da mesma maneira que antes. Era fácil participar do processo quando… quando era um chatbot. Não é fácil quando… Tenho literalmente projetos em que um enxame de 100 agents resolve um problema para mim. Peço que me apresentem relatórios como se eu fosse um gerente. Então, participo do processo na medida em que eles me apresentam um PowerPoint sobre o progresso e demonstrações do que estão construindo. Mas isso é bem diferente de aprovar cada ação.

09:23 E, na verdade, uma das consequências da IA é que os líderes ficam muito mais capacitados. Continuo vendo organizações em que a liderança basicamente retoma o controle da empresa porque agora pode pedir diretamente à IA as informações de que precisa. Conversei com pessoas em cargos executivos de nível C que diagnosticaram problemas em fábricas que ninguém havia levado ao conhecimento delas, porque podiam simplesmente consultar todas as informações à disposição da empresa, fazer perguntas e pedir à IA que executasse tarefas. Portanto, há uma mudança muito interessante na amplitude de controle, se você configurar isso direito, que permite à liderança realmente

09:54 pensar mais nas coisas, em vez de ouvi-las por meio de três ou quatro camadas diferentes de liderança. ALISON BEARD: Então, você diria que os AI agents estão tomando decisões estratégicas em nome dos líderes e das organizações, quando recebem o contexto adequado? ETHAN MOLLICK: Já estão. Se você tem um AI agent realizando qualquer trabalho de longa duração — a Epoch, que é uma empresa de benchmarking de IA, relatou que conseguia obter regularmente entre 2 e 18 semanas de trabalho de engenheiros

10:25 a partir de um único prompt — Claude — por algumas centenas de dólares. Isso envolve muitas decisões estratégicas, decisões de julgamento e decisões criativas. Talvez não sejam decisões de julgamento ou de criatividade como as suas, mas não podemos mais dizer que a IA não toma decisões estratégicas. Ela toma. A questão para você é: onde quer tomar decisões e onde não quer? E, como faria com qualquer equipe, você pode dar instruções. Pode dizer: “Olha, quero que você apresente as cinco melhores opções, as justificativas para cada uma, destaque-as, teste-as sob pressão para mim e depois entregue tudo para que eu possa escolher entre elas. E quero que sejam apresentadas neste formato”,

10:55 ou você pode dizer: “Pode simplesmente executar. Você tem acesso ao código. Crie um protótipo e teste-o com algumas pessoas”. Essas são opções que você tem à disposição agora. Parte disso é reconstruir o que já fizemos com humanos. Então, qual é o processo que, usando humanos e IA em conjunto, gera uma ideia viável muito melhor do que as ideias anteriores? Como fazer isso muito mais rápido e melhor? ALISON BEARD: Mas onde exatamente um líder sabe em que pontos agrega mais valor e em quais não agrega? Em que pontos deve estar envolvido

11:27 absolutamente, todas as vezes? ETHAN MOLLICK: Acho que parte disso é que agora você precisa tomar decisões sobre como realizar da melhor forma o que sua empresa quer realizar. E, obviamente, você não quer abrir mão disso tudo. Não quer abrir mão porque a IA não é tão inteligente quanto você naquilo em que é melhor, porque a IA não tem variedade suficiente, porque não absorve de fato a sua cultura profundamente. Você pode fornecer parte disso como contexto. Mas isso faz parte do desenho de processos. Fazemos isso o tempo todo. Quais são os limites do seu grupo de engenharia de produtos em relação ao seu grupo de marketing ou à sua equipe jurídica? Precisamos pensar no mesmo tipo de desenho de processos aqui: onde estão esses limites e essas limitações?

11:59 Acho que o perigo de não fazer isso é acabar em um mundo de automação total, em que todas essas escolhas são feitas pela IA, ou subestimar o que esses sistemas realmente conseguem fazer. Portanto, é a tomada de decisões disciplinada que leva você até lá. ALISON BEARD: E quais são as coisas, os aspectos da liderança estratégica, que você acha que nunca podem ser delegados ou terceirizados? ETHAN MOLLICK: Então, sempre tenho cuidado com linhas rígidas, quando dizemos que nada… que algo nunca pode ser feito. ALISON BEARD: Nunca, jamais. ETHAN MOLLICK: Mas esses sistemas são irregulares. São bons em muitas coisas e ruins em coisas que você não esperaria. E isso significa, aliás, que há

12:30 diferentes coisas que os cargos fazem. Pense na programação. Você contrata programadores para serem os melhores em escrever linhas de código elegantes. Aí a IA pode escrever o código. Então, o foco passou a ser a engenharia de sistemas. Você conseguia enxergar o quadro geral? Agora a IA está fazendo cada vez mais parte do trabalho de engenharia de sistemas. De certa forma, isso é muito perturbador se você é programador, porque a natureza do trabalho está mudando o tempo todo, para melhor ou para pior. E aquilo que você aprendeu como ofício já não é mais. Acho que vamos ver o mesmo acontecer com a liderança. Neste momento, talvez suas decisões de julgamento envolvam os detalhes da estratégia de preços. A IA talvez seja melhor do que você em definir preços.

13:01 Você não vai saber até que seu laboratório teste isso para você. Não posso dizer se isso vale para o seu setor. Você só vai saber por meio de experimentação. E não precisa fazer isso completamente sozinho. É aí que entram seu laboratório e sua comunidade. Sua comunidade traz à tona casos de uso e valores da IA. Você não precisa fazer tudo isso sozinho. Mas acho que um grande perigo para as empresas é pensarem que alguém resolveu esse problema para elas, que alguém já descobriu como fazer. Estamos todos fingindo. Ninguém sabe nada. Os laboratórios de IA não sabem nada. Os fornecedores estão inventando tudo. Essa tecnologia tem três anos. Então, até certo ponto, você precisa assumir o controle disso por conta própria para descobrir para que quer usá-la. ALISON BEARD: Existem capacidades

13:32 que você sugere que seus alunos, seus alunos de MBA, seus filhos, aspirantes a líderes desenvolvam porque acredita que serão cada vez mais importantes em um mundo dominado pela IA? ETHAN MOLLICK: Acho que há quatro coisas muito úteis. Não são as únicas. Uma delas é o conhecimento profundo, que é a capacidade de realmente entender muito bem uma área. Estamos neste podcast. E você sabe, desde o começo da minha pergunta — ou antes mesmo de eu dizer algumas frases — se esta vai ser uma resposta interessante ou não —

14:02 espero que seja uma delas — e se você precisa redirecionar as coisas ou não. Isso vem da experiência profunda. É difícil fazer esse julgamento sem ter a experiência. Da mesma forma, na sua área de atuação, você pode olhar para uma planilha e saber se há algo errado. Não precisa ler aquelas 400 páginas de conteúdo sobre IA, porque você percebe na hora, por ser especialista. Essa é uma das razões pelas quais as pessoas em início de carreira estão enfrentando dificuldades agora. Elas não têm essa experiência. A segunda coisa de que você precisa é conhecimento amplo. À medida que as pessoas começam a cruzar as fronteiras entre áreas, saber um pouco sobre muitas coisas ajuda você a dar feedback melhor à IA e a pedir o que quer. A terceira coisa de que você precisa é bom gosto.

14:32 Você precisa ser capaz de escolher entre as opções. Isso também pode envolver o gosto da empresa. Que tipo de estratégia parece ser a que a nossa empresa adotaria? Entre tantos designs que a IA criou, qual é o certo? É preciso selecionar entre muitas opções. E acho que podemos desenvolver bom gosto. A quarta coisa é iniciativa: a disposição para agir diante da incerteza. E acho que isso é um pouco mais difícil de ensinar. Nós tentamos fazer isso. Sou professor de empreendedorismo. Mas acho importante dar às pessoas liberdade para se envolverem em experimentação. ALISON BEARD: Como você está incentivando os líderes da velha guarda, que não estão acostumados

15:03 a tanta incerteza, a ficarem mais à vontade com ela? ETHAN MOLLICK: Acho que existe o risco de as pessoas exagerarem o aspecto geracional dessa tecnologia. Certamente era verdade que os nativos digitais existiam. Você não cresceu com a internet. Há muitas coisas estranhas sobre a internet que você não entende como usuário. Com a IA, não funciona da mesma forma, porque ela não tem o mesmo contexto inerente, porque, neste momento, é uma experiência individual e porque recompensa a experiência. Em nossos primeiros estudos, com alguns colegas de Harvard, MIT e University of Warwick, descobrimos que consultores da BCG com menos experiência

15:33 eram piores no uso da IA. E há outros estudos que mostraram que menos experiência leva a resultados piores com IA, inclusive um da própria Anthropic. Então, acho que um dos perigos é pensar: “Ah, eu preciso dessas pessoas… existe um grupo de pessoas que entende isso”. Ninguém entende isso. Como líder sênior, na verdade, você tem as melhores ferramentas disponíveis, porque tem a experiência e o discernimento necessários para tomar decisões. E provavelmente também tem experiência com a incerteza. Se você está no mercado há 20 anos ou passou por uma crise financeira, passou por guerras — este será um período de muitas mudanças. Isso não significa que você seja inflexível por ser

16:04 um líder sênior. Na verdade, muitas vezes, os melhores líderes seniores, que chegaram onde estão, sabem decidir como fazer mudanças. ALISON BEARD: Você conhece empresas ou líderes que estejam usando a IA com muito sucesso no próprio desenvolvimento de estratégias? ETHAN MOLLICK: Conversei com líderes de nível C em fundos muito grandes que fizeram isso. Falei com líderes seniores de grandes organizações de serviços financeiros, e certamente também do setor de software. Sim, há pessoas fazendo isso o tempo todo. Na verdade, eu diria que você provavelmente está cometendo um erro se não estiver pedindo uma segunda opinião à IA.

16:34 Os modelos estão muito inteligentes agora. Só que, se você estiver buscando orientação médica, consulte seu médico, sem dúvida. Mas todas as evidências indicam que você também deveria inserir essas informações no sistema de IA. Eu faria o mesmo com orientação jurídica. Ouça primeiro seu advogado. Mas por que não pedir uma segunda opinião? Segundas opiniões são baratas e… neste momento. E os melhores modelos — e, de novo, não posso enfatizar o suficiente que você precisa usar um dos modelos de ponta, que, na época desta gravação, são Claude Fable 5.1 e o que quer que seja lançado nos próximos dias, e GPT-6. E talvez Google apareça com um novo modelo de novo.

17:04 Mas você precisa usar um desses modelos de ponta, pelos quais é preciso pagar. E deveria fazer perguntas a ele. A única maneira de descobrir no que ele é bom ou ruim é usando-o. Portanto, use-o à vontade para tudo ao longo do dia. Considere as opiniões dele. Decida onde ele é burro. Isso é um conjunto útil de informações para você. ALISON BEARD: Quando se trata de estratégia, a IA… você acredita que, no fim das contas, ela favorece as grandes empresas, que têm mais recursos, dados e líderes experientes, sobre os quais você falou, ou permite que empresas muito menores concorram com capacidades

17:37 às quais não tinham acesso antes? ETHAN MOLLICK: As duas coisas. Uma das coisas mais impressionantes que vejo quando converso com conselhos de administração de empresas muito grandes e com líderes de nível C é que muitos deles passaram a acreditar que simplesmente não conseguem mudar. Então, mostro o que a IA pode fazer. E eles dizem: “Bem, acho que vamos esperar para ver”. E eu respondo: “Essa resposta é absurda”. Há 100.000 pessoas trabalhando para você. As pessoas mais inteligentes do mundo trabalham na sua empresa. Você tem clientes e recursos. A ideia de que você não consegue ser flexível e competir parece estar arraigada demais neste momento. E sou professor de administração. Entendo que falamos muito sobre como é difícil sobreviver a uma disrupção e quanta inércia as empresas têm.

18:10 Mas também é uma decisão muito estranha, porque você tem todos os recursos, e quem vai descobrir como usar a IA na sua organização serão as pessoas da sua empresa. A experiência traz benefícios. A startup não tem as mesmas barreiras que você. Mas já não tem a experiência. E essa experiência importa. Não é mais o caso de uma pessoa na casa dos 20 saber tudo sobre isso. Quanto mais experiência você tem, mais sabe sobre IA na sua área. E todos estão usando os mesmos modelos de IA. Não é como se a startup de que você está falando fosse ter um modelo melhor que Claude. Então, fico um pouco preocupado com o fato de as pessoas estarem desistindo. Do lado das startups, nunca houve um momento melhor

18:40 para ser uma startup. As startups se baseiam no fato de que você está entre os 0,1% melhores em alguma coisa. E é péssimo em todo o resto. E você torce para que isso não destrua sua empresa. Agora temos uma ferramenta que faz você ser bom em tudo em que não era bom. Isso faz com que essas coisas pareçam um pouco parecidas entre si. Mas tudo bem. Quando eu estava na minha primeira startup, tínhamos que fazer a folha de pagamento. E eu não sabia que dava para pagar alguns centavos por período de pagamento a uma empresa de folha de pagamento para cuidar dos impostos. Então, eu fazia os impostos à mão no Excel para cada pessoa da empresa. Levava umas oito horas toda semana, até eu descobrir um jeito melhor.

19:11 A IA simplesmente me diria que eu não precisava fazer aquilo. Poderia cuidar disso para mim. Há tanta coisa que ela poderia ajudar a resolver. Então, ela está acelerando todo mundo. E não falamos o suficiente sobre as pessoas da sua empresa. Elas também estão sendo aceleradas. A questão é: o que você faz com isso? ALISON BEARD: Preciso perguntar sobre todo o alarmismo que está acontecendo agora em torno de liberar agents na sua organização e fazer com que provoquem o caos ou comecem a fazer o que quiserem, sem ouvir o que os líderes querem. Então, conte-me sua reação às notícias recentes

19:44 de que OpenAI e Anthropic estão pedindo talvez uma desaceleração no desenvolvimento de IA. ETHAN MOLLICK: Acho que precisamos diferenciar entre as capacidades dos modelos futuros, a versão sem salvaguardas dos modelos que está sendo testada agora e as capacidades atuais. Acho que há pessoas inteligentes o bastante preocupadas com o desenvolvimento futuro dos modelos e, como ainda estamos nesta curva exponencial, se elas estão preocupadas, medidas do governo ou outras ações para desacelerar… para ritmar a fronteira e descobrir o que é certo fazer, dando tempo às pessoas para que estejamos no circuito

20:15 como decidir o que acontece parece razoável. A forma que isso vai assumir ainda está em aberto. A importância disso — o quanto é arriscado, na verdade — ainda está em aberto. Mas não há motivo para não haver alguma política para prevenir riscos existenciais. Acho que, no curto prazo, vamos enfrentar um cenário de cibersegurança apocalíptico. Vocês vão ter que — talvez seja possível resolver isso. A defesa pode superar o ataque. Mas acho que estamos caminhando para um mundo em que, quando tivermos modelos sem guardrails, a cibersegurança será um problema real. Dentro das organizações que usam modelos com guardrails,

20:47 simplesmente não existe o mesmo tipo de risco. Então, acho que precisamos diferenciar essas coisas. ALISON BEARD: Mas como os líderes das organizações deveriam pensar sobre esse cenário, que, como você disse, pode se tornar apocalíptico por causa de agents mal-intencionados de fora, que prejudicam a estratégia competitiva ao roubar informações ou causar interrupções? ETHAN MOLLICK: Acho que vocês não deveriam pensar tanto nos concorrentes lançando coisas contra vocês

21:18 para causar problemas. Acho que vocês vão ter que lidar com cenários de segurança em que agents, por muitos e muitos motivos, vão tentar invadir seus sistemas. Quando converso com CSIOs — a OpenAI tirou 20% da equipe de pesquisa e 20% dos recursos para reforçar a segurança dos sistemas. Conversei com líderes de grandes instituições financeiras que estão deslocando mais de 50% da equipe e tentando — todos tentando descobrir o que fazer. Ao mesmo tempo, a defesa melhorou. A quantidade de correções que vocês precisam fazer

21:48 aumentou, o que também cria problemas. Então, não sabemos como isso vai se desenrolar. Mas acho que vamos passar por um período muito disruptivo, em que o cenário de cibersegurança vai ficar intenso. E isso vai parecer muito absurdo para quem olha de fora. Acho muito importante pensar agora em como vocês vão lidar com isso. Com base nos especialistas com quem converso, acho que vocês provavelmente estão subestimando o quanto essa situação será difícil. Não sou especialista em cibersegurança. Então, não acho que a questão seja tanto os atacantes incomodarem vocês, mas sim que cada parte do sistema de vocês exposta à internet será um alvo para agents,

22:20 talvez realizando tarefas completamente aleatórias e benignas. Se eu pedir a um enxame de agents que pesquise preços de produtos, talvez ele — talvez decida conseguir um ótimo preço para o Natal, porque você queria comprar um suéter. «Preciso mesmo invadir os sistemas dessa fábrica de lã, porque é a única maneira de descobrir os preços de que preciso», e atacar sem parar essa fábrica. Não foi um ataque malicioso. Foi — «só preciso descobrir o preço da lã no mercado de contratos futuros». E fico obcecado com isso. Então, vai ficar muito complicado. Em certa medida, estamos lidando com uma tecnologia alienígena.

22:52 ALISON BEARD: Qual é o maior erro estratégico que você vê as empresas cometendo neste momento, enquanto tentam descobrir o que a IA significa para os negócios delas? ETHAN MOLLICK: Há dois erros enormes. Um deles é ficar obcecado com a capacidade atual da IA. Tenho uma lista do que está em alta na IA. E, a cada três meses, isso muda, e todo mundo aposta tudo nisso. Tudo isso acontece porque nos fixamos nas capacidades atuais da IA. Uma coisa que esteve em alta recentemente é todo mundo estar gastando demais com tokens. Pois bem, adivinhem só: quando vocês começam a pensar em IA multiusuário, com muitas pessoas da organização usando-a,

23:23 os custos dos tokens ficam mais razoáveis. Agora, todas as empresas de IA estão reduzindo o custo dos modelos e fazendo com que eles usem agents menos inteligentes para realizar tarefas mais baratas. Todo mundo apostou tudo na ideia de que o custo era o principal problema. Talvez isso seja uma preocupação daqui a alguns meses, talvez não. Não posso dizer. Depende da organização de vocês e das escolhas que estão fazendo. Então, acho que há o perigo de se fixar no que vocês têm agora e se contentar com os sistemas e as capacidades disponíveis hoje, sem perceber que ainda estamos na fase exponencial. Esse é, de longe, o problema número um. O segundo problema é confiar que outras pessoas já resolveram tudo.

23:53 Todo fornecedor com quem vocês conversam também está improvisando enquanto avança. Nenhum consultor com quem vocês conversam tem 17 casos de sucesso. E, se tiverem casos de sucesso, são com o GPT-4, um modelo obsoleto que ninguém usaria mais para nada. E o modelo do celular de vocês é mais poderoso do que ele. Portanto, vocês precisam desenvolver a capacidade de criar suas próprias soluções internamente. Isso não significa escrever todo o código ou fazer tudo por conta própria. Mas significa desenvolver essa capacidade dentro da organização. ALISON BEARD: Então, vamos falar sobre esse primeiro problema ou erro que você mencionou. Como você ensina a si mesmo a abraçar

24:25 a ideia do avanço exponencial e a se preparar para onde a bola está indo? ETHAN MOLLICK: Para pegar uma ideia de Harvard — de Mike Tushman e seus colegas —, a ideia é que vocês precisam de ambidestria. Precisam ser capazes de fazer duas coisas ao mesmo tempo. Precisam aproveitar o que está acontecendo hoje, mas perceber que ainda estão explorando. Por isso, o laboratório é tão importante. Sem uma equipe interna, flexível, que esteja construindo coisas impossíveis para o futuro, vocês ficam presos. Então, há algumas perguntas que faço às organizações sempre que converso com elas. A primeira é: o que vocês deixaram de fazer por causa da IA? A IA tornou algo trivial na organização de vocês.

24:56 Qual é a coisa trivial que antes era muito importante, mas deixou de ser? Vocês precisam parar de fazê-la. A IA simplesmente faz isso. A segunda pergunta é: o que vocês estão construindo que parece impossível? Vocês deveriam estar construindo pelo menos uma coisa inacreditável, que mudaria o setor. Se não estão construindo isso, não estão sendo ambiciosos o suficiente. Mais ainda: deveriam estar construindo algo que ainda não funciona, porque estão apostando que essa curva exponencial continuará crescendo e que, em algum momento, vai funcionar. E a quarta pergunta é: vocês têm liderança, laboratório e multidão? Então, acho que, se tiverem respostas para essas quatro perguntas, estarão em muito melhor situação para serem ambidestros. ALISON BEARD: Certo. E como vocês estruturam toda a organização

25:31 com os talentos capazes de executar tudo de que você está falando? ETHAN MOLLICK: Essa também é uma pergunta muito difícil. Tudo, da segurança psicológica a como construir a estrutura certa — agora vocês estão colocando tudo isso em jogo. Se vocês têm uma boa estrutura, uma boa organização, uma boa cultura e os sistemas de recompensa certos, as pessoas da organização descobrem casos de uso. E contam a vocês sobre eles. Se não têm, todos escondem os usos que fazem. E nada que vocês possam fazer vai mudar isso, porque têm medo de que, se contarem, serão demitidos, não serão respeitados ou não serão recompensados. E por que contariam a vocês como estão usando esses sistemas? Então, vocês precisam de pessoas com experiência na organização

26:03 para descobrir isso e de pessoas dispostas a falar sobre o assunto. E isso vem de uma boa cultura, estrutura, sistema de recompensas, abertura e boa gestão. Essas coisas são mais urgentes do que nunca. ALISON BEARD: Você falou das primeiras perguntas que faz aos líderes quando começa a orientá-los sobre como devem gerenciar isso. À medida que avançam e enfrentam desafios, quais são os obstáculos mais comuns que você vê impedindo que sigam em frente por completo rumo a esse novo mundo de estratégia impulsionada pela IA?

26:38 ETHAN MOLLICK: Acho que o perigo é muitas organizações tratarem isso como uma tecnologia comum. Há um desejo desesperado de fazer com que isso seja como qualquer outra tecnologia que possamos assimilar e transformar em um — que vire um projeto com X dólares associados a ele e um processo de solicitação de propostas de seis meses, seguido por um processo de descoberta de oito meses. Isso não vai funcionar. Vocês vão experimentar. Vão ter que fracassar. Ninguém tem respostas para a pergunta de vocês. Então, se tentarem fazer isso como algo completamente livre de riscos, acabam numa situação em que

27:09 replicar outros grandes projetos de tecnologia. E isso estará obsoleto no momento em que você lançar. E você não terá desenvolvido a capacidade dinâmica de mudar o que faz. Garantir que você continue ávido pelo futuro é o verdadeiro problema aqui, e acompanhar esse crescimento exponencial. E só tenho alguns bons conselhos. É um problema difícil de resolver. ALISON BEARD: Sim, com certeza. Então, não se trata de um plano de adoção de IA, nem mesmo de transformação. Trata-se, na verdade, de revolucionar a maneira como você pensa sobre aquilo que sua empresa foi projetada para fazer? ETHAN MOLLICK: A única coisa em que mais me enganei sobre IA

27:40 no último ano foi achar que seria mais difícil fazer agents funcionarem do que realmente é. Achei que precisaríamos de organizar equipes de agents, que precisaríamos usar todo o nosso conhecimento de design organizacional. Mas acontece que não precisamos: existem enxames de 100 mil agents que se auto-organizam. Não esperava que isso acontecesse. Mas faz sentido quando pensamos no motivo de as organizações existirem e serem complicadas: as pessoas têm conhecimento limitado. As pessoas têm interesses diferentes em mente. Elas entram em conflito. Não têm o mesmo objetivo. Os agents de IA compartilham todas essas características. Então, de repente, coordenar não é tão difícil quanto pensávamos que seria. A coordenação acaba sendo um problema mais fácil do que imaginávamos.

28:13 E, como resultado de tudo isso, de repente, você consegue realizar coisas com IA de uma forma que não esperava. Então, o problema passa a ser, do lado da liderança: o que quero que a organização faça? E, se seus KPIs e outros materiais estiverem todos estruturados em torno da ideia de resultados produzidos por pessoas, você não quer cem vezes mais PowerPoint. Não quer cem vezes mais código. Quer resultados diferentes e melhores. Então, precisa parar e pensar quais são esses resultados e objetivos, e buscar maximizá-los. Caso contrário, você acaba com coisas internas e simplesmente produz cem vezes mais código, cem vezes mais PowerPoint.

28:44 Se há uma lição que aprendi no meu MBA, antes de ir fazer meu doutorado, é que as pessoas fazem aquilo que são incentivadas a fazer. E você precisa pensar muito bem nos incentivos da sua organização. Se os incentivos da sua organização são minimizar o impacto da IA e usar IA como ferramenta de produtividade para fazer mais daquilo que meus KPIs dizem que devo fazer, isso não é transformação. ALISON BEARD: Vamos ampliar a perspectiva e falar de algumas questões mais abrangentes. Primeiro, obviamente, há o receio de que isso leve ao desemprego em massa. Então, como você vê o futuro do mercado de trabalho

29:14 neste novo mundo liderado pela IA? ETHAN MOLLICK: Essa é a maior questão e o maior debate entre economistas sobre o tema. E não temos respostas fáceis. É fácil teorizar que o mercado para profissionais iniciantes será pressionado, porque eles não têm experiência. Por que contratá-los quando se pode usar IA? E há alguns indícios disso. Mas também há indícios de que pode haver mais contratações, porque agora você pode usar programadores para fazer coisas que organizações sem programadores agora conseguem fazer: escrever o próprio código. Assim, você pode começar a internalizar essas atividades. E agora todo mundo está montando sua própria agência de marketing.

29:45 Então, talvez haja perda de empregos nas grandes empresas centralizadas. Mas, dentro das organizações, os empregos aumentam porque há mais demanda. É muito difícil saber. Dá para imaginar — e, para deixar claro, os laboratórios de IA estão mirando no apocalipse dos empregos. Eles querem que a IA substitua todo o trabalho humano. Esse é o objetivo explícito deles. Acho que há motivos para acreditar que, primeiro, talvez estejam errados e, segundo, não queremos que vençam. Portanto, não devemos deixar que esse seja o futuro que teremos. Mas esse é o objetivo deles. Então, não sei qual será o resultado no longo prazo em termos de emprego, propriamente, nem qual será o impacto sobre os empregos

30:16 no fim das contas. E ninguém sabe. Estamos acompanhando isso de perto. E, no momento, tudo está muito confuso em termos dos indicadores. Não temos uma resposta de fato. ALISON BEARD: Com o avanço tão rápido da tecnologia, sem sequer sabermos o que vai acontecer com ela — como você disse, é preciso desenvolver sua estratégia de forma dinâmica. É preciso estar preparado para mudanças. É preciso experimentar e falhar. É preciso estar preparado para avanços exponenciais. Como podemos melhorar nossa capacidade de prever

30:46 não só as oportunidades, mas também os riscos realmente assustadores? ETHAN MOLLICK: As coisas estão se acelerando muito. Acho difícil equilibrar esses aspectos. Esta é uma tecnologia de uso geral. É muitas coisas diferentes ao mesmo tempo. Há riscos existenciais potencialmente associados a ela. E certamente há riscos de curto prazo. Volto a me preocupar muito com a automação dos empregos, em vez de sua ampliação. Preocupo-me com as pessoas sendo afastadas de todas as partes interessantes do trabalho

31:17 e ficando apenas com a tarefa de verificar os resultados gerados por IA, sendo demitidas se houver erros. Parece uma maneira terrível de viver. Preocupo-me com os impactos no nosso ambiente informacional. Ao mesmo tempo, estou muito preocupado — como professor, também me preocupo com as pessoas colando com IA e, por isso, aprendendo menos. Ao mesmo tempo, sabemos que a IA também é uma tutora incrivelmente boa. Então, ela pode transformar o ensino para melhor, assim como pode transformá-lo para pior. Acho que ela oferece uma grande possibilidade de libertação para pessoas que estão travadas, permitindo que façam mais coisas do que antes. Sabemos, sem dúvida, que ela dá bons conselhos médicos,

31:48 jurídicos e coisas assim. Ainda assim, consulte seu médico e seu advogado. Não estou tentando dizer que você não deve fazer isso. Mas acho que é uma situação ambígua. Então, como reagimos a isso? Reagimos com políticas que incentivem os bons usos e reduzam os maus. Incentivamos esses usos sendo criteriosos na maneira como utilizamos esses sistemas, sem fazê-lo às cegas. Fazemos isso, como líderes, escolhendo como esses sistemas serão usados e trabalhando em conjunto com nossa equipe e nossas organizações para garantir que não estejamos tirando o poder das pessoas em massa. E acho que, em circunstâncias assim, a boa liderança começa a se destacar.

32:19 ALISON BEARD: Bem, Ethan, muito obrigada por lidar conosco com todas essas questões realmente difíceis. Aprendi muito sobre IA com você ao longo dos anos, e especialmente com seu novo livro. Muito obrigada por estar comigo hoje. ETHAN MOLLICK: Obrigado pelo convite. [MÚSICA]

Transcrição original

[00:00] ETHAN MOLLICK: One of the most depressing things I see when I talk to boards of very large companies and to C-level leaders is a lot of them have come to believe they just can’t change. So I show them what AI can do. And they’re like, well, I guess we’ll ride this out. I’m like, that’s an insane answer. You have 100,000 people working for you. The smartest people in the world are working for your company. You have customers and resources. The idea that you can’t be flexible and compete seems to be overly baked in right now. [MUSIC PLAYING]

[00:30] ALISON BEARD: Ethan Mollick, professor at Wharton and author of Co-Existence, welcome to the IdeaCast. ETHAN MOLLICK: Thanks for having me. ALISON BEARD: Yeah. So you’ve been closely tracking advances in AI and constantly experimenting with all the new tools. What is different today than even a few months ago in terms of how new developments should guide the way that leaders are thinking about strategy in particular? ETHAN MOLLICK: One is the exponential curve continues. AI just keeps getting better. There isn’t really a sign of that stopping right now.

[01:00] And the second is that agents are real, which our AI tools can go off and do work on their own autonomously and do real process work, real important things. And that has become a viable approach to work in the near past. ALISON BEARD: It seems like a lot of companies right now are thinking of AI as really a productivity exercise. You’re automating tasks. You’re saving time. You’re reducing costs. How does a genuinely strategic AI transformation strategy

[01:32] differ from that? What do you think companies should be doing now? ETHAN MOLLICK: I think it’s actually pretty urgent to do a few things. One is viewing this purely as a productivity tool gets you in trouble in a lot of different ways. People are getting ROI from AI. They’re getting ROI from that productivity gain. Productivity gains are real. The problem is that those productivity gains get eaten up by the organization, which is if you don’t change any part of the process, AI is mostly a single-player entity, and you end up with more of everything. So if you don’t change your KPIs, people can produce more PowerPoint. They produce more code. That’s not actually what you want. So leadership needs to decide what this thing is.

[02:04] And the second is AI is getting very capable. And I worry that if our default is automation, we end up in a situation where we just keep handing tasks to AI and don’t think hard enough about where humans fall into this process. And that leads to a lot of danger as well. ALISON BEARD: Is your argument that leaders need to move from asking where can we use AI in this existing business alongside humans to a question that’s more like, how does AI change our business going forward?

[02:34] ETHAN MOLLICK: At this point, we have ample evidence that AI can regularly do the kind of work that would take a human 2 to 18 weeks in a reasonable amount of time, a reasonable amount of money, with high success rates. That implies a lot of different things. It implies that what your organization does has to change. How you think about the boundaries between jobs is changing. I talk to C-level leaders all the time. And one of the first effects they see of AI, and we saw this also in our research, is that jobs start to blur. Coders do design work. Designers do coding. Product managers do everything. How do you start thinking about what the boundaries of your organization are?

[03:04] What’s the product you’re trying to produce? Is it an interim product of a PowerPoint? What was the point of the PowerPoint in the first place? You start to run into really fundamental questions about what the goal of the organization is, how you accomplish that, what are your values for getting there. And they’re urgent. This isn’t theoretical, let’s sit down in an academic way. It is, your organization is already changing from the inside. What do you do about that? ALISON BEARD: So what are some best practices that you recommend to leaders who are grappling with these issues right now that need to start having those really urgent conversations, and not just have them, but make them progress

[03:37] enough so that they can actually start making some real decisions? ETHAN MOLLICK: There’s some individual feedback. And there’s some organizational feedback. On the organization side, the model that I’ve seen works best is sort of like a Meta model, which is leadership, lab, and crowd. So you need three things to succeed. You need the leadership team to actually lead in this. That’s not just say, use AI. They have to make decisions about how AI is used, what the organization does with AI. How do we incentivize people? The crowd means giving people access to these tools. We’re at a point now where giving organizations inferior AI access because of either– just because you haven’t bothered

[04:08] to improve the most recent models leads you into trouble. You’d actually become very diluted about what AI can and can’t do. And then you need a lab. You need people doing 24/7 work who are not primarily technical, by the way. There’ll be technical people there, but also organizational people who are thinking about, how do we restructure the organization around AI? They’re benchmarking what systems could do, building systems of the future, taking ideas from the crowd and ideas from leadership, and helping build them. So you need to be doing this as a whole organization response. At the individual level, the factor that I’m seeing that differentiates leadership that succeeds at AI use in organizations that succeed

[04:40] and those that don’t is leaders who are willing to eat risk, who are willing to say, look, nobody knows what’s going to happen here. But unless we do active experimentation, we’re not going to know anything. And if you just let everybody in the organization have vetoes over AI use because it might be risky– it is. But not to do anything is risky, too. And that also means actively using it yourself. So leaders who don’t use it– the latest AI systems, who wait for reports from other people, who are waiting for training some week fall behind those who just are experimenting. ALISON BEARD: So I think the last time that you and I talked about this, you had this model for human-AI collaboration

[05:13] that was either a centaur– you’re half using your human skills and then half using AI– or a cyborg, where you’re going back and forth between the two. Talk about how that is evolving to one that you now describe as conjurer work that you think leaders should not only be doing themselves as individuals, but also enabling in their organizations as part of their strategy. ETHAN MOLLICK: The biggest change we really look at the sweep of the last year was that in every independent study we have, basically, AI went from regularly being able

[05:44] to do a half-hour of work, 45 minutes of work, to you can get 16-plus hours of work out of a single AI instruction with good chance of success. And that means you don’t walk next to the AI anymore. You don’t work back and forth with it in the same way you did before. You are actually assigning the AI to tasks almost like you’re a team you’re assigning. And it does the work. So a conjurer is really about conjuring a team into existence when you need it. It’s almost like writing an RFP for a project you need done, or SOP or any of the other standard TLA/three-letter acronyms that we use in business to assign work.

[06:15] And you send that out. And the AI just does that work. That’s a very different situation than I prompt the AI, look at the results. I prompt it again. This is a very different, action-oriented field. ALISON BEARD: How does that change how leaders approach the structure of the organization, what it even means to be a manager? ETHAN MOLLICK: So everyone’s a manager, to some degree, right now. Everyone has AI to manage. And AI skills look like management skills. In fact, there’s a great study out of Anthropic that shows that the people who are the most successful coders

[06:47] at the first pass of coding are actually managers, not coders, because they do a good job of specifying what they want. And the AI executes on that. So that is the big problem. Your organization– suddenly, capacity increases. And I think organizations that don’t have imagination are going to retreat to automating away the work. And automation is a well-worn playbook in the business world. I think it’s a recipe for disaster. It’s a disaster for all of us. If all of our work becomes automated or we just become verifiers of AI content, that’s not a good situation to be in. But also, it removes all the differentiation.

[07:18] Leaders need to be building companies that blend AI and human work together with process and with culture in ways that accomplish things that neither could do alone. If you just move to automation, you’re going to have the same Claude-based company everyone else does. ALISON BEARD: Well, that’s an interesting point. So when we’re talking about strategy, we’re also talking about finding competitive advantage. So if every company has access to the same frontier models, where exactly can leaders differentiate their organizations from competitors?

[07:48] ETHAN MOLLICK: That’s where the key comes in. You are probably not using AI enough inside your organization and not trusting enough. But you then want to bring people back in. We’re already seeing– the most extreme version of this in terms of organizational change are things like software dark factory. So dark factory, factory– all the work is done by robots. You don’t need humans in it. You don’t need any lights. Software dark factories– I know one company, StrongDM, that has been shipping product to customers. And there’s no human involved in that. Their rules are no human could look at code. No human could write code. It is 100% AI-automated. I think that’s a dangerous approach because you’re just

[08:20] letting the code do the work. I think we need to think about building twilight factories, situations where the AI proactively reaches out to people and brings them in because they have variants and views because their process or expertise matters because their sign-off and approval’s needed or because they find the work interesting. And I think we need to start restructuring work around the idea that these systems really can accomplish many things, and will be able to accomplish more in the near future. So it’s integrating it with humans at the right places at the right time and process that’s going to give you a differentiator. ALISON BEARD: Where are the specific ways in which you think

[08:51] that, as fast as AI is evolving, humans still have a role, and particularly leaders still have a role? ETHAN MOLLICK: One thing is you can’t really be in the loop in the same way you were. It was easy to be in the loop when you were– when it was a chatbot. It’s not easy when– I literally have projects where I have a swarm of 100 agents solving a problem for me. I have them report out to me like I’m a manager. So I am in the loop to the extent that they give me a PowerPoint about their progress and they show me demos of what they’re building. But that’s very different than I’m approving every action.

[09:23] And so leaders, actually– one of the outputs of AI is leaders are super empowered. I keep seeing organizations where leadership basically takes back control over their company because they can now directly ask the AI for the information they need. I have talked to people who are C-level leaders and who’ve actually diagnosed problems with plants that no one brought up to them because they could just literally query all of the information at their company’s disposal and ask questions and have the AI go off and do tasks for them. So it’s a really interesting change in the span of control if you set this up right, which lets leadership actually

[09:54] think more about things rather than hearing things through three or four different layers of leadership. ALISON BEARD: So would you say then that AI agents are making strategic decisions on behalf of leaders and organizations with the right context given to them? ETHAN MOLLICK: They already are. If you have an AI agent that is doing any long-running work– Epoch, which is an AI benchmarking company– it was reporting that they could get regularly between 2 and 18 weeks of engineers’ work

[10:25] out of a single prompt– Claude– for a couple hundred dollars. That involves tons of strategic decisions and judgment calls and creativity calls. They may not be your judgment or creativity or– but we can’t say anymore the AI isn’t making strategic decisions. It is. The question for you is, where do you want to make decisions, and where not? And just like any team, you can give those instructions. You can say, listen, I want you to come with the five best options, your defenses for each of them, surface those, pressure test them for me, and then deliver so I can pick between them, and this is the format I want them in,

[10:55] or you could say, just go ahead and execute. You’re hooked up to code. Build a prototype for it and test it with a few people. Those are now options you have available to you. So some of this is reconstructing what we’ve already done with human. So what’s the process by using humans and AI together that I get a working idea that’s much better than ideas before? How does that get done much faster and better? ALISON BEARD: Where exactly, though, does a leader know where they add the most value and where they don’t? What are the points at which they should be involved

[11:27] absolutely, every time? ETHAN MOLLICK: I think part of this is you have to make decisions now about what you’re– how to best accomplish what your company wants to accomplish. And you, obviously, don’t want to give this all up. You don’t want to give it up because the AI is not as smart as you and what you’re best at, because the AI doesn’t have enough variation, because it doesn’t actually absorb your culture in a deep way. Now, you can give some of that as context. But that’s part of process design. We do this all the time. What are the limits of your product engineering group versus your marketing group versus your legal team? We have to think about the same kind of process design here, which is, where are those limits and limitations?

[11:59] I think the danger is that by skipping doing that, you either move to an all-automation world, where all those choices are made by AI, or you underestimate what these systems can actually do. So it is actually disciplined decision-making that gets you there. ALISON BEARD: And what are the things, the aspects of strategic leadership, that you don’t think can ever be delegated or outsourced? ETHAN MOLLICK: So I’m always careful about bright lines, where we say nothing. And it’s something– can be never done. ALISON BEARD: Never, ever. ETHAN MOLLICK: But these systems are jagged. They’re good at a lot of stuff and bad at stuff you wouldn’t expect. And that means, by the way, there’s

[12:30] different things that jobs do. Think about coding. You are hiring coders to be the best at writing elegant lines of code. Then AI could write the code. So then it became about systems engineering. Could you see the bigger picture? Now AI is increasingly doing some of the systems engineering work. In some ways, it’s very upsetting if you’re a coder because the nature of the job is changing in ways that are good or bad all the time. And what you learned as craft no longer is. I think we’re going to see the same thing about leadership. Right now, your– maybe your judgment calls are about the details of pricing strategy. The AI might be better at pricing than you.

[13:01] You won’t till your lab tests it for you. I can’t give you the answer in your industry or not. You’ll only know by experimentation. And you don’t have to do that all alone. That’s where your lab and your crowd comes in. Your crowd is surfacing use cases and values of AI. You don’t have to do this all yourself. But I think a big danger of companies is they think someone solved this problem for them, someone’s figured this out. We’re all faking it. Nobody knows anything. The AI labs don’t know anything. The vendors are all making this up. This is a three-year-old technology. So you have to seize control, to some extent, of this yourself to figure out what you want to use it for. ALISON BEARD: Are there capabilities

[13:32] that you suggest your students, your MBA students, your kids, aspiring leaders that you suggest they develop because you believe they’ll be increasingly important in an AI-dominated world? ETHAN MOLLICK: So I think there are four things that are very useful. They’re not the only things. One of those is deep knowledge, which is the ability to actually understand a field really well. So we’re on this podcast. And you know from the beginning of my question or not, before I even say a few sentences, whether this is going to be an interesting answer or not–

[14:02] I hope this is one of them– and whether you need to redirect things or not. That comes from deep expertise. It’s hard to make that judgment call if you don’t have the expertise. Similarly, in your industry area, you can look at a spreadsheet and know whether something is wrong. You don’t have to read those 400 pages of AI content because you know right away because you’re an expert. It’s one of the reasons why junior people are struggling now. They don’t have that expertise. Second thing you need is wide knowledge. As people start to cross field boundaries, knowing a little bit about many things helps you give the AI better feedback and ask for the things you want. The third thing you want is taste.

[14:32] You want to be able to pick among things. And that could be company taste, too. What strategy feels like the kind of strategy our company would do? Of these many designs the AI came up with, which is the right one, selecting among many options? And I think we can develop taste. And then the fourth one is agency, the willingness to take action under uncertainty. And I think that’s a little bit harder to teach. We try and do that. I’m an entrepreneurship professor. But I think giving people the leeway to engage in experimentation is important. ALISON BEARD: How are you encouraging the old guard of leaders who aren’t accustomed

[15:03] to such uncertainty to become more comfortable with it? ETHAN MOLLICK: I think there’s a danger of people overstating the generational aspect of this technology. It certainly was true that digital natives were a thing. You didn’t grow up with internet. There’s a lot of weird stuff about the internet you don’t understand as an internet user. It doesn’t work the same way with AI because AI doesn’t have the same innate background, it’s a single-player setup at this point, and because it rewards expertise. In our early studies with some of my colleagues at Harvard, MIT, and University of Warwick, we found that BCG consultants with less experience

[15:33] were worse at using AI. And there’s other studies that showed less expertise results in worse AI outcomes, including from Anthropic itself. And so I think one of the dangers you have is you’re like, oh, I need these– there’s some group of people who gets this. Nobody gets this. So as a senior leader, you actually have the best tools available because you have that expertise and judgment to make decisions about things. And you probably have uncertainty, too. If you’ve been around for 20 years or you’ve been through financial crisis, you’ve been through wars– this is going to be a time of a lot of change. That doesn’t mean that you’re inflexible because you’re

[16:04] a senior leader. In fact, often, the best senior leaders who got where they are are good at deciding how to make changes. ALISON BEARD: Have you seen companies or leaders that you know really successfully use AI in strategy development itself? ETHAN MOLLICK: I’ve talked to C-level leaders at very large funds who’ve done this. I have spoken to senior leaders in large financial services organizations, certainly in software. Yes, there are people doing this all the time. And in fact, I would argue you’re probably making a mistake if you’re not getting a second opinion from the AI.

[16:34] The models are very smart right now. It’s just if you’re getting medical advice, absolutely see your doctor. But every piece of evidence is– you should absolutely be feeding that into the AI system, too. I would do the same thing with legal advice. Listen to your lawyer first. But why not get a second opinion? Second opinions are cheap and– right now. And the best models– and again, I can’t emphasize enough you need to use one of the frontier models, which at the time of this recording, that means Claude Fable 5.1 and whatever it’ll be in the next couple of days and GPT-6. And maybe Google comes up with a– with a new model again.

[17:04] But you need to use one of these frontier models you have to pay for. And you should be asking it questions. The only way you’re going to find out what this is good or bad at is by using it. So by all means, use it for everything during the day. Take its opinions. Decide where it’s dumb. That’s a useful set of information for you. ALISON BEARD: When it comes to strategy, does AI– do you believe it ultimately favors large companies with more resources and data and those experienced leaders that you were talking about, or does it allow much smaller companies to compete with capabilities

[17:37] that they couldn’t access before? ETHAN MOLLICK: Both of those things. One of the most impressive things I see when I talk to boards of very large companies and to C-level leaders is a lot of them have come to believe they just can’t change. So I show them what AI can do. And they’re like, well, I guess we’ll ride this out. And I’m like, that’s an insane answer. You have 100,000 people working for you. The smartest people in the world are working for your company. You have customers and resources. The idea that you can’t be flexible and compete seems to be overly baked in right now. And I’m a business school professor. I understand we talk a lot about how difficult it is to survive disruption and how much inertia companies have.

[18:10] But it’s also a very weird decision because you have all the resources, because who’s going to figure out how to use AI in your organization is going to be people in your company. Experience has returns. The startup doesn’t have any of the same barriers you do. But they don’t have the experience anymore. And that experience matters. It’s no longer a 20-something knows everything about this. The more experience you have, the more you know about– in AI in your field. And everyone’s using the same AI models. It’s not like the startup you’re talking is going to have a better model than Claude. So I worry a little bit that people are giving up. On the startup side, it’s never been a better time

[18:40] to be a startup company. Startups are all about that you’re the top 0.1% at something. And everything else you’re terrible at. And you hope that doesn’t destroy your company. Now we have a tool that makes you good at everything you weren’t good at. Now, it makes that stuff all feel a little bit similar to each other. But that’s OK. I’m somebody who when I was in my first startup company, we had to do payroll. And I didn’t realize you could pay a payroll company a couple cents per payroll period to do taxes for you. So I would do taxes by hand in Excel for every person in the company. It took, like, eight hours every week before I realized a better way.

[19:11] AI will just tell me I didn’t have to do that. It could take care of it for me. There’s so much that it could help solve. So it’s accelerating everybody. And we haven’t talked enough about the individuals in your company. They’re also accelerating. The question is, what do you do with that? ALISON BEARD: I have to ask about all the fearmongering now that’s going on about unleashing agents in your organization and having them create chaos or start doing whatever they want to without listening to what leaders want. So tell me your reaction to all the recent news

[19:44] with OpenAI and Anthropic calling for maybe a slowdown in AI development. ETHAN MOLLICK: So I think we need to differentiate between future model capabilities, the unguardrailed version of models that are being tested now, and current capabilities. So I think there is enough smart people worried about future model development, and we’re still in this exponential curve, that if they’re worried about a slowdown, government action, or other action to slow– to pace the frontier and to figure out what the right thing to do is and give people time so that we are in the loop

[20:15] as deciding what happens seems reasonable. What form that takes is up for grabs. How important that– how risky it is really is up for grabs. But there’s no reason not to have some– to have policy to prevent existential risk. I think we’re in for a cybersecurity environment that is apocalyptic in the near term. You’re going to have– now, it might be solvable. Defense could beat offense. But I think we’re in a– for a world where when we get unguardrailed models, cybersecurity is going to be a real issue. Within organizations using guardrailed models,

[20:47] there just isn’t the same kind of risk. So I think we need to differentiate between those things. ALISON BEARD: But how should organizational leaders be thinking about that environment, which you said might become apocalyptic for rogue agents from outside thwarting their competitive strategy because they’re stealing information or causing disruption? ETHAN MOLLICK: I think that you should think about it not so much as your competitors unleashing things on you

[21:18] to cause trouble. I think it’s going to be that you’re going to have to deal with security environments where agents for many, many reasons are going to be attempting to penetrate your security. I think that when I talk to CSIOs– OpenAI pulled 20% of their staff off of research and 20% of the resources to hardening their systems. I have talked to leaders of large financial institutions who are pulling 50%-plus of their staff and trying– everyone trying to figure out what to do. At the same time, defense has increased. The amount of patching you need to do

[21:48] has increased, which also creates problems. So we don’t know how this goes through. But I think we’re going to have a very disruptive period where the cybersecurity environment is going to get intense. And that will look very crazy from the outside. I think that thinking about how you’re going to deal with that now is really important. I think you’re probably underestimating how difficult that situation is going to be based on the experts I talk to. I am not a cybersecurity expert. So I don’t think it’s so much attackers bothering you as much as every part of your system exposed to the internet is going to be a target for agents,

[22:20] maybe accomplishing completely random, benign tasks. If I ask an agent swarm to price products, they might– it might decide to really get good pricing for Christmas because you wanted to buy a sweater. I really need to get inside of this wool mills systems because that’s the only way I can find out the pricing I need and relentlessly attack that wool mill. That wasn’t a malicious attack. That was a– I just need to find the price per wool that you have in the futures contract market. And I become obsessed with this. So it’s going to get very complicated. We’re dealing with alien technology, to some extent.

[22:52] ALISON BEARD: What’s the biggest strategic mistake that you see companies making right now as they’re trying to figure out what AI means for their business? ETHAN MOLLICK: There’s two giant ones. One of them is fixating on the ability of AI right now. I have this list I have of what the hot thing is in AI. And every three months, it changes, and everyone goes all in. All of these things are because we’re anchoring on what the capabilities of AR are today. So the hot thing that has been recently is everyone’s spending too much on tokens. Well, guess what? Once you start thinking about multiplayer AI, where many people in your organization are using it,

[23:23] token costs become more reasonable. All the AI companies are now reducing the cost of models and having models use dumber agents to do work that are cheaper. Everyone went all in on cost was the main issue. That may or may not be the concern a few months from now. I can’t tell you. It depends on your organization and the choices you’re making. So I think there’s a danger in fixating on what you have now and satisficing based on the systems and capabilities you have today and not realizing that we’re still in the exponential. That is by far the number one problem. The second problem is trusting that other people have got this nailed down.

[23:53] Every vendor you talk is also making this up as we go along. Every consultant you talk to does not have 17 successful cases. And if they have successful cases, it’s for GPT-4, a model that’s obsolete and no one would use for anything anymore. And your phone’s model is more powerful than that. So you have to build the capacity to make your own solutions in-house. That doesn’t mean write all your code or anything else yourself. But it does mean building that capacity internally. ALISON BEARD: So let’s talk about that first problem or mistake that you see. How do you teach yourself to embrace

[24:25] the idea of exponential advancement and be ready for where the puck is going? ETHAN MOLLICK: So to take an idea from Harvard– it’s from Mike Tushman and company– it was the idea that you would need ambidexterity. You need to be able to do two things at once. You need to be able to exploit what’s happening today, but realize you’re still exploring. That’s why the lab is so important. Without your own internal, flexible team that’s building impossible things for the future, you get stuck. So there’s a few questions I ask organizations whenever I talk to them. The first is, what have you stopped doing as a result of AI? AI has made something in your organization trivial.

[24:56] What is the trivial thing that used to be really important, but is no longer important? You have to stop doing it. AI just does it. Second thing is, what are you building that’s impossible? You should be building at least one thing that is unbelievable and that would change the industry. If you’re not building that, you’re not being ambitious enough. Even more so, you should be building something that doesn’t work yet because you’re betting that exponential curve will keep growing and at some point, it will work. And then the fourth question is, do you have leadership, lab, and crowd in place? So I think if you have those four questions answered, you’re in much better shape for being ambidextrous. ALISON BEARD: Yeah. And how do you staff your entire organization

[25:31] with the talent that’s able to execute on everything you’re talking about? ETHAN MOLLICK: It’s also a really hard question. Everything from psychological safety to how do we build the right structure– all of that now is– you’re cashing all that in. If you have a good structure and a good organization and a good culture and the right reward systems, people in your organization are discovering use cases. And they’re telling you about it. If you’re not, then everyone’s hiding all their uses. And nothing you can do can change that because they’re scared if they tell you, they’ll get fired or they won’t get respected or they won’t get rewarded. And why would they ever tell you about how they’re using these systems? So you need expertise in your organization

[26:03] finding this and people willing to talk about that. And that comes from having a good culture, structure, reward system, openness, good management. Those are more urgent than ever. ALISON BEARD: You talked about the first questions that you ask leaders when you’re beginning to advise them on how they should be managing this. As you get down the line and they face challenges, what are the most common hurdles you see to prevent them from fully moving forward into this new world of AI-led strategy?

[26:38] ETHAN MOLLICK: I think that your danger is in a lot of organizations making this a normal technology. There’s a desperate desire to make this like any other technology that we can swallow and will turn into a– will take a– turn into a project that has X dollars associated with it and as a– and it was six-month RFP process and then an eight-month discovery process. That is not going to work. You’re going to experiment. You’re going to have to fail. Nobody has answers to your question here. So if you’re trying to do this as a completely de-risked thing, you end up in a position where you end up

[27:09] replicating other large technology projects. And that is going to be obsolete the moment you launch it. And you haven’t built the dynamic capability to change what you change. Making sure that you stay hungry for the future is the real problem here, and keeping up with that exponential. And I only have so much good advice. It’s a hard problem to solve. ALISON BEARD: Yeah, absolutely. So it’s not an AI adoption or even transformation plan. It’s really revolutionizing the way you think about what your business is designed to do? ETHAN MOLLICK: The one thing I’ve gotten most wrong about AI

[27:40] in the last year is I thought agents would be harder to pull off than they are. I thought you had– to organize teams of agents, I thought we’d need to use all of our organizational design knowledge. And it turns out we don’t, that there are 100,000 agent swarms that are self-organizing. I didn’t expect that to happen. But it makes sense when you think about the reason we have organizations and they’re complicated is people have limited knowledge. People have limited– have different interests in mind. They have conflicts. They don’t have the same goal. AI agents share all those things. So suddenly, coordination is not as hard as we thought the problem was going to be. Coordination turns out to be an easier problem than we thought.

[28:13] And as a result of all of that, suddenly, you can get things done with AI in a way you didn’t expect. So the problem becomes now in the leadership side, what do I want the organization to do? And if your KPIs and other material are all baked around the idea of human outputs, you don’t want 100 times more PowerPoint. You don’t want 100 times more code. You want different outputs that are better. So you need to sit back and think about what those outputs and what those goals are and be aiming to maximize those goals. Otherwise, you have internal things and you end up just producing 100 times more code, 100 times more PowerPoint.

[28:44] If there’s one lesson I learned from my MBA program before I went– got my PhD– is that people do what they’re incentivized to do. And you need to think really hard about the incentives in your organization. So the incentives in your organization are minimize the impact of AI, use AI as productivity tool to do more of what my KPI tells me I should do. It’s not transformation. ALISON BEARD: Let’s zoom out and talk about a few bigger picture issues. First, obviously, there’s a fear that this will lead to massive unemployment. So what do you see as the future labor market

[29:14] in this new AI-led world? ETHAN MOLLICK: That is the biggest question and debate among economists about this topic. And we don’t have easy answers. You can easily theorize that the junior market gets squeezed because junior employees don’t have the expertise. Why use them when you can use AI? And there’s some indications of that. But there’s also some indications there may be more hiring because now you can use coders to do things that– organizations didn’t have coders– now can write their own code. So you can start insourcing. And now everybody’s doing their own marketing firm.

[29:45] So maybe you lose jobs at the large centralized firms. But inside the organization, jobs grow because there’s more demand. It’s really hard to know. You can imagine– and the AI labs, to be clear, are aiming for the jobpocalypse. They want AI to replace all human labor. That is their explicit goal. I think there’s reasons that, A, they’re– might be wrong about this, and B, we don’t want them to win. So we shouldn’t let that be the future that we get. But that is their goal. So I don’t know what the outcome is in the long term in terms of employment, per se, like what the impact on jobs

[30:16] is going to be. And nobody does. So we’re watching that closely. And everything is very confused right now in terms of the indicators. We don’t really have an answer. ALISON BEARD: As a technology advances so quickly and we don’t even know what’s going to happen with it– as you said, you have to be developing your strategy dynamically. You have to be prepared for change. You have to experiment and fail. You have to be ready for exponential advancements. How do we get better at predicting

[30:46] not just the opportunities, but also the really terrifying risks? ETHAN MOLLICK: Things are accelerating quite quickly. I think it is hard to balance those things out. I think that this is a general-purpose technology. It’s many different things at once. There are existential risks associated with it, potentially. There are certainly near-term risks. I worry a lot about, again, automation of jobs instead of augmentation of jobs. I worry about the people being taken out of all the interesting parts of their job

[31:17] and their only job is verifying the results of AI content, which is– and be fired if it’s wrong. It seems like a terrible way to live. I worry about impacts on our information environment. At the same time, I’m incredibly– and I’m worried about, as an instructor, that people are cheating with AI, and then they don’t learn as much. At the same time, we know AI is also an incredibly good tutor. So it can transform teaching for the positive, just like it can for the negative. I think that it’s a great freeing aspect for people who are stuck that they can get more stuff done before. We certainly know it gives good medical advice,

[31:48] legal advice, things like that. Still, consult your doctor and lawyer. I’m not trying to tell you not to do that. But I think that there is– it’s a mixed bag. So how do we react to that? We react with policy to encourage good uses and mitigate bad ones. We encourage it by being meaningful about how we’re using these systems and not doing them blindly. We do that by, as leaders, making choices about how these systems are used and working in concert with our team and our organizations to make sure that we’re not disempowering people en masse. And I think good leadership will start to show through in these kind of circumstances.

[32:19] ALISON BEARD: Well, Ethan, thank you so much for wrestling with all these really tricky issues with us. I’ve learned a lot about AI from you over the years, and especially a lot from your new book. Thanks so much for being with me today. ETHAN MOLLICK: Thank you for having me. [MUSIC PLAYING]