Tankeledare

En konstitution för det nya företaget: 15 regler för AI‑styrning

mm
Lägg till Unite.AI bland dina föredragna källor på Google

Dessa essäer var tänkta att handla om arkitektur. Läs dem igen och märk vad de faktiskt gjorde: de fortsatte utfärda regler. Godkännanden är inte data; verifieringar är det. Styr genom konsekvens. Främja inte modellen; främja arbetsflödet. En konsekvens som inte förändrar nästa körning är bara en incident, inte lärande. Regler som uttalas rakt på sak är inte tips. De är artiklar. Och någonstans i texten slutade slutsatsen vara valfri: ett företag som avser att drivas av AI behöver en konstitution.

AI‑laboratorierna kom till denna slutsats innan resten av oss. Anthropic skrev en konstitution för sina modeller — ett explicit uttalande om principer som systemet tränas att följa — på en teori som gäller långt bortom modellträning: vägledning som inte finns i något dokument slutar med att den inte finns någonstans. Titta nu på de företag som implementerar dessa modeller. De flesta har pilotprojekt, en policy spridd över säkerhetsgranskningar och instinkter som bärs av den som satt på den senaste leverantörspresentationen. Modellerna har skrivna principer. Institutionerna som driver dem har det inte.

Varför en konstitution och inte en annan policy? En policy skrivs för en teknik, och den tekniken förändras varje kvartal; en konstitution skrivs för en institution och anger vad som gäller medan allt underliggande förändras. Policys multipliceras tills ingen kan hålla dem; en konstitution är tillräckligt kort för att en chef kan ta med den till ett möte. Och en konstitution tillåter ändring — öppet, på bevis — där en policy bara ackumuleras.

Så här är min: femton artiklar, i tre avsnitt. Endast påståenden — resonemanget bakom varje och de starkaste invändningarna mot varje förtjänar mer utrymme än en essä tillåter. Jag publicerar dem nu, före den längre behandlingen, just för att de ska kunna diskuteras.

I. Hur arbetet körs

Artikel 1. Resultat är värdeenheten. Ett AI‑program bedöms efter vad som händer med arbetet: snabbare, färre fel, billigare, mindre mänsklig insats och hållbar kontroll. Räkna dessa. Räkna inte de distribuerade agenterna.

Artikel 2. AI föreslår, människor beslutar, automation verkställer. Agenter läser kontext, hanterar variation, samlar bevis och förbereder. Människor har besluten som medför konsekvens, och det ansvar som följer. Automation genomför den godkända förändringen.

Artikel 3. Spendera inte intelligens på arbete som inte behöver det. Där arbete kan skrivas ner och kontrolleras, körs det som automation — ingen modell i loopen, inget att betala per körning, samma resultat varje gång. Modeller reserveras för bedömning, språk och variation.

Artikel 4. Orkestrering håller arbetet samman. Arbete som omfattar människor, agenter, automationer och system koordineras av en deklarerad struktur som äger framsteg, tillstånd och återhämtning. Där vägen är känd, deklarera den. Spara målstyrd frihet för resultat som verkligen överträffar vägar — och bind den starkast exakt där.

Artikel 5. Auktoritet förtjänas genom arbetet, aldrig ges till modellen. En agent kan assistera vem som helst med tillhandahållen kontext. Den får verklig auktoritet endast över arbete som den har fått kontexten för att känna till — beskrivet, avgränsat, med skrivna begränsningar — och endast i takt med att bevis samlas. Auktoriteten minskar automatiskt när prestationen sjunker.

Artikel 6. Designa för undantagsfabriken. Den lyckliga vägen är vad processdiagrammet visar; undantagen är där företaget faktiskt lever. En design som bara hanterar den lyckliga vägen automatiserar de enkla åttioprocenten och kollapsar på de tjugo procent där kostnaden ligger. Eskalering, återgång och återhämtning beslutas i designfasen, inte upptäcks i produktion.

II. Vad institutionen bygger och behåller

Artikel 7. Bygg kartan och spåren medan du går. Varje AI‑implementering bör lämna två saker efter sig: en bättre karta över hur arbetet faktiskt körs, och automationer för de delar som visat sig stabila. Bygg båda med AI, samtidigt, redan från det första projektet — inte som ett separat program senare.

Artikel 8. Fånga bedömning, inte konversationer. Varje interaktion med en modell hamnar antingen kopplad till det arbete den tillhör — processen, ärendet, beslutet — eller försvinner när sessionen avslutas. Fångst börjar med den första övervakade delegation, inte med autonomi.

Artikel 9. Hyra modellerna; äga minnet. Gifta er aldrig med en enda modell — byt efter kapacitet, kostnad och var era data måste lagras, utan att skriva om arbetet. Det institutionen äger är minnet: kartan över dess arbete, registret över dess beslut och korrigeringar, och med tiden modeller tränade på dess egna validerade arbete, inom dess egna väggar.

Artikel 10. Lärande styrs, inte självmodifieras. Bevis föreslår; en namngiven ägare godkänner; inget blir operativt utan det godkännandet. Beslutsregistret är endast skrivbart.

III. Vad som händer med människorna

Artikel 11. Ett program, inte två. AI‑adoption och arbetskraftstransformation är samma program. Varje implementeringsbeslut är ett arbetskraftsbeslut; varje arbetskraftsbeslut förändrar vad AI säkert kan göra.

Artikel 12. Behåll båda huvudböckerna. Produktivitetsboken registrerar vad som blev snabbare och billigare. Den institutionella boken registrerar vad som gick förlorat, bevarades eller byggdes om: förtroende, mentorskap, kundminne, bedömning under press, kultur. Rapportera båda.

Artikel 13. Omforma roller kring det arbete som återstår. Varje roll producerar två resultat: den synliga arbetsprodukten, som AI i allt högre grad absorberar, och den utvecklingsmässiga som den inte gör — förtroende byggt över tid, mentorskap, kundrelationer, bedömning i exceptionella fall. Omforma roller kring den andra innan du tar bort dem för den första.

Artikel 14. Återskapa lärlingsprogrammet med avsikt. Det gamla lärlingsprogrammet — juniorer som lär sig yrket genom att utföra rutinarbete — dör när rutinarbetet går till maskiner. Bygg dess ersättning medvetet: kartan som träningsplats, seniorer som lär ut bedömning, juniorer som lär maskinerna deras naturliga hastighet. Skär inte av juniorerna.

Artikel 15. Demokratisering, inte anarki. De personer som äger arbetet skriver sitt eget arbete — appar, automationer, agenter, delegerade uppgifter, korrigeringar av kartan — inom styrgränser som institutionen definierar, och dess plattform verkställer.

Ändringsklausulen

En konstitution som inte kan säga vad som skulle ändra den är en trosuppfattning. Artikel 3 bygger på en gräns jag inte förväntar mig att falla — exakt utförande har ingen acceptabel varians vid någon modellkapacitet. Artiklarna 8 till 10 bygger på hur institutioner lär sig och svarar för sig själva, vilket förändras långsammare än någon teknik. De mest utsatta artiklarna är människobaserade artiklar — inte för att de är svaga, utan för att trycket att ignorera dem blir starkast just när kvartalsresultaten belönar den tomma versionen. Ändringar kommer att förtjänas genom bevis och göras offentligt.

Så diskutera med den. Berätta vilken artikel din institution inte kan underteckna, och varför — den invändningen är exakt den debatt detta dokument är avsett att starta. Resonemanget bakom varje artikel, och de starkaste argumenten emot dem, kommer i en längre form. Men vänta inte på det: samla din institutions egna regler i ett kort dokument — vad den alltid kommer att göra, och vad den aldrig kommer att göra — underteckna dem, och ändra dem offentligt när bevisen kräver det. När denna teknik stabiliseras — och den kommer att stabiliseras — kommer de institutioner som fortfarande står kvar vara de som kan säga, skriftligt, vad de inte kommer att göra och vad de aldrig kommer att sluta göra, medan allt annat förändras.

Daniel Dines är grundare och verkställande ordförande för UiPath (NYSE: PATH), en global ledare inom affärsorkestrering och automation. Dines har också tjänstgjort som chefsinnovationschef för företaget. Dines startade UiPath 2005 med målet att bygga ett företag som skulle hjälpa människor att minska den tid och stress som uppstår från meningslösa, upprepade uppgifter. UiPath bygger på sin grund som världens ledande automationsplattform för att bli ledande inom agentic automation genom att utveckla AI-teknik som speglar mänsklig intelligens med alltmer sofistikerad komplexitet, vilket förändrar hur företag opererar, innovrerar och konkurrerar. Med fokus på säkerhet, noggrannhet och motståndskraft är UiPath engagerat i att forma en värld där AI förbättrar mänsklig potential och revolutionerar branscher.