अंतर्दृष्टि
AI-Native कंपनियाँ और मिडिल मैनेजमेंट का अंत
कंपनियों की एक पीढ़ी अब संगठन के मध्य भाग के बिना बनाई जा रही है, और लगभग कोई यह नहीं पूछ रहा है कि वह मध्य भाग क्या कर रहा था।
इस साल हार्वर्ड बिजनेस स्कूल के एक वर्किंग पेपर (26-090, “AI-Native Firms”) ने 2020 से 2024 तक के Y Combinator बैचों और अमेरिकी वेंचर-बैक्ड स्टार्टअप्स को वर्गीकृत किया, फिर उन्हें टीम के आकार, कार्य और सीनियरिटी पर वर्कफोर्स डेटा से जोड़ा। उसी उद्योग और cohort के गैर-AI स्टार्टअप्स की तुलना में, AI-native कंपनियाँ लगभग 25% छोटी हैं। उनका पदानुक्रम लगभग आधा सीनियरिटी स्तर सपाट है। उनके पास लगभग 15% कम मैनेजर हैं — और लगभग 15% कम एंट्री-लेवल वर्कर हैं। वैल्यूएशन तुलनात्मक हैं।
पहले तीन निष्कर्षों का जश्न मनाया जा रहा है। चौथे को नजरअंदाज किया जा रहा है।
श्रम डेटा में एक मेल खाता सिग्नल है। अमेरिकी सेंसस ब्यूरो के एक वर्किंग पेपर (CES-26-27, अप्रैल 2026) ने, मिलान किए गए नियोक्ता-कर्मचारी प्रशासनिक रिकॉर्ड का उपयोग करते हुए, AI के सबसे अधिक संपर्क वाले उद्योग-राज्य सेल में 22-से-24 वर्ष के युवाओं की हायरिंग में तत्काल और लगातार गिरावट पाई: सबसे अधिक संपर्क वाले क्विंटाइल में शुरुआती करियर वाले श्रमिकों का रोजगार ChatGPT के रिलीज होने के बाद के दस तिमाहियों में लगभग 12% गिर गया, जबकि कम संपर्क वाले उद्योग स्थिर रहे।
दो स्वतंत्र डेटासेट, एक आकार। संगठन एक ही समय में अपनी निचली परत और अपनी मध्य परत दोनों को खो रहा है।
मैं यहाँ सावधानी बरतना चाहता हूँ, क्योंकि स्पष्ट लगने वाला अर्थ गलत है। यह मुख्य रूप से युवाओं के नौकरी खोने की कहानी नहीं है। यह एक ऐसे कार्य की कहानी है जिसे किसी ने लिखा नहीं था।
पदानुक्रम कभी भी केवल एक कोऑर्डिनेशन डिवाइस नहीं था
यह एक निर्माण प्रक्रिया भी थी।
जूनियर भूमिकाओं के जरिए संगठन निर्णय क्षमता उत्पन्न करते थे। ट्रेनिंग प्रोग्राम के माध्यम से नहीं — एक्सपोजर के माध्यम से। आपने देखरेख में छोटे फैसले बुरे तरीके से लिए, और किसी सीनियर ने समझाया कि वे बुरे क्यों थे। मिडिल मैनेजमेंट वह जगह थी जहाँ वह स्पष्टीकरण होता था। जिस परत को हर कोई नौकरशाही का बोझ बताता था, वह चुपचाप वह जगह थी जहाँ लोगों ने सीखा कि किन समस्याओं को हल करना सार्थक है, कितनी अनिश्चितता सामान्य है, कब ऊपर रिपोर्ट करना है, और अंदर से एक अच्छा निर्णय वास्तव में कैसा महसूस होता है।
इसकी कोई लागत तय नहीं की गई थी। यह अन्य कारणों से बनाई गई संरचना का एक उप-उत्पाद था, यही वजह है कि इसे बिना यह महसूस किए हटाया जा सकता है कि इसे हटाया गया है।
इसलिए AI-native कंपनी के लिए ईमानदार सवाल यह नहीं है कि “हम कितने फ्लैट हो सकते हैं?” यह है: अब निर्णय क्षमता कहाँ से आती है?
तीन उत्तर बनते दिख रहे हैं, और केवल एक
पहला इसे खरीदना है। केवल सीनियर लोगों को काम पर रखें। यह तब तक काम करता है जब तक बाजार में अनुभवी निर्णय क्षमता का भंडार मौजूद है — एक ऐसा भंडार जो उन पुरानी, परतों वाली संस्थाओं द्वारा निर्मित किया गया है जिनसे ये कंपनियाँ मुकाबला कर रही हैं। यह उत्पादन नहीं, निष्कर्षण है।
दूसरा यह मान लेना है कि टूल्स इसे प्रदान करते हैं। वे ऐसा नहीं करते। मॉडल फ्लुएंसी, विकल्प और ड्राफ्ट प्रदान करते हैं। निर्णय क्षमता एक ऐसे कारण के लिए एक प्रशंसनीय उत्तर को अस्वीकार करने की क्षमता है जिसका आप बचाव कर सकते हैं। यह एक्सेस द्वारा नहीं, बल्कि परिणामों द्वारा विकसित होती है।
तीसरा विकासात्मक कार्य को जानबूझकर बनाना है, अब जब यह मुफ़्त नहीं रहा है। इसका मतलब है इसे नाम देना: अपने पहले वर्ष में किसी व्यक्ति को कौन से निर्णय बिना किसी सहायता के लेने चाहिए, कौन आउटपुट के बजाय तर्क की समीक्षा करता है, और संगठन किस लागत पर किसी को गलती करने की अनुमति देने के लिए तैयार है। पाँच के बजाय तीन सीनियरिटी स्तर वाली कंपनी में, इसे डिजाइन किया जाना चाहिए। यह ऑर्ग चार्ट से अपने आप नहीं निकलेगा, क्योंकि अब इसके बाहर आने के लिए पर्याप्त ऑर्ग चार्ट नहीं बचा है।
मुझे यह हमारे सामने सबसे दिलचस्प डिजाइन समस्या लगती है। फ्लैटनेस गलती नहीं है। फ्लैटनेस ज्यादातर अच्छी है — कम लोग ऐसी जानकारी को आगे बढ़ा रहे हैं जिसे अब आगे बढ़ाने की जरूरत नहीं है। गलती उन परतों को शुद्ध लागत के रूप में मानना होगी जिन्हें हमने हटा दिया, जबकि उनकी लागत का एक हिस्सा ऐसे लोगों की अगली पीढ़ी का उत्पादन था जो कुछ भी योगदान करने में सक्षम थे।
अपने मिडिल को हटाने वाला हर संगठन इस बात पर दांव लगा रहा है कि निर्णय क्षमता कहाँ से आती है। अधिकांश ने ध्यान नहीं दिया है कि वे ऐसा कर रहे हैं।