Town, відеоконференц-сервіс для команд, який заснував колишній керівник інженерних команд Dropbox Жан-Дені Грез, обходиться без класичної менеджерської вертикалі — рішення й координацію в компанії значною мірою беруть на себе AI-асистенти, вбудовані у внутрішні процеси. Про це Грез розповів в інтерв'ю виданню Platformer, присвяченому тому, як стартап перетворився на «самоорганізовану» компанію.

Формат розмови симптоматичний для 2026 року: все більше AI-нативних стартапів експериментують не лише з продуктом на основі LLM, а й із власною організаційною структурою, побудованою навколо тих самих технологій. Якщо ще два роки тому «AI-first компанія» означала передусім автоматизацію підтримки клієнтів чи маркетингу, то тепер мова йде про заміну частини управлінських функцій — планування, розподілу задач, синхронізації команд — програмними агентами.

Для AI-білдерів кейс Town цікавий не як історія успіху, а як польовий експеримент: компанія такого масштабу, що будує продукт для командної роботи, водночас тестує ці ідеї на собі. За даними Platformer, саме досвід Town як внутрішнього «підопитного» і визначає позицію Греза в інтерв'ю.

Що означає «самоорганізована компанія» на практиці?

На практиці це означає, що частину координаційної роботи, яку зазвичай виконує middle-менеджмент — розподіл задач, відстеження статусів, підготовку рішень, — у Town передають AI-асистентам, а не новим найманим менеджерам. Це не означає відсутність людей, які приймають рішення: ідеться про іншу пропорцію між людьми, що ухвалюють рішення, і людьми, що витрачають час на координацію навколо цих рішень.

Ключова відмінність від звичного делегування на аутсорс чи в чат-боти — асистенти в такій моделі вбудовані в щоденний робочий цикл команди, а не викликаються епізодично для окремих задач. Це наближає підхід до концепції agentic workflows, коли AI-система не просто відповідає на запит, а веде процес між кількома кроками й людьми.

Чому це взагалі можливо для команди такого розміру?

Самоорганізовані структури без AI існували й раніше — досить згадати холакратію чи «бірюзові» організації, популяризовані до появи великих мовних моделей. Проблема таких моделей завжди була однакова: без інструменту, що тримає в полі зору весь контекст компанії, координація розсипається вже на 15–20 людях. LLM-асистенти знімають саме це обмеження — вони здатні тримати в пам'яті статус усіх задач, нагадувати про залежності між командами й готувати зведення для ухвалення рішень швидше, ніж це робив би людина-координатор.

Це не робить структуру автоматично кращою за традиційну — радше знижує поріг, при якому пласка структура взагалі стає життєздатною для компанії, що росте за межі кількох людей за одним столом.

Які ризики варто тримати в голові AI-білдерам?

• Відповідальність за рішення. Коли асистент готує зведення й пропонує варіант, легко почати сприймати його вибір як нейтральний — хоча він так само залежить від того, які дані й пріоритети йому задали.
• Непрозорість для нових людей. Формальна ієрархія працює як довідник «до кого йти» — заміна її асистентом вимагає, щоб сам асистент був так само зрозумілим і передбачуваним для новачка.
• Залежність від якості моделі. Помилка координації, яку раніше можна було списати на людський фактор, у такій моделі — це помилка системи, яку складніше локалізувати й виправити.

Жоден з цих ризиків не є аргументом проти підходу — але вони пояснюють, чому подібні експерименти поки лишаються радше нішею стартапів на кілька десятків людей, а не практикою для компаній з тисячами співробітників.

Висновок AiiN

За нашою оцінкою, цінність кейсу Town не в тому, що компанія відмовилася від менеджерів, а в тому, що вона перевіряє на собі гіпотезу, яку продає власним клієнтам, — і це рідкісний рівень відвертості для B2B-стартапу. Для команд, що будують внутрішні AI-інструменти, головний практичний висновок такий: перш ніж автоматизувати координацію для клієнтів, варто спершу випробувати ці ж процеси на власній організації — так помилки в дизайні агента виявляються на власних даних, а не на репутації перед платним користувачем.

Що таке agentic workflow і чим він відрізняється від звичайного чат-бота?

Agentic workflow — це AI-система, яка веде багатокроковий процес самостійно: збирає контекст, ухвалює проміжні рішення й координує кількох учасників, а не просто відповідає на одноразовий запит. Саме такий формат лежить в основі підходу Town до внутрішньої координації.

Чи означає це, що Town повністю відмовилася від менеджерів?

Ні. Йдеться про зменшення обсягу суто координаційної роботи, яку раніше виконували менеджери, а не про відсутність людей, що ухвалюють рішення чи відповідають за результат команди.