AI lyder overbevisende. Det er netop problemet.
Opfattelsen af AI: Folk har stærke holdninger til AI, men mange mangler en reel forståelse af dens fremtidige indvirkning.
Feedbackens kvalitet: Både AI- og menneskelig feedback mangler ofte pålidelighed, hvilket udfordrer forestillingen om, at intuition bør foretrækkes frem for AI.
Beslutningsprocessen: Effektiv beslutningstagning bygger på forskellige input frem for selvsikre svar, der ikke bliver udfordret.
AI's begrænsninger: En stigende afhængighed af AI kan svække den kritiske tænkning og føre til oversete forhold i beslutningstagningen.
Struktureret dømmekraft: Beslutningstagning har gavn af strukturerede metoder, som kræver mere end uformelle samlinger for at indhente feedback.
Selvtillid er ikke det samme som at have ret. At lyde, som om du ved, hvad du taler om, er ikke det samme som at vide, hvad du taler om.
Alle har en holdning til AI lige nu. Enten er man helt med på det, imod det eller venter på at se, hvordan det hele udvikler sig. Vi har disse holdninger med stor selvtillid, men nedenunder forstår næsten ingen det rigtigt endnu eller ved, hvor det hele er på vej hen. Så LinkedIn fyldes med mennesker, der allerede har besluttet sig.
Jeg kom i diskussion med en af dem i sidste uge. Personen havde skrevet en opfordring: Stop med at bruge AI til at få feedback på dit arbejde. Og argumentet var godt, den slags som de fleste nikker genkendende til. AI holder aldrig mund. Spørg den om hvad som helst, og den har noget at sige, rigtigt eller forkert. Hvis du har brug for, at AI fortæller dig, om dit arbejde er godt nok, hævdede personen, så er det dét, der er det egentlige problem. Stol på din mavefornemmelse.
Jeg var uenig. Ikke fordi personen tog fejl, men fordi vedkommende kun havde halvt ret med hensyn til løsningen. Det meste feedback er ikke god, hverken fra AI eller mennesker. Din egen mavefornemmelse fejler på samme måde. Og et selvsikkert, velstruktureret svar, den slags AI er så god til at producere, og som mennesker giver hele tiden, er det letteste at tro på og det sværeste at stille spørgsmålstegn ved.
Continue Reading for Free
Create a free account to finish this article, plus get ongoing access to timely insights and practical resources.
Have an account? Log In
Selvtillid er ikke det samme som at have ret. At lyde, som om du ved, hvad du taler om, er ikke det samme som at vide, hvad du taler om. Jeg lærte på den hårde måde, hvad det koster.
Prisen for selvtillid
For flere år siden var jeg UX-chef for teamet bag Shopify Capital, produktet, der tilbyder erhvervsdrivende kontantforskud baseret på deres butiks salg. Når en erhvervsdrivende accepterede et tilbud, tog det op til syv dage, før pengene var gennem de interne godkendelser. For en lille virksomhed, der ventede på at fylde lageret op eller komme i gang med noget, er det en lang uge.
Systemet bag disse godkendelser var en tidlig MVP, som ingen havde rørt i årevis. Så jeg samlede de rigtige mennesker i et rum for at løse det: økonomifolkene, dem der stod for godkendelserne, samt udviklerne og designerne, der havde bygget det oprindelige system.
Flaskehalsen viste sig at være en håndfuld manuelle godkendelsestrin. Vi gennemgik præcis, hvordan godkenderne traf hver beslutning, og om et system kunne træffe disse beslutninger i stedet. Vi havde en løsning på en time. Vi kunne have sendt den i produktion næste dag.
Én godkendelse stod i vejen. Den endelige godkendelse lå hos en produktchef langt fra rum som vores. Svaret kom tilbage klart, specifikt og sikkert: Det skulle forblive manuelt. Den beslutning var blevet truffet flere år tidligere. Ingen kunne fortælle os hvorfor. Der var intet spor, der kunne forklare den. Vi kunne ikke sende løsningen i produktion.
Så vi gjorde, som de fleste teams gør. Vi rettede os efter det selvsikre svar. Derefter brugte vi tre uger på at bevise, at det var forkert. Tyve møder, interviews med alle, der rent faktisk havde rørt systemet, og en kortlægning af, hvad der virkelig foregik under overfladen.
I sidste ende sendte vi præcis den løsning i produktion, som vi havde haft efter den første time. Interessentens feedback var autoritativ, velstruktureret og fuldstændig forkert. Den identificerede et problem, der ikke fandtes.
Det er den fejl, denne artikel handler om. Ikke AI. Ikke mennesker. Selvsikkert input, som ingen kvalitetssikrede, før de handlede på det.
Den ekstra vurdering, du holdt op med at bede om
Når en beslutning er vigtig, og noget føles forkert, stoler du ikke på det første selvsikre svar. Du spørger den person, der faktisk ved det. Du samler to eller tre personer i et rum og ser, hvor de er uenige. Du sover på det. Du vender det med en person, hvis dømmekraft du stoler på, før du forpligter dig. Ingen lærte dig det, og ingen kalder det noget bestemt. Det er bare det, omhyggelige mennesker gør.
Den instinktive tilgang er reel dømmekraft. Og god dømmekraft kræver perspektiv fra mere end ét sæt øjne på problemet samt, at alle afvejninger er tydelige, før noget sættes i produktion. Det er det, små teams er skabt til: at være tæt nok på hinanden til at tænke højt sammen og små nok til faktisk at gøre det.
Men perspektiv opstår ikke automatisk. Det kræver tid, nærhed og plads til at ånde. AI arbejder imod alle tre.
Og det kræver den ting, vi oftest overser: struktur. Struktur føles langsom, og over for AI's hastighed og tiltrækningskraft er langsomhed det eneste, ingen ønsker at være.
AI producerer selvsikre svar hurtigere, end du kan kvalitetssikre dem, og fristelsen er at tage svaret og fortsætte.
Og vi giver bevidst efter for det, fordi løftet er forførende. Alle kender følelsen af at blive trukket mod noget, der ikke helt er i ens egen interesse, og alligevel gå videre.
Vi accepterer det, AI tager fejl af i dag, for det, det måske kan blive i morgen, og vi stoler på, at de mennesker, der bygger det, lukker hullerne. Det er ikke dumt. Det er menneskeligt. Det er også præcis det, der får os til at holde op med at stressteste.
Microsoft og Carnegie Mellon undersøgte, hvad der sker bagefter. De fandt, at jo større tillid folk har til AI, desto mindre kritisk tænkning udviser de, og at arbejdet i sig selv skifter fra at udføre opgaven til at føre tilsyn med den AI, der udfører den. Tilsyn beskytter dig kun, hvis du stadig rent faktisk kontrollerer. Det holder de fleste op med.
Så den uformelle vane, der beskyttede dig, bryder ikke højlydt sammen. Den holder bare op med at kunne skaleres. Lige når mængden af beslutninger stiger, bliver den disciplin, der gjorde beslutningerne gode, tyndere.
At bede om tilbagemelding er ikke en disciplin
At løse én modsætning, finde frem til én antagelse, forstå, hvorfor noget forventes at fungere på en bestemt måde – det er den slags, der holder op med at koste minutter og begynder at koste uger…En disciplin løser det hele. Jeg mener ikke viljestyrke. Jeg mener en gentagelig måde at træffe en beslutning på.
Så løsningen er ikke at have mindre tillid til AI og mere tillid til mavefornemmelsen. Løsningen er struktur. Men at spørge rundt efter tilbagemelding er ikke det samme som at have en disciplin for det, og den forskel er løsningen.
At spørge rundt er det, de fleste teams allerede gør. Noget føles forkert, så du får fat i den, der er nærmest. Du lufter det på et møde. Du håber, at den person, der faktisk ved noget, tilfældigvis er der og tilfældigvis siger det. Nogle gange er de der. Det meste af tiden er det held, og du kan ikke skelne de heldige dage fra resten, før det er for sent.
Det er dyrt at spørge rundt. Du skal koordinere møder, kalendrene er fulde, og når gruppen endelig kan sætte sig sammen, er øjeblikket forpasset, eller beslutningen er blevet truffet uden dem. Så møder begynder at føles som en skat, og du betaler den sjældnere.
Perspektiverne spredes i stedet ud i en præsentation her, en e-mail der, en Slack-tråd, som ingen når at læse. Alle elsker asynkront arbejde på grund af den tid, det føles som om, det giver tilbage, men det betyder, at perspektiverne aldrig rent faktisk mødes.
Asynkront arbejde fungerer lige indtil to perspektiver modsiger hinanden. Det er præcis dér, du har brug for reel udveksling i realtid, hvor én person siger, at sådan fungerer det ikke, og en anden siger imod, indtil I når frem til, hvad der er sandt. Asynkront arbejde kan ikke det.
Den modsætning, der ville tage fem minutter i et rum, sendes frem og tilbage gennem flere dages svar. At løse én modsætning, finde frem til én antagelse, forstå, hvorfor noget forventes at fungere på en bestemt måde – det er den slags, der holder op med at koste minutter og begynder at koste uger.
En disciplin løser det hele. Jeg mener ikke viljestyrke. Jeg mener en gentagelig måde at træffe en beslutning på. Den afgør bevidst, hvilke perspektiver den skal igennem, før den sættes i værk. Ikke hvem der tilfældigvis er til stede, men de få, der faktisk er relevante for denne beslutning. Du gennemgår beslutningen bevidst med hver af dem én gang og lægger mærke til, hvad hver enkelt har tendens til at overse. Det er struktur. At flette de rigtige perspektiver ind med vilje i stedet for at jagte dem ned ét møde ad gangen.
Hvorfor betyder det mere, end det lyder til? Fordi det at vide, hvordan noget fungerer, ikke er det samme som at forstå, hvorfor det fungerer, som det gør, og det hul er dér, de værste fejl opstår.
Richard Rumelt, forfatteren til "God strategi, dårlig strategi", kalder det første rigtige skridt for diagnosticering: at finde ud af, hvad der faktisk foregår, før du beslutter dig. En god diagnose navngiver det reelle problem, ikke symptomet. "Vi præsterer under forventning" er ikke en diagnose, men et resultat. Diagnosen er hvorfor'et bag det, og den fortæller dig, hvilke få ting der er afgørende, og hvilke du skal ignorere.
Det er her, et rum fyldt med forskellige perspektiver viser sin værdi. Problemet ser forskelligt ud alt efter, hvem der holder det.
Den budgetansvarlige, den person, der bygger det, og kunden bærer hver især på en forskellig version og har brug for noget forskelligt fra den beslutning, du træffer. Så at løse det rigtige problem er ikke én ting. Det handler om at finde den ene løsning, der imødekommer nok af disse forskellige behov på én gang – det skridt, der hæver barren for dem alle, ikke kun for én.
Du finder det ikke alene eller på afstand. Du finder det, når perspektiverne er samlet, og deres uenighed viser dig problemets reelle form.
Man kan se, hvor meget vi ønsker de andre perspektiver, i den måde, vi taler med AI på. "Opfør dig som tekstforfatter." "Opfør dig som marketingekspert." Hver prompt er en indrømmelse af, at én person kun kan rumme så mange vinkler, og det ved vi godt. Vi beder den om at træde i stedet for dem, vi mangler.
Det er præcis det hul, AI befinder sig i. En model har kun det, der kan være i dens kontekstvindue, det begrænsede udsnit af din situation, som er blevet indlæst i den.
Den kan ikke se, hvad den mangler, og den kan ikke veje én opfattelse mod en anden. Den rummer slet ikke et perspektiv. Den kører på sandsynlighed og forudsiger, hvad der mest sandsynligt kommer bagefter, uden at have noget på spil i, om den har ret. Så den fortæller dig noget overbevisende.
De tre uger, mit team brugte på at komme til bunds i det? Det var fejlfinding. Det var forståelsen af hvorfor. AI bliver ved med at blive bedre til svar. Et bedre svar er stadig ikke forståelse. Forståelsen kom fra rigtige mennesker, som hver især så problemet på en anden måde, og som hver især havde noget på spil i, hvordan det endte. Én model kan ikke være disse mennesker, uanset hvor god den bliver. Den del tilhører dig og dit team.
Når alle er enige, mangler der nogen
Den sværere færdighed er at lægge mærke til, når en af de vinkler ikke er til stede i rummet. Og signalet er det modsatte af, hvad man skulle forvente. Det er enighed. Når en beslutning falder for let på plads, når alle nikker, og ingen føler sig utilpas, er det som regel ikke konsensus.
Bekymringen her er, at jeg beskriver flere møder, flere mennesker og mere proces. Det gør jeg ikke.
En tilgang handler ikke om at få alle ind i rummet. Sådan har jeg altid tænkt på det: Du vil have så få mennesker som muligt, der tilsammen stadig kan se hele problemet. Hver person dækker en del, som de andre ikke kan se, så nogle få mennesker, der tænker forskelligt, dækker mere terræn end en flok, der tænker ens. Det er her, løftestangen ligger: i hvor forskellige de er, ikke i hvor mange de er.
Du behøver ikke et organisationsdiagram til det. Du spørger, hvem der i forbindelse med netop denne beslutning ser en del af den, som du ikke ser. De fleste beslutninger berører en blanding af de samme få: pengene, kunden, den person, der skal bygge det, den, der skal sælge det, og den, der får skylden, hvis det går i stykker.
Det er ikke alle beslutninger, der har brug for dem alle. En nyansættelse afhænger i høj grad af de mennesker, som den nye medarbejder skal interagere med hver dag, og den, der råder over budgettet. En ændring af, hvordan teamet arbejder, afhænger i høj grad af de mennesker, der faktisk skal udføre det, og af de mennesker, som det skal skabe værdi for – og de er ofte ikke med i rummet, når beslutningen træffes.
Lige nu er det det meste af det, teams skal håndtere: ny software, flere medarbejdere, AI indarbejdet i alle dele af arbejdet, og det meste kommer ovenfra og ned. Færdigheden består i at identificere de to eller tre vinkler, som en beslutning afhænger af, ikke i at samle et beslutningsdygtigt antal mennesker.
Den sværere færdighed er at lægge mærke til, når en af de vinkler ikke er til stede i rummet. Og signalet er det modsatte af, hvad man skulle forvente. Det er enighed.
Når en beslutning falder for let på plads, når alle nikker, og ingen føler sig utilpas, er det som regel ikke konsensus. Det er et manglende perspektiv. Den person, der ville have sagt fra, er der ikke. Det argument, der ville have afdækket hullet, bliver aldrig fremført, så beslutningen føles afsluttet, selv om den kun er ubestridt.
Når du opdager hullet, har du to ærlige muligheder. Find det manglende perspektiv, før du forpligter dig, selv om det koster dig en dag. Eller sig det højt, hvis du virkelig ikke kan: Ingen her repræsenterer kunden, så på det punkt gætter vi.
Et identificeret hul er en risiko, du kan håndtere. Et uidentificeret hul er det selvsikre, velstrukturerede svar, som viser sig at være forkert.
Det er også derfor, de fleste teams allerede holder AI i kort snor. I en nyere undersøgelse fra Harvard Business Review sagde kun 6 % af virksomhederne, at de fuldt ud stoler på AI-agenter til at køre en kerneproces på egen hånd, mens 43 % vil overlade rutineopgaver til dem og ikke mere.
Den intuition er rigtig. AI hører hjemme i arbejdets periferi, i udførelsen, ikke i centrum for beslutningstagningen. Men vær tydelig omkring, hvad den er. AI er i rummet nu, lytter, transskriberer og skriver opsummeringen, mens I taler. Det er ikke det samme som at have noget på spil i det, der bliver besluttet.
Hvis du nogensinde har læst en af den slags opsummeringer op imod det, der faktisk blev sagt, kender du resten. Den overser ting, udfylder det, den ikke fangede, og lyder sikker på det, og den tjekker aldrig sit eget arbejde. Den kan optage rummet. Den kan ikke indtage en position i det.
More Articles
- Vicepræsident for mennesker & organisation hos AI-unicorn siger, at HR-ledere skal blive arkitekterne bag en menneske-maskine-arbejdsstyrke
- Chef for medarbejdere siger, at virksomheder ved et uheld straffer medarbejdere, der bruger AI effektivt
- Menneskelig ledelse bliver mere værdifuld, i takt med at maskiner bliver mere kapable
- Strateg for fremtidens arbejde analyserer de organisatoriske realiteter ved AI, og hvordan man navigerer i dem
- Forfatter og AI-ekspert opfordrer organisationer til at skifte fra “mennesket i kontrolsløjfen” til “mennesket som overvåger kontrolsløjfen”
En version, du kan tage i brug på mandag
Før en beslutning, der faktisk betyder noget, bliver lanceret, skal du formulere den i én sætning og angive, hvilke perspektiver den kræver. Få derefter de mennesker, det faktisk handler om, samlet i samme rum eller på samme opkald i femten minutter.
Intet af dette kræver et nyt værktøj, en ny medarbejder eller endnu et proceslag. Det er hele pointen.
Den disciplin, som større virksomheder forsøger at købe sig til med software og flere medarbejdere, er noget, et lille team bare kan gøre, fordi I allerede har de to ting, det kræver: de rigtige mennesker og evnen til at samle dem i et rum.
Her er den enkle version.
Før en beslutning, der faktisk betyder noget, bliver lanceret, skal du formulere den i én sætning og angive, hvilke perspektiver den kræver. Få derefter de mennesker, det faktisk handler om, samlet i samme rum eller på samme opkald i femten minutter. Ikke et fast møde. Ikke en komité. En kort, bevidst gennemgang, med vilje, af netop denne ene beslutning.
I den samtale skal uenighed være opgaven. Spørg ikke, om alle er enige. Spørg hver person, hvad der er forkert ved dette set fra deres position. Du indsamler ikke et ja. Du leder efter den ene indvending, der ændrer svaret. Og hvis det hele falder for let på plads, så husk, hvad det som regel betyder. En person, der burde være med i rummet, mangler.
Når AI er en del af det, og det bliver den, skal du holde den på den rigtige side af grænsen. Lad den udarbejde et udkast, opsummere og fremhæve en vinkel, du måske har overset. Sæt derefter dens svar ind i rummet, og udsæt det for en kritisk vurdering på samme måde, som du ville gøre med alle andres.
Betragt det som et udkast, der skal kontrolleres, aldrig som en dom, der skal accepteres. Den får ikke en stemme. Den får en gennemgang. Og når det kun er dig og AI'en, er hele samtalen din. Den kan bære arbejdet, men ikke ansvaret.
Det er hele mønsteret. Formulér beslutningen, angiv vinklerne, få de rigtige mennesker med i realtid, få dem til at være uenige, og hold det på den handlingsorienterede side af grænsen. Det koster dig femten minutter.
Alternativet koster dig tre uger og et selvsikkert svar, der viste sig at hvile på en fejlagtig antagelse. Et gæt, ingen testede. En slutning, der blev behandlet som et faktum. Fra AI kalder vi det en hallucination. Fra et menneske kalder vi det bare selvtillid.
Det hul, små teams er skabt til at lukke
Træd et skridt tilbage et øjeblik. Både mennesker og AI tager fejl, og et team kan overleve det. Det, et team ikke kan overleve, er den dyrere version af problemet: at det perspektiv, der betyder mest, mangler.
De mennesker, der skal skabe værdien, og de mennesker, værdien er tiltænkt, befinder sig sjældent i samme rum, når beslutningen træffes.
I en stor virksomhed er det den normale tilstand. Den person, der har myndigheden til at træffe beslutningen, er som regel længst væk fra det sted, hvor værdien faktisk bliver skabt, og den mest travle – den sidste, der kan afse femten minutter til at sidde i et rum. Så beslutningen træffes på afstand, ud fra en opsummering, af en person, der ikke var til stede under den uenighed, som ville have ændret svaret.
Det er det hul, CFO'er bliver ved med at rapportere om uden at kunne forklare det. I en nyere undersøgelse foretaget af konsulentvirksomheden RGP sagde 66 % af CFO'erne, at de forventer betydelige afkast fra AI inden for to år. Kun 14 % sagde, at de ser meningsfuld værdi i dag.
Den umiddelbare reaktion er at læse det som et værktøjsproblem, noget en bedre model eller endnu en platform vil løse. Det gør den ikke. Hullet har aldrig handlet om værktøjerne. Det handler om kvaliteten af de beslutninger, værktøjerne leverer input til.
Her er grunden til, at et lille team er det, der lukker det. Den friktion, der besejrer en stor virksomhed – alle lagene, kalenderne og koordineringen – er for det meste ikke dit problem.
De mennesker, du ville inddrage, kender allerede hinanden, stoler allerede på hinanden og kan være voldsomt uenige og stadig spise frokost sammen bagefter. Du sender ikke en beslutning gennem fremmede på et organisationsdiagram. Du vender dig mod tre mennesker, du arbejder sammen med hver dag.
Den disciplin, som en stor virksomhed bruger millioner på at genopbygge, kan du praktisere i eftermiddag, fordi den afstand, den forsøger at bekæmpe, aldrig har været der for dig.
Jeg oplevede det selv hos et lille bureau engang. Vi tabte penge på de fleste af vores største projekter. Løsningen var ikke et værktøj eller en ny medarbejder. Det handlede om at få alle, der var involveret i arbejdet, ind i samme rum – fra beregning og prissætning til booking og levering. Ikke ét møde, men igen og igen, hvor vi arbejdede os forbi symptomerne og frem til, hvad der faktisk foregik.
Vi øgede nettomarginen med 33 %. Det afgørende var beslutningen om at gøre det til en vane at tale problemer og løsninger igennem sammen. Det, der fik det til at fungere, var, at vi blandede os i arbejde, der ikke var vores eget, uanset om vi var eksperter eller ej. Det er her, meget innovation kommer fra, og det er præcis det, vi bliver ved med at håbe på, at AI vil give os.
Og det er det arbejde, jeg har udført lige siden, hvor jeg har hjulpet teams med at arbejde sig igennem problemer, der er for store til, at én person kan løse dem alene.
Det svære var aldrig at finde de rigtige mennesker. Det svære er at få dem ind i det samme rum på samme tid, så de kan diskutere og forme idéer sammen. Alle værktøjer lover at erstatte det, men ingen kan. Sæt to mennesker, der ser forskelligt på tingene, over for hinanden i realtid, og det virkelige problem viser sig. Resten er logistik.
AI har intet perspektiv. Ingen mening. Intet, den føler. For en snæver række beslutninger er den distance præcis det, du ønsker, og dér bør du bruge det. Men det meste af det, vi gør, gør vi for at bygge ting og løse problemer for andre mennesker sammen med andre mennesker, der går op i, hvordan det ender.
Det engagement er det, der får nogen til at sige fra, blive i spændingen og opdage det, alle andre overså.
Disse perspektiver er den ene del af arbejdet, du aldrig bør give slip på. Og hvis I er et lille team, behøver I ikke at gøre det. De sidder allerede omkring jeres bord. AI kan hjælpe jer med at udføre arbejdet. Den del, der faktisk er jeres, får I lov til at beholde.
