Din anmodning om AI-træning er et diagnoseproblem
Forkert diagnose: Anmodninger om AI-træning dækker ofte over uklare resultater, ødelagte arbejdsgange, uudnyttet ekspertise eller mangelfulde procedurer for gennemgang.
Begrænset effekt: 85 procent af medarbejderne siger, at AI-træning ikke hjælper dem med at anvende værktøjerne effektivt i deres roller.
Ejerskab over arbejdsgange: En vellykket anvendelse af AI kræver, at processer redesignes, og at der tildeles ejerskab uden for teams, der arbejder med at understøtte anvendelsen.
Skjulte omkostninger: AI-output, der ikke bliver gennemgået, flytter evalueringsarbejdet ned gennem processen, spilder modtagernes tid og mindsker tilliden på tværs af teams.
Strategisk rolle: HR bør lede redesignet af AI-arbejdsgange, fordi teknologiske ændringer omformer roller, kompetencer, budgetter og karriereveje.
En leder banker på døren til kompetenceudviklingsdirektøren. Beskeden er altid en eller anden version af “mit team tager ikke de nye værktøjer i brug, som jeg havde håbet, så vi har brug for mere træning for at løse det.”
Markus McKay-Fleisch har arbejdet med voksenuddannelse i tyve år og har de seneste to år specifikt fokuseret på AI-implementering hos Smartsheet, hvor han leder AI-kompetenceudvikling inden for professionelle tjenester.
Da han for nylig talte ved AI4, beskrev han forespørgslen som den mest almindelige, han får, og som den, der lettest bliver misforstået. Hans svar er et spørgsmål snarere end et kursuskatalog: Hvilket resultat forsøger I at opnå?
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
En forespørgsel om træning er et symptom. Den ankommer allerede med en diagnose, og diagnosen er som regel forkert.
Tegnet findes i de data, som kompetenceudviklingsteams allerede har. Gennemførelsesraterne ser stærke ud, ofte fordi træningen er obligatorisk. Brugen fortæller en anden historie.
I nogle organisationer rører medarbejderne knap nok værktøjerne. I andre bruger de dem konstant, vælger som standard de dyreste tilgængelige modeller, og så dukker økonomiafdelingen op og beder om træning, der kan få forbruget ned igen. Begge mønstre udløser den samme forespørgsel. Ingen af dem er et vidensproblem.
Der findes lyspunkter, men de er ofte isolerede. De mennesker, der gentænker deres egne arbejdsgange og opnår reelt transformative resultater? Alt for ofte bliver den viden dér, hvor den blev skabt, og spreder sig ikke.
Træningen bliver gennemført, og den virker ikke
Docebos rapport om AI-parathedskløften fra 2026, som Centiment gennemførte blandt 2.000 respondenter i USA, Storbritannien, Canada, Frankrig, Tyskland og Italien, viste, at 85 % af medarbejderne siger, at den træning, de modtager, ikke hjælper dem med at bruge AI i deres rolle.
Docebo sælger læringssoftware, hvilket er værd at bemærke i betragtning af, hvilken vej resultatet peger, men for denne diskussions skyld lader vi os antage, at tallet holder, for ud fra stemningen i lokalet under McKay-Fleischs oplæg vil jeg sige, at det ikke føles særlig langt fra virkeligheden.
En ud af fem af disse respondenter havde slet ikke modtaget AI-træning, hvilket betyder, at en del af de 85 % beskriver et fravær snarere end en fiasko. Ser man bort fra denne gruppe, beskriver tallet stadig et flertal af medarbejdere, som deltog i noget og kom ud af det uden at kunne anvende det.
Det mere afslørende tal findes på den anden side af undersøgelsen. Blandt læringsledere angiver 79 %, at de bruger AI til opgaver som indholdsproduktion. Kun 9 % siger, at deres organisation har brugt AI til at gentænke en arbejdsgang.
Læringsfunktioner har optaget AI som en produktionsaccelerator. De laver de samme kurser hurtigere. Arbejdet med at gentænke, hvordan selve jobbet udføres, er stort set ikke påbegyndt, hvilket er en rimelig beskrivelse af, hvorfor kurserne ikke fungerer.
Sproget er grænsefladen
I tredive år eksisterede virksomhedstræning i høj grad for at løse problemet med platformskendskab. Softwareleverandører flyttede knapper, tilføjede funktioner, ændrede navigationen, og nogen skulle lære folk, hvor tingene var. Microsoft alene skabte en mindre industri omkring dette.
Generativ AI fjernede den barriere, der retfærdiggjorde det meste af dette pensum. Grænsefladen er sproget. En bruger beskriver det ønskede resultat, og systemet sammensætter trinnene. Spørgsmålet “hvordan gør jeg”, som var rygraden i kompetenceudviklingen, kan nu stilles direkte til værktøjet, inde i applikationen eller gennem en generel model, der henviser til offentlig hjælpedokumentation.
Det, der ifølge McKay-Fleisch stadig udgør den faktiske barriere, er organisatorisk forståelse og menneskelig dømmekraft.
Problemet med organisatorisk forståelse illustreres tydeligt af hans egen virksomheds brugsdata. Da han gennemgik data fra Smartsheets Claude Projects, talte han mere end halvtreds separate projekter, som medarbejdere på tværs af økonomi, kundesupport, salg og HR havde opbygget, og som alle forsøgte at generere materiale i overensstemmelse med varemærket. Præsentationer, salgsmateriale, det sædvanlige.
Det bemærkelsesværdige er, at ingen af disse projekter kom fra marketingteamet. Den funktion, der ejer varemærket, havde ikke bygget noget, og de mere end halvtreds mennesker, der fandt løsninger omkring det, havde ikke tænkt på at spørge.
Hver af disse medarbejdere identificerede et reelt problem og brugte et kompetent værktøj til at løse det. Det, ingen af dem gjorde, var at erkende, at problemet lå inden for en andens ansvarsområde, hvor ekspertisen, kildematerialet og evnen til at vedligeholde løsningen over tid allerede fandtes. Det er ikke en mangel ved instruktionerne. Intet kursus i at skrive bedre instruktioner skaber instinktet til at finde den ansvarlige.
Menneskelig dømmekraft er den større kategori, og McKay-Fleisch indsnævrer den til den fejltilstand, som de fleste organisationer lever med lige nu. Han kalder den “slop-kanonen”. Folk genererer resultater til næsten ingen omkostninger og sender dem videre uden at gennemgå dem, hvilket flytter evalueringsarbejdet over på den, der modtager dem.
Dømmekraftopgaven med at forstå det output, du får, sikre, at det er korrekt, og sikre, at det er værdifuldt. Det, der er sket med denne tankegang om en sjuskekanon, er, at den opgave falder på de mennesker, som det bliver sendt til, og det er ikke passende.
BetterUp Labs og Stanford Social Media Lab satte tal på denne overførsel i en undersøgelse, der blev offentliggjort i Harvard Business Review sidste september. Fyrre procent af medarbejderne rapporterede, at de havde modtaget det, forskerne kaldte “arbejdsslop”, i den foregående måned. Hver hændelse optog omkring to timer af modtagerens tid, hvilket forskerne vurderede til cirka $186 pr. medarbejder pr. måned.
Gennemgangstrinnet forsvandt ikke. Det blev flyttet nedstrøms til en person, som ikke selv havde valgt det, ikke kunne se den oprindelige hensigt og ikke havde nogen mulighed for at sende det tilbage.
Omdesign og transformation er forskellige budgetter
McKay-Fleisch skelner mellem to ting, som de fleste budgetter til kompetenceopbygning ignorerer. Omdesign af arbejdsgange er vejen til et resultat. AI-transformation er alt det, der skal ændres omkring det, hvilket vil sige de organisatoriske strukturer, rollerne og de kompetencer, folk har brug for for at udfylde disse roller.
Det meste af AI-kompetenceopbygningen finansieres, som om det ikke er nogen af delene. Den finansieres som værktøjstræning, hvilket var det rigtige svar på en barriere, der ikke længere eksisterer.
Grant Thorntons undersøgelse af AI's konsekvenser for 2026, der omfattede 950 erhvervsledere på tværs af ti brancher samt private equity og blev gennemført mellem 23. februar og 18. marts i år, viste, at kun 12 % af lederne anser deres arbejdsstyrke for at være fuldt ud klar til AI. Yderligere 81 % befinder sig et sted mellem ret klar og for det meste klar, og 97 % anerkender udfordringer med anvendelsen af en eller anden art.
Da lederne blev spurgt, hvorfor AI-initiativer præsterer under forventning, placerede de styrings- og complianceproblemer øverst med 46 %. Utilstrækkelig træning kom på andenpladsen med 31 %. Omkring 34 % angav træning som organisationens mest underfinansierede investeringsområde.
Den diagnose, ledere i stor skala stiller, er altså den samme, som når frem til direktøren for kompetenceopbygning. Ikke nok træning. Finansier mere af den.
Det er værd at holde fast i Grant Thorntons egen vurdering af dette. Bevidstgørelsestræning skaber fortrolighed snarere end kompetence. Fortrolighed er præcis det, de fleste AI-læreplaner er bygget til at levere, og det er det, 85 % af de adspurgte medarbejdere hos Docebo beskriver, når de siger, at træningen ikke hjalp dem med at udføre jobbet. Pengene går et sted hen. De går til den intervention, der kræver mindst strukturel forandring fra de mennesker, der godkender den.
Docebos 9 % er det samme resultat set fra den anden side. Læringsfunktioner har entusiastisk taget AI til sig for at skabe indhold og har næsten ikke beskæftiget sig med omdesign af arbejdet. Jeg ville oversætte det til, at begge budgetter bliver brugt på omdesignsiden af ingenting.
Fire ting, anmodningen betyder
Når en leder beder om træning, ligger en af fire betingelser som regel bag. Hver af dem har et signal, der identificerer den, og et svar, som ikke er et kursus.
Resultatet blev aldrig defineret
Signalet er, at lederen ikke kan besvare spørgsmålet om, hvordan succes ser ud, uden at beskrive aktiviteter. Anvendelsen stiger, eller anvendelsen falder, men ingen kan sige, hvad teamet skal kunne gøre, som det ikke kunne før. Folk eksperimenterer uden et bestemt mål, og eksperimenteringen bliver tolket som manglende anvendelse.
Interventionen er en arbejdssession med lederen for at definere ét målbart resultat og derefter arbejde baglæns til den kompetence, der understøtter det.
Arbejdsgangen blev aldrig redesignet
Signalet er AI, der er boltet fast på en proces, som blev bygget omkring en begrænsning, AI fjernede. Godkendelseskæder, der var dimensioneret efter den tid, det tidligere tog at udarbejde noget. Overleveringer, der eksisterede, fordi to personer havde forskellige værktøjer. Gennemgangscyklusser, der var kalibreret efter mønstre i menneskelige fejl snarere end mønstre i modelfejl.
Folk bruger værktøjet i en proces, der straffer dem for den hastighed, det skaber. Interventionen er proceskortlægning sammen med den funktion, der ejer arbejdsgangen, og det er ikke noget, din kompetenceopbygningsfunktion kan gøre alene.
Ekspertisen findes og er strandet
Signalet er en stor præstationsforskel inden for det samme team, der bruger de samme værktøjer. Superbrugerne har allerede løst problemet. Deres løsninger ligger i personlige projektfiler og browserfaner.
Indsatsen består i at udtrække og distribuere denne viden, hvilket McKay-Fleisch beskriver som at indlejre superbrugernes viden direkte i det, som kompetenceunderstøttelsen producerer, i stedet for at afholde flere sessioner for personer, der allerede har fundet ud af det.
Evalueringsdisciplinen er brudt sammen
Signalet er mønsteret med “arbejdsslør”, altså klager over outputkvaliteten, der kommer fra modtagerne snarere end producenterne. Det producerende teams målinger ser fremragende ud. Mængden er steget, gennemløbstiden er faldet, og omkostningen er blevet skubbet videre til det næste skrivebord.
Indsatsen består i en standard for, hvad der bliver gennemgået, før det sendes videre, håndhævet af ledere, samt det ubehagelige arbejde med at fortælle producenter med høj produktionsmængde, at deres tal delvist er en andens problem.
Ingen af de fire problemer løses med et undervisningsforløb. Tre af dem er ikke kompetenceunderstøttelsens problem alene, hvilket netop er grunden til, at de bliver ved med at ende hos kompetenceunderstøttelsen.
Samme prompt, to svar og et træningsprogram, der ikke kan løse det
Der ligger et teknisk lag under alt dette, som de fleste personaleledere er blevet opfordret til at ignorere, og ignoreringen skaber dårlig kompetenceunderstøttelse.
Medarbejdere møder AI på flere overflader. Der er assistenten, som er indbygget i en applikation, trænet på den pågældende platforms dokumentation og kørende i brugerens faktiske data.
Der er den generelle model, som får adgang til den samme platform gennem en forbindelsesprotokol. McKay-Fleischs eksempel er en anmodning om at opbygge en oversigt, der viser, hvilke projekter der er på rette spor, i fare eller forsinkede, grupperet efter portefølje og ejer.
Hans holdning er, at resultatet bør være identisk, uanset hvor brugeren indtaster det. På mange platforme er det i øjeblikket ikke tilfældet.
Den forskel skyldes systemarkitekturen, og prompttræning kan ikke udligne den. Det, kompetenceunderstøttelsen kan gøre, er at vide, hvilken overflade der producerer hvilket resultat, og sige det klart til folk: Til denne opgave skal du gå herhen.
Springer man det over, lærer man medarbejderne, at værktøjerne er upålidelige, hvilket er en lektie, de vil anvende bredt og huske længere end noget som helst i undervisningsforløbet.
Den anden tekniske variabel er, hvor meget kontekst platformen leverer på brugerens vegne. En generel model, der er forbundet med virksomhedsdata, forstår ikke automatisk, hvad disse data betyder, hvordan de er struktureret, eller hvad applikationen gør med dem. De bedre platforme indlæser denne forståelse på serversiden, pakket som genanvendelige instruktionssæt, som alle tilsluttede brugere får gavn af uden at vide, at de findes. Smartsheet gør dette med det, McKay-Fleisch kalder "indbyggede færdigheder".
Konsekvensen for kompetenceunderstøttelsen er direkte og har budgetmæssige følger. Når platformen leverer konteksten, falder den mængde promptinstruktioner, brugerne har brug for, kraftigt. Når den ikke gør det, er prompt- og kontekstteknik afgørende færdigheder, og træningen skal dække dem ordentligt.
Ledere med ansvar for kompetenceunderstøttelse bør spørge leverandørerne, hvilken af de to verdener de befinder sig i. Svaret afgør en betydelig del af undervisningsforløbet.
To fortolkninger af den samme organisation
Tallet på 12 % fuldt klar dækker over en splittelse. Blandt CIO'er og CTO'er beskriver 39 % deres arbejdsstyrke som fuldt klar. Blandt COO'er er tallet 7 %.
Teknologiledere måler anvendelsen på systemniveau. Udrullede licenser, aktive integrationer, registreret brug. Driftsledere måler, om arbejdet er blevet bedre. Forskellen på 32 procentpoint repræsenterer et betydeligt arbejde med at besvare de to spørgsmål.
Fordelingen af, hvor der er brug for støtte, gør billedet tydeligere. Frontlinjemedarbejdere udgør 37 % af de områder, hvor lederne siger, at der er størst behov for støtte. Mellemledere udgør 30 %. Den øverste ledelse udgør 8 %.
De mennesker, der træffer beslutninger om AI, føler sig støttet. De to tredjedele af organisationen, der lever med disse beslutninger, gør ikke.
Det er mønsteret under anmodningen om træning. En leder, der føler sig tilstrækkeligt rustet, observerer et team, der ikke gør, og griber til den indsats, der ikke kræver noget af lederen. Mere træning er en anmodning, der kan imødekommes, uden at den, der fremsætter den, ændrer noget ved, hvordan arbejdet er struktureret, hvem der ejer hvilken beslutning, eller hvad teamet bliver bedt om at producere.
Næsten ingen i stikprøven bestrider, at noget er galt. Uenigheden handler om, hvor problemet befinder sig.
HR bør tage ejerskab over dette, før det bliver standardløsningen
McKay-Fleischs afsluttende anbefaling til forsamlingen var at gå tilbage og identificere, hvem i organisationen der har ansvaret for at redesigne AI-arbejdsgange. Han bemærkede, at det i en periode var ham, indtil Smartsheet ansatte en person til rollen.
I de fleste virksomheder er det ærlige svar: ingen. Og når ingen ejer det, forsvinder arbejdet ikke. Det flyder videre til den, der er tættest på, hvilket som regel er L&D eller en understøttelsesfunktion, og ankommer som én træningsanmodning ad gangen uden mandat og uden myndighed over de processer, der faktisk har brug for at blive redesignet.
At arve ansvaret på den måde er den værst tænkelige version af at eje det. HR bør bevidst påtage sig ansvaret for redesign af arbejdsgange med det tilhørende budget og den nødvendige myndighed, for alternativet er at stå med ansvaret uden nogen af delene.
Argumentet for, at HR skal eje det, er ikke sentimentalt. Redesign af arbejdsgange afgør, hvilke roller der findes om tre år, hvad disse roller kræver, og hvem i virksomheden der har en vej ind i dem. Det er beslutninger om mennesker, som træffes som et biprodukt af teknologiske beslutninger. At lade dem blive afgjort af den, der tilfældigvis konfigurerer værktøjerne, er et valg, og det er det valg, de fleste organisationer i øjeblikket træffer som standard.
Den funktion, der forstår, hvordan arbejdet er struktureret, hvordan kompetencer opbygges, og hvad der sker med mennesker, når begge dele ændrer sig, er den funktion, der bør stå forrest i dette arbejde. Det krav skal rejses, før organisationsdiagrammet stivner omkring en anden.
Hvad skal du spørge om?
Når den næste teamleder henvender sig, skal du ikke åbne kursuskataloget. Stil to spørgsmål.
- Hvilket resultat forsøger du at opnå? Ikke mere anvendelse, ikke højere brug. Noget, du kan måle i selve arbejdet.
- Hvilken arbejdsgang indgår dette resultat i, og hvem ejer den?
Hvis lederen kan svare på begge spørgsmål, har du noget at bygge videre på. Hvis ikke, ville træningen aldrig komme til at fungere, og det mest nyttige, en person i en understøttelsesfunktion kan gøre, er at sige det højt.
