Er din AI-strategi allerede forældet?

Det skaber en mærkelig virkelighed: Den teknologi, som de fleste ledere stadig planlægger at implementere, kører allerede i deres organisationer. Når du har nedsat et udvalg til at evaluere AI-værktøjer, har dit team allerede valgt deres favoritter og indlejret dem i de daglige arbejdsgange.

Arkitekturproblemet

Når du betragter AI som en indkøbsbeslutning, går du glip af muligheden for nytænkning.

Gabriela Mauch, kundedirektør og chef for produktivitet hos ActivTrak, ser dette mønster igen og igen.

Teams kan forestille sig AI-anvendelser, der skaber gennemgribende forandringer, men de bliver blokeret af en organisatorisk infrastruktur, som ikke er designet til AI-understøttet arbejde. Hvis ledelsen kun måler brugen af værktøjer, kan den ikke se disse usynlige begrænsninger.

Resultatet er, at AI lægges oven på eksisterende organisationsstrukturer i stedet for at ændre måden, arbejdet udføres på. Færdigheder svækkes i stedet for at udvikle sig.

Alternativet kræver, at man finder områder for AI og områder for mennesker. AI bør håndtere analyser, udarbejde rapportudkast og administrere ensformige opgaver. Den bør informere mennesker og stille spørgsmål, som den ikke kan sætte ind i en kontekst. Den endelige beslutning bør træffes af en person, der kan holdes ansvarlig.

Ansvarlighed er vigtig, fordi AI ikke mister sit job. I marts 2024 lærte Air Canada denne lektie, da en kunde sagsøgte flyselskabet, efter at dets chatbot havde givet ukorrekte oplysninger om billetpriser ved dødsfald. Domstolen afgjorde, at Air Canada var ansvarlig for chatbot­tens fejl. Enhver skade på AI'ens omdømme var midlertidig. Det var virksomhedens juridiske team, der bar de reelle konsekvenser.

Det er den designbegrænsning, som de fleste AI-samtaler undgår.

Hvorfor erfarne ledere snubler

Ledere, der med succes har håndteret cloud-migreringer og ERP-implementeringer, begår begynderfejl med AI. Tre faktorer gør denne bølge anderledes.

• Tempoet er uden fortilfælde. Gartner forudsiger, at 40 % af virksomhedsapplikationerne vil indeholde AI-agenter ved udgangen af 2026, op fra mindre end 5 % i 2025. Det er en ottedobling på ét år. Når du har forstået én udvikling, tilbyder den næste bølge allerede noget radikalt anderledes.
• Den etiske del er kompleks. Enhver implementering kræver, at man stiller spørgsmålene: Kan AI gøre dette lige så godt som mennesker? Hvad skal der til for at nå dertil? Bør mennesker fortsat have kontrollen?
• Implementeringsmønstret er vendt på hovedet. Tidligere arbejdspladsteknologi krævede oplæring, certificering og kontrollerede udrulninger. AI-værktøjer kræver minimal specialisering, fordi folk allerede bruger dem.

Det er den grundlæggende udfordring. I tidligere teknologibølger kontrollerede IT udrulningen. Nu er det nederste lag i din stak allerede i bevægelse og i vid udstrækning usynligt.

It starts with one signal.

Each week, AI Signal takes one meaningful shift in AI and helps people leaders understand what changed, why it matters, and what to consider next.

Get Free Access

Have an account? Log In

Afstanden mellem annoncering og implementering

Et almindeligt problem er troen på, at folk straks vil vide, hvordan de skal arbejde anderledes, når først en ny strategi er blevet annonceret.

"Vi ser det ofte med AI," siger Iris Cremers, CHRO hos GoodHabitz. "Når ledelsen siger 'vi indfører AI', er antagelsen, at alle pludselig vil arbejde smartere og mere effektivt. I virkeligheden har mennesker og teams brug for tid, tydelig vejledning og praktisk læring.

Ny teknologi kan føles kompleks eller truende uden den rette støtte. GoodHabitz designede et virksomhedsomsfattende træningsprogram med deres Goodlearn AI-læringsplatform for at give folk en enkel og tryg måde at opbygge selvtillid og færdigheder på.

"Det hjalp med at mindske angsten og erstatte den med nysgerrighed og begejstring, da vi introducerede disse nye værktøjer i vores daglige arbejde," sagde Cremers.

Sharon Steiner, CHRO hos Fiverr, formulerer det anderledes.

"Den største kløft, jeg ser, er, at ledelsen ofte betragter AI som en teknologi- eller effektiviseringsstrategi, mens teams oplever det som en grundlæggende ændring af den måde, arbejdet udføres på," sagde hun. "Ledere spørger: 'Hvilke værktøjer bør vi tage i brug?' men medarbejderne spørger: 'Hvordan ændrer det min rolle, mine færdigheder, og hvordan jeg bliver evalueret?'"

Det, der virkelig sker på teamniveau, er eksperimentering. Folk bruger allerede AI til at arbejde hurtigere, tilegne sig nye færdigheder og løse problemer i realtid.

Når teknologiske beslutninger ignorerer den organisatoriske virkelighed

Mauch delte et eksempel med en kunde inden for finansielle tjenesteydelser, som implementerede AI i hele virksomheden ved hjælp af standardteknologiske tilgange: adgang til værktøjer, undervisning, biblioteker med anvendelsesområder og ambassadører. Seks måneder senere var anvendelsen stagneret, og investeringsafkastet udeblev, selvom 70 % var aktive brugere.

Virksomheden ønskede at bruge AI til automatisk at sortere kundehenvendelser efter kompleksitet og videresende dem korrekt, hvilket ville være en reel transformation af arbejdsgangene. Det kunne de ikke, fordi:

• IT havde ikke prioriteret API-arbejdet med at få adgang til kundedatasystemerne
• Godkendelsesarbejdsgangene for ledere var ikke blevet ændret, så AI kunne træffe beslutninger om videresendelse
• QA-processerne var stadig designet til arbejde, der udelukkende blev udført af mennesker
• Teamets samarbejdsmønstre var stadig struktureret omkring individuelle opgavetildelinger

"Ledelsen blev ved med at behandle det som 'detaljer i forandringsledelsen, der kunne løses senere'," sagde Mauch. "I mellemtiden investerede de i mere teknologi som avancerede modeller, flere værktøjer og flere integrationer. Men begrænsningen var ikke teknologisk."

Medarbejderne fremgik af anvendelsesstatistikkerne som "aktive AI-brugere", fordi de stadig brugte AI til grundlæggende opgaver, men de havde opgivet de anvendelsesområder med høj værdi, som faktisk ville skabe investeringsafkast.

Det langsigtede perspektiv, som ingen anlægger

Når jeg taler om at anlægge et langsigtet perspektiv på AI, mener jeg to specifikke ting.

Personaleændringer

En virksomhed inden for professionelle tjenesteydelser identificerede deres bedste AI-medarbejdere – konsulenter, der producerede tre gange det normale output – og belønnede dem med forfremmelser, bonusser og præsentationer for hele virksomheden. Klassisk talentanerkendelse.

Tre måneder senere var anvendelsen af AI på teamniveau faktisk faldet i disse stjernemedarbejderes grupper.

"Virksomheden belønnede individuelle produktivitetsstigninger, så de dygtigste medarbejdere holdt deres AI-teknikker for sig selv i stedet for at dele dem," sagde Mauch. "Hvorfor hjælpe kolleger med at tage AI i brug, når det bare skaber mere konkurrence om den næste forfremmelse? Virksomheden gik glip af muligheden for at skabe AI-mentorer."

De omlagde incitamenterne, så de fokuserede på anvendelse i teamet i stedet for individuel produktivitet. Bonusser var knyttet til at hjælpe kolleger med at udvikle deres AI-færdigheder. Forfremmelser krævede, at man kunne dokumentere, at man havde vejledt andre.

Efter denne ændring begyndte de dygtigste medarbejdere aktivt at undervise, og anvendelsen på teamniveau accelererede. Individuelle stjernemedarbejdere er fantastiske, men kun hvis deres viden formerer sig på tværs af organisationen i stedet for at forblive låst fast som en individuel konkurrencefordel.

Organisatorisk udvikling

Ledere elsker en femårsplan, men vi har ingen idé om, hvordan verden vil se ud ved udgangen af dette år.

Indbyg fleksibilitet i din planlægning. Din talentprofil og den måde, du udvikler medarbejdere på, vil hjælpe dig med at forblive fleksibel. Alternativet er at overvurdere AI som den centrale del af strategien, for derefter at indse, at du har brug for mennesker til at få det til at fungere, og så gå ud på et arbejdsmarked, hvor de specifikke færdigheder, du har brug for, er svære at finde.

Planlæg for to år, og se, hvad der sker. Forandringstempoet er for højt til længere tidshorisonter.

Sådan bygger du, når fundamentet allerede bevæger sig

Du er nødt til at kommunikere.

"Hold op med at behandle anvendelse som et enten-eller, og begynd at diagnosticere effekten," sagde Mauch. "De fleste organisationer har masser af grundlæggende anvendelse, men næsten ingen transformerende anvendelse, og det er her, værdien materialiserer sig."

De fleste ledere følger logins, forespørgsler og brugerlicenser i stedet for adfærdsmæssig transformation. Det reelle investeringsafkast opstår, når AI ændrer arbejdsgangene, hvilket kræver, at man forstår, om teknologien har ændret den faktiske arbejdsadfærd – ikke blot om anvendelsen af AI-værktøjer er steget.

Den analytiker, der bruger AI til at udarbejde udkast til dele af rapporter, har ikke transformeret sin arbejdsgang. Den analytiker, der har redesignet hele sin analyseproces omkring AIs muligheder for kontinuerlig overvågning, har.

Steiner understreger vigtigheden af læringssamtalen.

"Spørg jeres teams, hvordan de bruger AI i dag, hvor de gerne vil opbygge færdigheder, og hvilken støtte de har brug for for at udvikle sig," sagde hun. "Giv folk plads til at eksperimentere, opkvalificere sig og opbygge selvtillid med disse værktøjer.

Mens du analyserer mulighederne for omstrukturering, forsøger nogle af dine medarbejdere at lære. De tilegner sig nye færdigheder uden at vide, om det er de rigtige. Du kan styre dem i den retning, du har brug for, og hjælpe dem med at opbygge de kompetencer, virksomheden kræver.

Undervejs vil du forstå, hvilke værktøjer de bruger, hvor de skaber værdi, og hvor organisationen bedre kan støtte det, de gør.

Dette holder dig foran det, der er ved at ændre sig, og hjælper dig med at bevare kontrollen over etikdelen. Du bliver mere tryg ved retningen i stedet for at blive revet med af hypen.

Og i stedet for "vi er bagud, vi er nødt til at gøre det her for at følge med" arbejder du ud fra spørgsmålet: "Hjælper den nye, skinnende ting os med at realisere den vision, vi har for, hvor vi gerne vil være om to år?"

Skiftet fra reaktiv til bevidst handling kræver, at man gentænker styringen fuldstændigt.

Styring som samspil, ikke overvågning

Når du opdager, at en medarbejder selv har opbygget en AI-arbejdsgang, skal du fremstille det som et samarbejde.

"Betragt skygge-AI som markedsundersøgelse, ikke som et complianceproblem," sagde Mauch. "Dine medarbejdere, som har taget ikke-godkendte værktøjer i brug, fortæller dig, at de har fundet løsninger på reelle problemer, som jeres officielle værktøjer ikke løser."

Cremers og hendes team hos GoodHabitz benyttede denne tilgang, da de indså, at medarbejderne allerede brugte eksterne AI-værktøjer.

"I stedet for at blokere alt valgte vi en mere åben og støttende tilgang," sagde hun. "Vi inviterede alle, der allerede brugte et eksternt værktøj, til at dele det med os. Derefter undersøgte vi, om det kunne bruges sikkert. Hvis det bestod sikkerhedstjekket, gjorde vi det tilgængeligt for hele organisationen, så andre også kunne få glæde af det.

Det opbyggede tillid, reducerede risici og viste, at målet var at hjælpe folk med at arbejde smartere, ikke at overvåge dem. Og som man kunne forvente, havde nogle medarbejdere fundet nyttige værktøjer, som virksomheden endnu ikke kendte til.

"Goodlearn hjalp også ved at give alle en grundlæggende forståelse af, hvordan man håndterer information sikkert og ansvarligt, og hvordan man genkender, hvilke værktøjer man kan have tillid til," sagde Cremers.

Mauch anbefaler en tredelt ramme:

Forstå, før du standardiserer

Kortlæg, hvad der faktisk bliver brugt, og hvorfor – ikke for at straffe det, men for at lære af det. I ét tilfælde opdagede ActivTrak, at et produktteam brugte et ikke-godkendt AI-kodeværktøj fire til fem timer dagligt.

I stedet for at lukke det ned spurgte ledelsen hvorfor. Teamet havde fundet specifikke funktioner, som det "officielle" værktøj manglede, og havde på egen hånd udviklet avancerede arbejdsgange, som ingen andre havde opnået.

Skeln mellem risikoniveauer

Al skygge-AI indebærer ikke samme risiko. Den analytiker, der bruger AI til at brainstorme præsentationsstrukturer, udgør ikke den samme risiko som en person, der behandler kunders PII gennem et ikke-godkendt værktøj. Opret enkle kriterier:

• Hvilke data behandles?
• Hvilke beslutninger kan AI-outputtet påvirke?
• Hvor veludviklet er brugerens dømmekraft med hensyn til passende anvendelse?

Lad anvendelser med lav risiko og høj værdi fortsætte, mens du opbygger passende sikkerhedsforanstaltninger.

Skab styringen sammen med brugerne

Inddrag brugere af skygge-AI i udformningen af politikker. De forstår de praktiske afvejninger mellem sikkerhed og nytte bedre end nogen andre. Spørg dem:

• Hvad ville I miste, hvis vi lukkede det ned?
• Hvilke bekymringer har I?
• Hvilke sikkerhedsforanstaltninger ville I ønske?

Det afdækker løsninger som afskærmede miljøer, hvor teams kan eksperimentere med ikke-godkendte værktøjer på syntetiske data, før de får godkendelse til produktion.

Virkeligheden er, at AI allerede er en del af den måde, arbejdet bliver udført på, og forsøg på at lukke det ned får virksomheder til at sakke bagud, ikke til at få kontrol," sagde Steiner. "Styring er stadig vigtig, men i et AI-først-miljø bør den muliggøre fremskridt, ikke bremse dem.

For at få disse processer til at fungere skal de indlejres i systemer, som folk allerede bruger. Kan det være en formular i jeres interne dokumentationshub? Kan udpegede godkendere hurtigt godkende idéer inden for en fast tidsramme i Slack? Når godkendelsen bliver en naturlig del af de eksisterende arbejdsgange, reduceres friktionen, samtidig med at folk får hjælp til at vurdere idéer med hensyn til klarhed, overensstemmelse med målene og forretningsmæssig effekt.

Du er nødt til at belønne gennemsigtighed hos medarbejdere, der eksperimenterer. Hvis nogen deler noget, der ikke er en god anvendelse af teknologien, må det ikke føre til straf.

Sådan ser "for sent" faktisk ud

Du har ikke meget tid.

For sent ser ud som at lancere funktioner, som dine konkurrenter lancerede for seks måneder siden. Det ser ud som dine bedste medarbejdere, der er frustrerede og overvejer at forlade virksomheden. Det ser ud som ledere, der føler sig som forvirrede mellemled mellem strategi og eksekvering.

Frem for alt ser det ud som en manglende evne til at implementere AI som en løsning på reelle problemer i organisationen.

Nogle virksomheder mærker allerede dette. Derfor tyer de til afskedigelser og kortsigtede gevinster. De har ikke en klar vision for det langsigtede udbytte, så de skærer virksomheden ned, mens de forsøger at finde ud af det.

En undersøgelse fra Reco AI viste, at to skygge-AI-værktøjer havde medianbrugstider på henholdsvis 403 og 401 dage. Det er langt over et års kontinuerlig brug uden formel godkendelse eller tilsyn. Efter 100 dages kontinuerlig brug er et AI-værktøj ikke længere en prøve. Det er integreret i centrale forretningsprocesser. At forsøge at fjerne det er ikke blot en IT-opgave, men en potentiel forretningsforstyrrelse.

Det er sådan, for sent ser ud. Manglende evne til at styre det, der allerede er blevet taget i brug.

Det første skridt

Steiner har et klart råd til ledere, der føler sig bagud.

"Det egentlige spørgsmål er ikke, om man skal begynde at bruge AI, men hvornår og hvordan, og svaret er nu og gennem eksperimenter," sagde hun. "Det er ikke tidspunktet til at stå udenfor og observere. AI ændrer meget hurtigt den måde, arbejdet udføres på."

Begynd samtalen om, hvordan jeres teams arbejder med AI. Hvilke værktøjer de bruger. Hvor de finder værdi. Hvad de ville ønske, de kunne gøre, men ikke kan.

Et så enkelt spørgsmål som "hvad ville du gøre med AI, hvis organisatoriske begrænsninger ikke stod i vejen?" kan synliggøre usynlige barrierer.

"Vi ser konsekvent mennesker, der forestiller sig forandrende anvendelser, men som blokeres af dataadgang, godkendelsesarbejdsgange eller styringspolitikker, der er udformet til begynderrisici," sagde Mauch.

Den samtale afslører, hvor jeres usynlige fundament allerede findes. Den viser jer, hvilke eksperimenter der er værd at skalere, og hvilke der skal omlægges. Den hjælper jer med at forstå, om I bygger på et solidt grundlag eller teknisk gæld.