At blive AI-indfødt: En HR-leders perspektiv

Her er, hvad Johannes havde at sige om at gøre AI rigtigt.

Fra militærtjeneste til HR-ledelse

Jeg vil gerne tro, at ledelse er den vigtigste del af det, der former en organisation.

Jeg begyndte min ledelsesrejse i det svenske militær. I Sverige skal alle aftjene værnepligt. Jeg gjorde det i 15 måneder — det var min første erfaring med ledelse, og det vakte min nysgerrighed.

Til sidst førte den nysgerrighed mig til HR, og det er det, jeg har arbejdet med de seneste 15 år på den ene eller anden måde. Lige nu er jeg konsulent og hjælper organisationer og ledere med at forstå AI's mange facetter.

Sådan ændrer AI ledelse og teamledelse

Er ledelse under forandring i en AI-fokuseret verden? Både ja og nej.

På den ene side handler arbejdet stadig om at uddelegere problemløsningsopgaver til forskellige personer.

På den anden side har medarbejderne nu nye muligheder, der lader dem arbejde mere effektivt. De kan løse flere opgaver, være mere kreative, være mere innovative, frigive tid og i teorien påtage sig mere arbejde. Det kræver en ny tilgang til ledelse.

Ledelse handler i mindre grad om: „Hvem giver jeg dette problem til?“ og mere om: „Hvilke kompetencer har jeg brug for til dette, og hvor kan jeg finde dem?“

Tidligere skalerede organisationer ved at ansætte flere mennesker til at påtage sig mere arbejde.

Men den ligning er under forandring. AI gør det muligt for færre mennesker at udrette mere, og i nogle tilfælde kan AI selv håndtere en del af arbejdet.

Det skifte kræver et nyt perspektiv på ledelse. Et perspektiv, hvor ledere konstant må revurdere, hvordan problemer bedst løses, og af hvem — eller af hvad.

Vendepunktet: Da AI ændrede min tilgang til ledelse

I begyndelsen troede jeg, at AI ville være et ekstra værktøj, som jeg brugte en gang imellem. Men inden for få uger opdagede jeg, at jeg automatisk tyede til det for ting, jeg aldrig havde planlagt — udarbejdelse af dispositioner, kontrol af antagelser og endda kvalitetssikring af beslutninger.

Jeg husker første gang, jeg bad GPT-5 om at gennemgå en bunke omfattende AI-rapporter for mig.

Normalt ville jeg afsætte en hel weekend med overstregningstuscher og kaffe for at forsøge at forstå tendenser og indsigter. I stedet gav jeg dem til AI, bad om et samlet overblik, og det kom tilbage med en struktureret analyse, tydelige temaer og endda sammenligninger på tværs af kilder.

Det ændrede noget for mig. Ikke kun fordi det sparede tid, men fordi jeg begyndte at tænke anderledes over min egen rolle.

Mit arbejde består ikke længere i at læse alt; det består i at stille skarpere spørgsmål og derefter fortolke det, der kommer tilbage. Det er et skifte i ledelsen fra at være den, der bearbejder alt materialet, til at være den, der formulerer problemerne godt nok til, at AI kan hjælpe med at løse dem.

Det skifte påvirkede også mit team. Folk blev mere åbne over for at prøve nye ting og mindre bange for „ikke at være eksperter“. Da de så, at AI kunne tage sig af det hårde rutinearbejde, begyndte de at tænke mere kreativt over, hvad der var muligt.

Så hvis jeg skulle pege på ét øjeblik, der ændrede den måde, jeg leder på, var det, da jeg indså, at jeg ikke behøver at bevise min værdi ved selv at tilegne mig al informationen. Jeg skal lede ved at definere, hvad der er vigtigt, og lade AI håndtere resten.

Vigtige kompetencer for en vellykket AI-integration

Jeg nævnte tidligere, at ledere skal identificere de nødvendige kompetencer for AI-integration. Det er både enkelt og svært på samme tid.

Enkelt, fordi vi som regel kender det grundlæggende: Du har brug for tekniske færdigheder, dataforståelse og evnen til at arbejde med leverandører og værktøjer.

Svært, fordi AI går på tværs af roller, og det, der er “nødvendigt”, ikke kun handler om kodning eller promptudvikling.

Her er min proces:

1. Jeg tager udgangspunkt i selve arbejdet. Hvad forsøger folk rent faktisk at opnå?
2. Derefter ser jeg på friktionspunkterne. Hvor spildes der tid? Hvor går beslutninger langsomt? Og hvor får vi svingende kvalitet? Det er dér, AI måske passer ind, og det er også dér, kompetencerne skal opbygges.

Så nogle gange handler det om at lære ledere at stille bedre spørgsmål. Nogle gange handler det om at give HR-medarbejdere selvtillid til at eksperimentere med værktøjer. Og nogle gange handler det om at have en person på holdet, der kan forbinde punkterne mellem IT, compliance og de faktiske slutbrugere.

Med andre ord ser jeg ikke på en fast liste over færdigheder. Jeg ser på organisationen og spørger: "Hvad har vi brug for for at komme videre uden at snuble over vores egne fødder?" Det giver mig som regel et langt klarere billede end nogen teoretisk ramme.

Sådan forbedrer AI medarbejdervurderinger og rekruttering

To områder, hvor jeg virkelig har ændret min tilgang med AI, er medarbejdervurderinger og rekruttering.

Medarbejdervurderinger

Ved medarbejdervurderinger hjælper AI mig med at identificere mønstre i feedback. I stedet for at ledere bruger timevis på at samle kommentarer, udtrækker AI temaer, fremhæver styrker og finder endda blinde vinkler. Det betyder, at samtalerne kan fokusere mindre på “hvad skete der” og mere på “hvad gør vi nu”. Det har gjort vurderingerne hurtigere og, helt ærligt, mere nyttige.

Sådan ser det ud i praksis. Lad os sige, at du har et løbende dokument med din medarbejder — helst med transskriberede mødenoter. Bed et GenAI-værktøj om at opsummere de seneste seks måneder. Derefter kan du ved hjælp af AI se, hvad der er sket i løbet af de seneste seks måneder — hvad I har talt om, hvad der er gået godt, hvad der er gået dårligt osv. Det er også et fantastisk værktøj til at få feedback om dig selv.

Rekruttering

Inden for rekruttering har jeg brugt AI til at udarbejde stillingsopslag, screene ansøgninger for match og endda omformulere kandidatfeedback til ansættende ledere. Den store gevinst er ikke automatisering for automatiseringens egen skyld; det er ensartethed. Alle får de samme strukturerede oplysninger, hvilket reducerer bias og gør processen hurtigere.

Det er selvfølgelig vigtigt at huske, at AI ikke erstatter menneskelig dømmekraft; den fjerner bare støjen. Ledere kan bruge mere tid på at træffe beslutninger og mindre tid på at sortere i tekst. Den ændring alene har gjort både rekruttering og medarbejdervurderinger mere strategiske i stedet for rent administrative.

Hvorfor anvendelsen af AI går i stå, og hvordan barriererne overvindes

Der er stadig et stort hul mellem løftet om AI og den rodede organisatoriske virkelighed.

Der findes en skinnende idé om, at AI er en magisk produktivitetsmotor. De fleste ledere taler om effektivitetsgevinster, men i hverdagen har man stadig forældede processer, bekymringer om compliance og medarbejdere, der ikke ved, hvornår de “må” bruge værktøjerne.

Så afstanden handler i virkeligheden ikke om teknologien. Den handler om tillid, klarhed og design. Organisationer køber licenser og tror, at de “arbejder med AI”, men de forankrer det ikke i arbejdsgange, politikker eller kultur. Derfor går anvendelsen i stå.

I min egen ledelse forsøger jeg at gøre det mindre abstrakt.

I stedet for at sige til dit team: "AI vil spare os tid", kan du prøve at sige: "Hvilke tre mest kedelige opgaver udfører vi hver uge? Lad os se, hvordan AI kan reducere dem." Den lille ændring mindsker frygten og gør værdien synlig.

Og når det gælder organisationsdesign, insisterer jeg på et tydeligt ejerskab. Nogen skal bygge bro mellem HR, IT og jura, så medarbejderne ikke sidder fast og gætter på, hvad der er i orden.

Så for mig er det virkelige hul mellem ambition og tilladelse. AI lover fremtidens arbejdsliv, men folk har stadig brug for nogen, der redesigner nutiden, så de faktisk kan bruge det.

Johannes' Tip

AI lover fremtidens arbejdsliv, men folk har stadig brug for nogen, der redesigner nutiden, så de faktisk kan bruge det.

Dokumenterede strategier til at få AI-anvendelsen til at slå rod i organisationer

Lad os se nærmere på det.

For mig er ”AI-klar” ikke noget visuelt på et slide. Det er, når teams rent faktisk ændrer den måde, de arbejder på. Det er det område, jeg fokuserer på: at hjælpe organisationer med at gå fra strategi til praksis. Ikke bare tale om, hvad AI kunne gøre, men sidde sammen med teams, redesigne deres arbejdsgange og vise dem, hvordan de kan bruge AI lige dér og da.

Jeg har gjort dette sammen med ledelsesteams, HR-teams, økonomiteams – hvad som helst – på tværs af forskellige brancher, og mønstret er det samme: Folk har ikke brug for mere teori, de har brug for at se, hvordan AI hænger sammen med deres virkelighed.

Når de først oplever det, tager udbredelsen fart.

Problemet er, at de fleste organisationer behandler AI som endnu en IT-implementering: Køb licenserne, send en e-mail, og forvent, at folk tilpasser sig. Det virker aldrig.

Du er nødt til at opbygge tillid, kompetencer og kultur, så folk føler sig klar til rent faktisk at bruge AI i deres arbejde. Det er det, der gør en organisation reelt AI-klar.

Fokuser på den praktiske side. Sid sammen med teams, redesign processer, og vis, hvordan det ser ud i deres virkelige arbejde. Når folk oplever det, holder forandringen ved – især hvis du kan forhindre arbejdet i at blive kedeligt. De færreste kan modstå at slippe for kedeligt arbejde.

Med det ændrer du samtalen og dit teams holdning til AI. Og langsomt, men sikkert, forvandler det kulturen.

Uden det bliver AI bare endnu et ubrugt værktøj i værktøjsstakken.

Hvorfor eksperimentering er afgørende for udbredelsen af AI

Dit team har ikke brug for perfekt træning for at komme i gang. Når de ser ét konkret anvendelsesområde, der sparer dem tid, løber de med det. Udbredelsen sker i højere grad gennem nysgerrighed og små succeser end gennem en topstyret implementering.

Det gælder også ledere. Hvis jeg skulle give dig et godt råd, er det dette: Vent ikke på fuld klarhed. Teknologien udvikler sig for hurtigt til det. Vælg i stedet nogle få områder, hvor I kan eksperimentere sikkert, og begynd at opbygge erfaring.

Vent ikke på fuld klarhed. Teknologien udvikler sig for hurtigt til det. Vælg i stedet nogle få områder, hvor I kan eksperimentere sikkert, og begynd at opbygge erfaring.

Ledere tror ofte, at de har brug for en fuld strategi, før de handler, men på dette område kommer læring gennem handling. Din opgave er at skabe betingelserne for, at folk kan prøve, fejle og lære uden frygt. Det er sådan, kendskab og udbredelse vokser.

Og husk: Forveksl ikke køb af værktøjer med at lede en transformation. Det virkelige arbejde er kulturelt – at give tilladelse, sætte rammer og vise gennem eksemplet, at AI er en del af den måde, I arbejder på.

Hvis du gør det, vil du være foran 90 % af de organisationer, der stadig sidder fast på PowerPoint-stadiet.

Hvad det vil sige at blive en ægte AI-indfødt organisation

Lige nu kører de fleste organisationer ikke ægte agentbaserede systemer. Det, jeg oftere ser, er automatisering, sammenkædning af værktøjer, effektivisering af arbejdsgange og reduktion af manuelle trin. Det er udgangspunktet.

Det bliver interessant med virksomheder, der redesigner sig fra bunden som AI-indfødte. Det er en helt anden tilgang. Og det er præcis det område, jeg arbejder inden for nu: at hjælpe virksomheder med at gentænke deres processer, strukturer og endda forretningsmodeller, så AI ikke er et ekstra lag, men en del af designet.

Her er et eksempel. En af mine kunder genopbyggede hele sin rekrutteringsproces fra bunden. I stedet for at rekrutteringsmedarbejderne brugte timevis på screening, tilføjede vi AI, der opretter kandidatshortlister og udarbejder udkast til henvendelser. Rekrutteringsmedarbejderne bruger derefter deres tid på kandidatrelationer og strategi.

Målet er det samme, men processen og rollerne ser anderledes ud, når AI er indbygget i designet.

Indblik i min AI-værktøjsstak: Daglig brug og eksperimenter

Lige nu er min stak lidt af en blanding: Kerneværktøjer, som jeg bruger hver dag, plus nogle få, som jeg eksperimenterer med.

De værktøjer, jeg bruger mest, er ChatGPT Pro, Claude og Gemini. Jeg skifter mellem dem afhængigt af opgavetypen.

• ChatGPT til mit daglige arbejde samt dybdegående undersøgelser.
• Claude til alt, der har med kodning og visualiseringer at gøre, f.eks. oprettelse af dashboards til KPI'er.
• Og jeg har Gemini indbygget i mine Google-produkter. Desuden elsker jeg den nye billedgenerator, Nano Banana!

Til automatisering bruger jeg primært n8n og Zapier (software til automatisering af arbejdsgange).

Til opbygning og eksperimentering har jeg brugt Lovable og Replit. Jeg har bygget mit eget ATS, min egen medarbejderengagementsundersøgelse, og nu eksperimenterer jeg med en lederportal.

Og når det gælder indhold, arbejder jeg meget med ElevenLabs til stemmer og Gamma til præsentationer.

Det store gennembrud: Kædning af AI-værktøjer til arbejdsgange fra ende til anden

Den store ændring her er, at jeg bevæger mig i retning af at kæde værktøjer sammen. I stedet for at spørge: "Hvilket værktøj er bedst?" spørger jeg: "Hvordan forbinder jeg disse værktøjer, så arbejdsgangen kører fra ende til anden, uden at jeg behøver at gribe ind?"

Det har været det store gennembrud på det seneste.

For eksempel har jeg i forbindelse med e-mails forbundet min Gmail med en ChatGPT-agent, der afgør, om det er en marketingmail eller en e-mail, der kræver mit svar. Hvis det er sidstnævnte, udarbejder den også et svarudkast. Da den er trænet på mine data, kender den min tone osv. Det alene ændrede spillet for mig.

Det mest effektive AI-værktøj i min arbejdsgang

Hvis jeg skulle vælge ét værktøj, ville det være GPT-5 Pro og dets datafunktioner. Som sagt har jeg givet det enorme datasæt, omfattende rapporter og lange dokumenter, og det håndterer det bare.

Effekten er todelt. For det første hastighed. Jeg kan gå fra råmateriale til en struktureret analyse på få timer i stedet for dage. For det andet perspektiv. Det opsummerer ikke bare; det finder mønstre, som jeg måske ville overse, hvis jeg var begravet i detaljerne. Det ændrer den måde, jeg forbereder mig på til kunder, og den måde, jeg træffer beslutninger på.

Så ja, jeg er lidt besat. Det er første gang, jeg har følt, at flaskehalsen ikke er dataene eller læsetiden; det handler bare om, hvor godt et spørgsmål jeg kan stille.

Fremkomsten af AI-ledere og lederskabets fremtid

Det hele er kun begyndelsen. I løbet af de næste fem år vil vi begynde at se AI-ledere.

På nogle måder gør vi allerede det. Tænk på Uber — ingen tildeler manuelt en chauffør til dig; systemet træffer den beslutning. Det er ledelse. Opgaver fordeles, præstationer følges, og ressourcer optimeres, alt sammen uden en menneskelig leder involveret.

Jeg tror, vi vil se den logik bevæge sig ind i mere vidensarbejde. Ikke kun planlægning af kørsler, men også tildeling af projekter, afbalancering af arbejdsbyrder og endda håndtering af dele af performance management. Mennesker vil stadig lede, men AI vil overtage store dele af koordineringen og beslutningstagningen.

Den ændring vil tvinge ledere til endnu en gang at redefinere deres roller. Og det vil i mindre grad handle om "hvem gør hvad" og i højere grad om "hvorfor gør vi dette, og hvordan gør vi det meningsfuldt". Med andre ord vil ledelse blive mindre operationel og i højere grad handle om formål, tillid og kontekst – en bevægelse fra årlige evalueringer til løbende vejledning.

Læs mere

Du kan lære mere af Johannes i hans nyhedsbrev, FullStack HR, hvor han diskuterer fremtidens arbejde og lederskab.