AI, der informerer, mennesker, der beslutter: Sådan holdes HR ansvarlig i automatiseringens tidsalder

Vi satte os ned med Dhanaraj for at få en fornemmelse af, hvordan han bevarer det "menneskelige" i menneskelige ressourcer. Her er, hvad han havde at sige.

Fokus på forretningsorienteret personalepraksis

Jeg er professionel inden for HR og personaleledelse med erfaring i at understøtte organisationer i vækst inden for produktion, detailhandel og service. Min ledelsesrejse begyndte på gulvet, hvor jeg arbejdede tæt sammen med frontlinjeteams og virksomhedsledere, og det har formet min praktiske, menneskecentrerede tilgang.

Med tiden har jeg samarbejdet med grundlæggere og ledende medarbejdere om ansættelsesstrategi, arbejdsstyrkeplanlægning, compliance og organisatorisk effektivitet. Gennem mit arbejde og mine interaktioner med flere organisationer har jeg set personaleledelse udvikle sig fra at være procesfokuseret til at være effektorienteret.

I dag fokuserer jeg på at hjælpe organisationer med at opbygge skalerbar, forretningsorienteret personalepraksis, der understøtter resultater, organisatorisk AI-integration og bæredygtig vækst.

Sådan ændrer AI HR-ledelse, struktur og troværdighed

Efterhånden som AI bliver mere fremtrædende, ændrer HR og ledelse sig på nogle vigtige områder.

For det første har jeg måttet slippe antagelsen om, at stive strukturer skaber stabilitet. I praksis fungerer AI-understøttede organisationer bedre med fladere, kompetencebaserede og resultatorienterede teams.

For det andet bevæger HR-ledelse sig væk fra eksekvering og hen imod dømmekraft. AI i HR automatiserer transaktionspræget arbejde som screening, planlægning og rapportering, så den reelle værdi af HR nu ligger i arbejdsstyrkestrategi, etisk beslutningstagning og forandringsledelse.

Og for det tredje har jeg også set ledelsens troværdighed bevæge sig fra at være erfaringsbaseret til at være tilpasningsbaseret. I dag betyder evnen til at lære, stille spørgsmål og guide mennesker gennem forandringer mere end anciennitet. AI i ledelse erstatter ikke ledelse, men hæver barren for den.

Hvorfor AI tvinger organisationer til at gentænke, hvordan beslutninger træffes

Når det er sagt, betragter mange organisationer stadig AI som et produktivitetsværktøj og forventer, at kultur, tillid og kvaliteten af beslutninger automatisk forbedres. I virkeligheden forstærker AI det system, der allerede findes — på godt og ondt.

Mange ledere indfører AI i organisatorisk design uden at gentænke roller, beslutningsrettigheder eller ansvar. Resultatet er, at teams leverer hurtigere resultater, men med uklart ejerskab, etiske blinde vinkler og beslutningstræthed. Løftet er hastighed og intelligens; virkeligheden er ofte forvirring.

I min ledelsestilgang håndterer jeg dette ved at fokusere mindre på værktøjer og mere på beslutningsdesign. Det betyder, at man tydeligt definerer, hvor AI informerer beslutninger, hvor mennesker træffer beslutninger, og hvem der er ansvarlig. Jeg arbejder også for mindre, resultatorienterede teams og løbende opkvalificering, så AI i beslutningstagning bliver en kapacitet, der er indlejret i den måde, arbejdet udføres på — ikke et lag, der lægges ovenpå.

Indtil organisationer gentænker, hvordan beslutninger træffes gennem grundlæggende organisatoriske ændringer, vil AI's løfte forblive uudnyttet.

Sådan kan AI revolutionere ansættelser, arbejdsstyrkeplanlægning og ledelsesbeslutninger

For mig har den mest meningsfulde AI-revolution fundet sted inden for ansættelser, arbejdsstyrkeplanlægning og ledelsens beslutningsarbejdsgange — ikke som isolerede AI-anvendelser, men som gentænkte processer.

1. Arbejdsgang for ansættelse og udvælgelse

Anvendte værktøjer: ChatGPT, ATS-dataeksporter, værktøjer til analyse af jobbeskrivelser

Sådan ændrede det sig: Tidligere var ansættelser i høj grad baseret på CV'er, intuition og ustrukturerede interviews. Jeg gentænkte arbejdsgangen, så AI anvendes før menneskelig dømmekraft, ikke efter.

• Jobbeskrivelser opdeles først i kompetenceklynger, resultater og risikofaktorer ved hjælp af AI
• Anonymiserede CV'er vurderes med hensyn til kompetencematch, overkvalifikation og lønrisiko
• Interviewpaneler modtager AI-genererede uddybende spørgsmål, der er afstemt efter disse risici
• Brug resultaterne til at redesigne interviewspørgsmål og kriterier for udvælgelse

Resultat: Mere strukturerede interviews, mindre bias, tydeligere ansættelsesbeslutninger og færre afslag sent i processen. AI erstatter ikke dømmekraft — det skærper den.

2. Beslutningstagning og ledelsesafstemning

Anvendte værktøjer: ChatGPT, fælles dokumenter

Sådan ændrede det sig: Ved komplekse personalebeslutninger (organisationsændringer, redesign af roller, efterfølgerplanlægning) bruger jeg AI til at simulere scenarier:

• "Hvad sker der, hvis vi centraliserer kontra decentraliserer?"
• "Hvilke risici opstår, hvis vi fjerner dette lag?"

AI-resultater er ikke beslutninger — de er beslutningskort. Lederne diskuterer derefter afvejninger i stedet for holdninger.

Resultat: Hurtigere afstemning, samtaler af højere kvalitet blandt ledere og tydeligere ansvar.

Dhanarajs tip

At tage AI til sig har ikke gjort ledelse lettere, men det har gjort den mere ærlig.

3. Arbejdsstyrkeplanlægning og organisationsdesign

Anvendte værktøjer: Excel/Sheets + AI-fortolkning

Sådan ændrede det sig: I stedet for at planlægge bemandingen ud fra roller gik vi over til kompetencebaseret planlægning. AI hjælper med at identificere overlappende kompetencer, automatiseringspotentiale og muligheder for omskoling.

Resultat: Slanke teams, færre overflødige roller og mere fleksible organisationsstrukturer.

4. Kultur og arbejdsformer

AI bruges til at tydeliggøre forventninger — beslutningsrettigheder, ejerskab og adfærd — så kulturen ikke forbliver uudtalt.

Resultat: Mindre uklarhed, større tillid og færre personrelaterede problemer forklædt som præstationsproblemer.

Sådan opbygger du praktisk AI-forståelse som en ledelseskompetence

Jeg betragter AI-forståelse som en ledelseskompetence, ikke en teknisk kompetence. Sådan opbygger vi AI-forståelse:

• Start med anvendelsesområder, ikke værktøjer: Teams introduceres til AI gennem virkelige problemer — ansættelsesbeslutninger, rapportering, planlægning — så læringen er kontekstuel, ikke abstrakt.
• Undervis i beslutningsgrænser: Vi definerer tydeligt, hvad AI kan bidrage med, og hvad mennesker skal beslutte, især i personalerelaterede beslutninger.
• Gør eksperimenter naturlige: Ledere opfordres til at afprøve AI i arbejdsgange med lav risiko og dele deres læring, ikke kun deres succeser.
• Skab et fælles sprog: Vi standardiserer begreber som bias, hallucinationer, ansvar og databeskyttelse, så samtalerne er ensartede.

"AI-klar" betyder ikke, at alle kan give AI instruktioner eller kode — det betyder, at folk forstår, hvor AI skaber værdi, hvor det ikke gør, og hvordan man arbejder ansvarligt med det. For organisationer betyder det:

• Teams kan tydeligt forklare hvorfor de bruger AI, ikke kun hvordan.
• Beslutninger dokumenteres med både AI-input og menneskelig dømmekraft.
• Roller udformes omkring kompetencer og resultater, ikke faste opgaver.

Her er nogle af de problemer, vi er stødt på undervejs:

• En tidlig overafhængighed af AI-resultater uden tilstrækkelig kontekst.
• Modstand fra erfarne ledere, som forbandt brugen af AI med tab af autoritet.
• Værktøjstræthed — for mange pilotprojekter uden tydeligt ejerskab.

Vi håndterede disse problemer ved at sænke tempoet i implementeringen, styrke ansvaret og gøre lederne ansvarlige for, hvordan AI påvirker beslutninger.

I praksis handler beredskab og AI på arbejdspladsen mindre om hastighed og mere om disciplineret ledelse.

Hvorfor AI afslører organisatorisk kompleksitet i stedet for at reducere den

På dette tidspunkt synes jeg, det er værd at nævne, at AI ikke reducerer kompleksitet — den afslører den.

Da vi begyndte at bruge AI, blev det meget hurtigt tydeligt, hvor vores antagelser var uklare, beslutningerne dårligt formulerede, eller processerne manglede klarhed.

Derfor bruger jeg mere tid på at definere de rigtige spørgsmål, beslutningsrammer og succeskriterier, før jeg inddrager AI. Det har gjort mig mere bevidst, mindre reaktiv og mere fokuseret på dømmekraft frem for aktivitet.

I den forstand har indførelsen af AI ikke gjort ledelse lettere, men den har gjort den mere ærlig.

Hvordan en enkel AI-værktøjsstak kan forbedre kvaliteten af beslutninger

Min værktøjsstak til HR og ledelse er bevidst enkel. Jeg prioriterer værktøjer, der forbedrer kvaliteten af beslutninger, ikke kun hastigheden. I løbet af de seneste 12 måneder har den største ændring været skiftet fra fragmenterede værktøjer til AI-understøttede beslutningsarbejdsgange.

AI og beslutningsstøtte

• ChatGPT / GenAI-værktøjer: Bruges til rolleafklaring, finpudsning af jobbeskrivelser, udformning af interviewspørgsmål, realitetstjek af løn og scenarieplanlægning. Jeg bruger også regelmæssigt ChatGPT til at stressteste antagelser, afdække afledte konsekvenser og gentænke personalebeslutninger, før de træffes.
  Effekt: Bedre strukturerede ansættelsesbeslutninger, mindre bias og mere ensartede evalueringer.
  Vurdering: Stor værdi, når det bruges som en tænkeparter og ikke som en svarmaskine.
• AI-baserede CV- og JD-analysatorer (forskellige platforme): Bruges til at identificere kompetenceklynger, risici for overkvalificering og uoverensstemmelser mellem roller og kompetencer. Jeg har brugt AI-understøttede funktioner i LinkedIn Recruiter, Naukri RMS og andre værktøjer sammen med ATS og strukturerede værktøjer til ansættelsessporing.
  Effekt: Forbedrede drøftelser om udvælgelse og mindre frem-og-tilbage-kommunikation med ansættende ledere.
  Vurdering: Nyttigt til mønstergenkendelse, men den endelige vurdering skal fortsat foretages af mennesker.

Kerne-HR og produktivitet

• Systemer til ansøgersporing (ATS) / Værktøjer til ansættelsessporing – Synlighed i kandidatpipeline, koordinering af interviews og overholdelsessporing. Jeg har brugt Oracle HCM Cloud (stamdata om HR, løninput, arbejdsstyrkerapportering), Workday (stamdata om HR, løninput, arbejdsstyrkerapportering), SAP HR (håndtering af medarbejderdata, lønrelaterede valideringer) og PeopleSoft / Ramco HRIS (erfaring med ældre HRIS-systemer og datahåndtering).
  Effekt: Operationel effektivitet og gennemsigtighed.
  Vurdering: Nødvendige grundværktøjer, men med begrænset strategisk værdi uden AI-lag.
• Excel / Google Sheets (udvidet med AI-indsigter) – Arbejdsstyrkeplanlægning, analyse af ansættelsestragten og sammenligning af lønninger.
  Effekt: Fortsat det mest fleksible værktøj til HR-beslutninger.
  Vurdering: Undervurderet, men effektivt, når det kombineres med AI-fortolkning.
• Samarbejdsværktøjer (e-mail, Slack, Dokumenter) – Kommunikation med interessenter, dokumentation af beslutninger og koordinering.
  Effekt: Hurtigere koordinering og færre mangler i beslutningsprocessen.
  Vurdering: Effektiviteten afhænger mere af ledelsens disciplin end af selve værktøjet.

Overordnet set er min tilgang uafhængig af bestemte værktøjer, men styret af principper: AI er værdifuld, ikke fordi den automatiserer HR-driften, men fordi den tvinger ledere til at tænke klarere over mennesker, arbejde og ansvarlighed.

Hvorfor HR bliver koordinatorer af AI-forstærkede menneskelige oplevelser

Fremtiden handler ikke om mennesker over for AI — den handler om mennesker forstærket af AI. AI håndterer repetitive, datatunge og prædiktive opgaver, så mennesker kan fokusere på strategi, kreativitet og relationer — de særligt menneskelige elementer i arbejdet.

Dhanarajs tip

Fremtiden handler ikke om mennesker <iover for AI — den handler om mennesker <iforstærket af AI.

I løbet af de næste fem år tror jeg, at roller som min vil udvikle sig fra operationel HR og talent management til orkestrering af menneskelige oplevelser, der er forbedret af AI.

HR-afdelinger vil gå fra at være procesfokuserede til at være indsigtsskabende ved at udnytte prædiktiv analyse, agentbaserede arbejdsgange og AI-baserede værktøjer til resultatstyring til at forudse talentbehov, personalisere medarbejderoplevelser og skabe strategiske forretningsresultater.

På brancheniveau vil grænsen mellem menneskebaseret og maskinbaseret beslutningstagning blive udvisket, og succes vil tilhøre organisationer, der kan balancere AI-effektivitet med menneskelig dømmekraft, empati og kultur. Det gælder især for små teams, der implementerer AI-strategier.

Fokus vil ikke blot være på at gøre tingene hurtigere — det vil være på at gøre de rigtige ting på en smartere måde.

Hvad HR-ledere bør gøre nu

Til dem i lignende roller er mit råd at omfavne nysgerrighed og kontinuerlig læring. Forandringstempoet med AI og agentbaserede arbejdsgange betyder, at gårsdagens manual måske ikke fungerer i morgen. Fokuser på at forstå nye teknologier, eksperimentere med dem og omsætte disse indsigter til konkrete forretningsresultater.

Til ledere mere generelt vil jeg understrege vigtigheden af at balancere mod med empati. Transformation handler ikke kun om teknologi — det handler om mennesker. Led med en klar vision, giv teams mulighed for at innovere, og skab et miljø, hvor eksperimenter og velovervejet risikotagning opmuntres. De, der kan integrere teknologi med menneskecentreret ledelse, vil definere den næste bølge af succes.

Følg med

Du kan følge med, når Dhanaraj udforsker menneskecentrerede tilgange til AI på LinkedIn og på sin konsulentvirksomheds websted.

Der kommer flere ekspertinterviews på People Managing People!

Bliv en del af People Managing People-fællesskabet. Gratis konti giver dig ugentlige indsigter, praktiske rammer og strategier fra kolleger, som hjælper dig med at lede smartere, ikke hårdere.

Opret din gratis konto i dag.