Talentrådgiver siger, at AI fremskynder organisatorisk gæld i stedet for at løse den

Heather Doshay er grundlægger af Waypoint Works, hvor hun hjælper ledere i hurtig udvikling med at håndtere overgangen til AI. Tidligere var hun partner og talentchef i et AI-fokuseret venturekapitalfirma med 3 mia. USD i forvaltede aktiver.

Vi talte med Heather for at lære, hvordan stærke operatører bruger AI til at skalere deres indflydelse. Her er, hvad hun havde at sige.

Sådan omformer AI ledelse i miljøer med højt tempo

Da ChatGPT blev lanceret i slutningen af 2022, var jeg allerede partner og talentchef i et AI-fokuseret venturekapitalfirma, hvor vi i årevis havde investeret i og bygget videre på tidligere bølger af AI. Men fremkomsten af store sprogmodeller ændrede grundlæggende spillereglerne.

Arbejde, som vi forventede ville udvikle sig gradvist, risikerede pludselig at blive forældet. Selv for en AI-først-organisation tvang forandringstempoet os til helt at gentænke vores drift.

Min rolle lå i krydsfeltet mellem to transformationer. Internt redefinerede vi hurtigt, hvordan en AI-fokuseret virksomhed arbejder, i takt med at teknologien ændrede sig dagligt. Eksternt rådgav mit team over 200 venturekapitalfinansierede startupvirksomheder, der stod over for den samme usikkerhed.

Grundlæggerne bad om bedste praksis, som endnu ikke fandtes, og vi hjalp dem med at navigere i alt fra talentstrategi til driftsmodeller i realtid.

Denne periode, især fra 2023 til 2025, markerede et skift fra nysgerrighed til hast. Det, der begyndte som undersøgende samtaler, blev hurtigt grundlæggende for, hvordan virksomheder opbygger, ansætter og konkurrerer.

I begyndelsen af denne bølge var jeg partner og talentchef hos SignalFire, et AI-fokuseret venturekapitalfirma med ~$3B AUM. Venturekapitalteams er bevidst slanke, så mit team og jeg støttede over 200 porteføljevirksomheder gennem hele talentets livscyklus – fra ansættelse og organisationsdesign til løn og opskalering af distribuerede teams.

Efterhånden som AI accelererede, blev vores fokus udvidet fra rådgivning om, “hvad” virksomheder burde gøre, til at hjælpe dem med at gentænke, “hvordan” arbejdet udføres. AI var ikke en funktion, men et nyt driftslag. Jeg forlod rollen i august 2025 for at grundlægge min egen virksomhed.

I september 2025 grundlagde jeg Waypoint Works, hvor jeg coacher, rådgiver og træner ledere i hurtig udvikling og deres teams. Mit arbejde handler ikke direkte om AI-transformation, men AI indgår konsekvent som en del af den måde, stærke operatører skalerer deres indflydelse på. Fokus er fortsat det samme: at udvikle mennesker og systemer, der hurtigt kan tilpasse sig, hvor AI fungerer som et af de værktøjer, der muliggør dette.

Sådan hjælper AI startupvirksomheder med at navigere i transformationskaos

De fleste grundlæggere ønskede oprindeligt et sammenligningsgrundlag eller en drejebog for, hvordan de kunne gå over til AI. Virkeligheden var, at ingen af delene fandtes. Derfor ændrede vi vores arbejde fra at give svar til at hjælpe dem med at træffe bedre beslutninger i en situation præget af usikkerhed.

Vi fokuserede først på afklaring, ikke værktøjer. I stedet for at spørge: “Hvad kan AI gøre?” fik vi teams til at spørge: “Hvor er vi ineffektive eller begrænsede, og hvor kan AI ændre dette mærkbart?” Denne omformulering alene forhindrede mange spildte udgifter på smarte værktøjer, der ikke løste reelle problemer.

Derfra hjalp vi virksomheder med at definere deres tilgang. Er I centraliserede eller decentraliserede i forhold til, hvordan teams bruger AI? Optimerer I for hastighed og eksperimentering eller for kontrol og risikominimering? Disse beslutninger formede alt fra værktøjspolitikker til ansættelsesplaner.

Nogle virksomheder gennemførte for eksempel AI-“dueller” for at evaluere værktøjer på en sikker måde, mens andre afholdt interne hackathons, der var knyttet til reelle forretningsmæssige flaskehalse, for at fremme anvendelse og kreativitet.

I sidste ende var dette en forandringsledelsesøvelse som alle andre, men med fokus på AI. Udfordringen var at tænke på systemniveau og ikke bare sætte flueben ved: “Jeg får en guldstjerne, fordi jeg bruger XYZ-AI-værktøjer.”

De virksomheder, der bevægede sig mest effektivt, behandlede AI som en kulturel transformation, tydeliggjorde deres principper tidligt og forstærkede derefter konsekvent disse valg i den måde, de ansatte, drev virksomheden og opbyggede den på.

Hvorfor AI redefinerer driftsstrategier i organisationer

Vi foretog et konkret skifte fra en “køb kontra byg”-tankegang (f.eks. køber vi et værktøj eller bygger vi en intern proces, der håndteres manuelt?) til en tilgang, hvor man “eksperimenterer, før man køber”.

Historisk set valgte virksomheder som standard at købe værktøjer, fordi manuelle processer ikke kunne skaleres. Med AI opfordrede vi teams til først selv at eksperimentere med at løse problemet, selv på en enkel måde, før de forpligtede sig til en leverandør.

Det førte til endnu en ændring, nemlig en udvidelse af, hvem der får lov til at bygge. Vi introducerede interne hackathons for teams, som historisk set var forbeholdt teknologiteams, men med fremskridt inden for AI kan alle deltage.

AI sænkede adgangsbarrieren, så kontorchefer, rekrutteringsmedarbejdere og ledere med ansvar for medarbejdere kan udvikle prototyper på løsninger til virkelige forretningsproblemer. Det skifte ændrer i sig selv adfærden fra passiv anvendelse af værktøjer til aktiv problemløsning. Mange er bekymrede for, at AI vil svække den kritiske tænkning, men jeg har oplevet, at det faktisk kan styrke den kritiske tænkning, når man løser problemer på nye måder.

Et andet skifte, jeg har set i løbet af det seneste år, er, at flere CHRO'er bliver chefer for medarbejdere og AI. I sidste ende viser det første kapitel af denne transformation et skifte i, hvordan teams organiserer sig, og hvordan arbejdet udføres. Det er en interessant indsats inden for medarbejdere og forandringsledelse med to logiske organisatoriske placeringer: CTO/CIO eller CHRO. Jeg ser førstnævnte oftere, men sidstnævnte ofte nok til, at det er værd at bemærke.

Hvorfor vi befinder os midt i AI-revolutionens kaotiske fase

Vi befinder os midt i denne AI-revolutions kaotiske fase. Der er et reelt fokus på effektivitet baseret på AI's potentiale, men AI er endnu ikke klar til produktion i virksomheder. Med andre ord kan jeg ikke erstatte det HRIS-system, jeg hader, med mit eget produkt bygget med Claude Code.

Så selvom vi ser langt mere eksperimentering og nytænkende problemløsning, er det ikke den mirakelkur, som ledelsen ofte tror, det er. Teams kæmper med at vedligeholde ældre systemer som en del af deres daglige arbejde, mens de forsøger at finde tid til at eksperimentere med AI, men uden fuldt ud at erstatte nogen af de ældre systemer. Det er et dobbeltarbejde for HR-teams lige nu, som allerede er mindre bemandede, end de var tidligere.

Virksomhederne er endnu ikke mere effektive. De udforsker i højere grad mulighederne med små, afgrænsede gevinster gennem AI. Men denne udforskning vil i sidste ende frigøre den næste bølge af produktivitet, og jeg tror, at HR-teknologi fremover vil blive arkitekteret mere fleksibelt, så man får det bedste fra begge verdener. Man køber en løsning og bygger derefter videre på den.

Når yderligere fremskridt inden for AI gør dette muligt, glæder jeg mig til at se større ændringer.

Hvordan AI understøtter ledelsesbeslutninger uden at erstatte menneskelig indflydelse

AI træffer ikke beslutninger for os — det ville hverken fungere praktisk eller juridisk. Jeg ser på, hvor det kan fremskynde input og forbedre processen. Det sammenfatter effektivt feedback, udarbejder udkast til præstationsvurderinger, strukturerer tanker fra tale til tekst og samler data om ansættelser og arbejdsstyrke til brugbar information.

Til det meste af dette smider jeg bare ting ind i Claude og får det til at sammenfatte forskellige input. Men til 360-graders vurderinger kan jeg godt lide et værktøj, der hedder Your360.ai.

I dag kan AI hurtigere bringe dig frem til et stærkere udgangspunkt, men den kan ikke erstatte det menneskelige perspektiv, der afgør, hvad der kendetegner noget “fremragende”.

Hvordan AI fremmer innovation, men samtidig udfordrer effektiviteten

Jeg har set virksomheder undgå dyre leverandører ved at bygge enkle interne løsninger med AI. Det har nogle gange givet årlige besparelser på tusindvis af kroner samt en markant stigning i medarbejdernes selvstændighed og kreativitet, efterhånden som personer på alle niveauer begynder at løse deres egne problemer.

På den anden side er mange organisationer mere eksperimenterende, men endnu ikke mere effektive, fordi teams duplikerer indsatsen, forfølger idéer, der ikke fører nogen vegne, og udskyder investeringer i eksisterende systemer, fordi de forventer, at AI vil erstatte dem.

Det mønster, jeg vil fremhæve, er, at AI frigør innovation nedefra hurtigere, end de fleste virksomheder kan styre den. Det er netop derfor, at det er vigtigere end nogensinde at sætte ledere i stand til at lykkes.

Den næste generation af ledere med en stejl vækstkurve vil blive defineret af deres evne til at omsætte vision til udførelse, kanalisere den energi og omdanne rå eksperimentering til reelle, skalerbare resultater, der stemmer overens med virksomhedens overordnede forretningsmål.

Det er den manglende brik i dag. Disse indsatser finder sted i isolerede lommer på tværs af organisationer i stedet for systematisk.

Hvorfor AI ikke fuldt ud kan erstatte omfattende arbejdsgange

Heather deler

AI er en overmodig praktikant, der stolt hævder at have udført et stykke arbejde, som den aldrig rent faktisk er gået i gang med.

AI har ikke fuldt ud erstattet roller, især ikke hvor arbejdet kræver ejerskab fra start til slut. Den er stærk til afgrænsede opgaver, planlægning, udarbejdelse af udkast og syntese, men den bryder sammen på tværs af arbejdsgange, der kræver dømmekraft, kontekst og opfølgning.

Der er stadig brug for et menneske i processen til at forbinde trådene. AI er en overmodig praktikant, der stolt hævder at have udført et stykke arbejde, som den aldrig rent faktisk er gået i gang med.

Jeg vil sige noget kontroversielt, og jeg står ved det. Det store flertal af fyringer, der tilskrives "AI-effektiviseringer", er fuldstændig usande. Vi er bare ikke nået dertil endnu. Den uheldige sandhed for de fleste er, at disse fyringer afspejler dårlig planlægning af medarbejderantallet og tidligere overansættelser, som virksomheden aldrig har tilpasset sig, men virksomheder ønsker en bedre fortælling for at skabe tillid hos aktionærerne.

AI kan komprimere teams, så én person udfører tre personers arbejde, men den vil ikke eliminere behovet for selve funktionerne.

Forskellen ligger i ejerskab og fulde arbejdsgange. AI håndterer endnu ikke pålideligt hele cyklussen fra opgave til resultat, og den mangler den dømmekraft og ansvarlighed, der kræves for at eje resultaterne. Den kortsigtede virkelighed er forstærkning og hastighed, ikke erstatning.

Hvordan AI forandrer rekruttering fra start til slut

Her er en arbejdsgang, jeg har brugt flere gange til rekruttering fra start til slut. AI indgår i alle faser, men altid som en accelerator og ikke som beslutningstager.

Jeg starter med en LLM som ChatGPT, Claude eller Gemini for at stressteste, hvad jeg har brug for at ansætte til, og udarbejde et udkast til jobbeskrivelsen. Derefter redigerer jeg den manuelt, indtil den er klar. Så opbygger og lancerer jeg en interviewproces i Ashby, som tilbyder omfattende AI-funktionalitet til sortering af CV'er, planlægning og meget mere. 

Jeg kombinerede også dette med Juicebox til opsøgende sourcing og brugte deres AI-funktionalitet til at forbedre søgeresultaterne, finde kandidater, der matcher mine krav og præferencer, og udarbejde noter, der kunne fange deres opmærksomhed på muligheden på mit team.

Da jeg havde kandidater, der skulle interviewes, brugte jeg Metaview til at indfange og strukturere feedbacknoter i realtid. I det hele taget håndterer AI den operationelle belastning – opbygning af lister, udarbejdelse af beskeder og indsamling af data – mens jeg fokuserer på evaluering, beslutningstagning og menneskelig kontakt.

AI hjælper mig generelt med at strukturere mine utallige idéer, automatisere kedelige manuelle trin og finpudse min skrivning. Mit skøn, min stil og min menneskelige kontakt forbliver konsekvent mine egne. 

I sidste ende kræver rekruttering en balance mellem hastighed og grundighed for at træffe de bedste beslutninger, før man mister den bedst egnede kandidat. AI hjælper mig med at holde tempoet.

Jeg glæder mig til at se, hvad der kommer i den næste generation af AI-værktøjer til talentarbejde. Koncepter, der historisk set føltes forkerte for mig – som at AI gennemfører en indledende telefonscreening – føles nu mere interessante.

Virker det akavet og upersonligt? Absolut. Men kan det også realistisk hjælpe dig med at screene 1000 ansøgere i stedet for blot 20? Ja. Det afgørende er at bevare dømmekraften og den bevidste tilgang, så kandidaterne kan se fordelen. Når man interviewer flere mennesker, fører det til mere retfærdige resultater, hvor den bedste kandidat bliver ansat til rollen. 

Hvordan AI udfordrer traditionelle antagelser om ledelse

Jeg har været nødt til at give slip på antagelsen om, at systemer skal være fuldt udviklede, før de er nyttige. Historisk set brugte man ikke et værktøj, hvis det ikke gjorde præcis det, man havde brug for. Med AI fungerer intet perfekt, men det giver ofte tilstrækkelig hjælp i den rigtige retning til, at man kan arbejde hurtigere, afprøve idéer og bygge noget, der er bedre end før.

Jeg har også gentænkt, hvordan "god kommunikation" ser ud i ledelse. Jeg antog, at dygtige ledere naturligt skulle være fremragende skribenter for at kunne give klar og gennemtænkt feedback. AI ændrer dette. Det kan tage uklare tanker og omdanne dem til noget mere struktureret og anvendeligt, hvilket sænker barren, men også fungerer som en slags coach i realtid.

Det interessante skift er, at selvom det kan føles som en genvej, opbygger det også færdigheder. Med tiden har personer, der bruger AI godt, en tendens til at blive bedre kommunikatorer, fordi de bliver eksponeret for tydeligere mønstre i tænkning og formulering.

Sådan undgår du almindelige faldgruber i AI-understøttede initiativer

Tidligt i processen forsøgte jeg at bygge en AI-"forlængelse" af mig selv for at besvare spørgsmål og skalere vores teams viden, men den blev dårligere for hver iteration. Problemet var ikke idéen, men at jeg ikke havde designet systemet på forhånd. Jeg gav den en vag prompt og itererede 500 gange, og til sidst var den blevet for indviklet.

Jeg lærte, at hvis din oprindelige prompt er svag eller mangler detaljer fra designtænkning, gør det som regel outputtet dårligere at tilføje flere instruktioner senere i stedet for at forbedre det. Det er bedre at begynde forfra med en mere gennemtænkt prompt end at forsøge at lappe på en dårlig prompt.

I dag udarbejder jeg nogle gange et Google-dokument på 16 sider som prompt og uploader det i stedet. Det bringer mig meget længere, meget hurtigere.

Budskabet til ledere er enkelt. Tænk som en produktudviklingsingeniør, og anvend elementer fra designtænkning. Fastlæg sluttilstanden på forhånd. De fleste prøver det én gang, det fungerer ikke, og så giver de op. I virkeligheden fejlede de ikke med AI; de sprang den indledende tænkning over, som er nødvendig for at få det til at fungere.

Hvorfor AI har udfordringer med retfærdighed og ansvarlighed

AI har størst problemer, når mennesker forveksler mønstergenkendelse med dømmekraft. Fordi AI er trænet til at forudsige, hvad der er mest sandsynligt ud fra eksisterende data, kan den ubemærket forstærke fortiden i stedet for at udfordre den.

Rekruttering og kandidatsøgning er et tydeligt eksempel. Værktøjer kan lægge uforholdsmæssigt stor vægt på kandidater fra prestigefyldte uddannelsesinstitutioner eller kendte virksomheder, fordi det er det, der oftest optræder i dataene, hvilket utilsigtet kan sortere talent med stort potentiale og ikke-traditionelle baggrunde fra.

Sprogmodeller kan på samme måde afspejle bias i den måde, de udarbejder feedback på præstationer, ved at bruge forskellige toner eller beskrivelser baseret på kønnede eller kulturelt betingede mønstre.

Der opstår også problemer med konsekvens og ansvarlighed. AI kan generere selvsikre, men forkerte resultater, og det er ikke altid tydeligt, hvordan den nåede frem til en anbefaling, hvilket gør det svært at kontrollere eller forsvare beslutninger.

Derfor er menneskelig dømmekraft stadig vigtig, fordi det er afgørende at vide, hvornår man skal stole på resultatet, hvornår man skal stille spørgsmål ved det, og hvordan man anvender den kontekst, som modellen ganske enkelt ikke har.

Sådan kan ledere håndtere AI-drevne transformationer

Alt for mange ledere behandler AI som noget, der skal krydses af på en liste. "Vi bruger dette værktøj, vi eksperimenterer, vi tager det i brug." Den tankegang giver dig måske en guldstjerne fra din administrerende direktør i dag, men den løser ikke din organisations gæld. Hvis noget, kan den forværre den.

Se på din organisation, og gennemgå, hvad der fungerer, og hvad der ikke gør. Det betyder, at du skal opnå større klarhed over, hvordan beslutninger træffes, hvem der ejer hvad, og hvordan arbejdet bevæger sig gennem organisationen. Find ud af, hvad der skal ændres, og kig derefter rundt om hjørnerne 1 år, 3 år og 5 år frem for at afgøre, hvilke grundlæggende ændringer der er nødvendige.

Forsøg ikke at forudsige fremtiden perfekt. Fokuser i stedet på at stille bedre spørgsmål. Jeg er stor tilhænger af tænkning ud fra første principper og tænkning i anden orden. Hvordan ser en velfungerende organisation ud om 5 år? Hvilke ændringer er nødvendige for at nå dertil? Hvis dette ændrer måden, arbejdet udføres på, hvad sker der så med vores organisationsdesign? Hvilke færdigheder bliver vigtigere? Hvor bliver roller slået sammen eller udvidet?

De ledere, der gør dette rigtigt, bevæger sig måske langsommere i forhold til forfængelige målepunkter som AI-anvendelse i dag, men de vil skabe mere effektive organisationer på lang sigt.

Følg med

Du kan følge Heathers arbejde på LinkedIn. Og tag et kig på Waypoint Works!

Der kommer flere ekspertinterviews hos People Managing People!