
Tidligere programchef hos Google: Brug AI til at skabe langsigtet vækst i stedet for at jagte kortsigtede besparelser

Jonathan Conradt
Teknologidirektør og grundlægger af Shiftwell AI

Jonathan Conradt har ledet teams hos nogle af verdens mest indflydelsesrige virksomheder — Amazon, eBay, Google og Microsoft. Her byggede han fremragende teknologi, men hans fokus har altid været på at udvikle fremragende ledere. Nu bruger han som teknologidirektør hos Shiftwell AI AI til at udvide menneskeligt potentiale.
Jonathan Conradt
Teknologidirektør og grundlægger af Shiftwell AI

Key Takeaways
Investér i mennesker, ikke nedskæringer: Brug AI til at styrke de bedste talenter og udvide kapaciteten, hvilket øger omsætningen hurtigere end jagten på begrænsede omkostningsbesparelser.
AI omskriver det mulige: Store migreringer og kompleks målretning kan automatiseres, men du har stadig brug for stærke ledere og ingeniører, fordi AI forstærker både godt og dårligt design.
Fokusér på anvendelse, ikke overskrifter: Opbyg AI-kompetencer, integrér værktøjer i de daglige arbejdsgange, og del virkelige succeshistorier for at skabe meningsfuld og varig transformation.
I denne samtale deler Jonathan, hvordan AI omformer ledelse og organisationsdesign — og hvorfor du bør bruge AI til at løfte dine medarbejdere i stedet for at bruge det til at skære ned på omkostningerne.
Fra big tech til startup: Sådan gentænker Jonathan Conradt ledelse med AI
Jeg har været så heldig at arbejde for Amazon, eBay, Google og Microsoft med produkter, som folk bruger hver dag.
Jeg var programchef for ingeniørarbejde for Chromebooks — som mine børnebørn nu bruger i skolen — samt Mac- og Linux-versionerne af Chrome-browseren. Hos eBay var jeg direktør med ansvar for produktområdet merchandising og marketing.
Hos Amazon gik jeg fra at lede marketing for alle Amazons enheder til at opbygge AI-løsninger og derefter til at undervise Amazons vicepræsidenter og direktører i AI. Da jeg så en mulighed for at skabe noget nyt inden for AI og ledelse, forlod jeg Amazon i 2024 for at opbygge Shiftwell AI, en startup med fokus på karriere- og lederudvikling med et stærkt AI-element.
More Articles
Opbygningen af Shiftwell AI for at hjælpe ledere med at udvikle deres medarbejdere
Den indsigt, vi fik hos Shiftwell AI, er, at ledere er overvældede. De har sjældent tid og mangler ofte ekspertisen til at hjælpe deres direkte medarbejdere med at udvikle deres lederevner og gøre karriere.
Vi forventer, at AI vil få virksomheder til at fladgøre deres organisationsstrukturer, efterhånden som værktøjer bliver tilgængelige til at opsummere den enorme mængde information, som ledere modtager hver dag. Forbedringer af kontorproduktiviteten vil gøre det muligt for en leder at have flere direkte medarbejdere, men disse medarbejdere vil stadig ikke få den støtte, de har brug for til at udvikle sig.
Shiftwell AI er et alternativ til de masseudsendte medarbejderengagementsundersøgelser, som ikke har leveret resultater inden for produktivitet og fastholdelse. At anvende AI på en engagementundersøgelse tager en dårlig tilgang og gør den værre. Vi anvender en ny tilgang, der er muliggjort af AI og årtiers forskning, og som giver medarbejdere og ledere den indsigt og de værktøjer, de har brug for for at trives.
Vi forventer, at alle medarbejdere får AI-kolleger og -partnere, som hjælper med deres arbejde og automatiserer opgaver. Vi ser de bedste virksomheder bruge AI til også at udvikle deres medarbejdere. De virksomheder, der er i stand til at tiltrække, udvikle og fastholde de bedste talenter, vil trives.

Jonathans tip
De virksomheder, der er i stand til at tiltrække, udvikle og fastholde de bedste talenter, vil trives.
Sådan omformer AI ledelse og organisationsdesign
En vigtig lektie, jeg lærte Amazons ledere, var, at deres mange års erfaring og intuition om, hvad der er umuligt eller for dyrt, ikke længere er gyldig.
Amazon gennemgik for eksempel en smertefuld overgang fra Perl og C til en primært Java-baseret kodebase. Denne overgang var meget dyr og tog lang tid. Men med AI blev overgangen fra en gammel version af Java til den nyeste version af Java næsten fuldstændig automatiseret. Dette kvantitative produktivitetsspring har reel betydning for, hvordan vi tænker på arbejdsstyrkens sammensætning og størrelse.
Efter min opfattelse er der tre måder at reagere på AI-økonomien på:
- Ignorér AI og håb på, at det forsvinder, en strategi, som Sears tilsyneladende valgte med internettet.
- Kast dig hovedkulds ud i det, og reducer hurtigt din arbejdsstyrke i forventning om, at AI's produktivitetsstigninger vil gøre det muligt for dig at opretholde det samme leveringsniveau med en højere fortjenstmargen. Det giver en kortsigtet fordel for aktiekursen og efterlader i sidste ende virksomheden med samme kapacitet som før, men til lavere omkostninger.
- Fasthold de bedste talenter, og styrk dem med AI, så de kan gøre mere, hurtigere.
Jeg har altid argumenteret for den tredje vej.
I alle de ingeniørprojekter, jeg nogensinde har arbejdet på, har vi været nødt til at prioritere kundernes krav og derefter sætte en grænse ud fra vores kapacitet til at levere. Vi lod altid nogle kundekrav være uopfyldte, fordi vi havde begrænsede ressourcer.
Virksomheder, der fastholder deres dygtige og erfarne medarbejdere og øger deres produktivitet gennem AI, vil levere flere fordele til kunderne end dem, der går efter et kortsigtet løft i aktiekursen.
Denne tilgang reducerer ikke omkostningerne med det samme, men den øger hurtigt omsætningen, efterhånden som en virksomhed accelererer forbi sine konkurrenter. Efter min erfaring er der et enormt potentiale for at øge omsætningen — men omkostningsbesparelser har altid en øvre grænse.

Jonathans tip
En vigtig lektie, jeg lærte Amazons ledere, var, at deres mange års erfaring og intuition om, hvad der er umuligt eller for dyrt, ikke længere er gyldig.
Sådan forvandlede AI Amazons e-mailmarketing – og sådan fremskyndede de implementeringen

Her er endnu et eksempel. Amazon var afhængig af hundredvis af marketingchefer til manuelt at konfigurere målretningsparametre for marketingkampagner. Denne arbejdskrævende proces omfattede brainstorming om, hvilke kriterier og adfærdsmønstre der var relevante, efterfulgt af hundredvis af timers rapportgenerering og analyse. Teamene var tilbageholdende med at prøve nye ting eller køre flere eksperimenter, fordi investeringen var for høj.
Jeg var så heldig at møde en AI-forsker, som fik idéen til at bruge AI til at kombinere hundredvis af målinger i en forudsigelse af, hvem der ville købe inden for en kategori i løbet af de næste to uger, og derefter hvem der med størst sandsynlighed ville reagere positivt på en e-mail.
Jeg greb idéen og skabte eksperimenter med Amazons enhedskampagner for at validere og forfine modellen.
I begyndelsen var marketingcheferne skeptiske over for en løsning, der hævdede at kende deres kunder bedre, end de selv gjorde. AI var ikke et almindeligt værktøj og blev generelt misforstået på det tidspunkt. Derfor oprettede jeg et kursus for marketingchefer, hvor jeg forklarede modellens grundlæggende principper, og vi talte på interne konferencer.
I sidste ende lykkedes det os at skabe momentum ved at gøre løsningen tilgængelig i deres eksisterende værktøjer og offentliggøre succeshistorier bredt. Efterhånden som teamene delte deres succeser, og medarbejdere skiftede roller i virksomheden, voksede implementeringsraten. Inden for 18 måneder brugte hvert team den, og alle nye lanceringer i lande omfattede kravet om at tage modellen i brug, så snart kundedata var tilgængelige.
Og i sidste ende skulle alle Amazons e-mailkampagner verden over bruge denne model i deres målretning. Den reducerede markant den indsats, der krævedes for at lancere nye kampagner, hvilket tilskyndede teamene til at eksperimentere med flere kampagner og resulterede i ny indsigt i kundernes behov samt øget salg.
Den store indsigt for os var, at mennesker aldrig ville have overvejet nuancerede tilgange, der involverede hundredvis (senere tusindvis) af variabler. Men ved at anvende AI på problemet kunne vi gøre mere for kunderne med den samme eller mindre indsats – så længe vores teams tog løsningen til sig.
Hvorfor der er behov for sikkerhedsrammer, når softwareteams bruger AI

Som CTO i en startupvirksomhed ligger det på mine skuldre at skrive koden.
AI-kodeværktøjer som GitHub Copilot i VS Code samt Ollama, der kører lokalt med Open Web UI, chokerer mig ofte med deres evne til tilsyneladende at læse mine tanker og foreslå store kodeblokke, som er præcis det, jeg var ved at skrive.
Samtidig fortsætter AI gerne ad en forfærdelig sti og forstærker fejl i arkitekturen eller designet.
Derfor er det afgørende at have veluddannede og erfarne softwareingeniører for at skabe de rigtige resultater. AI kan fremskynde og bygge videre på et godt eller dårligt design. Den vil forstærke talentniveauet i din organisation som et forvrængende spejl i et tivoli.
Hvis du investerer i de bedste talenter, vil dine AI-værktøjer forstærke deres evner og få dem til at levere godt arbejde hurtigere. Hvis du ikke har udviklet dine medarbejdere eller har ansat de forkerte, vil AI hjælpe din arbejdsstyrke med hurtigt at producere dårlige løsninger.
AI kan fremskynde og bygge videre på et godt eller dårligt design. Den vil forstærke talentniveauet i din organisation som et forvrængende spejl i et tivoli.

Hvorfor læsbarhed er vigtigere end nogensinde i en tid med AI-genereret kode
Hos Shiftwell AI har vi valgt Go som vores foretrukne programmeringssprog. Det understøttes af alle AI-værktøjer. Det er også meget læsbart.
Jeg var så heldig at observere ingeniørerne på Google Chrome-teamet som teknisk produktchef. Kodegennemgangsprocessen, som stadig er synlig for alle via Chromium-projektet, var et fremragende miljø til at lære, træne og forbedre kode. Et centralt trin i gennemgangen var at øge kodens læsbarhed. Kunne en ingeniør læse og forstå løsningen inden for rimelig tid?
Go-sprogteamet hos Google tog dette til sig og indbyggede nogle retningslinjer for læsbarhed i sproget. Selvom sprog som Rust eller C++ kan producere hurtigere eller mindre løsninger, er Go-løsningen generelt den mest læsbare.
Vi forventer at have færre ingeniører, end vi ville have haft for ti år siden, men lige så meget eller mere kode, end en startup af tilsvarende størrelse ville have haft. Både AI-værktøjerne og dette meget læsbare sprog hjælper med dette. For når en AI foreslår kode, er ingeniøren nødt til at læse og forstå koden.
Jeg formoder, at virksomheder snart vil bevæge sig i retning af sprog, der er lettere at læse og forstå, for at undgå fejl fra AI-værktøjer.
Sådan bruger Shiftwell AI AI-værktøjer inden for udvikling, markedsføring og support
Som jeg nævnte, bruger jeg GitHub CoPilot i VS Code meget. Det har gjort det meget hurtigere at komme i gang med et godt sæt tests til min kode. Det er imponerende, hvor ofte det genererer intelligente tests, som er nemme for mig at udvide med de scenarier, jeg gerne vil have dækket.
Som organisation bruger vi det også til at brainstorme markedsføringsbudskaber og ting som elevatorpræsentationer. Og når vi sidder fast i forhold til, hvordan vi gerne vil formulere noget, vender vi os mod AI for at få flere idéer.
Vi forventer fuldt ud, at AI bliver en integreret del af vores kundesupportforløb. Vi planlægger at understøtte mere end 35 sprog med et engelsksproget supportteam. Det vil kun være muligt at levere kundeservice på modersmålsniveau med AI.
De skjulte risici ved AI-konsolidering, og hvordan mindre virksomheder kan trives
AI ser ud til at drive konsolidering, eftersom større virksomheder med træningsdata af høj kvalitet har en fordel, når de træner og anvender AI i deres forretning. Hvad vil der ske med de små familievirksomheder?
Historisk set havde fotografering en lignende indvirkning på kunstverdenen. Et lille antal virksomheder inden for kameraer, film og fremkaldelse kunne overgå alle verdens kunstnere med et kvalitetsprodukt med utrolig gengivelsesnøjagtighed. Det gjorde enhver kameraejer til kunstner, om end normalt en dårlig kunstner.
Dengang fik det mange til at forvente, at maleriernes værdi ville kollapse, og at kunstnere ville ophøre med at eksistere. Det gjorde de ikke.
Efterhånden som AI fører til konsolidering, og mangfoldigheden forsvinder, vil produkter blive mere ensartede og generiske. Det er markedsmuligheden for små og mellemstore virksomheder, der kan levere unikke og skræddersyede løsninger. Små virksomheder, der fokuserer på deres kunder og tager sig tid til at forstå deres behov grundigt, kan stadig trives i en AI-økonomi.
Det vigtigste råd til ledere, der navigerer i AI-økonomien

Mit råd i denne tid er at fokusere på at bruge produktivitetsforbedringer fra AI til at levere mere til kunderne i stedet for at bruge omkostningsbesparelser til at øge fortjenesten.
Dette er en mulighed for at komme foran konkurrenterne, som begår den fejl at fjerne talent og erfaring fra deres virksomhed i jagten på kortsigtede gevinster. Hvis en medarbejder, der tidligere skabte en omsætning på 7X sin løn, kan skabe 20X sin løn, hvilken tåbe ville så ofre den omsætning for at spare medarbejderens løn?
Når det er sagt, tror jeg, at AI vil få en overraskende indvirkning på stillinger på direktør- og vicepræsidentniveau, eftersom AI reducerer den kognitive belastning ved ledelse og gør det muligt for færre mennesker at udføre arbejdet.
De bedste virksomheder vil reducere de administrative udgifter og omfordele disse besparelser til investeringer i medarbejdere, hvilket direkte skaber kundeværdi.

AI vil få en overraskende indvirkning på stillinger på direktør- og vicepræsidentniveau, eftersom AI reducerer den kognitive belastning ved ledelse.
Følg med
Du kan følge Jonathans arbejde på LinkedIn og udforske hans virksomhed, Shiftwell AI, hvor de bygger fremtidens lederudvikling med AI som kerne.
Der kommer flere ekspertinterviews på People Managing People!



