Personalechef siger, at tillid til AI ikke forudsiger ibrugtagning

De seneste 20 år har jeg arbejdet sammen med virksomheder som PwC, Google, Thumbtack og Blackbird Ventures om at opbygge data- og analysesystemer, der optimerer medarbejderoplevelsen, fremmer stærke arbejdskulturer og skaber højtydende teams. I denne periode har teknologien fuldstændig ændret, hvad der er muligt inden for personaleledelse. 

De seneste 18 måneder er det gået op for mig, at dette blot føles som begyndelsen på noget langt mere transformerende. Vi gør ikke bare eksisterende arbejdsgange hurtigere, men stiller spørgsmålstegn ved, om vi overhovedet har brug for disse arbejdsgange.

AI accelererer ikke bare HR, men gentænker det, og det har defineret min tilgang til ledelse i dag. Det har tvunget mig til at gå fra at spørge "hvordan optimerer vi vores processer?" til "hvad bliver muligt, når indsigt og handling er konstante?"

Sådan navigerer man i AI-transformation globalt

Jeg leder afdelingen for medarbejdere og kundeengagement hos Culture Amp, verdens førende platform for medarbejderoplevelser. Vi betjener 25 millioner medarbejdere i 6.000 organisationer globalt på tværs af mere end 90 lande.

Mit ansvarsområde omfatter opbygning og understøttelse af vores interne kultur, herunder ledelse af AI-transformation og hjælp til vores kunder med at transformere deres organisationer. Vi er et globalt team fordelt på USA, Storbritannien, Tyskland og Australien, så jeg navigerer konstant i kompleksiteten ved at opbygge én sammenhængende kultur på tværs af meget forskellige kontekster.

Denne distribuerede virkelighed har gjort os bedre til at forstå, hvad der fungerer på den moderne arbejdsplads, fordi vi selv oplever de samme udfordringer og muligheder, som vores kunder står over for.

Sådan øger du medarbejdernes tillid til AI

Vi ændrede vores tilgang til medarbejdernes tillid og opbygning af kompetencer inden for AI. For et år siden startede vi et seksugersprogram, som vi kalder "Accel-AI-rate", med ét specifikt mål: at gøre medarbejderne trygge ved at bruge AI, ikke blot nysgerrige.

Vi adskilte udforskning fra forventninger — intet pres for at levere færdigpolerede resultater, blot struktureret læring, der bevægede sig fra forståelse til eksperimentering og videre til forankring. Næsten 80 % af vores organisation angav, at de havde tillid til at bruge AI i det daglige arbejde, hvilket var en stigning fra vores udgangspunkt, mens kun 4 % udtrykte en negativ holdning.

Den større operationelle ændring var dog, at vi holdt op med at vente på perfekte anvendelsesmuligheder eller tilladelse til at eksperimentere. Vi gik fra en traditionel vandfaldsbaseret tilgang til softwareudvikling til hurtig prototyping, hvor vi byggede ting på få uger, som tidligere tog måneder, og straks fik fungerende prototyper i hænderne på brugerne.

Dette skift fra "planlæg alt, og byg derefter" til "byg, lær, gentag" har fundamentalt ændret vores arbejdshastighed og den måde, teams arbejder på til daglig.

Nu bevæger vi os ind i næste fase, hvor vi ændrer vores grundlæggende driftsmodel for at frigøre det næste niveau af AI-transformation. Opbygningen af et organisatorisk kontekstlag til AI kræver for eksempel, at det meste af det, vi gør, kan læses og refereres af maskiner.

Dette er ikke et teknologiprojekt, men en adfærdsændring. Det ændrer den måde, vi opretter og dokumenterer projekter og beslutninger på. Det betyder, at informationshamstring bliver en fejl i stedet for en funktion. Det betyder færre møder, fordi oplysningerne allerede er tilgængelige. Du behøver ikke viderebringe eller gentage dem eller planlægge et opkald for at dele dem.

Justin deler

Den største operationelle ændring var dog at holde op med at vente på perfekte anvendelsesmuligheder eller tilladelse til at eksperimentere…Skiftet fra “planlæg alt, og byg derefter” til “byg, lær, gentag” har grundlæggende ændret vores tempo og den måde, teamene arbejder på til daglig.

Hvordan AI udfordrer traditionel ledelse

I årevis har vi antaget, at godt procesdesign betød tydelige, sekventielle trin. For eksempel ved medarbejderudviklingssamtaler: først selvrefleksion, derefter input fra kolleger, så lederens vurdering og til sidst formidling af feedback. Vi byggede hele systemer for at gøre disse arbejdsgange effektive. AI tvang mig til at indse, at selve arbejdsgangen måske er begrænsningen og ikke løsningen. 

Når AI kan sammenfatte kontekst i realtid, straks fremhæve indsigter og hjælpe ledere med at forberede sig til samtaler efter behov, har vi så virkelig brug for, at alle bevæger sig gennem den samme rigide rækkefølge? Jeg måtte give slip på antagelsen om, at struktur er det samme som stringens. Nogle gange er struktur bare det samme som friktion.

En anden antagelse var, at erfarne medarbejdere naturligt ville gå forrest i anvendelsen af AI på grund af deres ekspertise. Det var tankevækkende at se yngre medarbejdere arbejde mere naturligt med AI end de ledere og chefer, der var ansvarlige for at transformere organisationen. Erfaring kan være en fordel eller en ulempe, afhængigt af hvor knyttet man er til den måde, tingene altid er blevet gjort på.

Udfordringen ved at aflære i AI-æraen

Vores resultater fra integrationen af AI kan måles: 80 % af medarbejderne føler sig trygge ved at bruge AI, der er en forbedring på 24 % i enigheden i forhold til udsagnet "vi undersøger og tager nye teknologier som AI i brug", som nu ligger på 84 % enighed, samt hurtigere udviklingscyklusser.

Ledere på tværs af organisationen kan også forstå, hvad der driver engagement og resultater i deres specifikke teams, uden at skulle anmode analyseteamene om dataudtræk.

Tryghed fører ikke automatisk til integration. Folk kan stadig stirre på et tomt lærred i deres daglige arbejdsgange og gå i stå.

Som jeg nævnte, opdagede vi, at vores mest erfarne medarbejdere med de bedste resultater nogle gange har sværere ved det end yngre medarbejdere, fordi det er sværere at aflære den måde, de har gjort tingene på i 20 år, end at lære noget nyt.

En del af en persons identitet bliver knyttet til vedkommendes arbejdsgang, og AI kan hurtigt gøre den forældet. Vi arbejder stadig på at bygge bro mellem AI-indfødte medarbejdere tidligt i karrieren og erfarne medarbejdere, der har dyb ekspertise, men har brug for at ændre den måde, de anvender den på.

Hvorfor tryghed ved AI ikke garanterer anvendelse

At opbygge tryghed og fremme anvendelsen er to helt forskellige udfordringer, der kræver forskellige indsatser. Intellektuelt forstod jeg det til at begynde med, men jeg mærkede det mere indgående end forventet. Det fremragende seksugersprogram, som jeg nævnte, gjorde 80 % af medarbejderne trygge, og vi antog, at tryghed ville føre til ændret adfærd. Det gjorde den ikke — ikke automatisk.

Hvis jeg havde vidst det på forhånd, ville jeg have udformet integrationsfasen anderledes fra dag ét — måske med langsigtede påmindelser, accelereret AI-teknologi eller andre former for ansvarliggørelse. 

Vi brugte meget energi på at antage, at vi skulle oplære alle på samme måde, selv om vi havde brug for forskellige tilgange til dem, der skulle aflære, og dem, der skulle lære noget helt nyt. Hvis vi tidligere havde forstået, hvordan dynamikken mellem erfarne og yngre medarbejdere ville udspille sig, kunne vi have sparet tid på at forsøge at gennemtvinge løsninger, der passer til alle.

Vi brugte meget energi på at antage, at vi skulle oplære alle på samme måde, selv om vi havde brug for forskellige tilgange til dem, der skulle aflære, og dem, der skulle lære noget helt nyt.

Share This Quote on:

• Share on Twitter
• Share on LinkedIn
• Share on Facebook

Justin AngsuwatOpens new window

Chef for medarbejdere og kundeengagement hos Culture Amp

Hvorfor integration af AI er mere udfordrende end forventet

Integrationsfasen — hvor AI skulle integreres i de daglige arbejdsgange — viste sig at være langt sværere end forventet. Vi antog, at anvendelsen ville følge naturligt, når folk først havde opnået tryghed og set AI's muligheder gennem vores program med udforskning og opbygning af færdigheder.

Folk står ofte over for deres almindelige arbejdsbyrde tirsdag morgen og vender tilbage til gamle vaner. Kløften mellem "Jeg ved, at AI kan hjælpe med dette" og "Jeg bruger faktisk AI til dette" er stadig stor. 

Vi oplever også, at brugen af AI til deterministiske opgaver — dem med ét korrekt svar, såsom "hvad var vores omsætning i 4. kvartal?" — føles imponerende, men mangler reel værdi. Det er langsommere end at køre en forespørgsel, og det indebærer risiko for hallucinationer. Effekten kommer fra probabilistiske opgaver, hvor AI fortolker nuancer. Men at flytte folk fra at bruge det som en bedre lommeregner til at bruge det som en indsigtsteknologi? Det er det gennembrud, vi stadig arbejder på.

Derfor har trivselsundersøgelser brug for et AI-baseret nyt design

Trivselsundersøgelser og hele handlingsplanlægningscyklussen bør redesignes aktivt. Traditionelt gennemfører man en undersøgelse, venter i ugevis på resultaterne, lader analyseteamet opdele data på snesevis af måder, holder ledermøder for at fortolke resultaterne og udarbejder derefter måske — hvis man er disciplineret — handlingsplaner, som måske bliver gennemført, måske ikke. Når der endelig sker noget, er dataene flere måneder gamle, og medarbejdernes tillid svækkes, fordi de ikke ser nogen forandring. 

Vi har redesignet dette fuldstændigt i vores platform. AI analyserer nu undersøgelsesdata øjeblikkeligt, fremhæver de 3-5 vigtigste handlinger med størst potentiale for effekt og hjælper ledere med at udarbejde evidensbaserede handlingsplaner forankret i menneskevidenskab — alt sammen på få minutter i stedet for uger.

Som resultat gik vi fra, at 50 % af medarbejderne oplevede positive forandringer efter undersøgelser, til at 73 % oplevede meningsfuld handling. Det ændrer, hvad der er muligt i bestyrelsessamtaler, og gør kultur til et strategisk håndtag, ikke blot en HR-måling. Enhver leder, der stadig gennemfører trivselsundersøgelser på den gamle måde, lader enorm værdi gå tabt.

Hvor AI slutter, og ledelse begynder

Jeg er i høj grad afhængig af AI til probabilistiske opgaver med mange gode svar. Jeg analyserer mønstre på tværs af hundredvis af medarbejderkommentarer for at afdække følelsesmæssige frustrationer, gennemfører scenarieplanlægning for arbejdsstyrkestrategien og identificerer tidlige advarselssignaler for, om vi når vores strategi — jeg finder gløder i stedet for brande.

AI har forandret beslutningstagningen ved at flytte os fra "jeres trivselsscore er 72" til "dette specifikke problem med manglende ansvarlighed for resultater vil koste jer 3 millioner dollars, hvis I ikke håndterer det." Den specificitet ændrer fuldstændigt samtalerne i bestyrelsen.

Beslutninger om mennesker — hvem der skal forfremmes, hvem der skal afskediges, og om nogen er klar til en rolle med større ansvar — forbliver udtrykkeligt menneskelige. AI kan fremhæve signaler, jeg måske har overset, og hjælpe mig med at forberede mig på vanskelige samtaler, men vurderingen af, hvad der er rigtigt for den enkelte i det pågældende øjeblik, kræver menneskelig kontekst, empati og ansvarlighed.

Jeg ser på det på denne måde: AI håndterer behandlingen af komplekse data, mens mennesker håndterer beslutninger, hvor én persons karriere og levebrød står på spil.

Sådan kan ledere navigere i AI-drevet transformation

Justin deler

AI handler ikke om at gøre eksisterende arbejdsgange 10 % hurtigere — det giver aftagende udbytte. Den reelle transformation opstår, når du stiller spørgsmålstegn ved, om du overhovedet har brug for arbejdsgangen, og begynder at løse problemer, du ikke engang vidste, at AI kunne løse.

• Begynd med selvtillid, ikke anvendelsesområder. Hvis du ikke selv har arbejdet med værktøjerne og skrevet mindst hundrede instruktioner, vejer din mening om AI ikke tungt. For du ved ikke, hvilke problemer det kan løse, før du selv oplever det. 
• Vent ikke på tilladelse eller den perfekte implementeringsplan, men lancér noget og fortsæt fremad. Skab strukturerede veje fra forståelse til eksperimentering og videre til forankring, men adskil udforskning fra forventninger, så folk føler sig støttet frem for udstillet.
• Fokusér først på menneskene bag teknologien. Hvad er de bange for? Hvad ville få dem til at føle sig kompetente? 
• Vær kompromisløst ærlig om konteksten. AI er kun så god som den kontekst, den har, og den kultur, den lander i. Hvis dine medarbejdere ikke har tillid til ledelsen, kan ingen AI-værktøjer løse det. Men hvis tilliden er til stede, bliver AI en reel multiplikator.
• AI handler ikke om at gøre eksisterende arbejdsgange 10 % hurtigere — det giver aftagende udbytte. Den reelle transformation opstår, når du stiller spørgsmålstegn ved, om du overhovedet har brug for arbejdsgangen, og begynder at løse problemer, du ikke engang vidste, at AI kunne løse.

Følg med

Du kan følge Justin Angsuwat på LinkedIn.

Der kommer flere ekspertinterviews på People Managing People!