Afkastet af AI: Sådan bygger du en AI-udvidet organisation

David Rice: Du har virkelig fokus på afkastet af AI lige nu. Kan du uddybe, hvad du ser på makroniveau?

Ravin Jesuthasan: Mange virksomheder har valgt en teknologifokuseret tilgang: De implementerer teknologien, træner folk en smule og forbedrer arbejdsstyrkens produktivitet. De resultater, vi har set, hvor virksomheder virkelig har fået et afkast af AI, kommer, når de begynder med arbejdet og derefter finder ud af, hvordan forskellige AI-værktøjer faktisk kan transformere arbejdet.

David Rice: Hvorfor tror du, at denne afkobling eksisterer, og hvad er risikoen ved den slags ledelsesmæssige kløft?

Ravin Jesuthasan: Det er ikke en teknologisk udfordring, men en menneskelig udfordring. Vi har brug for, at vores ledere bevæger sig fra blot digital fortrolighed til reel AI-fortrolighed.

David Rice: Hvis du kunne redesigne den måde, organisationer tager AI til sig på, helt fra bunden, hvordan ville de første 90 dage så se ud?

Ravin Jesuthasan: Vi skal være meget præcise og tydelige om vores ledestjerne. Analysere arbejdet og finde ud af, hvordan vi kan anvende AI til at løse disse specifikke problemer. Forstå alle disse forandringsmuliggørere. Det kommer til at udfordre selve strukturen i arbejdet.

David Rice: Velkommen til People Managing People-podcasten, programmet hvor vi hjælper ledere med at holde arbejdet menneskeligt i AI-æraen. Jeg er din vært, David Rice. Og i dagens episode har vi besøg af Ravin Jesuthasan. Han er fremtidsforsker, forfatter og en af verdens førende stemmer inden for transformationen af arbejdet. Ravin vil udfolde, hvorfor de fleste virksomheder stadig ikke ser et afkast af deres AI-investeringer, og hvorfor en teknologiførst-tankegang holder dem tilbage.

Han fortæller, hvad der skal til for faktisk at opbygge en AI-udvidet driftsmodel, hvorfor den traditionelle jobbaserede identitet smuldrer, og hvordan ledere skal bevæge sig fra digital fortrolighed til ægte AI-fortrolighed, hvis de vil gå foran med et godt eksempel. Hvis du arbejder med HR, er leder, strateg eller bare er nysgerrig på, hvad der skal til for at lede i intelligenssystemernes tidsalder, er denne episode til dig. Lad os komme i gang.

Ravin, velkommen.

Ravin Jesuthasan: Tak, David. Det er dejligt at være her sammen med dig.

David Rice: Selvfølgelig. Du har virkelig fokus på afkastet af AI lige nu. Det var en af de ting, vi talte om, da vi talte sammen før dette, samt de systemiske afsmittende virkninger på den globale økonomi. Så jeg vil gerne begynde der. Kan du uddybe, hvad du ser på makroniveau, især i forhold til arbejdsstyrkens forbrug og transformation?

Ravin Jesuthasan: Absolut, David. I de seneste år, faktisk næsten tre år nu, har vi været optaget af generativ AI, først i et par år af, hvad vi kunne gøre med ChatGPT, og siden mere af agentisk AI. Og vi ser bestemt mange virksomheder forsøge at øge deres markedspræmie ved at tale om, hvordan de anvender AI.

Men jeg tror, der er en stor forskel mellem virkelighed og opfattelse. Det, vi har set, er, at med undtagelse af en håndfuld organisationer har mange virksomheder ikke fået et afkast af deres investeringer i AI. Det skyldes i høj grad et par ting. For det første har mange valgt en teknologifokuseret tilgang. Lad os implementere teknologien, især generativ AI, som alle kan få adgang til via telefoner, bærbare computere, tablets og så videre.

Lad os implementere den, og så vil folk på en eller anden måde, hvis jeg træner dem lidt, magisk begynde at arbejde og blive bedre til det, de gør, og de vil blive mere produktive. Det er den traditionelle tilgang, hvor man spreder teknologien ud og håber på det bedste. Vi har set den samme tilgang ved mange andre forandringer tidligere, og igen, med undtagelse af en håndfuld organisationer er der kun få, der har fået et afkast. Jeg tror, at de virksomheder, vi har set få et reelt afkast af AI, er dem, der går imod denne reaktive vane med at sætte teknologien først og i stedet begynder med arbejdet.

Så lad os begynde med arbejdet og derefter finde ud af, hvordan forskellige AI-værktøjer faktisk kan transformere det. Hvor kan de erstatte opgaver? Hvor kan de udvide arbejdet? Hvor kan de faktisk transformere det? Den anden fordel er, at det ud over de åbenlyse konsekvenser for afkastet også sætter et skarpt fokus på de ændrede kompetencer, du har brug for i din arbejdsstyrke.

Hvor bliver arbejdet erstattet, og dermed kompetencerne overflødige? Hvor ændrer arbejdet sig, så kompetencerne skal ændres for at følge med? Hvor bliver arbejdet udvidet, så jeg nu har brug for yderligere kompetencer ud over dem, jeg allerede har, for at arbejde sammen med teknologien?

David Rice: En af de store forhindringer, jeg tror, vi ser folk have, er en slags overtilknytning til deres job, ikke?

Og det giver egentlig mening. Traditionelt har den måde, folk har kunnet skabe værdi på arbejdsmarkedet, været ved løbende at mestre bestemte opgaver og arbejde sig hen imod at udføre ting med højere værdi, som fører til bedre løn eller jobsikkerhed. Men AI kommer til nogle af de job, ikke? Så i sidste ende foregår der en form for følelsesmæssig transformation.

Hvordan kan ledere hjælpe med at flytte folks identitet fra det, jeg gør, til det, jeg kan blive?

Ravin Jesuthasan: Ja, David, det er et meget vigtigt punkt i alt dette, fordi jobbet i 150 år har været den eneste valuta for arbejde. Og nu, hvor vi ser jobbene blive skilt ad, ikke?

Fordi AI erstatter nogle opgaver, udvider andre og transformerer endnu andre, bliver denne identitetsfølelse udfordret. Det, vi virkelig har brug for i arbejdsstyrken, og jeg synes, du formulerede det smukt, er en bevægelse fra det, jeg gør, fordi så mange af os oplever, at det, jeg gør, er den, jeg er, til det, jeg kan blive. Hvordan flytter jeg mig fra – uden at lyde for højtidelig – det, Descartes naturligvis formulerede som: Jeg tænker, altså er jeg.

Min gode ven Sherry Turkle formulerede i 2019 udtrykket: Jeg deler, altså er jeg, som afspejler de sociale mediers tidsalder. Og jeg tror virkelig, at den nye identitetsfølelse skal blive: Jeg lærer, altså er jeg. Hver af os vil løbende og hele tiden blive bedt om at genopfinde os selv.

Når vores arbejde ændrer sig, og igen, det fremragende punkt, du kom med, skal denne identitetsfølelse flytte sig fra det, jeg gør, til, som du siger, det, jeg kan blive. Hvilke kompetencer kan jeg opbygge, hvilke kompetencer kan jeg tilføje? Hvordan kan jeg forblive relevant i en verden i forandring og hele tiden blive ved med at flytte den arv, jeg har bag mig?

Og jeg synes, der er et perfekt citat, der indfanger den tid, vi lever i. Den store fremtidsforsker Alvin Toffler skrev i 1970 i sin bog Future Shock: Den analfabetiske i det 21. århundrede vil ikke være den, der ikke kan læse og skrive. Det vil være den, der ikke kan lære, aflære og lære igen.

David Rice: Det er interessant, for jeg tror, vi historisk har set på det meget transaktionelt: Jeg lærer for at nå et resultat.

Ikke: Jeg lærer for at lære, eller jeg lærer, fordi det vil være med til at forme noget. Det er altid meget enkelt og ligetil: Du lærte dette for at opnå dette. Ja. Og jeg tror, vi er nødt til at ændre det, ikke? Absolut. Overordnet mangler samtalen om identitet og transformation ofte i AI-diskussioner, og jeg spekulerer på, om det delvist skyldes den måde, vi skaber disse fortællinger på. Hvilke former eller formater skal udvikle sig, så vi ikke kun taler om værktøjer, men holder fokus på mennesker og denne meget specifikke udfordring?

Ravin Jesuthasan: Ja. Det er et meget vigtigt punkt, David. Jeg tror, at vi som erhvervsledere og helt ærligt også som art har en tendens til at overopdele ting. Vi opdeler AI, som om det er én enkelt ting, og overser alle forbindelserne til kompetencer, identitet og så videre, som vi netop har talt om.

Og jeg tror, det er en af de ting, vi er nødt til at komme ud over. Det handler om mere end: Hold da op, se hvor seje disse værktøjer er. Den teknologifokuserede tilgang skal erstattes af spørgsmålet: Hvilket arbejde skal udføres, og hvilket økosystem understøtter arbejdet? Teknologi er naturligvis en del af det, men teknologi er blot et værktøj.

Som min gode ven Gary Bowles ofte siger i forbindelse med transformation, handler det om tankesæt, kompetencesæt og værktøjssæt. Og jeg tror, vi skal kunne føre disse tværgående samtaler om, hvad det faktisk betyder for arbejdsstyrken, og hvordan vi får arbejdsstyrken med. For som du og jeg ved, David, drejer denne planet rundt, fordi vi er et forbrugsbaseret samfund, et globalt forbrugersamfund.

I det øjeblik forbrugskraften forsvinder, fordi folk mister deres arbejde, begynder meget af dette at bryde sammen. Derfor er vi i forbindelse med AI nødt til at tænke over, hvilke tværgående konsekvenser der er. Hvordan opkvalificerer vi folk? Hvordan omskolder vi folk? Hvordan sikrer vi, at mennesker har mulighed for at tjene en indkomst gennem produktivt arbejde, hvis vi globalt vil fortsætte med at have en økonomi drevet af forbrug?

David Rice: Jeg stiller ofte dette spørgsmål, fordi det er urealistisk at tro, at vi bare på magisk vis springer ind i en ny æra, hvor forbrug ikke længere er den vigtigste drivkraft for menneskelig adfærd. Og jeg tror, at et af de store problemer lige nu er, at folk i topledelsen har en tendens til at jagte effektivitet, samtidig med at de ignorerer en dybere transformation.

Alt handler om, hvordan vi kan tidoble menneskers produktivitet. Jeg er nysgerrig efter at høre, hvad du mener, ledere i stedet bør måle eller sigte efter, hvis de vil skabe – eller vil have AI til at skabe – værdi ud over omkostningsreduktion?

Ravin Jesuthasan: Det er en rigtig god pointe, David. Der er ofte et kortsigtet fokus på, at den hurtigste måde for mig at øge min indtjening på er at reducere omkostningerne, fordi jeg har sikkerhed i, at jeg kan fjerne omkostninger, mens der er et element af risiko, hvis jeg investerer i vækst i dag for at få vækst i morgen.

I det arbejde, jeg udfører med vores kunder, forsøger jeg typisk at få dem til at fokusere på tre målepunkter. Det ene er, at effektivitet bestemt er vigtigt, fordi enhver organisation bliver nødt til at frigøre fremtidig vækst fra sin traditionelt ressourceintensive model, uanset om det handler om mennesker, finansiel kapital eller fysisk kapital.

Men der er også spørgsmålet: Hvordan forbedrer jeg arbejdsstyrkens produktivitet? Vi har haft disse problemer, hvor vi har investeret i teknologi, uden at produktiviteten har ændret sig. Ja, fordi man ikke bare kan indsætte teknologien og håbe på, at folk på en eller anden måde bliver mere produktive. Hvordan redesigner vi med vilje arbejdet, så vi sikrer, at produktiviteten bliver indarbejdet i selve arbejdets arkitektur?

Den tredje variabel, som jeg synes er meget vigtig, David, er smidighed. Når vi investerer i disse teknologier, hvordan kan vi så samtidig flytte vores ressourcer fra områder, hvor arbejdet måske bliver erstattet, til områder, hvor vores vækstmuligheder ligger? Jeg synes, de tre målepunkter er meget vigtige, når vi tænker over, hvordan vi bygger forretningsmodeller, der er skabt til at genopfinde sig selv og fortsætte med at vokse.

Ja, med mindre ressourceintensitet, men også ved at få mest muligt ud af de talenter, vi ofte har investeret i gennem årtier.

David Rice: Helt sikkert. I mine egne samtaler med ledere er der noget, jeg finder interessant. Hastværket med at tage AI i brug i deres eget arbejde er ikke lige så stort som presset for at få deres medarbejdere til at bruge det.

Når man ser AI som et strategisk værktøj, kan man se på noget som det, ChatGPT kan gøre med sin funktion til dybdegående research. Det udvikler sig som et strategisk værktøj og er nu ved at blive en lille smule af en gamechanger. Så jeg er nysgerrig: Hvorfor tror du, at denne afkobling eksisterer, og hvad er risikoen ved den slags ledelsesmæssige kløft?

Ravin Jesuthasan: Det er et godt spørgsmål, og det er en enorm risiko, fordi AI ikke er en teknologisk udfordring, og mange har med rette sagt dette. Det er ikke en teknologisk udfordring, men en menneskelig udfordring. Det er en forandringsledelsesudfordring. Den sætter spørgsmålstegn ved alt det, vi er kommet til at tro på og bygge med vores forretningsmodeller, menneskemodeller og organisationsmodeller.

Derfor er dette en grundlæggende udfordring, og jeg har i et stykke tid sagt, at vi har brug for, at vores ledere bevæger sig fra blot digital fortrolighed til reel AI-fortrolighed. Jeg tror, jeg fortalte dig, at jeg i Davos i år havde privilegiet at moderere et par paneldebatter. Den ene med en gruppe administrerende direktører og den anden med en gruppe HR-direktører.

Jeg stillede spørgsmålet: I anvender alle AI. I har det med i jeres resultatmeddelelser, og I får alle de uundgåelige procentvise stigninger, når I taler om AI, men hvor mange af jer bruger faktisk disse værktøjer? I begge lokaler var det højst 10 procent. Og jeg stillede spørgsmålet: Hvordan forsøger I at få folk til at bruge disse værktøjer, når I selv vil have dem til det?

En sagde lidt genert: Vi bruger dem faktisk ikke rigtigt, fordi vi har assistenter. Vi fortæller dem, hvad de skal gøre, og så gør de det. Og det synes jeg er en enorm afkobling, for jeg vender tilbage til det, du sagde om det transaktionelle. Hvis du ser AI som et transaktionelt værktøj, ja, så bruger du din assistent.

Men hvis du ser AI som et strategisk værktøj, vil det transformere alle aspekter af din virksomhed. Du er nødt til at investere i at ændre din adfærd, så AI kan gennemsyre alle dele af det arbejde, du udfører. Uanset om du skriver et notat, om du interagerer med dine direkte medarbejdere, eller om du begynder din strategiske planlægningsproces med at undersøge, hvad dine konkurrenter gør.

Hvor er vi kommet til kort sammenlignet med vores seneste tre strategiske planer? Hvad er de store huller? AI kan gøre så meget for at udvide en leders muligheder. Men igen er dette en massiv adfærdsændring. I min tredje bog så John Boudreau og jeg helt tilbage i 2018, da maskinlæring og dyb læring var det store, på omkring 135 organisationer og 135 cases.

Det, der sprang i øjnene, var, hvordan den nedarvede kombination af tankesæt, kompetencesæt og værktøjssæt virkelig var den største hindring for transformation. Denne arv hos lederne var det, der virkelig holdt dem tilbage, selv dengang, hvor de havde værktøjer, som slet ikke havde den samme kraft og kapacitet som de værktøjer, vi har i dag.

David Rice: Jeg vil gerne blive ved noget, du sagde et øjeblik. Du nævnte, at man skal bevæge sig mod AI-fortrolighed, og når vi tænker på det i forhold til ledere, er jeg nysgerrig efter dit perspektiv. Hvordan ser AI-fortrolighed ud for en leder, altså for en person i topledelsen? Hvad er det, de gør med det, og hvilke udfordringer forsøger de at tage fat på?

Ravin Jesuthasan: Det ser sådan her ud, David. Jeg vil give dig nogle helt konkrete eksempler. En leder, der hver dag afsætter en procentdel af sin tid til virkelig at forstå værktøjerne, forstå hvordan de ændrer sig og forstå nye værktøjer. En leder, der giver sig selv mulighed for at lege med disse værktøjer og bruge dem.

Og ja, juristerne vil sige: Hold da op, vi er nødt til at beskytte alle vores private data. Absolut. Men der er ingen grund til, at du ikke kan lege med ChatGPT på egen hånd eller med Claude eller et hvilket som helst af de værktøjer, der dukker op – DeepSeek for den sags skyld.

Da du og jeg talte sammen sidst – og jeg siger ikke dette for at fedte – er min chef faktisk et sandt forbillede på dette område. Hver samtale, jeg har med ham, begynder med, hvad han har set fra AI, hvilke data han har udvundet fra vores virksomhed internt, og hvad han har set vores konkurrenter gøre. Han bruger hele tiden AI i alle dele af sin rolle.

Det, der har været virkelig interessant at iagttage, er, at fordi han gør det, gør jeg det nu også. Jeg gjorde det en smule i forvejen, men nu er jeg motiveret til at gøre endnu mere. Og jeg ser resten af vores ledergruppe og kan se denne kaskadeeffekt, især inden for rådgivning, som gennemgår en massiv transformation, hvor alle vores medarbejdere har brug for at bruge AI, og hvor vi møder den samme modstand som alle andre.

At se ham opføre sig på denne måde og gøre det meget synligt for vores omkring 3.000 medarbejdere har været en enorm gamechanger. Ja, vi skal understøtte det med adgang til værktøjerne, med træning og med en bevidst redesign af job, men denne rollemodellering er en meget vigtig del af det. Han er virkelig indbegrebet af en AI-fortrolig leder.

David Rice: Det er interessant, for vi taler altid om datasættene og om, hvad der kan ske, om risiciene og alt det. Men jeg siger altid, at du kan få ChatGPT til at lave et datasæt. Hvis du vil eksperimentere med et værktøj, kan du fortælle det, hvad du vil have det til at simulere. Det gør det, og så kan du analysere det.

Jeg har gjort det med nogle forskellige ting nu, så der er mange måder at lege med det på. Men baseret på alt det, du har set på markedet: Hvis du kunne redesigne den måde, organisationer tager AI til sig på, helt fra bunden, hvor ville du så begynde? Hvordan ville de første 90 dage se ud i din ideelle implementeringsplan?

Ravin Jesuthasan: Jeg tror, der er tre ting, jeg vil sige, David, som enhver organisation er nødt til at gøre. For det første skal man være meget præcis og tydelig. Det her er ikke noget, man gør én gang og så er færdig med. Det bliver noget, man løbende gentager og forbedrer. Men hvad er vores ledestjerne? Hvad skal forankre denne rejse mod at blive en AI-udvidet driftsmodel eller et AI-udvidet driftsystem, som vi har kaldt det? Hvad er den ledestjerne?

Hvilke produktivitets-, effektivitets- og smidighedsgevinster får vi efter seks måneder, ni måneder og ét år? Hvordan vil dette se ud i organisationen? Hvordan vil det føles for vores ledere, vores mellemledere, vores medarbejdere, aktionærer, interessenter og så videre? Og hvilke centrale byggesten er vi absolut nødt til at få på plads?

Vi skal have licenser til en bestemt teknologi. Vi skal opbygge vores datasæt og så videre, uanset hvad det måtte være. Så ledestjernen kommer først. Den anden ting er: Hvordan laver vi prototyper og eksperimenterer med dette? For at gøre det godt betyder det, at man tager udgangspunkt i arbejdet, som vi sagde i begyndelsen.

Hvilke områder kan jeg analysere arbejdet i og finde ud af, hvordan jeg vil anvende AI til at løse disse specifikke problemer? Det er her, du begynder at se, hvilket arbejde der bliver erstattet, hvilket der bliver udvidet, og hvilket der bliver transformeret. Og du begynder at skabe dokumenterede resultater og forretningscases, der demonstrerer AI’s kraft.

Jeg har en række artikler derude i MIT Sloan Management Review og Harvard Business Review, hvor vi har vist noget af det afkast, virksomheder har opnået. Og tallene er store. Vi taler om produktivitetsstigninger på 45 procent i nogle tilfælde og rentabilitetsstigninger på 30 procent i forskellige dele af virksomheden.

Så prototyping er vigtigt. Den tredje del er, at AI’s effekt ikke kun er begrænset til at indfange produktivitet, smidighed og effektivitet. Det kommer til at transformere alle aspekter af din forretningsmodel. Derfor skal man forstå alle disse forandringsmuliggørere. Hvad betyder dette for den måde, vi budgetterer på?

Hvad betyder det for den måde, vi organiserer arbejdet på? Det kommer til at udfordre selve strukturen – selve strukturen i arbejdet, din organisation og dine funktioner. Det kommer til at udfordre dine ledelseskompetencer, som du og jeg netop har talt om. Den tredje del handler derfor om at håndtere alle disse forandringsmuliggørere.

De løber parallelt med AI og gør det muligt for dig ikke blot at opbygge et godt antal eksperimenter, men en ægte AI-udvidet driftsmodel.

David Rice: Det har været en god samtale. Jeg sætter pris på din tid. Tak, Ravin, fordi du ville være med i programmet i dag.

Ravin Jesuthasan: Selv tak. Jeg har virkelig nydt det, David. Tak.

David Rice: Inden vi slutter, vil du så fortælle alle, hvor de kan komme i kontakt med dig, få mere at vide om det, du arbejder med, og dele det, du gerne vil dele?

Ravin Jesuthasan: Absolut. Besøg gerne mercer.com, hvor vi har mange af vores værktøjer, metoder, materialer og undersøgelser.

Du kan også besøge min hjemmeside, ravinjesuthasan.com. Og følg mig gerne på LinkedIn, Twitter – eller X, som det vist hedder nu – på Threads og på forskellige sociale medieplatforme. Jeg er ret synlig og lægger jævnligt forskellige forskningsresultater og artikler op, som jeg skriver.

David Rice: Fremragende. Nå, men tak igen, fordi du ville være med. Vi ses næste gang.

Ravin Jesuthasan: Fint. Tak, David.