AI kan få et godt job til at føles for småt

David Rice: Dine tal for medarbejderomsætning ser fantastiske ud. Folk bliver, engagementet er stabilt, og ledelsen fejrer det. Og du er i gang med at opbygge det dyreste problem, du nogensinde har haft, fordi det at blive ikke er det samme som at bidrage. Og lige nu bliver din arbejdsstyrke stille og roligt, møder op, når deres mål og forsøger ikke at skabe problemer. På papiret ser de engagerede ud, men de eksperimenterer ikke. De udfordrer ikke grænserne, de tager ikke risici. De beskytter sig selv.

Dagens gæst er Jay Caldwell. Han er Chief Talent Officer hos ADP. Og vi skal undersøge, hvorfor lav medarbejderomsætning i dette miljø faktisk kan være et advarselssignal snarere end en sejr. For her er det, vi alle skal huske—de mennesker, der føler sig mest trygge, tager færrest risici. Og i dette miljø er det sandsynligvis det mest risikable, du kan gøre, ikke at tage risici.

I dag skal vi tale om, hvorfor »byg det, så kommer de« ikke fungerer ved indførelse af AI, problemet med stille medarbejderfastholdelse, og hvordan compliance-tankegange måske erstatter innovation, hvordan man kan se, om lav medarbejderomsætning skjuler stagnation og frygt, samt generel AI kontra målrettede anvendelser, og hvilken af dem der opbygger selvtillid. Vi skal se på krisen på karrierestigen, og hvorfor AI-indfødte kandidater snart vil udfordre alt det, du gør.

Jeg er David Rice. Dette er People Managing People. Og hvis dine tal for medarbejderomsætning ser sunde ud, men innovationen føles død, forklarer denne samtale præcis, hvad der foregår under overfladen. Lad os komme i gang.

Okay, Jay, velkommen til programmet.

Jay Caldwell: Tak, David. Det er dejligt at være her.

David Rice: Jeg ville gerne begynde samtalen med, at vi nu er nogle år inde i denne AI-bølge, og jeg tror, at den indledende begejstring, som mange mennesker havde, ikke? Den har givet plads til virkelige konsekvenser. Jeg tror, vi er én dag efter annonceringen af massefyringerne.

Jeg er dog nysgerrig: Hvad er efter din mening den største misforståelse, som ledere stadig holder fast i, når det gælder om at integrere AI i arbejdsstyrken?

Jay Caldwell: Der er sikkert mange misforståelser. Jeg vil gerne høre nogle af dine også, men jeg tror, at en af de største, jeg stadig ser i mange organisationer, er antagelsen om, at alle er lige så begejstrede for AI, som lederne er.

Du ved, de seneste statistikker viser, at selv i USA bruger omkring 40 % af mennesker AI i deres privatliv, ikke? Også uden for arbejdet. Så det er stadig relativt tidligt med hensyn til AI-udbredelse, selvom 40 % er en del. Jeg tror, at der som sædvanlig med virksomhedsværktøjer er en opfattelse af, at hvis vi bygger det, så kommer alle, alle vil bruge det, og de vil elske det lige så meget, som vi gør.

Men jeg tror ikke, det er tilfældet. I hvert fald ikke endnu. Du har måske mange virkelig interesserede og begejstrede brugere. Du har sandsynligvis lige så mange, der er helt modvillige over for at tage ting som AI til sig, og så har du de fleste af dine medarbejdere et sted midt imellem. Så jeg tror ikke, det er så enkelt som, at hvis du tænder for det, så kommer alle. Man skal bruge meget tid og energi på, hvordan man leder denne type forandring og omstilling i organisationen.

David Rice: Ja, det giver helt sikkert genlyd. Fra vores perspektiv er det, vi taler om hele tiden, at ledere grundlæggende behandler det som et værktøj, man implementerer, ligesom software. Men jeg vender altid tilbage til, at jeg læste en person skrive, at det snarere svarer til at introducere en ny kollega på alle teams samtidig.

Det vil ændre dynamikker, magtstrukturer, hvem der føler sig kompetent, og hvem der føler sig truet. Så det er i virkeligheden mere et kulturprojekt. Jeg tror ikke, at folk er imod AI. Nogle er, men på et etisk plan. Men jeg tror, at mange mennesker er nysgerrige på det, men de har bare ikke fået fortalt en historie, hvor det står klart, hvor de passer ind i fremtiden. Og det er et hul i ledelsens fortælling om, at AI vil frigøre tid til arbejde med højere værdi.

Det stemmer ikke overens med det, folk faktisk oplever. Det er ofte ude af trit, og vi er virkelig nået til et sted nu, hvor arbejdet og den måde, folk oplever det på, i højere grad bare foregår i et hurtigere tempo. Der er mindre klarhed over, hvad der nu er godt. Så det har skabt en reel spænding.

Og jeg tror, at den anden misforståelse, jeg hele tiden ser, er, at indførelse grundlæggende er det samme som integration. Jeg tror faktisk, at der er en opfattelse af, at sådan fungerer det. Man ruller værktøjerne ud, og folk ved allerede, hvordan de skal bruge dem. Det er fantastisk, ikke? Men i virkeligheden tror jeg, at vi er nødt til at ændre den måde, folk tænker på deres arbejde.

Hvad deres værdi er, og hvordan deres karriereudvikling ser ud. Det er i høj grad mange lederes opgave nu, og de fleste organisationer har ikke helt fået styr på det.

Jay Caldwell: Det er jeg meget enig i. Altså, hvis vi bare ser på den anden side af generel AI-brug, så bruger de fleste mennesker det som en søgemaskine, ikke? Det er i øvrigt en virkelig god søgemaskine.

David Rice: Ja. Det er det.

Jay Caldwell: Jeg vil ikke tale den anvendelse ned, men jeg tror ikke, det er det, alle håber, at vi skal bruge AI til. Så ja, som du nævnte, handler det om kulturforandring. Selv på individniveau handler det også om at ændre vaner. Det er fantastisk, at jeg har disse værktøjer, men jeg har for eksempel arbejdet meget i Outlook, ligesom jeg er sikker på, at mange kontoransatte gør, men.

Det tager mig et øjeblik at sige: Vent lidt, før jeg går i gang med denne e-mail, burde jeg måske bruge noget tid på at gå over til AI-værktøjet og tænke lidt mere kreativt over, hvad jeg vil sige, eller hvordan jeg vil sige det? Og det er et vane-skifte, som ikke alle straks tager til sig.

Så du har ret: Det handler om kultur, færdigheder og tankegang. Der er meget i det.

David Rice: Nogle gange tænker jeg: Nå, jeg burde vel spørge den om det. Lad os se, hvad den siger. Bare for at sikre mig, at jeg stadig er på rette spor.

Jay Caldwell: Jeg elsker den sammenligning, du brugte. Det er, som om man har en ny kollega på teamet, men nogle gange glemmer jeg, at kollegaen overhovedet er her, så jeg skal minde mig selv om det.

Ja. Hvis vi har denne nye ekspertise på teamet, burde jeg gå hen og spørge den person.

David Rice: Måske er det derfor, jeg for nylig læste, at fjernarbejdere er mere naturligt tilbøjelige til at bruge det. Måske er det fordi, den fysiske tilstedeværelse ikke er noget, de har været afhængige af.

Jay Caldwell: Ja. Jeg arbejdede hjemmefra i omkring fem år. Jeg tror også, at det var nyttigt bare at have en makker. Det er nok også en god anvendelse, hvor nogle af AI's anvendelser til selskab sandsynligvis hjælper mennesker, der føler sig lidt mere fysisk isolerede.

David Rice: Du har delt, at tunge AI-brugere måske har større sandsynlighed for at undersøge andre muligheder. På overfladen lyder det som en enkel udbuds- og efterspørgselshistorie. De har opbygget en værdifuld færdighed, så de har muligheder. Men jeg spekulerer på, om der sker noget dybere. Ændrer et tæt samarbejde med AI den måde, folk ser deres eget potentiale på, eller hvad de forventer af deres arbejdsgiver?

Jay Caldwell: Det er interessant. ADP så noget af det samme i vores egen forskning om risikoen for medarbejderafgang. AI-brug, og det er virkelig fascinerende at tænke over alle lagene i, hvorfor det kan være sådan. Jeg tror, at én ting helt sikkert er, at man udvikler den nye eftertragtede færdighed, og hvor man ellers ville kunne anvende den.

Hvordan hjælper det din værdi på arbejdsmarkedet? Jeg tror bestemt, det udgør en stor del, men jeg er enig i, at der er mere i historien, når man begynder at pakke den ud. Som eksempel kan de mest avancerede AI-brugere faktisk begynde at føle sig begrænset af organisationen med hensyn til tempoet, og hvor hurtigt arbejdsprocessen omkring den enkelte ændrer sig eller ikke ændrer sig.

Du kan måske se fremtiden, muligheden og evnen til at ændre arbejdsprocesser hurtigere. Men hvis du kun er én brik i puslespillet, kræver det mere end dig selv at gøre det. Så en del af det kan være frustration over, at min organisation ikke bevæger sig hurtigt nok, og at jeg kunne få meget mere fra hånden et andet sted.

Det kan også være det. Og noget af det kan også bare være frygt for det ukendte. Når mennesker får AI i hænderne og begynder at arbejde med det, kan manglende kommunikation om formålet med AI skabe usikkerhed. Måske begynder jeg at frygte min egen ansættelse i denne virksomhed på grund af den magt, jeg kan se, at disse AI-værktøjer faktisk har.

Og måske handler det mere om overlevelse, David. Det er ikke bare, fordi jeg har en eftertragtet færdighed; jeg vil gerne forblive i beskæftigelse, og jeg er ikke sikker på, at det bliver her, når vi har de værktøjer. Så igen tror jeg, at meget af det går tilbage til den forandringsledelse, der følger med disse implementeringer.

David Rice: Det føles som en lidt ubehagelig kombination, ikke? Fra et talentperspektiv. De mennesker, der virkelig er engagerede i AI, er ikke uengagerede i deres job, men de er de mennesker, der ser sig om efter andre muligheder, ikke? Fordi de måske er vokset ud af deres rolle, eller i nogle tilfælde er vokset ud af organisationen.

Hvis du hele tiden arbejder med AI, er det næsten som en oplevelse, der udvider bevidstheden eller horisonten for din karriere. Jeg tror, jeg har oplevet det lidt personligt. Man begynder at se, hvad der er muligt, og hvis man så er i en virksomhed, hvor man opdager, at virksomheden bevæger sig med halv den hastighed, som man ved er mulig.

Så bliver kløften mellem dit potentiale og dit miljø pludselig uudholdelig for nogle mennesker.

Jay Caldwell: Ja. Det kan det være. Og du ved, det er vigtigt at huske i forhold til engagement, som fører til fastholdelse, ikke? En persons villighed til at blive i organisationen hænger generelt sammen med engagement, og engagementet er lavt i arbejdsstyrken.

Det varierer helt sikkert fra virksomhed til virksomhed, men generelt er det omkring 19-20 % af den amerikanske arbejdsstyrke, der er fuldt engageret.

David Rice: Historisk lave niveauer, tror jeg, det var det, jeg læste.

Jay Caldwell: Skal der meget til for at skubbe nogen ud over kanten i denne situation? Og når man tænker på, hvad der ellers findes derude, og hvordan de kan udvikle deres karrierer anderledes?

Nej, sandsynligvis ikke. Så AI kan måske være en katalysator for, at nogle virkelig begynder at tænke over, hvilke muligheder der findes.

David Rice: Helt sikkert. Især hvis du allerede, som du siger, befinder dig på kanten. Det gør mange mennesker, og så ser de sig omkring og ser en masse bureaukrati og godkendelseskæder.

Måske er det stive rollebeskrivelser. Du føler dig mere kompetent med denne teknologi. Det er næsten, som om du nu sidder i et udviklingsmæssigt bur, mens du samtidig føler, at hvis du går ud over kanten, vil denne ting hjælpe dig med at flyve.

Jay Caldwell: Præcis. Du bryder ud gennem låget. En anden mulighed her er, som du siger, et udviklingsmæssigt bur eller en mulighed, men også at tænke på, hvor hurtigt dine færdigheder udvikler sig, og at du derefter gerne vil bruge dem på forskellige måder. Noget af den forskning, vi ser, viser også, at vi håber, AI gør alle mere produktive.

Det er helt sikkert et mål, men vi ser også mange data, der viser, at det ikke nødvendigvis giver tid tilbage. Folk arbejder faktisk mere og hårdere, når de har AI, fordi de når mere, bevæger sig hurtigere, og deres kolleger også bevæger sig hurtigere. Arbejdet kan derfor blive mere intenst lige nu, hvilket også øger risikoen for medarbejderafgang.

David Rice: Jeg har set det ganske meget. Folk brænder ud og går, og de har ikke en plan, fordi de føler, at de ikke kan matche tempoet eller følge med. En gæst sagde for nylig til mig, at hun i mange tilfælde følte, at vi bare laver mere, men ikke nødvendigvis bedre eller mere produktivt—vi laver bare mere.

Hvis medarbejderomsætningen falder, men engagementet ikke stiger, ser vi så på en arbejdsstyrke, der bliver af hensyn til trygheden snarere end af andre grunde i et AI-drevet miljø, hvor eksperimentering og tilpasningsevne tydeligvis er det, der betyder noget?

Er denne form for stille fastholdelse mere ødelæggende end ganske enkelt at sige op, fordi den ser stabil ud på papiret?

Jay Caldwell: Det bekymrer mig temmelig meget lige nu i betragtning af, hvad der sker med alle disse værktøjer og teknologier og med arbejdsmarkedet for nogle mennesker. Markedet er meget forskelligt afhængigt af, hvilken funktion eller branche man er i.

Men ja, man ser flere og flere af disse begreber dukke op, hvad enten det er stille opsigelse, at holde fast i jobbet eller noget andet. Jeg tror, tendensen er den samme: Hvis der ikke sker afgang i organisationen, bliver det en udfordring. Det er en anden udfordring end for nogle år siden, hvor vi havde Den Store Opsigelse.

Dengang handlede det om, hvordan vi kunne fastholde folk så effektivt som muligt, hvilket var smertefuldt for arbejdsgiverne, men godt for medarbejderne. For hvis medarbejderomsætningen stiger, giver det flere muligheder for at bevæge sig op i organisationen eller ind i nye roller.

Der er ganske enkelt flere chancer for at påtage sig andre typer arbejdsansvar. Hvis disse muligheder også bliver færre, fordi medarbejderomsætningen i organisationen er lavere, tror jeg, at det skaber risiko for, at folk begynder at føle sig stagnerede og fastlåste, eller at de ikke udvikler sig så meget, som de kunne.

Hvis det sænker engagementet, vil det efter min mening også sænke innovation og kreativitet. Og det er for mig det egentlige løfte ved AI: innovation og kreativitet. Hvis man ikke har den mentale energi til at drive det fremad, hvad er så pointen? Jeg er enig i, at der er en stor risiko, og jeg vil anbefale organisationer i dette miljø ikke at blive for selvtilfredse, bare fordi lavere medarbejderomsætning ser sund ud. Der gemmer sig meget mere under overfladen lige nu.

David Rice: Jeg kunne ikke være mere enig. Jeg tror, vi har været så optagede af at måle fastholdelse og medarbejderomsætning, at vi har glemt at spørge, om det at blive er det samme som at bidrage. Lav medarbejderomsætning i dette miljø kan faktisk være et advarselssignal snarere end en sejr.

Jay Caldwell: Det er jeg enig i. Og værdien af at bringe eksterne mennesker ind i organisationen, med nye idéer, nye måder at tænke på og nye perspektiver, er også betydelig. Så jeg tror, at det er afgørende i dette miljø at tænke bevidst over, hvordan man holder talentstrømmen i gang, samtidig med at man sikrer, at de mennesker, der ikke bevæger sig, forbliver følelsesmæssigt engagerede og bidrager med så meget energi som muligt i den verden, de befinder sig i i dag.

David Rice: Det er en god pointe, for den stille fastholdelse kan være et virkelig dyrt problem, hvis folk møder op, ikke skaber problemer, når deres mål og det ser godt ud, ikke? Men de eksperimenterer ikke. De udfordrer ikke den måde, teamet arbejder på, og de tager ingen risici.

Og vi ved, at den store gevinst ved AI-implementeringer kommer af at tage en vis risiko. Men hvis de bare beskytter sig selv og bliver af frygt—frygt for arbejdsmarkedet, frygt for at skulle lære noget nyt eller, for mange midt i karrieren, fordi de føler, at de skal begynde forfra.

Så vi er ved at opbygge en arbejdsstyrke med en compliance-tankegang. Det er ikke rigtig innovation. Det er på en måde ironisk, for de mennesker, der føler sig mest trygge, er dem, der tager færrest risici, og i dette miljø er det mest risikable, man kan gøre, ikke at tage risici.

Jay Caldwell: Ja, det er en virkelig god pointe. Når man taler med mennesker og pakker deres karrierer ud, især succesfulde menneskers karrierer, ser man mange risici i de valg, de har truffet, de skift, de har foretaget, eller at de er gået ind i en helt anden funktion. Jeg tror, det er en god pointe. Jeg havde ikke tænkt så meget over den personlige indvirkning, fordi det måske føles mere risikabelt at foretage den slags spring lige nu.

David Rice: Når organisationer lancerer brede AI-værktøjer til generelle formål, føles budskabet ofte som: Find selv ud af det. Men målrettede AI-anvendelser er typisk mere strukturerede og resultatorienterede.

Jeg er nysgerrig: Hvordan former de to tilgange medarbejdernes selvtillid, læringskurver og måske endda præstationspresset forskelligt?

Jay Caldwell: Godt spørgsmål. Jeg har set organisationer gå til strategierne på forskellige måder. Nogle begyndte med generelle formål og målrettede senere, mens andre begyndte målrettet og gik over til generelle formål senere.

Men du har ret i, at det er forskellige strategier. I begge tilfælde bør jeg dog begynde med, at man ikke må investere for lidt i den kommunikation og uddannelse, der følger med disse værktøjer. Det handler ikke kun om at lære hvordan, men også om ændret tankegang og om at gribe sit arbejde anderledes an.

Det er vigtigere for værktøjer til generelle formål, fordi man giver nogen en schweizerkniv. Jeg husker, at jeg havde en schweizerkniv som barn. Der var nok kun tre ting ud af de 20 funktioner, jeg faktisk vidste, hvad skulle bruges til. Der var et forstørrelsesglas, en kniv og en neglefil, og så var der en masse andre ting.

Jeg ved stadig ikke, hvad nogle af dem er—som en tandstikker eller sådan noget. Og det er meget sådan, generelle formål fungerer. Der er så mange muligheder for, hvordan man kan bruge det. Derfor er man nødt til at hjælpe folk med at forstå, hvad mulighederne reelt er. Hvis man bare tænder for det og håber, at folk gør det, går det ikke godt.

Organisationer, der gør dette effektivt, lærer åbent. De forbinder mennesker i lignende roller, så de kan tale om: Det her prøvede jeg, og det mislykkedes, så undgå det. Eller: Jeg prøvede brainstorming og gik derefter videre til at anvende det, jeg fandt, og det gik rigtig godt. Så siger halvdelen af rummet måske, at de aldrig ville have tænkt på det.

I den anden ende af spektret handler mere målrettede anvendelser om tydelighed: Hvordan påvirker dette min rolle i dag? Hvordan skal jeg ændre mine arbejdsgange? Og hvordan får jeg AI ind i selve arbejdets flow? Kommunikation og træning kan derfor være langt mere målrettet end ved en generel anvendelse, men det betyder også, at fortolkningen af virkningen kan være mere målrettet, positivt eller negativt, hvis den målrettede anvendelse i høj grad driver produktiviteten.

Hvis den overtager mange af de opgaver, jeg udfører, og automatiserer dem, er det endnu vigtigere at bruge energi og opmærksomhed på at tage hånd om de berørte mennesker og hjælpe dem med at forstå, at deres position er sikker. Vi talte også om karrierer i organisationen, og det er virkelig vigtigt.

David Rice: Intuit QuickBooks Payroll ved, at HR har så mange bevægelige dele, der kan føre til kaos. Derfor samler de løn, HR, tidsregistrering og økonomi på én effektiv platform. Og denne sommer udvikler QuickBooks Payroll sig til noget større for at understøtte hele medarbejderlivscyklussen. Snart vil virksomheder kunne onboarde medarbejdere i ét problemfrit flow, der går direkte ind i lønsystemet, konfigurere automatiserede HR-arbejdsgange til ting som forfremmelser eller fratrædelser samt følge præstationer, fravær og personalegoder sammen med lønnen.

Se i dag, hvilken forskel QuickBooks Payroll kan gøre for din virksomhed, og gør dig klar til det næste. Læs mere på quickbooks.com/workforce. Det er quickbooks.com/workforce.

Jeg kan godt lide din schweizerknivssammenligning. Nu får det mig til at spekulere på, hvad AI-ækvivalenten til den lille saks er—du ved, den spinkle.

Jay Caldwell: Åh gud, det er fantastisk. Fjederen gik altid i stykker på dem. Det er utroligt.

David Rice: Filosofien om, at alle selv må finde ud af det, er lidt en måde at sige: Vi tror, at denne teknologi vil gøre en stor forskel, men vi har ingen strategi, og vi ved ikke, hvad vi skal stille op med den.

Jay Caldwell: Ja.

David Rice: Det er som at give alle et klaver og forvente en symfoni.

Jay Caldwell: Ja, men der er så meget begejstring omkring det. Jeg tror, det er hastværket. Det er så intuitivt. Mange af værktøjerne til generelle formål er jo bare chatgrænseflader, så det er meget intuitivt at finde ud af, hvordan man bruger dem. Det handler mere om kreativitet: Hvad skal jeg gøre med det, og hvilke muligheder findes der? Det er svært at opdage på egen hånd.

David Rice: Jeg tror, målrettede anvendelser er virkelig nyttige i den situation, fordi de gør noget vigtigt psykologisk for den måde, man går til AI på. Vi ser alle på det, ser hvad det kan, og det kan være lidt skræmmende afhængigt af ens rolle.

Psykologisk giver en målrettet anvendelse dig en sejr. Du løser et konkret problem, føler dig sikker og opbygger derefter selvtillid hurtigere. Generelle værktøjer kan nogle gange give folk angst, fordi der ikke er nogen målstreg. Man bliver aldrig færdig med at bruge det, og man føler aldrig, at man bruger det godt nok.

Der er altid en eller anden på LinkedIn, der ser mere imponerende ud, når de bruger det, end du gør. Så der er et præstationspres. Og hvis det er generelt og udefineret, ved din leder ikke, hvordan det skal måles, så de ender med at spørge: Bruger du det overhovedet?

Det er et ret meningsløst mål, ikke? En målrettet implementering lader dig i det mindste måle resultater frem for aktivitet. Jeg tror også, at læringskurven er reel her.

Jay Caldwell: Ja, det er en god pointe. Fra et ledelsesperspektiv er det store investeringer, så du har ret. Værdien ved nogle af de målrettede anvendelser er, at man går ind for at løse en meget specifik mulighed, og derfor kan man måle afkastet meget præcist.

Det er ikke bare, om man bruger værktøjet, men hvad man får ud af det.

David Rice: Jeg ser, at jeg i dag offentliggjorde en historie fra en gæstebidragsyder om komprimeringen af arbejde på begynderniveau, og hvad der sker med stillinger på begynderniveau. Det er ikke svært at se, at hvis vi holder op med at ansætte i bunden af talentpyramiden, er vi i gang med at afmontere vores fremtidige ledelsesgrundlag.

Vi har talt lidt om det i podcasten tidligere, men jeg tror, det vil få konsekvenser for alt fra institutionel viden til efterfølgerplanlægning og socialøkonomisk mobilitet over tid. Hvad ser du organisationer gøre for at komme lidt foran dette?

Ser du overhovedet et skift fra fokus på kortsigtet produktivitet til mere langsigtet kapacitet?

Jay Caldwell: Jeg tror, det er en samtale i udvikling. Da AI bestod advokateksamen, var et af de første spørgsmål sandsynligvis: Hvad gør vi med juridiske assistenter fremover?

Den umiddelbare reaktion var derfor at sænke antallet af ansættelser. Men virksomhederne er nu ved at få styr på det, sådan som du beskriver det, David. Vi kan ikke gøre det fuldstændigt. For det første river man et trin ud af karrierestigen, og det er et stort problem. Folk vil begynde at falde.

For det andet ser organisationer, at ikke alle tager AI til sig i samme tempo. Det gælder især mennesker, der har været længere tid i deres karriere. Det er en generalisering, men de tager måske ikke de nye værktøjer til sig eller ændrer arbejdspraksis lige så hurtigt. Vi er nu nået til et punkt, hvor nutidens universitetskandidater er AI-indfødte. De begyndte at bruge generative AI-værktøjer, da de startede på universitetet.

Der er meget, vi kan lære af den gruppe, som virkelig er gået i dybden med disse værktøjer. Forhåbentlig af de rigtige grunde. De har sat sig grundigt ind i potentialet og formålet, og de kan komme ind i vores organisationer og udfordre os: Hvorfor bruger I ikke AI til dette? Det er mærkeligt. Hvorfor gør vi stadig dette manuelt? AI kan nemt løse den mulighed for os.

Den anden ulempe er, at man mister muligheden for at tilføre organisationen mere moderne færdigheder eller måder at tænke på. Men man skal også tænke over, hvordan man hjælper denne del af arbejdsstyrken med at opbygge det rette niveau af dømmekraft og ekspertise, så de bruger AI godt og hensigtsmæssigt.

Vi har stadig brug for en sund blanding på tværs af alle karriere- og anciennitetsniveauer for at sikre, at arbejdsstyrken har alle de rigtige kompetencer. Omfanget ændrer sig måske lidt, fordi efterspørgslen ikke er så høj som før. Medarbejderomsætningen er lidt lavere, så der kan være en vis afdæmpning i antallet af ansættelser på begynderniveau, men de er stadig lige så vigtige. Det var nok en overreaktion i begyndelsen, og virksomhederne er nu ved at indse, at de skal holde talentstrømmene åbne og stærke.

David Rice: Det hjælper, at der er meget i AI-samtalen, som ledere på øverste niveau måske er forvirrede over. De forstår det ikke nødvendigvis på et teknisk niveau, men alle forstår dette: De begyndte i bunden. De begik fejl i miljøer med lav risiko. De lærte, hvordan organisationer faktisk fungerer indefra—politikken, det hele.

Det kræver ikke et geni at indse, at hvis man fjerner den erfaring og de indgange, begrænser man, hvor alt dette kan føre hen. Mange ledere vil ikke tale om det socialøkonomiske aspekt, men vi er alle bevidste om det. Stillinger på begynderniveau for akademikere har i årtier været det primære middel til økonomisk mobilitet.

Hvis de forsvinder, er vi nødt til at erstatte dem med noget. Der er altså også en social kontrakt på spil her, og jeg tror, vi vil se, at det næste år måske også bliver en bekymring på bestyrelsesniveau. Hvad gør vi for at sikre, at vi stadig skaber værdi for vores medarbejdere, får dem ind og hjælper dem med at udvikle sig?

Jay Caldwell: Og nøgleordet er værdi, ikke? Jeg tror, det er her, mange organisationer skal træde et skridt tilbage og se på, hvad deres værdier er, og hvordan de lader dem drive strategien. Hos ADP er vi en værdidrevet organisation. En af vores værdier er, at hver medarbejder tæller, og vi er meget fokuserede på at holde mennesket i centrum for alle disse ændringer i arbejdet og sikre, at vi støtter alle vores medarbejdere gennem forandringen, uanset hvor de befinder sig i deres karriere.

Så jeg er enig. Det er et kritisk fokus, især når man tænker på, hvordan man behandler sine medarbejdere gennem denne omstilling. Med tjenester som Glassdoor og Reddit foregår det offentligt. Derfor er det afgørende at se på det med et langsigtet perspektiv.

David Rice: Noget, vi hører mange sige, er, at nysgerrighed og tilpasningsevne betyder mere end ekspertise.

Det lyder selvfølgelig godt filosofisk, og jeg er enig, men vores ansættelsessystemer har historisk været bygget op omkring baggrund og i mange tilfælde dybde. Vi taler alle om at gå over til kompetencebaseret rekruttering, og nogle organisationer gør nogle spændende ting på det område, men mange virksomheder har været lidt forvirrede over det.

De har ikke kunnet finde ud af det. Hvad skal ændre sig i vores måde at vurdere talent på, så vi ikke falder tilbage til specialiseringens tryghed?

Jay Caldwell: Meget af tankegangen omkring det, vi leder efter, skal ændres først, og det er en ændring i ledelsen. Fokus for ændringen er, hvordan lederne tænker over at identificere og udvælge talent.

At vælge ud fra baggrund eller kvalifikationer er en nem måde at gøre det på, fordi det står på papiret og er synligt. Det er svært at argumentere imod. Hvis nogen har en fireårig uddannelse, kan man ikke bestride, at de havde evnen og energien til at gennemføre den.

Det, der skal ændres, er at se på alternative former for dokumentation af kvalifikationer, for eksempel flere vurderinger, hvor man kan undersøge de færdigheder, en person har. Her giver AI også enorme muligheder for at vurdere tekniske færdigheder, kommunikation, kreativitet og meget andet i stor skala. Men det skal gøres meget omhyggeligt på grund af de juridiske hensyn ved udvælgelse.

Det er én mulighed for at ændre, hvordan vi vurderer disse ting, men også tankegangen og kriterierne for det, vi leder efter. Det hjælper vores ledere med at føle sig mere sikre, når de træffer disse vigtige beslutninger, for intet er vigtigere end, hvem man ansætter til sit team.

Hvordan hjælper vi dem med at træffe en beslutning, der ikke kun bygger på én enkelt kvalifikation på et CV? Mange ledere er desværre ikke gode til at interviewe og virkelig undersøge en persons erfaring eller kreativitet. Derfor skal vi også hjælpe vores ledere med at øve sig i det eller give dem enkle adfærdsbaserede metoder, der kan hjælpe dem med at vurdere kreativitet, innovation eller bredde i erfaring.

På ironisk vis vender vi måske tilbage til den grundlæggende adfærdsbaserede interviewmetode, som vi har haft i årtier, men som vi nok ikke har anvendt nok.

David Rice: Nogle gange er svaret bare at gøre tingene på den gammeldags måde.

Jay Caldwell: Ja, præcis.

David Rice: Jeg talte med en professor ved University of Michigan for omkring et år siden, og han sagde: Jeg går bare tilbage til overvågede eksamener og får dem til at skrive det. De må ikke have nogen enhed. På den måde kan jeg teste, om de faktisk ved det.

Det er rimeligt. Det lyder forfærdeligt, for jeg hadede de prøver, men.

Jay Caldwell: Der findes noget, der hedder alternative anvendelsestests. Jeg ved ikke, hvor meget de bruges i dag. Kender du dem?

David Rice: Ja, jeg har hørt om dem.

Jay Caldwell: Den enkleste form er: Her er en kuglepen, David. Fortæl mig så mange anvendelser for denne kuglepen som muligt på de næste tre minutter. Det føles næsten som et familiespil, men det er en måde at teste divergent tænkning på. Hvor mange forskellige måder kan vi se på en situation? Det kan være en stedfortræder for nysgerrighed.

Det er tests eller metoder fra 40 eller 50 år siden. Så det handler om at vende tilbage til det grundlæggende. Jeg er sikker på, at AI kan gøre det rigtig godt for dig og give os langt flere anvendelser, end vi har brug for.

Men hvis du bare sætter dig ned med din egen hjerne, hvor god er du så til at gøre det?

David Rice: Jeg er nødt til at spørge, for ADP's tilstedeværelse i talentlandskabet er enorm, og jeg er nysgerrig efter at høre dine tanker. Er dette et problem med talentinfrastrukturen? Handler det om, hvordan vi bruger og hvad vi forventer af vores ATS-systemer, hvordan vi har uddannet rekrutteringsmedarbejdere, de interviewrammer vi bruger, og sproget, som stadig er bygget op omkring modellen med baggrund og kvalifikationer?

Jeg tror ikke, at kompetencebaseret rekruttering blot er en politisk ændring. Det er en komplet infrastrukturel omlægning, og mange forsøger bare at køre ny software på gammel hardware. Det er den tankegang, de sidder fast i lige nu.

Jay Caldwell: Det kræver også, at man definerer, hvad man mener, når man siger kompetencebaseret, og hvilke ændringer man foretager i forbindelse med det.

Hvis kompetencebaseret betyder, at man ikke længere kræver en uddannelse til bestemte roller, er det fint. Men når man ser på systemet fra ende til anden, er det vigtigt at spørge, hvad man ellers skal ændre i sin rekrutteringspraksis. Hvad skal man ændre i de tidligere dele af processen?

Hvis virksomheden eksempelvis fjerner uddannelseskrav til stillinger på begynderniveau, men stadig har dem til ledende stillinger, hvordan hjælper man så folk med at lukke det hul i løbet af deres karriere? Eller bør man ændre begge dele? Man er nødt til at se på hele systemet og tænke langsigtet i stedet for kun at lave én isoleret ændring.

David Rice: Noget andet, jeg hele tiden tænker på, er, at vi på en måde alle siger det samme, ikke? Nysgerrighed og tilpasningsevne er kernekompetencer, som vi gerne vil ansætte efter. Men hvordan screener man for det? Man kan ikke sætte tilpasningsevne på et CV og derefter bevise det.

Jeg hjalp en ven, der ledte efter et nyt job, og prøvede at finde måder, hvorpå han kunne vise sin portefølje og gøre disse ting. Tilpasningsevne er en af dem. Man er nødt til at vise det, men man får ikke mulighed for at vise det i en 30-minutters samtale. Man kan ikke teste nysgerrighed i et kort interview.

Så vores metoder passer grundlæggende ikke særlig godt til det, vi siger, at vi værdsætter. AI-værktøjer kunne hjælpe os med bedre at vurdere potentiale, for eksempel ved at analysere arbejdsprøver eller vurdere en problemløsningstilgang. Måske også identificere overførbare færdigheder. Men mange af os bruger det bare til at gøre det gamle hurtigere.

Jay Caldwell: Det kan også bruges til udvikling. Vi taler om rekruttering lige nu, men stil det samme spørgsmål i forhold til udvikling. AI er også en god anvendelse til kreativitet og tilpasningsevne.

Vi har for eksempel undersøgt, hvordan vi kan integrere AI i vores lederudvikling. Formålet er at give folk flere gentagelser og mere ledererfaring hurtigere. Jeg kan opstille en simulation, hvor du skal håndtere en meget vanskelig direkte underordnet og give vedkommende svær feedback, og derefter ti andre situationer, der hjælper dig med at opbygge større tilpasningsevne som leder.

Det er også en del af løftet. Det handler ikke kun om at ansætte efter det, men også om at udvikle det.

David Rice: Hvis AI håndterer ting som dybdegående analyse og måske endda dele af beslutningstagningen, flytter menneskelig præstation sig i højere grad fra udførelse til dømmekraft. Hvordan skal vores nuværende præstationsrammer justeres, så vi måler de rigtige ting?

Jay Caldwell: Præcis. Jeg ville ønske, jeg havde et svar på det. Jeg ville ønske, jeg havde et enkelt svar på spørgsmålet.

David Rice: Jeg stiller kun nemme spørgsmål. Det er lutter bløde bolde i dette program.

Jay Caldwell: Gør du? Det svarer lidt til at spørge, hvordan man måler præstationen i et kreativt job som kunstner.

Det er salg. Det ved jeg ikke. Mange kunstnere sælger faktisk ikke noget, før de er væk. Det er dér, de bliver virkelig populære. Så det er vanskeligt. Jeg tror dog, det begynder med at ændre den måde, man ser på sin egen præstation.

Jeg føler mig for eksempel ekstremt produktiv, når jeg rydder min indbakke. Jeg kan se det og måle det. Jeg ved, hvornår det begynder, og hvornår det er færdigt. Hvis AI hjælper mig med det i fremtiden, mister jeg noget, der får mig til at føle mig produktiv og som om, jeg præsterer.

Det samme gælder at besvare et bestemt antal opkald eller opsummere et bestemt antal noter fra møder i løbet af ugen. De ting hjælper mig med at føle, at jeg gør fremskridt. Job, der i sagens natur er mere kreative, gør det sværere at se, om man gør fremskridt. Milepælene er ikke lige så tydelige, og tidslinjerne er længere.

Hvis ens job grundlæggende ændrer sig fra produktion til kreativitet, er det derfor en fuldstændig ændring af den måde, man ser sin egen præstation på.

Målingen er en helt anden udfordring. Hvordan man tænker på processer for præstationsledelse, er et stort problem. Man skal se på mere fleksibel målsætning og måske måle præstation oftere. Enklere og lettere måder at få ledernes perspektiv oftere på er meget vigtige.

Man skal også fremhæve ikke kun resultaterne, men inputtene, adfærden og færdighederne. Hvordan møder personen op? Den gamle debat handler om, hvad man måler: hvad eller hvordan? Jeg tror, der fremover bliver mere fokus på hvordan, fordi det typisk er inputtene til godt kreativt og strategisk arbejde, eller på hvordan man samarbejder med sine kolleger.

Man er nødt til at gentænke, hvad det egentlig betyder at præstere, både individuelt og som organisation. Hvordan omformer man de målinger, man bruger i årlige evalueringer? Det bliver meget aktuelt, efterhånden som AI får indflydelse, men tiden er inde til at tænke over konsekvenserne.

David Rice: Ja, helt sikkert. Du nævnte skiftet fra produktion til kreativitet, og jeg tænker ofte på det som et skift fra udførelse til dømmekraft. Men hvordan måler man dømmekraft? I mit arbejde skaber jeg meget indhold og bruger AI til at hjælpe med noget af det, i det mindste til et første udkast.

Den kommer med ting, der lyder overbevisende, men jeg er naturligt skeptisk over for det, den giver mig. Jeg undersøger altid det, der lyder forkert for mig dømmekraftsmæssigt. Jeg opdager hele tiden løgne eller opdigtede oplysninger, hvor det ikke er det, statistikken siger, eller slet ikke betyder det, som den påstår.

Hvordan skal jeg skrive på mit kvartalsvise scorekort, at jeg forhindrede os i at ligne idioter 27 gange denne måned? Det er svært at måle. Den er god til at skabe et argument omkring data, men man er altid nødt til at følge dataene: Hvor kom de fra? Hvad sagde de faktisk? Er den ved at omformulere dem eller rapportere dem, som de var?

Mit job er i mange tilfælde ikke at omformulere dem, men at citere dem og præsentere dem som: Her er en tanke, og her er en del af grunden til, at jeg tror det. Hvis det er data, vi selv har skabt, er det fint at oversætte dem, men nogle gange tager den et tal og skaber noget helt andet ud af det. Så tænker man: Det var ikke det, rapporten sagde.

Jeg har gjort det i næsten to år, og det bliver bedre. Nogle platforme er bedre end andre. Perplexity har for eksempel en form for specialisering i kildehenvisninger, som den gør godt, men den er ikke lige så god til nogle af de andre ting. Man er nødt til at finde sit værktøj og bruge det, man er tilfreds med, til den enkelte opgave.

Der er hele tiden tilfælde, hvor den siger noget, og jeg tænker: Det datapunkt var fra for to år siden, men den fremstiller det, som om det var fra sidste måned.

Jay Caldwell: Tilbage til vores samtale om, hvordan man hjælper talenter tidligt i karrieren. Det er nøglen. Hvordan opbygger man den slags dømmekraft? Du ved det, fordi du har erfaring.

David Rice: Netop. Jeg har gjort det i lang tid, så det er naturligt for mig at tænke over. Men hvis jeg var 24 år, lige kommet ud af skolen, aldrig havde set dette før og bare forsøgte at analysere resultaterne, ville jeg ikke vide det. Jeg kunne måske lave undersøgelsen, men så ændrer jeg bare mit job fra skaber til faktatjekker. Er det værdien? Jeg ved ikke, om det i sig selv er værdifuldt.

Så det handler om at finde måder at bruge disse værktøjer på, som giver mening, samtidig med at dømmekraften forbliver central og værdifuld, og at man giver folk mulighed for at udvikle færdighederne.

Jay Caldwell: Det er også en måde at tænke på, hvordan man måler præstation, for der er tre faser. Man indtaster et bestemt spørgsmål eller en prompt. AI'en gør sit arbejde, og til sidst evaluerer man resultatet. Når man ser på præstation i en verden med AI, bliver det sandsynligvis vigtigt at evaluere mennesket i de to yderpunkter.

Hvor gode er de til at stille de rigtige spørgsmål og forme prompten på den rigtige måde? Og hvor gode er de til at evaluere og bruge resultatet? Midten er ret effektiv og automatiseret af AI, men cyklussen og den måde, man arbejder sig gennem anvendelserne på, er meget vigtig.

David Rice: Det er en god måde at formulere det på, for det er lidt et skift i magt. Folk med den bedste dømmekraft er ikke altid dem med de største titler. Nogle gange er det bare dem, der sidder det rigtige sted. Eller de kan være reelt forstyrrende for et organisatorisk hierarki, hvis vi fjerner dem.

Det er svært at forstå, hvor dømmekraften skal ligge, og hvilket niveau af erfaring, viden eller evne til at stille det rigtige spørgsmål på det rigtige tidspunkt der kræves. Det er dér, vi er.

Jay, det har været virkelig godt at tale med dig. Jeg har nydt denne samtale.

Jay Caldwell: I lige måde. Jeg tror, vi kunne tale om det hele dagen. Det er et spændende område og et spændende øjeblik, vi befinder os i, men vi lærer alle sammen, så jeg sætter pris på, at du laver podcasts som denne. Det er nyttigt at tænke over, for vi er alle i samme båd lige nu. Ingen er langt foran de andre, så jo mere vi kan dele, desto bedre. Tak, David.

David Rice: Selvfølgelig. Kære lyttere, hvis I ikke allerede har gjort det, så gå ind på hjemmesiden og tilmeld jer People Managing People-nyhedsbrevet. I får episoder som denne samt alt det indhold, vi skaber på People Managing People, direkte i indbakken.

Indtil næste gang: Dømmekraft. Det er dér, det sker.