Den teamvane, der adskiller top-performere fra alle andre

David Rice: Den gennemsnitlige medarbejder mister 18 timer om ugen til møder og yderligere 11 timer på at arbejde sig gennem beskeder. Det efterlader omkring én dag til det egentlige arbejde. Så når du skal presse en hel uges arbejde ind på én dag, leder du efter genveje. Du møder tidligt ind, bliver sent og arbejder i weekenderne, og det er sådan, udbrændthed opstår.

I dagens udsendelse taler jeg med Ron Friedman, socialpsykolog og forfatter til bogen “Superteams”, om hvorfor kunstig intelligens ikke løser dette problem for de fleste teams. Den gør faktisk tingene værre. Rons team spurgte tusindvis af medarbejdere for at finde ud af, hvad de øverste otte procent af teams gør anderledes, og det, de fandt ud af om kunstig intelligens, er fascinerende.

Gennemsnitlige teams skjuler deres brug af kunstig intelligens for hinanden. De videresender resultater af lav kvalitet uden at kontrollere dem, hvilket forlænger arbejdsdagen for alle længere nede i processen. Superteams deler derimod åbent deres instruktioner, bruger kunstig intelligens som en samtalepartner, de kan diskutere med og udfordre, og anvender den på måder, der gør hele teamet bedre.

Helt forskellige resultater med den samme teknologi. Den forskel, teknologien afslører, går ikke kun mellem gode teams og gennemsnitlige teams. Den går også mellem mennesker, der ved, hvordan kvalitet ser ud, og mennesker, der ikke gør. Hvis du ikke har en fornemmelse for kvalitet, vil alt, hvad kunstig intelligens giver dig, virke tilfredsstillende, og det er her, den falske selvtillid opstår.

Det handler ikke bare om forkert arbejde, men om forkert arbejde, som medarbejderne er stolte af. I dag taler vi derfor om, hvorfor kunstig intelligens øger forskellen mellem teams med høj og gennemsnitlig præstation, de skjulte omkostninger ved resultater af lav kvalitet for teamets arbejdsbyrde, hvorfor superteams behandler kunstig intelligens som en debatpartner og ikke som en ekspert, idéskrivning kontra brainstorming og hvorfor forskningen favoriserer den ene metode, samt hvad ligelig taletid afslører om kollektiv intelligens.

Jeg hedder David Rice. Dette er People Managing People. Hvis du har gået ud fra, at kunstig intelligens er en stigende tidevandsbølge, der løfter alle både, kan denne forskning få dig til at tænke om. Lad os komme i gang.

Ron Friedman: Det er et godt spørgsmål. Før jeg kommer ind på, hvorfor kunstig intelligens øger forskellen mellem teams med høj præstation og gennemsnitlige teams, vil jeg fortælle lidt om, hvordan jeg gennemførte denne forskning, så dine lyttere forstår mit udgangspunkt. Jeg er socialpsykolog, men forlod akademia for at arbejde i erhvervslivet.

Mens jeg arbejdede i erhvervslivet, opdagede jeg en massiv kløft mellem den nyeste forskning og den moderne arbejdsplads. Derfor begyndte jeg at undersøge, hvad de bedste teams gør anderledes. Mit team og jeg spurgte tusindvis af medarbejdere om to centrale ting ved deres teams.

Vi spurgte: På en skala fra ét til ti, hvor effektivt er dit team til at nå sine mål? Og for det andet: Hvordan vurderer du dit teams præstation sammenlignet med andre teams i din branche? Derefter tog vi de teams, der fik den højeste score — en meget lille gruppe på omkring otte procent — og kaldte dem superteams. Så undersøgte vi, hvad superteams gør anderledes.

For nylig har vi også undersøgt, hvordan superteams bruger kunstig intelligens. Du spurgte, hvorfor teknologien øger forskellen. Det, vi finder, er, at superteams bruger den på en måde, der gør hele teamet bedre, mens gennemsnitlige teams i højere grad skjuler deres brug af kunstig intelligens for hinanden og deler resultater af lav kvalitet, som faktisk kan forlænge arbejdsdagen.

Mange bruger ChatGPT eller lignende værktøjer til at formulere svar, som medarbejdere derefter sender videre til andre uden overhovedet at kontrollere dem. Det kan være et meget nyttigt værktøj, hvis man bruger det korrekt, men det kræver, at man giver det den rigtige kontekst og kvalitetssikrer svarene. Man skal hele tiden undersøge, om resultaterne er korrekte eller ej.

Hvis du bare tager resultatet og sender det videre, forlænger du arbejdsdagen for alle andre.

David Rice: Det fører tilbage til noget, vi taler om hele tiden. Når man lægger kunstig intelligens oven på et dysfunktionelt team, forstærker den dysfunktionen. Hvis man har et virkelig effektivt og samarbejdende team, kan den derimod give mulighed for nye og innovative løsninger.

Konteksten er afgørende. Hvis man vil have værktøjet til at forstå ens organisation og især bruge det til procesorienterede opgaver, skal det forstå, hvordan organisationen er opbygget, for at dets fulde potentiale kan realiseres.

Ron Friedman: Ja, præcis. En del af det handler om at blive klar på, hvilke resultater man faktisk forsøger at opnå. Mange organisationer optimerer efter travlhed i stedet for efter resultater.

Den gennemsnitlige medarbejder mister 18 timer om ugen til møder og yderligere 11 timer på at arbejde sig gennem beskeder. Hvad efterlader det til det egentlige arbejde? Omkring én dag.

Når du skal presse en hel uges arbejde ind på én dag, forsøger du at skabe mere tid. Du møder tidligt, bliver sent og arbejder i weekenderne. Den tilgang fører næsten med sikkerhed til udbrændthed.

Mange organisationer har forvekslet samarbejde med konstant samvær, men det er ikke det samme. De bedste idéer opstår især, når man skifter mellem individuelt arbejde og gruppearbejde.

Et godt eksempel er brainstorming. Hvis alle samles i et mødelokale for at finde på idéer, viser forskningen, at man får flere idéer af højere kvalitet ved at bruge en anden metode, der kaldes idéskrivning. Her udvikler hver person idéer alene og tager derefter seks idéer med til den fælles samtale.

Når alle arbejder sammen i en brainstormingssession, vil den første person, der taler, ofte forankre alle andre omkring sin idé. De bruger derefter mental energi på at vurdere den første idé i stedet for at udvikle deres egne løsninger.

David Rice: Som redaktør elsker jeg en brainstormingssession, men nøglen til en god session er, at alle er forberedte. Hvis vi møder op og improviserer, vil bestemte personlighedstyper hurtigt dominere samtalen. Hvis alle idéer skal på bordet, må alle forberede sig individuelt først.

Ron Friedman: Det er faktisk endnu et forhold, vi ser i vores forskning. En af de vigtigste forskelle i Superteams er, at der er ligelig taletid under møder. Det er en af de bedste forudsigere for noget, der kaldes kollektiv intelligens.

Vi kender alle IQ. Kollektiv intelligens er grundlæggende teamets IQ: Hvor effektivt løser teamet problemer? Ligelig taletid viser, at folk føler, deres meninger betyder noget, at de er engagerede, og at alle bidrager.

Når man vil skabe et superteam, skal alle føle sig bemyndiget til at bidrage med noget nyt.

David Rice: Gennemsnitlige teams skjuler ofte deres brug af kunstig intelligens eller føler skyld over den, mens teams med høj præstation åbent deler instruktioner og arbejdsgange. Hvad sker der psykologisk, når folk føler, at de er nødt til at skjule, hvordan de arbejder?

Ron Friedman: Det fortæller os, at folk oplever deres karrieremål som adskilt fra teamets mål. Det er et alvorligt problem, fordi det betyder, at de mennesker, man arbejder sammen med, ikke fungerer som et rigtigt team.

Der er tre faktorer, som forvandler en gruppe fremmede til et team. Den første er fælles mål. Alle skal være enige om, hvad de forsøger at opnå. Den anden er klarhed over roller. Man skal vide, hvad man selv har ansvar for, hvad de andre har ansvar for, og hvordan rollerne overlapper og bidrager til hinanden. Den tredje er gensidig afhængighed: Man skal føle, at man har brug for hinanden for at lykkes.

Når folk skjuler deres brug af kunstig intelligens, kan det betyde, at de føler sig udskiftelige, eller at de ikke føler sig bemyndigede eller opmuntrede til at bruge værktøjet.

På superteams deler mindst 67 procent af medarbejderne deres instruktioner med kollegerne. På gennemsnitlige teams er tallet 20 procent. Deling af instruktioner handler ikke kun om at gøre folk mere effektive. Det skaber en læringsorienteret indstilling, hvor alle bidrager til hinandens udvikling.

David Rice: Kunstig intelligens kan få os til at tro, at vi ikke længere har brug for andre mennesker i processen. Hvis jeg kan få værktøjet til at udføre kernefunktionerne i en kollegas arbejde, kan jeg måske bare udfylde hullerne selv. Hvordan forhindrer man den tankegang i at overtage?

Ron Friedman: Det er en af de fælder, selv teams med høj præstation kan falde i. Fordi det er så nemt at gøre tingene selv, giver man mindre videre til kolleger, som man tidligere ville have involveret. Det forhindrer dem i at lære og gør samtidig ens egen arbejdsdag længere.

Når man skaber fri tid, fordi en opgave nu løses hurtigere, leder man ofte efter flere opgaver til at udfylde tiden. Det er fælden ved at være top-performer. Hvis du udfører noget på 15 minutter, som tidligere tog to timer, holder du ikke nødvendigvis fri. Du finder andre opgaver.

Lederen skal gøre hele teamet opmærksomt på denne fælde og understrege, at man skal udvikle medarbejderne under sig. Ellers bliver teamet atomiseret, så andre mennesker føles som en hindring for ens egen produktivitet.

David Rice: Så tilføjer man bare flere ingredienser til opskriften på udbrændthed.

Ron Friedman: Præcis.

David Rice: Det virker kontraintuitivt, men gode teams samarbejder ikke nødvendigvis mere. De samarbejder mere bevidst. Hvad misforstår de fleste organisationer om teamwork i dag?

Ron Friedman: Superteams er meget bevidste om, hvordan de bruger deres arbejdstid. De gør ikke møder til standardløsningen. De gør møder til sidste udvej.

De er 54 procent bedre til at undgå unødvendige møder og 50 procent mindre tilbøjelige til at planlægge tilbagevendende møder, som ofte bliver en tidsrøver. De reserverer også fokustid i løbet af dagen og indfører mødefri dage, hvor møder kun må indkaldes i absolutte nødstilfælde.

Resultatet er markant: Stressniveauet halveres, og produktiviteten stiger med 71 procent. Superteams kalder dem ikke mødefri dage, men dage til at få ting gjort, fordi navnet understreger formålet.

David Rice: Det vigtigste er at minimere al den kontekstskiften. Selv når man sidder ved sit skrivebord, stopper man det, man er i gang med, deltager i mødet og skal derefter finde tilbage til rapporten eller teksten. Hele tankegangen er væk.

Ron Friedman: Vi taler også om forhåndsforstyrrelse. Det er ikke kun selve mødet, der påvirker dig. Bare det at vide, at du har et møde i kalenderen, sænker din præstation i timen op til mødet. Du deler din opmærksomhed og undgår måske at begynde på en vanskelig opgave, fordi du ved, at du snart skal stoppe.

Efter mødet opstår der desuden opmærksomhedsrester, fordi en del af hjernen stadig bearbejder det, man sagde eller hørte. Derfor handler mødefri dage ikke kun om de timer, der spares under møderne, men også om tiden før og efter.

David Rice: Hvordan kan organisationer undgå at øge denne fragmentering?

Ron Friedman: En af mine yndlingspointer fra bogen er møderetningslinjer. I mange organisationer kan næsten hvem som helst indkalde til et møde om næsten hvad som helst. Der er ingen fælles forståelse af, hvad der kræver et møde.

I min organisation har vi en enkel regel: Ingen beslutning, intet møde. Hvis der ikke skal træffes en beslutning, trækker vi ikke folk væk fra deres daglige arbejde. Har du et spørgsmål, så ring. Har du en opdatering, så send en e-mail eller en video.

En anden regel fra en virksomhed er: Ingen tilskuere. Hvis du ikke bidrager til mødet, behøver du ikke være der. Det er ikke kritik, men respekt for din tid.

Retningslinjerne bør ikke komme ovenfra som et diktat. Tal med teamet om, hvilke møder der er dårlige, og hvilke I kan undgå. Afprøv derefter én regel i en uge og byg videre på den, hvis reaktionen er positiv.

David Rice: Det handler også om at skabe tryghed til at eksperimentere og begå fejl. Kunstig intelligens skaber et mærkeligt pres, hvor folk føler, at de skal virke kompetente, samtidig med at de hele tiden tilpasser sig. Hvordan påvirker det teamets adfærd?

Ron Friedman: Hvis en leder ikke gør det trygt at begå fejl, sker der ingen læring. De bedste ledere fortæller åbent om deres egne fejl og områder, hvor de ikke slog til. Når lederen gør det, bliver det tryggere for andre at tage risici.

De siger også åbent, når de ikke ved noget: “Det ved jeg ikke, men jeg ved, hvem jeg kan spørge.” Det viser, at ingen forventes at have alle svarene. Det vigtigste er viljen til at finde ud af det.

Ledere på teams med høj præstation belønner intelligent fiasko — altså forsøg, der var velbegrundede, men ikke lykkedes. På superteams eksperimenterer man 48 procent mere end på gennemsnitlige teams.

David Rice: Hvis man aldrig fejler, prøver man måske ikke noget uden for det, man allerede kender. Gode ledere hjælper folk med at se, at fejl ikke er noget, man skal løbe fra eller skjule. Man kan begå en fejl, og seks måneder senere er alle kommet videre.

Ron Friedman: Præcis. Top-performere ved også, hvad de skal stille spørgsmålstegn ved. Gennemsnitlige medarbejdere sender ofte resultaterne videre med falsk selvtillid. Derfor bliver ekspertise og god dømmekraft endnu vigtigere. Hvis man ikke ved, hvordan kvalitet ser ud, vil alt, hvad kunstig intelligens producerer, virke tilfredsstillende.

David Rice: Hvad adskiller organisationer, der faktisk reducerer udbrændthed, fra dem, der forværrer den?

Ron Friedman: Gennemsnitlige teams udveksler ofte AI-genereret arbejde af lav værdi, som kræver omfattende rettelser og omskrivning. Superteams bruger derimod kunstig intelligens som en samtalepartner, ikke som eksperten. De stiller flere spørgsmål, udfordrer svarene og giver værktøjet feedback.

De bedste resultater opstår, når teamet gør brugen af kunstig intelligens synlig og fortæller, hvilke idéer der er genereret af værktøjet, og hvilke man selv vurderer som bedst. Det skaber fælles læring og bedre kvalitet.

David Rice: Det er vigtigt at kontrollere resultaterne, markere det, der skal verificeres, og vurdere, om kunstig intelligens faktisk sparer tid. Nogle gange kunne man have skrevet e-mailen eller analysen selv lige så hurtigt.

Ron Friedman: Netop. Den vigtigste forskel er, om man ved, hvad man skal stille spørgsmålstegn ved. Der er stadig en vigtig rolle for ekspertise og god dømmekraft. Man skal have en klar idé om, hvad man leder efter, ellers kan kunstig intelligens føre én i alle mulige retninger.

David Rice: Ron, det var en virkelig god samtale. Hvor kan folk læse mere om forskningen?

Ron Friedman: Denne undersøgelse om kunstig intelligens er endnu ikke offentliggjort, men vores arbejde om superteams findes i min nye bog, der udkommer den 2. juni. Den hedder Superteams. På superteamsmasterclass.com kan man få gratis værktøjer, en masterclass om, hvordan bogens vigtigste pointer anvendes på under 20 minutter, samt en diskussionsguide, som kan bruges sammen med teamet.

David Rice: Følg Ron på LinkedIn, og gå til peoplemanagingpeople.com/subscribe for at tilmelde dig nyhedsbrevet. Indtil næste gang: Gå en tur med hunden, få frisk luft, og brænd ikke jer selv ud.