Design til parathed, ikke kun effektivitet, i en AI-udvidet verden

David Rice: AI har stjålet din jobbeskrivelse, ikke dit job. Du ved, det du har sagt, at du laver, de sidste ti år. AI gør det hurtigere, billigere og i det øjeblik, behovet opstår. Hvis du arbejder med læring og udvikling, og du har beskrevet dit arbejde som at levere undervisning eller producere indhold eller give folk svar i arbejdets flow, så har Taylor Blake, Senior Vice President for AI Labs og nye initiativer hos Degreed, dårlige nyheder.

Du er i problemer, fordi AI kan gøre alt det, og den har ikke brug for din hjælp. Men her er, hvad den ikke kan. Den kan ikke udvide folks evner til beslutninger med højere indsats. Den kan ikke forberede dem på øjeblikke, der endnu ikke er opstået, eller opbygge parathed i stedet for reaktionsevne. Den kan ikke hjælpe mennesker med at navigere i den strategiske kompleksitet, der opstår, når én person nu kan gøre så massiv en forskel.

Og det er den mulighed, læring og udvikling overser, mens nogle i branchen har travlt med at forsvare levering af indhold. Taylors team bygger ikke bare AI-værktøjer til virksomheder. De bruger dem internt som kunde nul, hvilket betyder, at de lever inde i konsekvenserne af deres valg. Og det, de opdager, er ubehageligt.

Afstanden mellem en AI-demonstration og AI i praksis er enorm. Presset for effektivitet udflader menneskers følelsesmæssige kapacitet. Og nogle gange er følgevirkningerne ting, man aldrig ville forudse, som at Taylors tiårige datter søger bekræftelse fra AI i stedet for sine forældre. I dag skal vi tale om, hvorfor læring og udvikling er nødt til at tænke mere ekspansivt, ellers bliver området erstattet.

Forskellen mellem læring lige i tide og parathed, og hvorfor begge dele er vigtige nu, hvordan AI gør alles arbejde mere strategisk og mere betydningsfuldt. Effektivitetsparadokset, hvor vi alle gør mere med AI, men føler os mere travle end nogensinde. Og hvorfor eftertænksomme, bekymrede mennesker bør bygge AI-værktøjer, ikke kun optimister.

Jeg er David Rice. Dette er People Managing People. Og hvis du har forsvaret dit nuværende værdiforslag i stedet for at gentænke det, bliver denne samtale dit wake-up call. Så lad os komme i gang.

Hej Taylor, velkommen! Hvordan har du det?

Taylor Blake: Jeg har det godt, David. Tak, fordi du inviterede mig.

David Rice: Vi havde mulighed for at tale sammen på Gartner-konferencen.

Det var virkelig interessant at høre om alt det, du laver hos Degreed, og jeg har lidt lyst til at begynde med idéen om Degreed som kunde nul, ikke? I eksperimenterer ikke kun med henblik på produktudvikling, men som brugere af jeres egne AI-værktøjer. Jeg er nysgerrig: Hvad er nogle af de største fordele, I har opnået gennem det, og hvordan har det ændret jeres tilgang over tid?

Taylor Blake: Ja, helt sikkert. Grunden til, at vi laver disse eksperimenter, og grunden til, at vi har AI Labs, er, at der kommer så meget ny teknologi og så mange nye muligheder med AI, at vi virkelig har brug for en chance for at forstå dem, og det er svært. Der findes ikke bare nogle specifikationer, man kan læse og nemt forstå, hvordan de kan omsættes til anvendelser inden for læring og udvikling eller til brugeroplevelsen.

Man er virkelig nødt til at prøve tingene, så det kan vi gøre internt. Det har gjort et par ting. For det første har det virkelig hjulpet os med at forstå, hvilke ting der er klar, og hvilke der ikke er. AI gennemgår selv forskellige hypefaser, men hver AI-funktion og hver anvendelse kan være klar eller måske ikke klar endnu.

Så det, at vi selv kan prøve tingene, giver os en overbevisning om, hvor tingene er klar, og hjælper os med at forstå, når noget endnu ikke er helt klar. Men jeg tror også, at så mange læringsoplevelser afhænger af den enkeltes oplevelse. Ved virkelig at gøre os selv til kunde nul og gennemgå disse ting selv tror jeg faktisk, at vi har hævet barren for, hvor gode oplevelserne skal være. Først når vi har fået noget til at fungere og kan sige: Hey, jeg ville selv bruge det her, kan vi bruge det som fundament.

Og gøre det til en funktion, som vores virksomhedskunder kan bruge.

David Rice: Det, jeg elsker ved denne model, er, at den på en måde – du må rette mig, men jeg føler, at den tvinger jer til at tage ansvar, ikke? I sælger ikke bare idéen til markedet og lader det blive ved det. I lever på en måde inde i konsekvenserne af de valg, I træffer, ikke?

Jeg tror, det er ret sjældent. Og jeg forestiller mig, at det afdækker spændinger, som man ellers ikke ville se, som forskellen mellem, hvad folk siger, de vil have fra AI, og hvad de faktisk bruger, når den er en del af deres arbejdsgang.

Taylor Blake: Ja, helt sikkert. Og der er så mange forskellige lag. Forskellen mellem en AI-demonstration og AI i praksis kan være enorm, og man ved det virkelig ikke, før man selv får fingrene i det.

Man er nødt til at se og mærke de problemer, se hvilke problemer det skaber og finde ud af, hvordan man vil afbøde dem eller håndtere den slags. Så ja, vi mærker bestemt det ansvar. Ved selv at bruge tingene intensivt først oplever vi alle problemerne, men samtidig erkender vi også, at vi ikke nødvendigvis er vores kunder.

Selv når vi kan få noget til at fungere for os, er det kun et fundament. Det er ikke det sidste trin. Der er stadig mange trin i processen for at sikre, at disse funktioner er klar til store virksomhedskunder.

David Rice: Store eller små, læring og udvikling er jo under forandring, ikke? Da vi talte sammen på konferencen, talte vi om, at AI på en måde stjæler læring og udviklings område lidt, ikke?

Den er hurtigere til at fjerne blokeringer for folk i øjeblikket, end lærings- og udviklingsteams virkelig kan være, og det er en enorm ændring. Hvordan forbliver læring og udvikling relevant i en verden, hvor det ikke længere rigtig er værdiforslaget at fjerne en blokering for nogen?

Taylor Blake: Jeg synes, det er en god udfordring for læring og udvikling, for vi er nødt til at forstå, at hvis vi definerer vores arbejde som at levere undervisning eller producere indhold eller give folk svar i arbejdets flow, så er vi i problemer.

For AI kan gøre mange af de ting. Ja, den har brug for hjælp, vejledning og sikkerhedsrammer. Men AI kan gøre meget af det. Jeg mener dog, at læring og udvikling har mulighed for at tænke mere ekspansivt. Ikke alle præstationsproblemer er undervisningsproblemer, men mange præstationsproblemer handler i sidste ende om mennesker.

Så jeg synes, læring og udvikling er nødt til at anlægge dette bredere perspektiv: Vi er her for at hjælpe mennesker med at forandre sig, udvide deres evner og præstere bedre på arbejdet. Hvis vi kun fokuserer på undervisning og levering af indhold, ja, så bliver det opslugt. Men hvis vi anlægger et bredere perspektiv, er der så mange muligheder, især fordi det, vi ser, er, at teknologi og muligheder ikke længere er begrænsninger for vores kunder. Den reelle begrænsning for disse virksomheder og de strategiske bevægelser, de forsøger at gennemføre, handler alt sammen om mennesker.

Det handler om, hvor hurtigt mennesker kan ændre sig, deres appetit på forandring, og hvor hurtigt man kan få folk til at være samstemmende og bevæge sig i den rigtige retning. Der er så mange menneskecentrerede udfordringer, og jeg synes bare, læring og udvikling skal sige: Ja, det kan vi hjælpe med. Vi kan hjælpe. Vi er nødt til at udvide vores værktøjskasse for at kunne hjælpe.

Det handler ikke kun om indhold, traditionelle kurser eller undervisning.

David Rice: Ja, jeg synes, det er en stærk pointe, for der er så mange muligheder her. Når vi tænker på at komme i kontakt med nogen i det øjeblik, hvor behovet opstår, når noget virkelig plager dem, eller de forsøger at løse et problem, så ved læring og udvikling bedre end nogen andre, at folk lærer forskelligt.

Muligheden for at justere og tilpasse det og tænke over det – vi ser det som en mulighed for virkelig at gentænke, hvordan vi leverer det, vi nu leverer, hvad enten det er undervisning, mikrolæring eller noget andet.

Jeg tror, mulighederne er uendelige.

Taylor Blake: Ja. Og det handler ikke kun om øjeblikket, hvor behovet opstår. Der er også en masse muligheder før det øjeblik, når vi taler om parathed. Jeg synes, vi nogle gange har givet idéen et dårligt ry, fordi den bliver beskrevet som læring lige i tide, mens alt andet bare er for en sikkerheds skyld, som om det er en forsikring og spild af tid.

Der har været så meget fokus på læring lige i tide, fordi det er så effektivt, så målrettet og så relevant. Men jeg synes, vi er nødt til at genvinde idéen om parathed. Der er ting, der skal ske, før man når frem til det øjeblik, hvor behovet opstår. Man kan ikke træne, gøre en person i stand til noget eller gøre vedkommende klar til alt uden forberedelse.

Så hvordan kan vi forberede mennesker? Og jeg er sikker på, at vi kommer ind på det: AI gør vores arbejde mere strategisk. Vi skal træffe beslutninger med større konsekvenser. Vi befinder os alle på højere løftestangspunkter, fordi vi har så mange værktøjer og muligheder. Én person kan gøre en enorm forskel.

Men hvordan forbereder vi folk på det øjeblik? Forberedelse og parathed er efter min mening lige så vigtige nu som nogensinde.

David Rice: Du nævnte et ord, som fylder en del hos os for tiden, nemlig effektivitet. Vi taler om det hele tiden, og jeg tror, der sker et skift væk fra at forsøge at gøre læring mere effektiv til at hjælpe mennesker med at tilpasse sig forandring.

Jeg er nysgerrig: Hvilken infrastruktur kræver det egentlig inde i en virksomhed? Hvad kræver det af de mennesker, der udfører arbejdet?

Taylor Blake: Dette fokus på effektivitet har været interessant. Jeg vil bruge eksemplet med en bog. Hvis man spurgte de fleste mennesker: Har der været en bog, der virkelig ændrede den måde, du tænkte på noget på? Noget, der virkelig var forvandlende? Så tror jeg, mange af os ville sige ja.

Men hvis man tog en bog på 400 sider og reducerede den til et resumé eller nogle få sætninger, hvis man gjorde forbruget af informationen så effektivt som muligt, ville den ikke have haft samme virkning eller været lige så forvandlende.

Jeg tror virkelig, vi ser, at det ikke er nok at destillere alt ned til den mindste bestanddel og give folk information på en transaktionel måde. Forandring er ikke kun et informationsproblem eller et instruktionsproblem. Man er nødt til at give folk plads og tid, og du spurgte, hvad der skal muliggøre det.

En del af det er dialog. Vi har brug for værktøjer, der gør det muligt for alle i en organisation – ikke bare at modtage information, men at deltage i forandringen, dele, hvad de tænker og føler, fortælle om de udfordringer, de ser, og give organisationen mulighed for at modtage input, få feedback og tilpasse sig.

Sådan tror jeg, forandring kommer til at ske. Det bliver ikke bare et notat skrevet af en leder, og det bliver ikke bare at tænde for Microsoft Copilot, hvorefter AI giver os flere værktøjer. Det skal give mulighed for mere åben dialog og gøre forandring til en tovejsproces, hvor mennesker deltager.

David Rice: Det er interessant, for så meget virksomhedslæring gennem årene har været bygget op omkring at gøre indhold billigere, hurtigere og nemmere at indtage. Men som du siger, er det at hjælpe mennesker med at forandre sig og tilpasse sig en følelsesmæssig rejse. Det er noget andet. Det kræver refleksion, feedback, kontekst og alle de ting, der er unikt menneskelige og komplicerede.

Det får mig til at spekulere på, om vi på nogle måder byggede den forkerte form for stillads til den læring, vi faktisk har brug for nu. Historisk set?

Taylor Blake: Ja. Jeg tror, det er et eksempel på, at begrænsninger ændrer sig. Måske var begrænsningen tidligere information, fordi informationen simpelthen ikke var tilgængelig.

Så det handlede om at få informationen ud til folk. Men nu er det let at skabe, producere og sende information ud. Så nu har vi opdaget den næste begrænsning: Information er ikke nok. Forandring er en rejse. Det kræver, at man forstår, hvordan mennesker tænker og føler om det, og hvordan man engagerer dem gennem processen. Jeg tror, det er et helt andet sæt af værktøjer og indsatser.

AI er en interessant anvendelse lige nu, fordi den fremhæver det så tydeligt. Alle organisationer tænker på AI på en eller anden måde. Folk har reel frygt og bekymringer. Nogle er begejstrede, andre er skrækslagne. AI som forandringsinitiativ er et godt eksempel på, at mennesker kommer med alle mulige erfaringer, følelser og bekymringer, og vi har brug for nye måder at engagere os omkring det på.

David Rice: Du nævnte, at vi har brug for nye værktøjer og skal tænke anderledes, og jeg ved, at du bygger nye AI-drevne værktøjssæt til forandring og tilpasning, som stemmegrænseflader, coachingoplevelser og vejledning i realtid. Hvilke anvendelser ser du, hvor denne tilgang fungerer bedre end den gamle drejebog?

For det er ikke bare produktbeslutninger. Det føles som væddemål på, hvilken slags mennesker vi forsøger at forme på arbejdspladsen.

Taylor Blake: Jeg vil vende tilbage til AI-transformation. Det er et eksempel, vi hører om hele tiden, og det er interessant, fordi det sker så hurtigt, og AI-landskabet ændrer sig så hurtigt, at den gamle forandringsdrejebog – hvor vi har en enkelt, afgrænset forandring, som vi skal lede folk igennem – ikke længere er tilstrækkelig.

Vi laver en forandringsplan, implementerer den, og så er vi færdige. Men det ryger ud ad vinduet. Det skal nu være et system. Forandringsinitiativet er ikke bare færdigt. Man har brug for et system, der kan håndtere og tilpasse sig og hjælpe folk med at tilpasse sig forandring.

Det kommer til at handle om balance. Vi taler om at gøre folk trygge ved AI. AI giver os nye værktøjer, men vi skal også finde måder at bringe mennesker frem i forreste række i disse interaktioner. Det handler helt sikkert om at opmuntre til mere samtale og dialog.

At give organisationer større indsigt i, hvor folk befinder sig, hvilke udfordringer de har, og hvilke bekymringer de bærer på. Og indsatserne kan måske være coaching, der støttes af ledere, eller en AI-coach. Vi har brug for fleksibilitet, fordi behovene kommer til at spænde bredt.

Men meget af det handler om, at vi har brug for et system, der kan opfange, hvor folk befinder sig, tilpasse sig og føre samtaler med dem. Man kan ikke bare gøre antagelser og have top-down-forventninger om, at forandring siver ned gennem organisationen. Man er nødt til at få folk med og engagere dem undervejs.

David Rice: Det er interessant. Det handler ikke bare om produktinnovation, men også om antagelser om menneskelig adfærd. Jeg forestiller mig, at I skal håndtere mange spørgsmål: Hvilken friktion er værd at løse? Hvor meget selvstændighed vil man give folk? For det bliver jo beslutninger om arbejdsdesign.

Det handler om, hvordan folk skal engagere sig med hinanden, med deres arbejde og med deres egen udvikling. Det er alt sammen spørgsmål, som disse værktøjer påvirker.

Taylor Blake: Der er mange spørgsmål, og det er ærligt talt en stor del af grunden til, at vi tror på eksperimenter. Vi tror på at teste små koncepter og hurtigt kunne forstå, hvad der giver mening.

Noget, der føles som en god løsning nu, kan have brug for en anden tilgang om ni måneder. Meget af det handler om disse metakompetencer og evner til smidighed og til hurtigt at forstå og reagere, i stedet for bare at have løsningen, pakken eller programmet, for tingene ændrer sig så hurtigt nu.

David Rice: Da vi talte sammen tidligere, nævnte du, at AI rydder lavrisikoarbejde af vejen. Det, der er tilbage, er i højere grad dømmekraften, strategien og at arbejde i et andet tempo.

Det lyder godt, men det betyder også, at folk bliver kastet ind i beslutninger med store konsekvenser langt hurtigere og med mindre tid til at udvikle sig. Hvordan tænker du om parathed i den slags miljø?

Taylor Blake: Jeg tænker på en Freakonomics-podcast om flyveledere. Jeg havde ikke forstået, hvor kompliceret jobbet er, hvordan de håndterer alle disse forskellige variabler og træffer alle disse optimeringer og beslutninger. Det er et virkelig stressende og krævende eksempel på, at teknologien har taget sig af alle de nemme optimeringer, så det, der er tilbage, er de komplicerede, kritiske beslutninger med høj indsats.

Det kan være krævende og overvældende. Hvis man bruger eksemplet med flyvelederen, så får de meget træning og arbejder meget med parathed – både den psykologiske og den tekniske side. De har obligatoriske pauser. De forstår den kognitive kompleksitet, som rollen kræver.

Et andet eksempel kommer fra Nikki Helmer, vores produktdirektør. Hun siger, at europæiske eller andre store byer ofte er meget gangbare. Man går til markedet eller til den offentlige transport. For dem af os, der bor i forstæder og er afhængige af biler, har vi ikke længere den naturlige grund til bare at gå udenfor og gå en tur.

Der er ikke rigtig noget inden for gåafstand for mange af os. Jeg kan ikke gå på arbejde, og jeg kan ikke gå til købmanden. Så vi har været nødt til at tilpasse os ved at skabe grunde til at gå ud: Jeg tager i fitnesscenter hver dag, eller jeg stiller et løbebånd op derhjemme. Vi er nødt til at skabe grunde til at rejse os, komme udenfor og få motion.

Det plejede at ske naturligt. Nu er vi nødt til at tænke over det med vilje. Jeg tror, det samme sker med den type krævende arbejde, vi i stigende grad kommer til at stå over for.

David Rice: Det samme gælder, hvordan vi udvikler vores forståelse. Vi taler hele tiden om tabet af arbejde på begynderniveau eller om, at nogle af de lavere opgaver bliver automatiseret.

Men de lavere opgaver gav os ofte konteksten eller baggrundsviden om mekanikken i det, vi lavede. Jeg tror, vi bliver nødt til at være mere bevidste om, hvordan vi tvinger os selv til at opbygge de muskler. Og det kommer til at ske på en meget anderledes måde.

Taylor Blake: Helt sikkert. Det her er måske et dårligt eksempel, men jeg nævner det alligevel. Vi har haft problemer med vores fyr derhjemme, så vi ringer til et HVAC-firma. Man kan kende dem, der kun har fået overfladisk træning og kender ti forskellige typer løsninger, de leder efter. Hvis noget ikke passer ind i en af de ti ting, skal man bare have et nyt fyr.

Så finder man den gammeldags fyr, der arbejder for sig selv og har gjort det i evigheder. Han ved, hvordan alle delene fungerer, og kan bare finde ud af: Nej, du skal bare rense det her og reparere det der. Så er du kørende. De har bare en så god forståelse af hele systemet.

David Rice: Ja.

Taylor Blake: Og det er vi ved at miste. Så det bliver nødt til at være mere bevidst. Vi bliver nødt til at skabe disse muligheder, og jeg er ikke sikker på, om det kun er et spørgsmål om tid, før vi og organisationerne begynder at mærke smerten ved, at vores medarbejdere overfladisk ved, hvad der foregår, men ikke rigtig forstår intuitionen bag alle delene.

For de har ikke været nødt til at lære det på den hårde måde. Så vi bliver helt sikkert nødt til at skabe nogle af disse muligheder.

David Rice: Det er sjovt. Jeg plejede at gå rundt i Home Depot eller Lowe’s og tænke, at der er en analogi til alt herinde, når man er forfatter og arbejder med historiefortælling. Jeg tænkte altid på, hvad man egentlig bruger de her ting til.

Når du siger det, tænker jeg, at vi alle leder efter Gene, den gamle fyr i VVS-afdelingen. Den unge kan fortælle dig, hvor du finder skruenøglen eller måske den type rør, men Gene kan fortælle dig alt om, hvordan du samler det, og hvilke ventiler du har brug for.

Han er bare en guldgrube af information. Det er på en måde det, hele verden – eller alle vores job – er ved at blive til. Jeg tror også, der findes forskning, der viser, at værdien af medarbejdere på seniorniveau med stor dybde af viden og organisatorisk kontekst stiger eksponentielt.

Hvis man vil have AI til at udføre komplekse opgaver, er man nødt til at give den masser af kontekst. Derfor er det interessant, at du nævnte det.

Taylor Blake: Lad mig bare sige, at vi taler så meget om kontekst for AI. Denne AI har et kontekstvindue på en million tokens, og så giver vi den disse dokumenter, så den har kontekst.

Sammenligner man det med mennesker og mængden af kontekst, så har dine medarbejdere så meget kontekst på tværs af mange års erfaring. Så mange ting er udokumenterede og usynlige. Jeg synes virkelig, vi er nødt til at være fortalere for menneskelig ekspertise og menneskelig kunnen.

Meget af det er den kontekst, mennesker bringer med sig til situationer, og som måske er usynlig. Vi har brug for bedre måder at fremhæve, repræsentere og værdsætte det på, for jeg tror, det er enormt værdifuldt.

David Rice: Jeg er enig. Det er værdien af levet erfaring. Måske er det, fordi jeg bliver ældre, men jeg tror ikke altid, vi værdsætter det nok, for det er den største lærer.

AI kan gøre alle mulige ting, men den kan ikke have levet erfaring. Den kan ikke opfange de tavse ting: den måde, direktøren reagerede på noget, eller det ansigtsudtryk, nogen lavede, da noget blev foreslået på et rådhusmøde. Den kan ikke optage alt det og forstå det på den måde, en menneskehjerne kan. Derfor er det uendeligt mere værdifuldt.

Tænk også på dette: Vi plejede at have en blanding af arbejde med lavt og højt pres. Du nævnte balance tidligere. Jeg har tænkt over det, men nu, hvor AI fjerner noget af det nemme arbejde, er der ingen indbygget pause. Vi klager alle over kontekstskift, men nogle gange kan det faktisk være en god ting.

Er vi efter din mening ved et uheld i gang med at designe os frem til udbrændthed? Hvordan modvirker vi det?

Taylor Blake: For det første tror jeg, vi skal forstå, at arbejdet ændrer sig. Der er en politisk serie på Netflix, jeg har glemt hvilken, hvor de taler om, at når beslutninger når op på ledelsesniveau, vælger man mellem to ting.

Det er ikke 80/20. Det er ikke sådan, at dette tydeligvis er det rigtige svar, og dette er det forkerte. Det er snarere 51/49, for hvis noget var så klart som 80/20, ville det blive løst længere nede i organisationen eller systemet. Så når vi taler om højt pres, handler det ikke kun om højt pres, men også om strategisk komplekse ting, hvor der ikke findes et klart svar.

Klare svar vil i stigende grad blive truffet automatisk. Det betyder, at det ikke kun handler om at instruere folk i, hvordan de træffer beslutninger, men også om alt det, der følger efter beslutningen. Man træffer komplekse beslutninger uden et klart rigtigt eller forkert svar, og man skal kunne forklare og begrunde dem. Man skal kunne håndtere frustrationen, når mennesker, der påvirkes negativt af en beslutning, spørger: Hvorfor gjorde du det? Jeg bryder mig ikke om den beslutning.

Så først skal vi forstå, at der følger et stort pres med denne type arbejde. Hvordan afbøder vi det? Vi har talt om parathed og forberedelse og om nye værktøjer til simuleringer og coaching, der kan gøre folk klar.

Men der kan også komme større fokus på teamet. Det gør man faktisk også med flyveledere. Der er en teamdynamik, hvor man deler ansvaret, så man kan støtte hinanden. Vi kommer måske til at se flere modeller med teamstøtte, så det ikke hele tiden falder på én person.

For det er en opskrift på, at alt det pres fører til udbrændthed, og det ønsker ingen.

David Rice: Vi er alle nødt til på en eller anden måde at tage ansvar for at indbygge lidt luft i vores system, ikke? Man skal vide, hvornår presset bliver for højt, og især i lederstillinger skal man kunne lede gennem disse overgange.

Vi vil ikke udflade alles følelsesmæssige kapacitet. Hvordan vil du forholde dig til, hvad der sker, når mere og mere af arbejdet bliver beslutningstagning med høj indsats og højt pres? Det bliver en vedvarende udfordring. Men jeg synes, vi i de senere år har haft en langt sundere samtale om ting som balance mellem arbejde og privatliv, mental sundhed og alt det andet.

Det er tid til at bruge det, vi har lært af de samtaler, i denne situation.

Taylor Blake: Ja, og jeg tror, vi kommer til at se bagsiden. Der har været et stort fokus på effektivitet og på at gøre mere med mindre. På overfladen kan AI håndtere meget. Men bag kulisserne – og det er også folks levede erfaring – gør AI så meget mere for mig, og alligevel føler jeg mig mere travl end nogensinde.

Overfladen af undtagelser, beslutninger og ting, der skal afklares, vokser bare. Vi kommer helt sikkert til at se konsekvenserne af dette fokus på effektivitet og optimering. Man kan ikke optimere alt og forvente, at systemet forbliver sundt.

Der er så mange usynlige variabler, som optimeringen ikke tager højde for, netop fordi de ikke er synlige. På et tidspunkt bryder de sammen, og så opdager man, at systemet skal repareres.

David Rice: Helt sikkert.

Du arbejder i et område, hvor det mange steder opmuntres til at fejle hurtigt. Men når man eksperimenterer i virkelige organisationer, påvirkes virkelige mennesker. Hvordan skaber man plads til både ambition og ansvar? For i nogle tilfælde bliver vi meget ambitiøse og lidt hensynsløse.

Har der for nylig været et øjeblik, hvor den spænding viste sig for dig?

Taylor Blake: En af grundene til, at vi laver eksperimenter, er, at vi ikke vil eksperimentere inde i vores kunders organisationer med virkelige mennesker, der bare prøver at udføre deres arbejde. Vi forsøger at trække de ting, vi tester, ud og gøre det på mindre og mere afgrænsede måder.

Så vi forsøger faktisk at eksperimentere for at reducere risikoen. Men når det handler om spændingen mellem en verden, der bevæger sig hurtigt, ambitioner og følgevirkningerne af alt dette, er der et eksempel, der står særligt tydeligt for mig.

Det handler ikke nødvendigvis om arbejde, men om AI-brug generelt. Det handler om mine børn. Min ældste datter er ti år. Sidste sommer byggede hun en sommerfuglehave i vores baghave. Hun undersøgte, hvilke planter hun skulle bruge, og hvordan hun kunne skabe et område, der tiltrak sommerfugle. Det var et sødt og rigtig godt projekt for hende.

Hun undersøgte en masse, og jeg lod hende bruge AI til at vise den sin sommerfuglehave og få råd om, hvordan hun skulle passe forskellige planter. Men så kom hun til mig og sagde: Må jeg låne din telefon? Jeg vil tale med AI igen. Jeg spurgte, hvad hendes spørgsmål var, og hvorfor hun havde brug for at tale med den. Hun sagde: Jeg har ikke et bestemt spørgsmål, men den er bare så sød ved mig. Den siger så mange søde ting til mig, at jeg bare gerne vil tale med den.

For mig var det som alarmklokker: Hvilken slags relation er der ved at opstå her, som jeg ikke havde forudset? Min datter leder ikke efter min bekræftelse eller min kones bekræftelse. Hun er nu så optaget af at få bekræftelse fra AI og håber, at den vil sige søde ting til hende.

Det minder mig om, at selv tilsyneladende enkle anvendelser kan have så mange følgevirkninger og konsekvenser, som er svære at forudse. En af de ting, jeg skal blive bedre til, er at lade mit team udfordre idéerne.

Vi forsøger at finde på nye, store og ambitiøse idéer, og vi bliver begejstrede for dem. Men så skal de igennem mange runder med spørgsmål som: Tænkte du på dette? Hvorfor gør du det på den måde? Det kan føles, som om alle prøver at finde huller i idéen, men det er egentlig bare en forædlingsproces.

Tingene skal vurderes kritisk fra så mange forskellige vinkler, før vi er trygge nok til at lancere dem. Rejsen fra en idé, vi er meget begejstrede for, til at gennemarbejde den grundigt, så vi er trygge ved at sende den ud, er bestemt interessant.

David Rice: Jeg elsker, at I indbygger det, for det fungerer som en etisk sikkerhedsramme at have den samtale. Vi er nødt til at stille os selv nogle virkelig svære spørgsmål.

Når vi bygger ting med denne teknologi, kan vi gøre det uden at være filosofiske, men jeg tror, det er bedre, hvis vi ikke gør det. Mange af de ting, vi bygger, ændrer menneskers hverdag og den måde, de interagerer med ting, der betyder meget for dem.

Eksemplet med din datter er meget fascinerende. Jeg ser også mere og mere af det. Jeg elsker, at I har de samtaler internt og spørger: Hvad er det, vi ikke tænker på? For jeg tror, det er noget, vi alle er nødt til at begynde at gøre.

Taylor Blake: Der er helt sikkert blinde vinkler. Når folk gør dig opmærksom på dem og siger: Det, du har bygget, er godt, men det havde denne negative effekt eller konsekvens, som du ikke havde tænkt på, så skal man forvente, at sådanne ting vil opstå.

Man skal være åben over for dem og finde måder at indarbejde dem i designprocessen. Jeg vil også sige, at jeg gerne vil have de eftertænksomme og bekymrede mennesker med i processen. Hvis de eneste, der bygger AI-værktøjer, er mennesker, der antager, at AI ikke har negative konsekvenser, bliver det en katastrofe.

Vi har brug for de eftertænksomme og bekymrede mennesker, som i lige så høj eller endnu højere grad tænker over de mulige ulemper. De skal ikke bare ignorere teknologien, men deltage i processen og forhåbentlig hjælpe os med at skabe ting, der er gennemtænkte og ansvarlige.

David Rice: Taylor, tak fordi du ville være med i dag. Jeg har virkelig nydt at have dig med.

Taylor Blake: Mange tak for muligheden. Det har også været nyttigt for mig. Vi talte om refleksion, og dette gav mig mulighed for at reflektere over nogle af de ting, jeg har tænkt på, så det sætter jeg virkelig pris på.

David Rice: Kære lyttere, hvis I ikke allerede har gjort det, så gå ind på peoplemanagingpeople.com/subscribe. Tilmeld jer nyhedsbrevet. Så får I alle de seneste opdateringer, alt det, vi laver, fra arrangementer og podcasts til kommende indholdsserier – you name it.

Indtil næste gang: Test, men stil dig selv de svære spørgsmål.