Hvordan beviser du AI-ROI, når afkastet kun er 1 %?

David Rice: Kun 17 % af organisationerne har overhovedet implementeret AI-agenter. Tallet for flere afdelinger ligger omkring 3 %. JLL er holdt op med at tælle sine. I dagens udsendelse taler jeg med Carlin Power, global vicepræsident for AI og aktivering af platformteknologi hos JLL, om hvad de øvrige 97 % snart skal lære.

JLL eksperimenterer nemlig ikke med agenter. De kører dem i produktion på tværs af facility management, brandkommunikation og virksomhedsfunktioner i hele organisationen, og erfaringerne herfra er ikke primært tekniske. Det første, der brød sammen, var ikke teknologien, men ROI-samtalen. Hvordan retfærdiggør man omkostningerne ved det mest grundlæggende?

Hvordan sætter man sig foran sin økonomidirektør og siger: "Vi får måske et afkast på 1 % af det her"? Powers svar var at føre værdiskabelsessamtalen tilbage til det sted, hvor den hører hjemme: i det resultatregnskab, der træffer investeringsbeslutningen. Hvis en forretningsleder forsøger at vækste og øge sin andel af kundernes samlede indkøb med 20 %, bliver AI en del af den samtale i stedet for en hammer, der leder efter et søm.

Spørgsmålet om den tidlige karriere fortjener også fokus i dette emne. Stanford-forskningen trækker en skarp grænse. Når AI automatiserer, falder ansættelsen af medarbejdere på begynderniveau. Når AI udvider menneskers arbejde, fastholdes eller vokser beskæftigelsen. JLL traf et bevidst valg, og de praktikanter, de for nylig har rekrutteret, præsenterede afsluttende projekter på et så højt niveau, at Power, hvis hun ikke havde fået det at vide, ikke ville have gættet, at de ikke havde været tre eller fire år inde i deres karriere.

I dag gennemgår vi derfor, hvad der adskiller agenter, der overlever, fra de 40 %, som Gartner forventer bliver annulleret inden 2027, hvorfor det er vigtigere at formulere ROI korrekt end selve teknologien, hvordan man opbygger AI-kompetencer i 80 lande uden at miste lokal relevans, og hvad en personalechef uden agenter i produktion bør gøre i måned et til tre, når de ruller dem ud.

Jeg hedder David Rice. Dette er People Managing People, og hvis din organisation stadig forsøger at finde ud af, hvor den skal begynde med agenter, giver denne samtale dig en praktisk plan fra en person, der allerede er langt forbi det spørgsmål. Lad os komme i gang.

Velkommen til podcasten People Managing People. Som altid er jeg din vært, David Rice, og i dag har jeg selskab af Carlin Power. Hun er global vicepræsident for AI og aktivering af platformteknologi hos JLL. Mange organisationer eksperimenterer med AI-agenter, men I har faktisk implementeret nogle med succes. Ikke?

Carlin Power: Jo, det har vi ...

David Rice: Vi skal tale lidt om det og om nogle af de erfaringer, I har gjort jer.

Det første spørgsmål, jeg gerne vil stille dig, handler om, at jeg så en Gartner-undersøgelse blandt CIO'er, der sagde, at kun 17 % af organisationerne overhovedet har implementeret agenter.

Carlin Power: Ja.

David Rice: Og jeg tror, tallet for flere afdelinger er 3 % eller noget i den stil, ikke? Ja, ja. Det er virkelig lavt.

Carlin Power: Ja.

David Rice: Så mange er helt i begyndelsen af det her. Og I har lanceret, jeg—det seneste tal, jeg så, var omkring 34. Jeg tror, I er over det nu.

Carlin Power: Ja. Vi vokser. Jeg tror faktisk, vi er holdt op med at tælle.

David Rice: I er bare holdt op ... Mit første spørgsmål til dig er derfor: Hvad ved du nu, som de øvrige 97 % snart skal lære?

Carlin Power: Det går faktisk tilbage til nogle beslutninger, vi traf i begyndelsen. Vi havde investeret i det, vi kalder JLL Falcon, som er et smart varemærke for en samling AI-funktioner og API'er, som alle vores softwareudviklere kunne bruge omkostningseffektivt til at implementere AI-funktioner i både helt ny teknologi og eksisterende teknologi, som allerede var på markedet.

På grund af det, og fordi vi kunne decentralisere innovationen blandt alle vores ingeniører, begyndte de langt hurtigere at opbygge kompetencer i at udvikle og implementere ting som agenter. Vi har for eksempel agenter i vores facility management-forretning, der optimerer arbejdsordrer og hjælper med at planlægge, hvordan teknikere sendes ud til lokationer for at udføre deres arbejde.

Vi har brand-agenter, der tilpasser vores PowerPoint-præsentationer og vores tone of voice til både intern og ekstern kommunikation hos JLL. Og for omkring halvanden måned siden implementerede vi Ask JLL, som er en samling agenter, hvor alle vores domæneeksperter på tværs af virksomhedsfunktionerne hjælper medarbejderne med at få support.

På grund af denne decentralisering på tværs af alle ingeniørteamene bygger vi agenter til specifikke forretningsproblemer—ja ... med meget konkrete ROI-resultater for øje.

David Rice: Er det en del af forklaringen på, at det er lykkedes? Du nævnte den specifikke karakter. Er det noget af det, der har gjort det succesfuldt—at I ikke forsøger at løse noget generelt, men er meget specifikke?

Carlin Power: Ja. Vi har også generelle agenter og AI-værktøjer til bred anvendelse. Vi har en generel AI-assistent, som vi kalder Pulse, lidt kærligt ... Den gennemgår alle vores chats, e-mails og delte dokumenter. Den fungerer lidt som en administrativ assistent, der virkelig fjerner meget af byrden ved de administrative og taktiske opgaver, man skal udføre i et vidensarbejde.

Så vi har med vilje implementeret nogle generelle funktioner, men ja, det reelle afkast, for de ting er mere det, jeg vil kalde det mest grundlæggende, ikke? Ja, netop. Det er noget, alle vores medarbejdere skal have adgang til, hvis vi skal kunne konkurrere på markedet.

Alle de agenter, der implementeres af vores softwareudviklingsteams for at understøtte en bestemt forretningslinje eller virksomhedsfunktion, løser specifikke forretningsproblemer, som driver vores resultater fremad, og det er afstemt hele vejen op gennem flere organisatoriske niveauer.

David Rice: Tag mig tilbage til agent nummer et. Hvad brød sammen, som ikke var teknisk? Var det tilladelser og ejerskab eller—

Carlin Power: Ja ...

David Rice: en persons jobbeskrivelse, i bund og grund?

Carlin Power: Ja, agent nummer et—hold da op. Det er faktisk Pulse, altså ... også kendt som JLL's arbejdsværktøjer, fordi vi nu leverer det via en MCP eller, med det smarte ord, en forbindelse direkte ind i en agent og ind i strukturerede data.

Jeg tror faktisk ikke, at det var noget teknisk, der brød sammen. Det handlede mere om, hvordan vi skulle retfærdiggøre omkostningen i forhold til ROI. Jeg talte med dig om det mest grundlæggende, ikke? Det er en ret svær samtale, når man kun ser effektiviseringstal på 1-3 % ... hvor det er svært at sætte sig foran sin økonomidirektør og sige: "Jeg synes, vi skal gøre det her, men vi får måske et afkast på 1 %." Så i begyndelsen forsøgte vi at finde ud af, hvordan vi skulle formulere værdien af det mest grundlæggende. Hvordan formulerer vi værdien af en bestemt agent?

Og skal det være en standard, vi opstiller for udviklingen? Hvordan sikrer vi, at hver eneste udvikler i organisationen kan sige: "Jeg vil levere denne agent for at løse dette problem, som tidligere kostede os X i arbejdskraft eller leverede X-resultat. Men nu kan vi måske arbejde fem gange så hurtigt, skabe en ny indtægtslinje, øge vores markedsandel eller øge vores andel af kundens samlede indkøb?"

Når man får teamene til at tænke på den måde, bliver det langt enklere at retfærdiggøre ROI. Det var det første sted, hvor folk spurgte os: "Hvornår skal man bruge det? Hvordan skal man bruge det? Hvad er ROI?" Og vi svarede: "Godt spørgsmål."

David Rice: Det er interessant, at du nævner at normalisere det. Var der også en standardisering af sproget eller en fælles forståelse af, hvad der kvalificerer som ROI ... for de mennesker, der ville gøre den slags? For jeg kan forestille mig, at folks fantasi kan løbe lidt af med dem.

Man må kunne sige: "Det er faktisk ikke reel forretningsværdi."

Carlin Power: Heldigvis har vi nogle fantastiske økonomifolk i organisationen. Og selv om det er en central funktion, er den decentraliseret i forhold til, hvordan de er placeret i vores forretningslinjer og funktioner.

Vores økonomiteam har brugt meget tid på at overveje, hvordan vi giver teamene rammer til faktisk at føre en ROI-samtale og opstille en ROI-formel. Det er stadig under udvikling. Jeg vil ikke sige, at vi har svaret, for hvis jeg havde det, ville jeg sige op og starte et konsulentfirma til en milliard dollar fra den ene dag til den anden, ligesom alle andre ville gøre, men ...

David Rice: Ja ...

Carlin Power: Jeg mener, at det handler om at føre samtalen om værdi tilbage til det sted, hvor den hører hjemme: i det resultatregnskab, der træffer beslutningen om investeringen. Hvis en forretningsleder siger: "Vi skal øge vores andel af de ti største kunders samlede indkøb med 20 %," er AI nu en del af den samtale i stedet for at være en hammer, der leder efter et søm.

David Rice: Gartner forventer, at 40 % af projekter med agentbaseret AI bliver annulleret ved udgangen af 2027. Mit spørgsmål er: Når du ser på de agenter, I har bygget, hvad gør dig sikker på, at de er robuste og fortsætter efter det tidspunkt?

Carlin Power: Igen hænger det sammen med vores beslutning om at implementere JLL Falcon og med den decentrale beslutningstagning i vores ingeniørfunktioner, som nu er knyttet til KPI'er for forretningslinjerne.

Vi bygger ikke noget—eller forsøger i hvert fald ikke at bygge noget—der ikke har en målbar ROI eller en konkret besparelse. Derfor bliver samtalen meget enkel, når man ser på de AI-agenter, der klarer sig godt eller dårligt. Opfylder de deres mål, ligesom en medarbejder skal opfylde sine forretningsmål?

Gør teknologien og agenten det, vi forventede? Realiserer den de fordele, vi forventede? Hvis ikke, hvorfor ikke, og skal vi fortsætte med at investere? Der bør derfor jævnligt være en stop-, start- eller fortsæt-samtale om alle de agenter, man implementerer i organisationen.

David Rice: Du nævnte decentral beslutningstagning. Var det noget, I byggede ind fra starten? Var det en del af jeres processer, før I begyndte på alt det her?

Carlin Power: Fundamentet for vores AI-strategi er vores virksomhedsdat lag. Vi har brugt de seneste fem-seks år, under ledelse af vores teknologidirektør Yao Moran, på at opbygge datakompetence og sikre nøjagtighed, kvalitet og relevans i alle vores data, grundlæggende i vores centrale datalager.

Hvert eneste stykke data, vi har i JLL, kommer ind i vores centrale datalager. Derefter definerer en række styringsfunktioner, hvad dataene er, hvad de er relevante for, hvem de er relevante for, og hvordan folk får adgang til oplysningerne. Vi har altså et meget robust datalag i bunden, og oven på det ligger JLL Falcon.

Når vi taler om MCP eller forbindelsen, går den direkte ind i vores centrale datalager og henter de data, der er relevante for den bruger, der anvender dem. Det er vores skaleringsfunktion, både i forhold til omkostningseffektivitet og datakvalitet.

Derudover har vi en medarbejderdrevet AI-strategi og en centralt drevet AI-strategi. Det er i den centralt drevne strategi, at den decentralisering, jeg har talt om, finder sted. Hver forretningslinje og virksomhedsfunktion har teknologiske initiativer, der skal levere den differentiering, vi har brug for på markedet.

Den medarbejderdrevne strategi handler om at gøre mennesker internt i organisationen i stand til at bruge vores værktøjer og udvikle interne AI-kompetencer. Det er vores aktiveringsfunktion. Så vi har fundamentet, som er vores data.

Vi har skaleringsfunktionen, som er JLL Falcon-platformen. Vi har differentieringsfunktionen, som er den centralt drevne strategi, og aktiveringsfunktionen, som er den medarbejderdrevne strategi. Det hele samles i vores tre forretningsresultater: at skabe kundeværdi, frigøre fremragende drift og fremme innovation.

Det er efter min mening centralt for, at det er lykkedes. Men for at besvare dit spørgsmål: Var den decentrale beslutningstagning bevidst? Ja, det var den. Traf vi beslutningen med det samme? Det kan jeg ikke huske. Men endte vi der? Absolut.

David Rice: Jeg har set Stanford-forskning, der trækker en skarp grænse: Når AI automatiserer opgaver, falder ansættelsen på begynderniveau. Når AI udvider arbejdet, fastholdes eller vokser beskæftigelsen.

Når man ser på 34 agenter eller flere nu, hvilken side af den grænse mener du, at I er landet på? Og var det en beslutning eller et resultat?

Carlin Power: Hvis en virksomhed fokuserer på effektivitet og produktivitet, og resultatet derfor er at reducere arbejdsstyrken, især medarbejdere tidligt i karrieren, mener jeg, at det afspejler en umodenhed i virksomhedens samlede AI-strategi og samarbejdsmodel.

Det var aldrig vores bevidste plan at sige: "Nu fjerner vi alle disse omkostninger fra organisationen og nedlægger 40 % af jobbene." Det var meget af det, de på hovedscenen i morges kaldte skræmmekampagner.

Det føles som en alt for ekstrem holdning, og jeg tror også, den er kortsigtet. Det kan faktisk være meget skadeligt for en organisations succes helt at afskære sig fra talenter tidligt i karrieren.

David Rice: Ja.

Carlin Power: Sidste mandag sad jeg sammen med vores praktikanter inden for indkøb og sourcing, og de præsenterede deres afsluttende projekter. Mange af dem havde brugt vores interne værktøjer og nogle af de avancerede laboratorier, vi samarbejder med.

Hvis chefen for sourcing og indkøb ikke havde fortalt mig, at de var praktikanter, ville jeg have troet, at de havde været tre-fire år inde i deres arbejdsliv. De havde en utrolig dyb forståelse af meget komplekse problemer inden for sourcing og indkøb, de kendte de kundekonti, de arbejdede med, og de kunne forbedre, hvor mange aktiver vi har under forvaltning, og hvor mange kontrakter vi administrerer.

Jeg lærte faktisk ting. Jeg var helt overvældet af, hvad de kunne gøre på så kort tid, og endnu mere overvældet, da vores chef for sourcing og indkøb til sidst sagde: "I har alle sammen et job her hos JLL, hvis I vil have det."

Det er et godt eksempel på, at vi ikke bør skære disse stillinger for medarbejdere tidligt i karrieren væk. Vi bør opstille helt andre forventninger til, hvad vi får ud af talenter tidligt i karrieren.

Vi har derfor gentænkt vores strategi for medarbejdere tidligt i karrieren omkring projektbaserede afsluttende opgaver, der virkelig skaber værdi gennem de praktikprogrammer, vi har hos JLL.

Jeg tror, det handler om umodenhed, og at virksomhederne til sidst når dertil. Jeg vil advare virksomheder mod at fjerne denne tidlige karrierestige, for jeg tror, at en stor del af innovationen de næste tre-fem år kommer derfra.

David Rice: Jeg er glad for, at du siger det, for jeg har længe været fortaler for det. Det med afsluttende projekter minder mig næsten mere om en læreplads.

Carlin Power: Ja.

David Rice: Vi tænker på praktikophold, og jeg kan huske, da jeg selv havde et på universitetet ... Det var ret kedeligt.

Der fulgte ikke ret meget ansvar med. Det var lidt sådan ...

Carlin Power: Jeg tror, jeg tog telefonen og ordnede arkivering.

David Rice: Præcis. Det var ikke særlig dybtgående. Jeg gik ikke derfra og tænkte: "Det var da vigtigt."

Carlin Power: Ja.

David Rice: Du ved ...

Carlin Power: Sæt det på mit CV.

David Rice: Ja, det gjorde jeg. Men lærepladsmodellen handler om, at man faktisk lærer og udfører arbejdet.

Carlin Power: Netop.

David Rice: Og man gør det på et niveau, hvor de, som du siger, lød som om de havde været tre-fire år i arbejdslivet.

Carlin Power: Det overvældede mig, og det hjalp mig med at sætte en ny standard og lære organisationen, hvad vi bør forvente af vores talenter tidligt i karrieren.

Jeg håber også, at det skaber en organisatorisk kompetence omkring, at vi nok også bør forvente langt mere af vores erfarne medarbejdere. Vi har undervist vores ledere i det, jeg vil kalde en udvikling af deres værdiforslag. De deltager i et træningsforløb med flere moduler, og man ville blive overrasket—eller måske ikke—over, hvor svært det var for dem at formulere deres nuværende værdiforslag til virksomheden.

Vi spørger dem: Når hele jeres team bliver understøttet, forbedret eller erstattet af AI, hvad vil I så gøre med den værdi? Hvordan genvinder vi værdien gennem højere kapacitet, bedre leverancer, mere tid med kunderne eller mere tid til at opbygge fremtidige indtægtsområder?

David Rice: Når man siger "mennesker først", har man brug for et instrument, ellers er det bare ord eller et slogan. Jeg er nysgerrig: Hvad er jeres instrument? Hvordan skelnede I mellem anvendelse, efterlevelse og mennesker, der blot forsøgte at omgå systemet?

Carlin Power: Det var endnu en meget tidlig og bevidst beslutning.

Vi brugte en betydelig del af vores budget på medarbejdere inden for engagement og aktivering, som fra begyndelsen hjalp alle vores medarbejdere med at opbygge et niveau af AI-kompetence. Det omfattede alt fra at introducere dem til nye værktøjer og give dem det grundlæggende i, hvordan generativ AI fungerer, til at forklare, hvordan vi beskytter deres data og kundernes data.

Vi hjalp dem med de spørgsmål, der opstod i begyndelsen: Hvad sker der, når jeg uploader en kundes resultatopgørelse til en GPT? Svaret var: Vi har bygget det, så det er sikkert og afskærmet, men du skal stadig bruge din sunde fornuft.

Vi hjalp dem også med balancen mellem, hvad man kan stole på, at generativ AI gør, og hvad man ikke kan stole på. En metode med tillid, men kontrol. Når det blev indarbejdet tidligt, hjalp det medarbejderne med hurtigere at tage mere avancerede funktioner i brug, efterhånden som de kom.

Vi byggede værktøjer, rullede dem ud og underviste folk i dem. Vi oprettede også et ambassadørprogram, der kunne tilpasse vores kurser til de forskellige roller og profiler i alle forretningslinjer og virksomhedsfunktioner, fordi vi er en enorm virksomhed, der arbejder i 80 lande.

Der er mange ting, der skal overvejes lokalt, og som en central funktion ikke er designet til at understøtte i stor skala. Derfor måtte vi have hjælp fra eksperterne inden for de forskellige områder til at opbygge det næste niveau af kompetencer, som vores teams havde brug for, hvis de selv skulle begynde at innovere.

David Rice: Vi er ved at løbe tør for tid, men før jeg lader dig gå, vil jeg stille dig et hypotetisk spørgsmål ... Jeg elsker hypotetiske spørgsmål.

Carlin Power: Ja.

David Rice: Forestil dig en personalechef, der endnu ikke har en eneste agent i produktion, men hvis bestyrelse begynder at lægge pres på vedkommende. De vil se fremskridt og spørger, hvorfor der ikke sker noget. De har 12 måneder og et budget.

Hvad gør de i måned et til tre for at komme i gang, og hvad er det første, de vil være fristet til at gøre, som du måske vil sige: "Lad være, det er lidt spild af tid"?

Carlin Power: Det første er at samle en gruppe mennesker, som man er tryg ved at lade eksperimentere på tværs af organisationen. Jeg er ikke sikker på, at jeg ville gå direkte efter fuldskalaudrulninger, men domæneeksperter fra forretningslinjer og virksomhedsfunktioner, som er teknisk velfunderede, kan hjælpe med at definere reelle anvendelsesområder, hvor selv eksperimentering giver positiv netto-ROI.

Hvis man forsøger at gå meget bredt ud på én gang, påfører man sig store omkostninger. Hvis man ikke internt har mennesker, der både forstår de forskellige forretningsområder og AI, får man bare omkostningerne til at eksplodere, og det, vi har talt om, begynder at ske.

Byg succes op omkring nogle få anvendelsesområder, skalér dem, og brug derefter ROI'en til at geninvestere i flere eller mere horisontale, generelle værktøjer til organisationen. Det er afgørende. Den anden del er aktiveringsfunktionen, altså kompetencerne.

Man skal gøre medarbejderne trygge ved at bruge værktøjerne og give dem incitament til at anvende dem. Noget, jeg ofte fremhæver og er meget taknemmelig for, er vores administrerende direktør, Christian Ulbrich, som satte visionen og gav folk mulighed for at bruge AI. Han opstillede globale KPI'er for kompetencer, anvendelse og brug.

Der var ingen straf for at bruge værktøjerne. Det var ikke sådan: "Nå, du har fundet ud af, hvordan du automatiserer din afdeling? Fint, så afskediger vi alle." Det narrativ fandtes aldrig hos JLL. Det handlede om, at vi skulle bruge AI til bedst muligt at betjene vores kunder og bedre støtte vores medarbejdere.

Alle vores ledere skulle derfor både opstille KPI'er for resultaterne og være rollemodeller for adfærden. Vores administrerende direktør var meget klar: Alle skal bruge AI-værktøjer, og jeg måler på det. Hvis medarbejderne ikke ser dig bruge værktøjerne, føler de sig ikke trygge eller bemyndigede til selv at bruge dem.

Han ønskede, at innovationen skulle komme nedefra, lige så meget som han ønskede, at rollemodelleringen skulle komme ovenfra. Mit råd til enhver leder på øverste niveau er derfor: Vær selv rollemodel for adfærden, og afstem incitamenterne med den adfærd, du ønsker at se i organisationen.

David Rice: Tak, fordi du ville være med i dag. Carlin Power, mine damer og herrer. Vi ses næste gang.

Carlin Power: Tusind tak.

David Rice: Kære lyttere, hvis I ikke allerede har gjort det, så gå ind på peoplemanagingpeople.com/subscribe. Tilmeld jer nyhedsbrevet. I får denne podcast og alt andet, vi skaber, direkte i indbakken.

Vi ses næste gang.