Hvorfor AI-transformation starter med organisatorisk klarhed

David Rice: Ingredienserne til at opnå ROI fra AI har meget lidt at gøre med teknologien. Det er ikke et forbehold. Det er det, dagens gæst har lært af at bygge hos Zapier og tale med over 150 ledere på tværs af brancher. Alle stiller det samme spørgsmål: Hvad er mest værd at gøre med AI? Og det kan man ikke besvare uden organisatorisk klarhed. Hvad prøver vi faktisk at opnå her? Hvad kræver fremragende resultater? Hvis et team ikke har fuld klarhed over de spørgsmål, er det dér, man skal begynde – ikke med værktøjerne.

I dagens program taler jeg med Zapiers direktør for medarbejdere og AI-transformation, Brandon Sammut, om hvad der adskiller organisationer, som rent faktisk får værdi ud af AI, fra dem, der stadig arbejder uden at komme videre. Det vender hele tiden tilbage til det grundlæggende. Folk ser konkurrenter afskedige medarbejdere. Der er frygt og usikkerhed overalt. Og de ledere, der skaber betingelserne for, at godt arbejde kan opstå, er dem, der sætter ord på det åbent – uden at forsøge at forskønne det og uden at lade som om, der findes et perfekt svar.

I dag taler vi derfor om, hvorfor klarhed over formålet er vigtigere end en AI-strategi, hvad reel eksperimentering kræver, og hvorfor den bliver ved med at mislykkes, hvordan AI-coaching ændrer den måde, folk modtager feedback på, og hvorfor de bedste arbejdsgivere i det næste årti vil blive kendt for, hvordan de udvikler mennesker.

Jeg hedder David Rice. Dette er People Managing People. Og hvis jeres organisation stadig tager udgangspunkt i teknologien i stedet for den klarhed, der skal ligge bag den, viser denne samtale, hvad der står i vejen. Lad os komme i gang.

Brandon, velkommen til programmet.

Brandon Sammut: Hej David. Det er godt at være med.

David Rice: Der er meget snak om, at AI forandrer organisationer, men nogle gange spekulerer jeg på, om vi næsten giver teknologien for meget kredit.

Det virker i mange tilfælde, som om AI blot synliggør ting, der allerede var sande om en virksomhed. Men den hjælper også med at opbygge nye måder at arbejde sammen på uden, at mennesker behøver at stå for hele redesignet. Jeg er nysgerrig: Når du ser på organisationer, der lykkes med AI-transformation, hvad ændrer de så ved den måde, mennesker arbejder sammen på, som andre overser?

Brandon Sammut: David, jeg vil sige, at jeg er enig i din præmis om, at mange af ingredienserne til at opnå ROI fra AI har meget lidt at gøre med teknologien. Vi kan begynde dér. Det, jeg mener med det, bygger dels på det, vi lærer hos Zapier, og dels på, at jeg har talt med over 150 andre ledere, der bygger virksomheder af alle slags over hele verden – ikke kun inden for teknologi.

Jeg talte tidligere på ugen med en kollega fra en virksomhed inden for skovdrift. AI-muligheden gælder for alle, men det, der skal til for at gøre den virkelig, begynder med ting, der ikke har noget med teknologien at gøre. En af de mest grundlæggende ingredienser er, hvis man tænker over det, at ledere er tydelige om, hvad de og deres virksomheder overhovedet prøver at opnå.

Grunden til, at jeg ikke længere kan overse det, er, at AI er en teknologi, og som teknologi er den et middel til at få noget gjort. Man kan gøre en masse med AI, og til en vis grad er det ved siden af pointen. Det spørgsmål, mange ledere tænker over lige nu, er: Hvad er mest værd at gøre med AI?

Og for at besvare det spørgsmål skal man have stor organisatorisk klarhed over, hvad det egentlig er, vi prøver at opnå som team, og hvad fremragende resultater kræver. Hvis et team i dette øjeblik ikke har fuld klarhed over det spørgsmål, er det dér, man skal begynde.

David Rice: Det er interessant, at du siger det, og jeg tror, det er en stor del af udfordringen for mange organisationer.

Ledelsen ønskede denne teknologi. De vil have de konkurrencemæssige fordele, men i mange tilfælde ved de faktisk ikke, hvad de skal stille op med den. Jeg er nysgerrig: Begynder du at se, at det ændrer sig? Vi er nu tre et halvt år inde i denne samtale. Teknologien har naturligvis ændret sig en del i den tid.

Begynder du at se ledere få en tydeligere idé om, hvad der skaber høj værdi, og hvilket arbejde der er nødvendigt at udføre med AI?

Brandon Sammut: Jeg tror, det er begyndt at ske. Ja. Og hvis du kan tro det, David, har det på nuværende tidspunkt næsten været fire år – ikke helt, men tre et halvt år – siden ChatGPT 3.5 blev lanceret, hvilket var en af de første versioner, der for alvor fangede offentlighedens opmærksomhed.

Så ja, det har faktisk været det meste af fire år på nuværende tidspunkt. Og ja, jeg ser det samme som dig. At tage AI i brug begynder med klarhed over formålet, som vi talte om tidligere. Det kræver også det, du peger på, nemlig det, man kunne kalde et overblik over mulighederne, fordi det giver en fornemmelse af udbud og efterspørgsel.

Hvor kræver vi fremragende resultater af os selv, selv om vi endnu ikke er gode til det? Og hvilket udbud af idéer eller nye måder at arbejde på kan vi sammensætte for faktisk at bevæge os fra godt til fremragende? I nogle tilfælde får folk simpelthen en bedre fornemmelse for det gennem det, andre deler, samtaler med kolleger og lignende.

Jeg tror, dette er en af de perioder, hvor måden, arbejdet fungerer på, ændrer sig så hurtigt, at fordelene ved at tilbringe tid uden for organisationens fire vægge – tale med kolleger og læse om, hvad andre gør eller tænker – er endnu større end normalt. Vi kan lære utrolig meget af det, der foregår uden for vores egen virksomhed.

David Rice: Helt sikkert. Alle ledelsesteams siger, at de ønsker innovation, ikke? Alle virksomheder siger, at de ønsker, at folk eksperimenterer med AI. Men jeg taler med nogle ledere, og de har svært ved, at medarbejderne tøver med at prøve ting, dele fejl og udfordre den eksisterende måde at arbejde på.

Hvorfor er eksperimentering efter din mening så vanskelig, når organisationen i alle disse tilfælde hævder at værdsætte den?

Brandon Sammut: Der er et par ting. For det første, hvis vi vender tilbage til det, vi begyndte med, kræver god eksperimentering en stærk hypotese, og en stærk hypotese bør være forankret i et spørgsmål, som organisationen virkelig har brug for at besvare.

Nogle gange ser jeg eksperimentering bryde sammen, fordi det spørgsmål, hypotesen skal baseres på, er uklart. Det bliver som at spørge: Eksperimenterer vi med hvilket mål for øje? Det skal være helt præcist. Og indsatsen for at lykkes skal være tilstrækkelig høj.

På medarbejderteamet hos Zapier kunne vi for eksempel rette vores opmærksomhed mod at eksperimentere med at løse næsten ethvert tænkeligt problem inden for talent eller kultur. Men ikke alle disse problemer er nødvendigvis en særlig god anvendelse af teamets tid og energi. Derfor handler det om klarhed – ikke kun over, hvilke spørgsmål der kan besvares, men også over hvilke spørgsmål der er vigtigst at besvare.

Det begynder dér, for så styrker det både hypotesen og evnen til at blive ved med at arbejde videre. Jeg tror, mange organisationer lige nu har svært ved AI, fordi det svarer til at krydse en kløft. Man prøver at finde ud af, hvordan man bygger en bro fra den ene side af en kløft til den anden.

Det kræver meget arbejde at bygge broen, og bagefter skal man gå over den. Samtidig har man på denne side af kløften en virksomhed, der skal drives på den måde, man gør i dag, og det skaber konkurrerende prioriteter. Alt, der er mindre end en reel prioritet på niveau med “det her skal vi finde ud af sammen”, ender derfor nederst på to-do-listen.

En måde, organisationer kan hjælpe med dette som en del af en stærk eksperimenteringskultur, er at afgrænse mennesker og ressourcer til eksperimenteringen. I stedet for blot uklart at bede et helt team om at eksperimentere, kan man være konkret. Lad os sige, at vi i et talentrekrutteringsteam på ti personer siger: “Vi har et stort problem med, at antallet af ansøgninger stiger voldsomt, fordi alle bruger AI til at søge job. Derfor kan vi ikke gennemgå en meningsfuld del af ansøgerne.

Vi tror, vi overser gode kandidater undervejs. Vi vender ikke tilbage til kandidaterne så hurtigt, som vi har lovet. Vi er nødt til at løse det problem.” AI kan måske være en del af løsningen. Det er fint. Men hvis jeg som leder for talentrekruttering bare sagde det til alle ti personer i teamet, ville jeg få ti mennesker, der løber rundt hver for sig og forsøger at finde ud af det.

En bedre tilgang kunne være at sige: “Vi har brug for, at to personer fra denne gruppe på ti arbejder sammen i 30 dage og viser os den nye måde. Vis os, hvordan vi løser problemet, og vi afsætter 20 timer om ugen til hver af jer – 40 timer i alt om ugen.

Det er den investering, vi som team er villige til at foretage. I stedet for at bede jer alle om at tænke over det, hvilket betyder, at ingen rigtig tænker dybt over det, beder jeg to personer om det.” Man kan vælge folk på baggrund af kompetencer, eller man kan tage imod frivillige. Det sidste kan være godt, medmindre der er store kompetencehuller, for så får man mennesker, der virkelig er motiverede for at finde ud af, hvordan problemet løses.

Det er to ting. Den sidste handler om, hvad der sker, når eksperimentet ikke virker. Det drejer sig mere om psykologisk tryghed i eksperimenteringen. Organisationer, der ikke har tillidsvækkende svar på det spørgsmål, kan også få svært ved den sidste del af eksperimenteringen, nemlig at rapportere resultaterne.

Det skal føles mindre end ekstremt risikabelt at tale om de ting, der ikke virkede. Selv hvis eksperimentet samlet set var en relativ succes, skal man kunne tale om de fem skarpe kanter, som teamet har brug for at kende, hvis praksissen skal skaleres.

David Rice: Jeg er glad for, at du nævnte indsatsen, for jeg tror, nogle mennesker tænker: “Vi får succesfulde eksperimenter, hvis vi gør det rigtigt,” og det er ikke det eneste mål, vel?

Hvis man oplever en masse succesfulde eksperimenter, ville jeg spørge, om man faktisk eksperimenterer stort nok. Jeg tror, der er en forskel. Vi fejrer innovation set i bakspejlet, ikke? I øjeblikket ser eksperimentering ofte ineffektiv, rodet og af og til spildagtig ud.

Hvis ledere stadig belønner forudsigelighed højere end læring, vil medarbejderne så ikke over tid optimere efter tryghed?

Brandon Sammut: Jeg synes, det er meget vigtigt, at ledere besvarer det spørgsmål eksplicit, og at vores adfærd i de øjeblikke afspejler det, vi siger. Når et medlem af mit team går ud og laver en prototype inden for et område, vi allerede har identificeret som noget, vi virkelig gerne vil forstå, og det, personen prøvede, ikke virker, hvordan møder mit people leadership-team og jeg så op i det?

Hvad bliver sagt? Hvad gør vi? Hvad gør vi ikke? Hvordan har personen det bagefter? Det gode ved det er, at der er ting, man skal være opmærksom på, så man ikke kompromitterer en eksperimenteringskultur. Men det modsatte er også sandt. Hver gang noget som dette sker, er det en mulighed for at styrke en virkelig positiv kultur omkring det.

David Rice: Hvis vi går et år eller deromkring tilbage, tænker jeg på nogle af de arrangementer, vi lavede på det tidspunkt, hvor mange sagde, at de havde problemer med tillid, især efter afskedigelser eller andre ting, der var sket. Der er mange ting, der driver manglende engagement.

Men tillid, videndeling og beslutningstagning var udfordringer, allerede før AI blev centrum for deres opmærksomhed. Hvad er konsekvenserne af at forsøge at skalere AI i en organisation, der ikke har løst de grundlæggende driftsmæssige udfordringer?

Brandon Sammut: Her er der meget, der gælder igen fra tidligere. Det, du lige fik mig til at tænke på, David, er, at det er svært at skalere næsten hvad som helst i livet på et ustabilt fundament. Det er svært at skalere noget som helst på et ustabilt fundament.

Mange af vores lederkolleger oplever, at hele AI-bølgen reelt fungerer som en stresstest af organisationens sundhed – hvad enten det handler om organisatorisk klarhed, en eksperimenteringskultur, psykologisk tryghed eller tillid til ledelsen.

Hvis vi har været svage eller ustabile på nogle af disse områder, kommer det nu tilbage. Det føles mere tydeligt, fordi vi oven i alt det også forsøger at redesigne, hvordan mange dele af vores arbejde fungerer.

David Rice: Ja, det er sjovt. Du nævnte det ustabile fundament, og jeg tænkte faktisk på det i sidste uge, da jeg så et klip på sociale medier af Mom Dani, der talte om den bygning i New York, hvor fundamentet aldrig blev lavet rigtigt, og som langsomt begyndte at hælde.

Jeg tænkte, at det faktisk er en lille analogi til organisationer. De begynder at skalere, men hvis man ikke undervejs gør de ting, der får det til at fungere på et grundlæggende niveau, ender man som den bygning.

Brandon Sammut: Er det ikke sandt? Der er så mange lektioner og eksempler, vi kan lære af andre historiske perioder, store teknologiske bølger eller ganske enkelt af forsøget på at gøre noget, der betyder noget – også inden for områder som byggeri.

David Rice: Jeg synes også, det er interessant, for to organisationer kan købe præcis de samme værktøjer og ende med vidt forskellige resultater. Det vender virkelig tilbage til det grundlæggende, altså ting som de måske har ignoreret i årevis, når det gælder den operationelle infrastruktur.

Vi ser faktisk mere og mere analyse af det, fordi ROI-samtalen bliver stadig mere intens for mange ledere.

Brandon Sammut: Omkostningerne kommer op, gør de ikke? Eller jeg burde sige, at ROI-samtalen fylder meget lige nu, blandt andet fordi nævneren i ROI-ligningen – omkostningerne – i det mindste vokser hurtigt for mange virksomheder.

David Rice: Jeg læste for nylig, at mange virksomheders AI-omkostninger har oversteget det, de brugte på medarbejdere, og jeg tænkte: “Det giver ikke meget mening.” Jeg er sikker på, at det bliver billigere på et tidspunkt, men lige nu ved jeg ikke, om det er det værd.

Brandon Sammut: Hvad tænker du om ranglister over AI-brug?

David Rice: Maksimering af tokens?

Brandon Sammut: Token… Ja, der er maksimering af tokens, og så er der det modsatte, nemlig hårde grænser for AI-brug. Vi ser virksomheder i begge ender af spektret lige nu.

David Rice: Jeg tror, det viser, hvor meget kontekst der mangler i samtalen. Hvorfor skulle jeg nødvendigvis begrænse brugen for en person, der laver noget virkelig kreativt og tænker ud af boksen, tager nye opgaver på sig eller måske åbner nye muligheder for virksomheden?

Jeg vil ikke begrænse den person. Men hvordan skal jeg overvåge og vurdere det i en organisation med for eksempel 25.000 medarbejdere? Det er en enorm udfordring. Jeg er nysgerrig efter at se, hvad der sker. Jeg er glad for, at diskussionen om maksimering af tokens fik så meget opmærksomhed, for det er ikke en produktiv anvendelse af teknologien. Det kan få folk til passivt at give slip på det, de gør, eller på hvordan de mener, de skaber værdi, og blot acceptere det miljø.

Brandon Sammut: Det er fascinerende. Vil du høre, hvordan vi tænker om det hos Zapier?

David Rice: Helt sikkert.

Brandon Sammut: Her vil jeg give Carly Gilardi æren. Carly Gilardi er vores chef for AI-drift og infrastruktur hos Zapier, og hun leder reelt vores center of excellence for AI-transformation internt i Zapier.

Jeg arbejder tæt sammen med hende. Hun begyndte faktisk på medarbejderteamet for over fire år siden, og nu har hun denne store rolle. Det var en af de ting, hun og arbejdsgruppen arbejdede på i første halvdel af året. Vi så også vores omkostninger vokse. Samtidig så vi, at alle de måder, vi brugte AI på til at skabe resultater, også voksede.

Omkostningsstigningen var derfor ikke i sig selv et alarmsignal, men vi havde spørgsmål om ting som valg af model. På længere sigt vil man gerne have en dag, hvor den, man arbejder med via AI, kan tilpasse opgaven til den mest effektive model baseret på det investeringsniveau, man er villig til at lægge i en given periode, og på det arbejde, man udfører.

Effektiv kan betyde hastighed og pris, primært pris, primært hastighed eller kvalitet – alt efter hvad ens optimeringsfunktion er. Men det har vi ikke i dag. Lige nu er det op til den enkelte at forstå de relative fordele og ulemper ved forskellige modeller og sørge for, at den rigtige model bruges til den rigtige opgave.

Det var det, Carly og teamet ville løse i første halvdel af året. Vi lavede derfor ikke ranglister, og vi indførte heller ikke grænser. I stedet indsamlede vi data om AI-brug fra alle de steder, hvor medarbejderne bruger AI i virksomheden. Det omfatter Zapier, Anthropic-produkter, OpenAI-produkter og et par andre produkter, som vi samlede i én dataplatform.

Derefter oprettede vi en række automatiserede dashboards, så alle hver måned får en direkte besked i Slack. Det er ens personlige rapport om AI-brug. Der er to gode ting ved den. For det første er den ikke offentlig, og der er ingen ranglister. Man bliver ikke sammenlignet med andre. Det er vigtigt.

For det andet beskriver den ikke bare brugen fra den seneste måned – den giver anbefalinger. Hvis jeg for eksempel er benefits-analytiker hos Zapier og får min månedlige rapport, kan den sige: “Du brugte Fable til alt sidste måned. Bygger du et rumskib til Mars? Hvis ikke, har du sandsynligvis ikke brug for Fable til mange dele af arbejdet som benefits-analytiker. Ud fra vores erfaring vil Sonnet formentlig fungere godt.”

Man prøver måske Sonnet, og vi følger op efter en måned. Systemet holder styr på anbefalingerne og kan justere næste måneds anbefalinger på baggrund af det. Det er både beskrivende og handlingsanvisende, men uden hårde grænser.

Vi har faktisk nu en grænse for brugen, men den er kun til beskyttelse mod løbske og utilsigtede udgifter. Medarbejdere kan få grænsen hævet ved blot at skrive en kort besked i en Slack-kanal. Den skal altså ikke begrænse brugen, men forhindre den lave, men reelle risiko for løbske agenter eller ondsindede aktører, der har fået fat i en nøgle og kører en masse af deres egne processer.

David Rice: Noget, jeg har bemærket, er, at enkelte medarbejdere bliver utroligt produktive med AI. Men gevinsterne spreder sig ikke altid til teams eller til hele organisationen. Når vi tænker på kollegial læring eller kollektiv læring, som på nogle måder er vanskeligere end individuel læring, bliver det virkelig et kulturspørgsmål. Hvad har I gjort for at etablere noget af det og virkelig opmuntre til det?

Brandon Sammut: Vi er nu omkring to uger inde i anden halvdel af 2026, og vores vigtigste fokus – ud over specifikke nye måder at arbejde på, hvor vi har tre nye måder at arbejde med AI på – er at bygge bro fra god individuel brug af AI til mere standardiserede, teamdækkende måder at arbejde med AI på.

Vi har efterhånden lavet en masse eksperimentering, prototyper og lignende. Næsten alle teams begynder at få en fornemmelse af, hvad den bedste vej er til at bruge AI inden for rekruttering, vækstmarkedsføring eller kundesupport. I anden halvdel af året vil det meste af Zapier fokusere på disse bedste nye måder at arbejde med mennesker og AI på og sikre, at alle, der udfører arbejdet i virksomheden, har den nødvendige kontekst, de rette værktøjer og den personlige eller teamrelaterede talentudvikling, der skal til for, at hele teams kan begynde at arbejde på den måde.

David Rice: Det er interessant, for hvis AI-arbejdsgange lever i én persons notesbog eller Slack-noter i stedet for at blive til institutionel viden, har man forbedret én medarbejder, men der er opfølgende arbejde, der skal udføres, for at få det til at sprede sig. Ser du mange organisationer begynde at gå videre end blot at måle anvendelse?

Vi har set så meget måling af anvendelse og brug. Hvilke målepunkter interesserer dig mest, når det gælder, hvad de fortæller dig?

Brandon Sammut: Zapier har investeret betydeligt i AI i tre et kvart år nu, og her er, hvad jeg har lært om forskellen mellem anvendelse og effekt. Det var meget nyttigt for Zapier at fokusere på anvendelse tidligt i forløbet, fordi anvendelse var nødvendig for eksperimentering og læring.

Anvendelse er vigtig som en ledende indikator for dybden og bredden af eksperimentering og læring – for at udvikle et overblik over mulighederne og opbygge kompetencer i organisationen. Det er derfor, anvendelse er værd at måle. Men det er kun den ene halvdel af ligningen, for i sidste ende tjener al anvendelsen, eksperimenteringen og læringen det formål at hjælpe organisationen med at blive ekstraordinær og tage store skridt fremad i vores effektivitet – uanset hvordan vi definerer den.

I dag rapporterer Zapier ikke længere regelmæssigt om anvendelse. Vi ved, at vi har 100 procent anvendelse. Vi ser efter AI-kompetence, når vi ansætter, og vi fokuserer på den under introduktionen, som vi redesignede for halvandet år siden. Vi har rigeligt med anvendelse.

Vi fokuserer næsten udelukkende på effekt. Målepunkterne for effekt er næsten uden undtagelse eksisterende mål for succes i organisationen. Det handler om, hvor hurtigt vi besvarer kundernes spørgsmål, og hvor tilfredse de er med svarene.

Hvad er det gennemsnitlige eller typiske succesniveau for en ny medarbejder efter 90 og 180 dage? Hvor pålideligt er produktet? Hvad er oppetiden for forskellige kundevendte dele af produktet? Hvad er den gennemsnitlige eller typiske målopfyldelse for en sælger? Vi interesserede os for alt det før AI.

Det vender tilbage til pointen fra tidligere: AI er et middel til at få noget gjort. Den ændrer typisk ikke det, vi ønsker at være gode til. Den påvirker vores opfattelse af, hvor gode vi kan blive til disse ting.

David Rice: Vi har haft tidligere gæster i programmet, som har talt om, at ekspertise historisk ofte var knyttet til at have svarene. Nu giver AI pludselig alle adgang til svar, uanset om de er helt korrekte eller sat ind i den rigtige kontekst.

Hvordan tror du, det ændrer den måde, indflydelse, troværdighed og status fungerer på internt i organisationer – ikke kun for ledere, men også for individuelle bidragydere, der opbygger det over tid?

Brandon Sammut: Det er et godt spørgsmål, David. Det tror jeg ikke, nogen har stillet mig før.

En ting, der står klart for mig, er, at fordelene ved denne udvikling helt sikkert tilfalder organisationer. Det har altid været en risiko for organisationer, når ekspertise er isoleret og kun lever hos nogle få mennesker, der ved, hvordan man gør noget.

I min tidligere virksomhed havde vi et par ingeniører, som var de eneste i hele organisationen, der vidste, hvordan en bestemt del af produktets arkitektur fungerede. Derfor var de reelt urørlige. Det er ikke særlig sundt eller velfungerende for nogen af parterne.

Der er altså en form for demokratisering. Internettet gjorde meget for at demokratisere adgangen til viden, og AI forstærker det kraftigt.

David Rice: Jeg tror, at ekspertise blandt andet handlede om adgang til knap information. Internettet gjorde information overflødigt tilgængelig for et stykke tid siden, men den særlige form for information eller fortolkning, som ingen andre har, og som man ser gennem sin egen linse eller fra et andet perspektiv, ændrer måske indflydelsen.

Jeg ser det ofte i mit eget arbejde. Det handler mindre om at sige: “Det her er den slags, vi skal skabe.” Det handler mere om at stille andre spørgsmål, så jeg kan udøve dømmekraft over nye idéer, nye måder at gøre ting på og nye ting, vi aldrig har gjort før, og derefter forbinde idéerne på tværs af fagområder.

Jeg vender altid tilbage til ordet orkestrator. Jeg tror, den rolle vil eksistere et stykke tid, fordi alle taler om, hvorvidt vi mister vores job. Jeg siger: “Nej, ikke lige med det samme – ikke hvis du ved, hvordan man orkestrerer.”

Man kan læse udviklingen og se, hvor det fører hen, men jeg har rådet alle mine kolleger til at sikre sig, at de kan gøre det. Teknologien gør viden til en handelsvare, men den øger faktisk værdien af visdom, og det tror jeg vil fortsætte.

Og visdom gælder ikke kun selve arbejdet, men også menneskene, man arbejder med, hvordan man får det bedste frem i dem, og hvordan man hjælper dem med at se, hvor de har muligheder, de endnu ikke har udforsket.

Brandon Sammut: Det var godt formuleret. Folk bør skrive det ned.

Jeg kan godt lide den måde, du indrammede det på, David. Det er forskellen mellem viden og visdom. Man kunne lave en hel episode om det. Viden og visdom er ikke det samme.

Du får mig også til at tænke på, at meget af det gamle bliver nyt igen, når det gælder, hvad der bør værdsættes mest i en organisation. Ud over ægte visdom, dømmekraft eller smag er der også enorme fordele for en organisation ved at være tillidsvækkende, pålidelig og ansvarlig og ved at kunne påvirke uden formel autoritet, samle en gruppe mennesker og få noget stort og skræmmende gjort sammen.

I denne tid, hvor tingene ændrer sig så hurtigt, bliver de egenskaber vigtigere – ikke mindre vigtige – uanset om AI er involveret.

David Rice: Jeg er enig. I lang tid havde ledere primært ansvaret for at styre arbejdet, men vi ser fladere organisationer, og medarbejderne finder i stigende grad selv deres arbejdsgange eller bygger automatiseringer.

De arbejder sammen med AI på måder, som ledelsen ikke nødvendigvis altid kan se. Hvordan ser effektiv ledelse ud i det miljø? Og hvilke er de største udfordringer for den gruppe, når det gælder om at få mere ud af mennesker på en måde, der er bæredygtig og har effekt på lang sigt – ikke bare at automatisere en proces her og nu?

Brandon Sammut: Det er virkelig interessant. Jeg har altid ment, at personaleledere har tre unikke opgaver eller ansvarsområder. Den første er at skabe klarhed for teamet: Hvad laver vi her? Hvordan ser fremragende resultater ud? Den anden er at fordele ressourcer og træffe beslutninger om, hvem der gør hvad, eller hvor meget man investerer i en bestemt teknologi.

Det tredje unikke ansvar er at coache og udvikle selve teamet. Personaleledere kan nu bruge AI til at hjælpe med alle tre ansvarsområder, men jeg har endnu ikke set et eksempel, hvor AI kan erstatte lederens unikke rolle i at levere nogen af disse tre kapaciteter.

Det kan over tid betyde, at den enkelte personalechef kan lede flere mennesker, blandt andet ved at få større løftestangseffekt gennem AI. Noget af den bedste udviklingscoaching, jeg har modtaget i første halvdel af året, kom fra en coach, som Courtney Hickey, vores chef for direktionsdrift hos Zapier, skrev til vores direktionsteam.

Den følger vores direktionsmøder og bruger en eksisterende ramme: Patrick Lencionis model med fem dysfunktioner i et team. Vores direktionsteam har arbejdet med den i fem år. Vi kender den, tror på den og bruger den til at coache hinanden og forbedre sundheden i direktionsteamet.

Hun skrev en coach, der lytter med på vores direktionsmøder og umiddelbart efter mødet giver en coachingopsummering i Slack. Den indeholder en samlet opsummering af, hvordan vi fungerede som team, med de fem dysfunktioner som den centrale linse.

Derefter giver den individuel feedback på, hvordan hver af os fungerede, og dokumenterer det uge efter uge, så den kan begynde at finde mønstre: ting, vi bliver bedre til som team, og ting, vi endnu ikke bliver bedre til.

Det er specifikt og universelt. Ingen bliver hængt ud. Alle får feedback og anbefalinger. Jeg oplever også, at feedbacken kan være skarp. Det er noget af den skarpeste feedback, jeg får på en måned.

Jeg har lettere ved at modtage den fra en coach, der er trænet i en ramme eller et sæt værdier, som jeg allerede tror på, end hvis min chef gav mig den samme feedback hver uge. Det er simpelthen menneskelig adfærd.

Det er den samme feedback, og den fortjener min opmærksomhed uanset, hvem der giver den. Men af en eller anden grund er folk særligt modtagelige for konstruktiv feedback, når den leveres af en coach, der er trænet i noget, de allerede tror på.

David Rice: Jeg har hørt det samme, og man skal være transparent om, hvordan man bruger det.

Det er en stor del af at forme opfattelsen af, hvad der kommer ud af det. For ledere handler forandringen nu om, at man ikke længere styrer arbejdet i samme grad. Man forsøger at skabe betingelserne for, at godt arbejde kan opstå. Det er en langt mindre kontrollerende model for ledelse, hvilket de fleste medarbejdere nok byder velkommen.

Når du ser fremad og tænker på, at AI vil påvirke, hvordan organisationer strukturerer arbejdet, er der så noget, som de fleste ledere ikke er tilstrækkeligt opmærksomme på lige nu?

Brandon Sammut: Ja. Og det er lige så meget en vejledning til mig selv som til alle andre. Jeg tror på, at AI kan forbedre, hvordan vi arbejder, kvaliteten af arbejdet og forhåbentlig oplevelsen for de mennesker, der udfører arbejdet. Men det sker ikke af sig selv. Det kræver stor omtanke, ydmyghed og eksperimentering at finde ud af, hvordan det kan lade sig gøre.

Min feedback til mig selv på dette område er, at vores teams lige nu – uanset AI – har brug for meget hjælp til de ting, du og jeg talte om tidligere. De har brug for hjælp til at holde fast i, hvad vi prøver at opnå. Forandringstempoet i mange organisationer er meget højt, og konkurrencen i mange af de brancher, hvor vi arbejder og bygger virksomheder, er også usædvanligt hård.

Vores medarbejdere ved det. De ser virksomheder i vores konkurrencefelt afskedige medarbejdere. Der er meget frygt, usikkerhed og tvivl derude, og det påvirker naturligvis, hvordan mennesker tænker om deres arbejde i vores organisationer.

Jeg tror dybt på alt det, vi har talt om i relation til AI-muligheden og om, hvordan den kan gøre arbejdet bedre for mennesker. Men ledere som du og jeg er nødt til at holde fokus på nogle grundlæggende ting lige nu. Vi skal sikre, at vi fastholder fokus og en følelse af formål for hver eneste person i organisationen, og at vi er meget tydelige om de udfordringer, organisationen står overfor.

Som ledere tænker vi nogle gange, at det vil gøre folk nervøse eller bange. Men vores medarbejdere ved generelt, hvilke risici og problemer der findes. Det kan faktisk skabe tillid, når de ser deres ledere sætte ord på det hele åbent og tale om, hvordan de tænker og føler om det, og om virksomhedens muligheder i lyset af udfordringerne.

Det er klassisk ledelse, og jeg er selv faldet i den fælde igen og igen. Jeg arbejder med det og bliver bedre. Når man ser noget svært, skal man være den første til at sætte ord på det. Man skal ikke forskønne det eller lade som om, der findes et perfekt svar, medmindre man virkelig tror, der gør.

Det kan være sundt at nævne det for teamet, for så er det mere sandsynligt, at de taler om det, dets form og deres idéer. Det er det fjerneste fra at dvæle ved usikkerheden. Det er sundt at sætte ord på den, for det bringer jer tættere på en plan for at overvinde den.

David Rice: Når vi taler om medarbejderoplevelse, taler vi ofte om noget, organisationer leverer til en medarbejder. Men det lyder, som om du antyder, at de mest overbevisende organisationer i de kommende år ikke bare bliver arbejdsgivere.

De kommer faktisk til at forandre mennesker. Det er naturligvis en højere barre end engagement eller tilfredshed. Når man ser på, hvad Generation Z gennemgår, og hvad nyuddannede gennemgår, med alle vanskelighederne ved at finde arbejde og den konstante eksistentielle tvivl om, hvad man skal gøre, eller hvad ens formål er, har du måske ret.

Vi er nødt til at tænke anderledes om, hvordan vi former mennesker, for det vil holde dem relevante, udfordrede og engagerede. Måske vil de bedste arbejdsgivere i fremtiden ikke blive kendt for lønnen eller for at være noget flot på ens CV.

De vil blive kendt, fordi de hjælper mennesker med at blive bedre versioner af sig selv, når de forlader dem. De er mere kompetente og mere selvsikre.

Brandon Sammut: Det tror jeg er rigtigt. Noget andet, der er meget reelt lige nu, er, at de næste par år af folks karriere vil have stor indflydelse på deres muligheder i mange år bagefter.

For os, der bygger virksomheder, vil jeg virkelig gerne kunne svare på det. Jeg vil kunne vågne op og sige: “Jeg tror virkelig, at Zapier er et godt sted at tilbringe de næste par år af sin karriere, fordi vi investerer så dybt i disse nye måder at arbejde på.”

Jeg ser på medarbejderteamet hos Zapier, og hver eneste person er ved at blive ekstremt dygtig til den fremtidige måde at arbejde med talentrekruttering, samlede belønningsstrategier, medarbejderteknologi og medarbejderanalyse på. Det er bemærkelsesværdigt.

Men det er egentlig ikke pointen. Alle os, der er ledere, bør kunne svare på det. Ud over at det er det rigtige at gøre, er det også en stor fordel for virksomheder, der bliver kendt som steder, hvor man investerer dybt i mennesker, og hvor deres udviklingstempo er højt.

Det bliver en del af arbejdsgiverens værditilbud og et trækplaster for virksomheden, især inden for software. At bygge software lige nu er utroligt krævende og vanskeligt, og folk ved det. Jeg tror ikke, at folk nødvendigvis leder efter det nemme sted at arbejde.

Jeg tror, de kræver, at det næste sted, de arbejder, eller det næste job i deres nuværende virksomhed, er et sted, hvor de lærer meget om de ting, der betyder noget for de næste ti år eller mere af deres karriere.

David Rice: Helt sikkert. Jeg kunne ikke være mere enig. Brandon, det har været fantastisk at have dig med i programmet i dag. Jeg har virkelig nydt vores samtale.

Brandon Sammut: I lige måde, David. Lad os gøre det igen en dag.

David Rice: Kære lyttere, hvis I ikke allerede har gjort det, så gå ind på peoplemanagingpeople.com/subscribe og tilmeld jer nyhedsbrevet.

Tilmeld jer AI Signal. Vi udsender hver uge en briefing til ledere, som giver jer noget at tænke over. Ikke at I har brug for mere at tænke over, men den giver også værktøjer, råd og den slags. Sørg for at tilmelde jer.

Indtil næste gang: Husk, at I former en oplevelse og måske også mennesker undervejs.