Kun 10 % af lederne bruger AI – så hvem underviser alle andre?

David Rice: Kun 10 % af de øverste ledere indrømmer, at de bruger AI, så hvem underviser egentlig alle andre? Ingen. I stigende grad ser vi, at vi befinder os i et globalt øjeblik med læring blandt ligemænd. Men på organisationsniveau forsøger vi stadig at finde ud af, hvad det betyder for, hvordan vi udvikler roller og ansvarsområder.

I dagens udsendelse kan du høre en samtale, jeg havde med Kamaria Scott hos Transform. Du husker måske Kamaria. Hun er en ven af programmet, og hun vil tale om, hvorfor ledere snart bliver en flaskehals. Selvom din organisation måske har indført AI med en velfinansieret strategi og nu følger brugen, bliver svaret på spørgsmålet om, hvem der kontrollerer medarbejdernes daglige arbejde, mindre klart.

Er det HR, ledere af forretningsområder eller driftsteams? Hvem beslutter, om dine medarbejdere får tid til at eksperimentere, eller om hvert eneste minut af dagen skal kunne faktureres? Værktøjerne udvikler sig hurtigt. Agenter kan nu gøre ting, som store sprogmodeller ikke kunne, og de mennesker, der lærer mest midt i denne forandring, lærer det ikke af lederne.

De lærer af hinanden – af andre mennesker, der udfører det samme arbejde som dem. Og på trods af det ser vi, at færdigheder svækkes. Det handler ikke kun om, at kommunikationsevner forringes, fordi folk bruger AI til at skrive e-mails. Det handler om evnen til at vurdere kvalitet, se på AI-output og vide, om det er godt. Der er en voksende bekymring for, at generation X og millennials måske bliver de sidste generationer med dyb ekspertise, fordi de næste generationer outsourcer så meget arbejde, at de ikke opbygger de grundlæggende færdigheder, der skal til for at evaluere det, de producerer.

Så i dag skal vi tale om, hvorfor modellen med passion projects er den adoptionsstrategi, du mangler, problemet med den menneskelige grænseflade, der bliver et gennemgangsled for AI-output i stedet for en ekspert, hvordan performance management ser ud, når agenter udfører halvdelen af arbejdet, hvorfor organisationer ikke formåede at dyrke læringsparathed før dette øjeblik, og hvordan man sikrer, at mennesker udvikler den ekspertise, der skal til for at vurdere kvaliteten af AI-output.

Jeg er David Rice. Dette er People Managing People. Og hvis du har forventet, at medarbejderne tager AI til sig, uden at du har skabt kapacitet til eksperimenter, viser denne samtale dig, hvorfor din strategi går i stå på lederniveau. Så giver jeg ordet videre til mig selv og Kamaria.

Okay, vi er altså her hos Transform. Jeg er sammen med Kamaria Scott, som du kender fra tidligere podcastepisoder.

Vi er hos Transform. Det er ikke nogen overraskelse, at vi er her. Vi vidste, at vi skulle komme. Men det er en overraskelse, at vi sidder her sammen til denne samtale. Jeg vil gerne begynde med at spørge dig: Hvad glæder du dig til at se på i denne uge, og hvad har du indtil videre hørt, som du synes er interessant?

Kamaria Scott: Ja. Alle, der kender mig, ved, at ledere er min passion og mit område, og at deres oplevelse betyder meget for mig. Derfor lytter jeg specifikt efter alle de samtaler, der krydser lederoplevelsen og AI. Hvordan hjælper vi dem med at indføre AI i deres teams og med det, der i de fleste organisationer reelt er en omfattende forandring?

David Rice: Hvad har du så deltaget i indtil videre, og hvad fik du ud af det?

Kamaria Scott: Interessant nok var det, jeg deltog i i går, og som jeg lagde op om på LinkedIn, mit yndlingsarrangement: AI-spilshowet for seniorchefer.

David Rice: Nå, det nåede jeg ikke.

Kamaria Scott: CHRO'er. Ja, noget i retning af "Konkurrér om at forandre".

Det, jeg tog med mig, og som jeg virkelig godt kunne lide, var, at en af paneldeltagerne sagde, at det oprindelige spørgsmål var: Hvor mange virksomheder har en strategi?

David Rice: Ja.

Kamaria Scott: Og en af paneldeltagerne sagde: "Det betyder egentlig ikke noget, om du har en strategi, eller om du finansierer strategien, hvis du ikke giver folk tilstrækkelig tid i deres almindelige arbejde til at eksperimentere med værktøjerne og finde ud af, hvordan de skal bruge dem. Så mislykkes du med at få dem til at tage dem til sig." Alt det, hun beskrev, sker på teamniveau.

Det er dér, lederne er. Men mit spørgsmål under sessionen var: Det er fantastisk, at vi sidder her og hører CHRO'er tale om de her ting, men HR kontrollerer ofte ikke folks daglige arbejde. Det gør forretningsområderne og de øverste driftsledere. Så hvordan påvirker I de øverste ledere i forretningsområderne eller taler med dem, så medarbejderne får den tid, de har brug for til at eksperimentere med de værktøjer, vi forventer, at de tager i brug?

David Rice: En af de ting, jeg fandt interessant i går, og som jeg begynder at lægge mærke til i flere og flere samtaler, er, at der er en voksende fortælling om, at man skal træde lidt til side og lade medarbejderne undervise hinanden. For faktisk lærer man de mest nyttige ting af de andre på sit team, som udfører det samme arbejde som en selv.

Man behøver ikke blive vist det, og det hænger alligevel aldrig fast på den måde.

Kamaria Scott: Nej. Jeg tror, folk eksperimenterer med deres virkelige liv, men det, de har brug for, er kapacitet.

David Rice: Ja.

Kamaria Scott: Værktøjerne ændrer sig bogstaveligt talt fra time til time. Noget, man ikke kunne gøre i går, kan man gøre i dag. Og personligt kan man bruge hele dagen på at skifte frem og tilbage mellem, hvad Claude gør, og hvad Perplexity gør, men man har også rigtigt arbejde, der skal udføres.

Det bedste, man efter min mening kan gøre, er at give folk det, jeg altid kalder frirum – tid til at eksperimentere og lege. Jeg har altid argumenteret for, at mine medarbejdere skulle have passion projects. Længe før AI overhovedet fandtes, sagde jeg altid: "Hvis du er på mit team, får du 10 % af din tid til et passion project." Mine to regler var: For det første følger jeg ikke efter dig, for det her er til dig. For det andet skal det gavne både dig og virksomheden, så du kan ikke bage brød i min arbejdstid.

Jeg tror, det her er en perfekt mulighed for ledere til at give deres teams passion projects og sige: "Find noget, du gør hver dag, og find ud af, hvordan AI kan hjælpe dig med at gøre det bedre." Og om otte uger kan vi lave en fælles præsentation.

Jeg er ligeglad med, om I arbejder sammen i teams. Find noget, der gavner dig og gavner mig. Hvis det hjælper dig både derhjemme og på arbejdet at opbygge din ADD-sommerfugleopgaveliste, så er jeg med. Gå i gang.

David Rice: Jeg deltog i en session i går, der i høj grad handlede om strategier, hvor færdigheder kommer først. De talte om, at hvis man vil gøre det, skal færdighederne stå helt centralt. Og hvad står centralt for en medarbejder? Det er ikke den administrerende direktørs tale. Det er de mennesker, som medarbejderen oplever sit arbejde sammen med.

Kamaria Scott: Ja.

David Rice: Derfor tror jeg, vi hører mere og mere om denne kollegaledede eksperimenteren med AI og læring.

Kamaria Scott: Jeg tror ikke, at øverste ledere, som ikke selv implementerer og tager AI i brug, kan undervise andre. Jeg har ofte kunnet se hullerne, også da vi først begyndte at indføre AI, mens jeg lyttede til seniorledere tale. Jeg tænkte næsten: "De bruger det ikke."

David Rice: Og kun 10 % indrømmer faktisk, at de bruger det.

Kamaria Scott: Præcis. Hvis man ikke leder fra toppen, hvordan skal man så lære folk færdigheder længere nede i organisationen? Det fantastiske er, at vi befinder os midt i en revolution, hvor der ikke er mange mennesker, der har så meget erfaring, at de kan undervise andre. Vi lærer og udvikler os alle sammen.

For nogle uger siden afholdt Lovable et arrangement i anledning af den internationale kvindedag, og der var alle disse Lovable She Builds-arrangementer. Vi samledes med vores bærbare computere og lavede ting gennem samtaler med AI ud fra idéer, vi havde i hovedet. Jeg havde arbejdet på et dashboard til lederstøtte.

Når man sidder sammen med andre og spørger: "Hvordan gjorde du det? Nå, du forbandt en API – fortæl mig, hvordan du gjorde det," så lærer man af hinanden. Jeg tror, vi befinder os i et næsten globalt øjeblik med læring blandt ligemænd.

David Rice: Det er fantastisk.

Kamaria Scott: Det er en virkelig spændende tid. Hvis folk tænker over, hvordan de kan udnytte det på arbejdet, så de skaber muligheder for læring blandt ligemænd, kan det blive en fantastisk del af deres adoptionsstrategi.

David Rice: En vigtig del af det er også, at man skal kunne skabe et psykologisk rum. Verden er mildt sagt overvældende lige nu. Tingene er kaotiske, og folk tager det med på arbejde. Så fortæller man dem, at de skal eksperimentere, og de tænker: "Kan jeg ikke bare passe mit arbejde?" Mange har det sådan.

Man er nødt til at tage højde for det hele og skabe et rum, hvor eksperimentering føles naturligt og som en del af arbejdet. Det er ikke, fordi man beder dem om at gøre noget ekstra. Man behøver ikke genopfinde hjulet, men man vil gerne have, at de tænker nyt om, hvad der er muligt i deres rolle.

Kamaria Scott: Måske kan man omformulere det sådan: Verden er ret kaotisk, og der sker meget. Hvordan kan du lære at bruge dette på en måde, der gør dit liv eller dit arbejde lettere?

Jeg havde for eksempel idéen om at skrive en hvidbog, men jeg hader at skrive hvidbøger. Jeg kunne bruge AI til at få den skrevet og færdig, og det var fantastisk.

Hvis der er ting, jeg ikke bryder mig om at gøre eller ikke er god til, kan jeg så bruge AI som støtte til dem og få mere tid til de dele af mit arbejde, jeg faktisk holder af? Jeg elsker at arbejde med mennesker, tale, undervise og coache. Jeg elsker ikke nødvendigvis de administrative opgaver.

Hvis jeg kan få AI til at hjælpe mig med de administrative ting, er det fantastisk. Da jeg skulle forberede mig på at komme til denne konference, ville jeg mødes med bestemte mennesker og sende dem henvendelser, der skulle være gennemtænkte og ikke bare generiske beskeder. Jeg brugte Claude og Perplexity til at lave dybdegående research om de mennesker, jeg ville møde, og værktøjerne genererede tilpassede noter til mine beskeder.

Det, der sandsynligvis ville have taget mig flere uger, kunne jeg gøre på et par dage. Derefter kunne jeg vende tilbage til mit arbejde med mennesker, og jeg havde gode samtaler, da jeg kom hertil.

David Rice: Jeg vil gerne understrege det. Jeg har forsøgt at opmuntre vores teams til at bruge AI på en måde, hvor den ikke skriver for dem, fordi de blev ansat som skribenter. For mig kan AI for eksempel hjælpe med at finde den røde tråd, der løber gennem alt, og skabe et mere sammenhængende budskab. Det styrker en af mine svagheder, og det er en fantastisk mulighed.

Kamaria Scott: Jeg elsker, at du siger det. Jeg tror, menneskelig skrivning faktisk bliver en højt værdsat færdighed fremover, fordi vi alle er trætte af den ensartede AI-formulering. Men når man tænker over, hvad man ikke er god til, og hvordan man kan bruge AI til at bygge bro over det, kan det hjælpe en med at blive en bedre version af sig selv på arbejdet.

Jeg er selv en menneskelig sommerfugl. Når jeg starter et projekt, begynder jeg midt i det. Derfor kan jeg bede AI om at hjælpe mig med at organisere tilgangen eller få mig i gang. På den måde kan AI hjælpe folk med at blive bedre versioner af sig selv på arbejdet.

Det er derfor, jeg elsker idéen om passion projects. Det handler ikke om at sige: "Find noget for virksomheden, som du skal tvinges ind i." Det handler om: "Hvad interesserer du dig naturligt for?"

Før AI havde jeg et teammedlem, der som sit passion project ville skabe en værktøjsbygger til arbejdsområder, fordi hun ville afprøve sine programmeringsfærdigheder. Hun byggede noget, vi kunne give til vores interne kunder, så de selv kunne oprette deres arbejdsområder i stedet for, at vi skulle bygge dem individuelt. Hun var begejstret, fordi hun kunne afprøve sine færdigheder, og det hjalp samtidig vores kunder.

Hvis vi tænker på AI-adoption på den måde – hvad interesserer dig, og hvad kan du lide? – kan vi skabe en situation, der gavner både medarbejderen og virksomheden.

David Rice: Det handler også om personlige incitamenter. Jeg har for nylig lyttet til HR-ledere, der beklagede sig over, at folk skriver e-mails med AI. Jeg forstår det godt. De bliver irriterede over den manglende udvikling af folks kommunikationsevner, og deres kolleger kan se, at teksten ikke kommer fra dem.

Men fortalte I dem, at de ikke skulle gøre det? Har I på noget tidspunkt vejledt dem og sagt: "Som virksomhed mener vi ikke, at dette er en værdifuld brug af teknologien"? Man kan også spørge samfundsmæssigt, om det er værd at bruge den mængde energi, som en lille virksomhed bruger, på at skrive en e-mail.

Vi er nødt til at spørge os selv, hvilken anvendelse vi ønsker, og få det ind i den måde, vi taler om AI på og ind i vores kultur. Man har en filosofi om løn, der rækker ud over lønintervaller. Hvorfor har man ikke en AI-filosofi, der rækker ud over "Brug ikke ChatGPT" eller "Gør ikke dette"? En politik fortæller folk, hvad de ikke må gøre. Hvad fortæller dem, hvad der er muligt?

Kamaria Scott: Folk befinder sig stadig i eksperimenteringsfasen, så de tøver. Bortset fra at man selvfølgelig ikke skal give virksomhedens forretningshemmeligheder væk, er de fleste stadig ved at finde deres egen vej med teknologien.

Udfordringen er ikke så meget, at folk skriver e-mails med AI, men at deres tænkeevne svækkes. Jeg havde en oplevelse, hvor jeg skrev en e-mail selv og tænkte: "Hold da op, jeg skrev en e-mail." Jeg havde vænnet mig til at bede AI om at skrive den og derefter klippe og indsætte.

Så tænkte jeg: "Hvorfor gjorde du det? Har du mistet evnen til at skrive eller få dine tanker ned på skrift?" Det er her, lederne bliver vigtige. En leder kan se e-mailen og spørge: "Skrev du den? Er den god?"

Jeg kan dog godt lide AI til e-mails, fordi mine øjne ikke ser slåfejl, manglende ord eller bogstaver. Jeg havde tidligere angst for at sende vigtige e-mails, fordi der næsten altid ville være en fejl. Derfor foretrækker jeg mundtlig kommunikation. Når jeg dikterer noget til AI og får den til at skrive det, behøver jeg ikke bekymre mig om slåfejl. Det bygger bro over en af mine udfordringer.

David Rice: Jeg er skyldig i at fremstille det som en fjollet anvendelse. Men når jeg tænker på min professionelle udvikling, var jeg tidligere for reaktiv. Jeg skrev e-mails, som jeg senere tænkte, at jeg måske ikke burde have sendt. Jeg ville have elsket at have haft en AI som sparringspartner, der kunne sige: "Du bør dæmpe det lidt, David" eller "Her er, hvad du egentlig mener."

Det ville have været nyttigt, men belønningen for mig gennem årene har været at lære ikke at reagere impulsivt og lære at kommunikere bedre og mere effektivt. Det er netop det, mange kritiserer: Folk lærer ikke kritisk tænkning, og de lærer ikke at kommunikere på denne måde.

Kamaria Scott: Jeg tror, det handler om, at der bag alt, hvad man producerer, ligger en tankeproces. Der er en grund eller en begrundelse for næsten enhver beslutning. I læringsdesign er der en grund, en begrundelse og en tankeproces bag alt, jeg skaber – hvert læringsmål og hver aktivitet.

Hvis jeg delegerer det til AI og siger: "Byg et kursus om X, Y og Z," er læringsmålene ofte ikke gode. Eksemplerne kan være overfladiske, og outputtet mangler den nuancering, jeg selv ville have tilføjet.

Hvis jeg kan se, at nogen har brugt AI til at skabe læringsmål eller aktiviteter, må jeg spørge: "AI genererede dette. Synes du, det er godt? Hvorfor eller hvorfor ikke? Hvis vi præsenterer det for kunderne, får de så det resultat, vi ønsker?"

Jeg har ikke noget imod, at man bruger AI til sin e-mail, men formidlede den det rigtige budskab? Fik den folk til at handle? Er nuancerne til stede? Det er op til ledere og organisationer at give lederne mulighed for at tænke over den coaching og støtte, der er nødvendig, så medarbejderne ikke bare afleverer AI-output uden selv at tænke det igennem.

David Rice: Jeg formulerer det sådan, at man ikke skal være en menneskelig grænseflade for en maskines output. Man skal bruge AI til at fremhæve sin ekspertise og gøre den mere velformuleret.

Kamaria Scott: Det kan jeg godt lide.

David Rice: Man skal kunne mærke personen bag teksten. Hvis jeg kan se chatten og forstå, at alt giver mening, men ikke kan mærke din erfaring eller dine overvejelser, forstår jeg ikke, hvorfor du sendte mig e-mailen.

Kamaria Scott: Hvis du er souschef og lader AI være køkkenchef, er det problemet. Virksomheden betaler for din ekspertise og erfaring.

Det større problem bliver, at folk mister deres ekspertise, når vi giver AI mere og mere af vores arbejde. De mister evnen til at se på outputtet og vurdere det. For os i generation X og blandt millennials er vi måske den sidste generation, der får dyb ekspertise inden for vores arbejde.

At være god til at skrive anvisninger til AI er ikke det samme som at være en god læringsdesigner. Outsourcer vi så meget af arbejdet, at folk ikke får de grundlæggende færdigheder, der hjælper dem med at se på outputtet og sige: "Det her er faktisk ikke output af høj kvalitet"?

Når jeg bruger AI til marketing eller andre områder, ved jeg ikke altid, om resultatet er rigtigt, fordi det lyder så selvsikkert. Hvordan sikrer man, at folk på teamet har de rigtige erfaringer til at vurdere, om outputtet er korrekt?

De skal skrive nogle e-mails manuelt, så de kan se på en AI-genereret e-mail og tænke: "Det ville jeg aldrig sige" eller "Det er ikke en velskrevet e-mail." Ja, der står ord på siden, og der er produceret et nyhedsbrev, men min erfaring fortæller mig, hvorfor noget er godt, og hvorfor noget ikke er godt.

Det er dér, jeg kommer ind og enten skriver en ny anvisning, omskriver de nødvendige afsnit eller gør det, der skal til. Det er afgørende at sikre, at folk får de rigtige udviklende erfaringer til at kunne vurdere outputtet.

David Rice: Hvis vi taler så meget om færdigheder, fordi det er et stort fokus her, og alle gerne vil ansætte ud fra færdigheder og udvikle folk til bestemte færdigheder, men samtidig indfører noget, der nedbryder de fleste af dem, er der et problem.

Kamaria Scott: Det har vi faktisk gjort i årevis. Det er her, organisationskulturen kommer ind i billedet. For mange år siden arbejdede jeg i et læringsteam, hvor vi købte et produkt, der kunne foreslå, hvad du havde brug for at lære. Men en stor del af læring består i, at du selv identificerer dit hul.

Bare fordi teknologien kan gøre noget, betyder det ikke, at den bør gøre det. Hvis du holder op med at tænke og identificere dine egne huller og kun tager et kursus, fordi en platform siger, at din rolle kræver det, identificerer og lukker du ikke selv hullet.

Vi har forsøgt at automatisere flere ting og forhindre folk i at gøre ting selv, og derfor ser vi en erosion af færdigheder. En del af udfordringen er, at vi ikke har dyrket læringsparathed hos mennesker. Som leder af læringsfunktioner har jeg hele tiden kæmpet mod holdningen: "Vi har besluttet, at folk skal have 40 timers læringstid," hvortil forretningsområdet svarer: "Ikke for mine penge og ikke i mine fakturerbare timer."

Vi har derfor ikke udviklet en ægte læringskultur, og nu befinder vi os i et omfattende læringsøjeblik, hvor folk ikke har læringsparathed. Det er en del af problemet.

David Rice: Det fortjener næsten en applaus. Hvad er du ellers spændt på her? Hvad er din næste samtale?

Kamaria Scott: Ærligt talt mere af det samme. AI er tydeligvis dagens tema, uanset hvor man befinder sig. Jeg er altid optaget af krydsfeltet mellem mennesker og ledelse.

Jeg glæder mig især til sessioner om grundlaget for ledelse, for ledere har stadig brug for grundlæggende færdigheder for at kunne lede forandringer. De skal stadig vide, hvordan man coacher og udvikler mennesker. Faktisk bliver de grundlæggende færdigheder endnu vigtigere.

Jeg tror, der er en session om, hvorvidt vores ledere bliver vores flaskehals. Det har vi netop talt om. I sidste ende går enhver strategi gennem lederne. Derfor lytter jeg efter, hvordan virksomheder vil støtte og gøre deres ledere i stand til at lykkes, for det er dér, strategien ærligt talt kommer til at bryde sammen.

David Rice: Jeg glæder mig til samtalerne om, at AI nu gennemgår alle CV'er, og at det er blevet en katastrofe. Hvilke data skal vi se på, og hvordan vurderer vi mennesker? Der er meget vrede på arbejdsmarkedet. Folk er irriterede over at skulle gennemføre vurderinger uden at blive betalt for det, gå igennem syv eller otte samtalerunder og derefter blive ignoreret.

Jeg er derfor lidt interesseret i rekrutteringssamtalen og i, hvordan den kommer til at udvikle sig. Men du kender mig – AI.

Kamaria Scott: AI til alt. Ved du, hvad jeg ellers er virkelig interesseret i? Performance management med AI. Jeg deltog i et arrangement i Tampa for nogle måneder siden, hvor et af emnerne var, hvad anciennitet betyder, når informationen er demokratiseret. Hvordan ser performance ud, hvis folk ikke selv udfører hele arbejdet, eller hvis agenter udfører halvdelen af det?

Hvordan skal man evaluere min performance for arbejde, jeg ikke længere udfører fuldt ud selv? Jeg er meget interesseret i at se, hvordan folk håndterer det. Når du skal give mig min performancevurdering næste år, spørger du mig så bare: "Lærte du AI?" og giver mig vurderingen "Overgår forventningerne"? Eller ser du på det samlede output af det, jeg gjorde? Hvad betyder god performance i dette nye miljø?

David Rice: Jeg har også været optaget af performance management med AI. Det interessante er, at folk synes, outputtet fra performancevurderingerne er mere effektivt og værdifuldt, og at feedbacken er bedre. Men hvis de får at vide, at det er AI, kan de ikke lide det og stoler ikke på det.

Jeg talte med Kate O'Neill fra Opry, som sagde: "Lad være med nogensinde at lyve om det." Man skal være transparent og sige: "Vi kommer til at bruge dette." Jeg synes, hendes værktøj er godt, fordi det producerer noget, som lederen og medarbejderen diskuterer, i stedet for at være den eneste sandhed. Spørgsmålet bliver: "Er du enig i det, værktøjet siger?" Derefter har man en samtale.

Kamaria Scott: Det er værdifuldt, fordi det er et datapunkt. Sådan burde performance management altid have været. Det er en samtale, der skaber enighed og fælles forståelse af, hvordan året var.

Ofte siger medarbejderen ved årets udgang: "Jeg var en femmer," og lederen svarer: "Nej, du var en treer." Så er man uenige. Et værktøj, der siger: "Her er et neutralt sted, vi kan begynde. Det er det, dataene og vores samtale viser," giver et udgangspunkt for samtalen.

Jeg siger altid til folk, at når man bruger noget, der er en vurdering, er vurderingen ikke det endelige mål. Den er begyndelsen på en samtale. Også i performance management er det en vurdering af din performance, som skal starte en samtale, hvorefter man finder frem til en fælles forståelse.

Jeg har haft mange samtaler, hvor jeg mente, at jeg var en femmer, mens den anden person mente, at jeg var en treer. Så må vi bringe vores data til bordet. Nu har vi et stærkere datasæt, og det er lidt mindre subjektivt. Vi kan have en anden samtale, der ikke kun handler om Davids mening om Kamaria sammenlignet med Kamarias mening. Vi har en bro imellem os.

David Rice: Jeg har selv haft nogle vurderinger, hvor jeg sagde: "Jeg gav kun fire, fordi jeg ikke ville virke selvfed." Der er meget at se frem til for os begge. Jeg glæder mig, og det er som altid godt at se dig her.

Kamaria Scott: I lige måde.

David Rice: Så afslutter vi denne episode her. Slut dig til os næste gang. Og som altid: Hvis du ikke allerede har gjort det, så tilmeld dig nyhedsbrevet, og følg os på YouTube og alle de sociale medier, så du får det hele direkte i dit feed.