Sådan bruger du AI til at styrke dine medarbejdere og transformere din organisation
Læs transskriptionen:
Vi er begyndt at transskribere vores podcasts ved hjælp af et softwareprogram. Tilgiv venligst eventuelle slåfejl, da botten ikke er korrekt 100 % af tiden.
Becca Banyard: Vidste du, at næsten 50 % af de største talenter tror på organisation inden for to år? Og hvad værre er: Nogle data tyder på, at mange af dem ville vælge at blive, hvis de fik de rette muligheder for læring og udvikling.
Velkommen til People Managing People-podcasten. Vi har som mål at skabe en bedre arbejdsverden og hjælpe dig med at skabe glade, sunde og produktive arbejdspladser. Jeg er din vært, Becca Banyard.
I dagens episode taler vi om, hvordan kunstig intelligens bruges til at skabe bedre og gladere arbejdspladser. Du lærer om nogle nye og spændende måder, hvorpå AI kan hjælpe dig med at reducere medarbejderudskiftningen, undgå afskedigelser og styrke dine medarbejdere, så de kan udvikle sig i deres karrierer og deres kompetencer.
Min gæst i dag er Alexandra Levit. Hun er grundlægger og administrerende direktør for Inspiration at Work. Hun er international bestsellerforfatter, klummeskribent på The Wall Street Journal og fremtidsforsker inden for arbejdslivet.
Alexandra, velkommen til programmet. Det er så dejligt at have dig med i dag. Vi skal dykke ned i et meget aktuelt emne, nemlig kunstig intelligens på arbejdspladsen.
Men før vi går i gang, vil du så ikke fortælle vores lyttere lidt om, hvem du er, og hvad du laver hos Inspiration at Work?
Alexandra Levit: Jo, det er dejligt at være her. Jeg hedder Alexandra Levit. Jeg er forfatter, foredragsholder, konsulent og fremtidsforsker inden for erhvervsliv og arbejdsliv. Og fremtidsforsker er et ord, som nogle mennesker synes er lidt skræmmende, men det betyder egentlig bare, at man ser på tendenser og signaler, der langsomt vokser frem på markedet, i samfundet og i erhvervslivet, og forsøger at foretage et kvalificeret gæt på, hvad der har størst potentiale for at skabe forandringer.
Hos Inspiration at Work, som er min organisation, ser vi specifikt på arbejdsstyrken. Vi ser typisk to til fem år frem, nogle gange endda så langt som ti år, og forsøger at afgøre, hvordan arbejdsstyrken kommer til at se ud. Vi hjælper organisationer og deres medarbejdere med at være forberedte på det næste, der kommer, når det gælder fremtidens arbejde.
Og vi laver alle mulige ting. Vi laver rådgivning, vi skriver, og grundlæggende gør vi bare, hvad vi kan for at hjælpe. Vi kommer ikke med forudsigelser, og vi har ingen krystalkugle. Vi ser bare på verden omkring os og baserer vores såkaldte prognoser på det, der er sket tidligere, på det, vi ser ske omkring os, og forsøger simpelthen at gøre vores bedste, så vi kan være forberedte på det næste, der kommer.
Becca Banyard: Fantastisk. Det lyder virkelig interessant. Hvis vi havde mere tid i dag, ville jeg meget gerne høre, hvad du har forudsagt. Nå, jeg ved godt, du sagde, at det ikke handler om forudsigelser, men hvad du tænkte om pandemien og Den Store Opsigelse og alt det. Men ja, det må blive en samtale til en anden gang.
Når det gælder AI, kan dette ord, kunstig intelligens, betyde mange forskellige ting. For at få den rigtige start på vores samtale i dag vil jeg derfor gerne spørge dig, hvad du mener, når du bruger begrebet AI. Jeg ved, at det kan være robotter, chatbots, automatiseringer og en lang række andre ting. Hvad tænker du på, når du siger AI i forbindelse med denne samtale, og hvilke typer AI-værktøjer kommer du til at tænke på?
Alexandra Levit: Det er et godt spørgsmål. Når vi har en samtale som denne, er vi helt nødt til at fastlægge, hvad vi mener med AI. AI betyder egentlig bare brugen af en computerplatform til at efterligne former for intelligens, som mennesker anvender. Når vi taler om kunstig intelligens i forbindelse med bogen Deep Talent, taler vi specifikt om former for talentintelligens, der bruger dyb læring.
Dyb læring bruger en AI-baseret algoritme til at vurdere det, der kaldes kompetencenærhed. Hvis du er god til kompetence A, er der også stor sandsynlighed for, at du er god til kompetence B. Hvis du for eksempel er god til algebra, vil en AI-baseret algoritme kunne se på en meget bred vifte af interne eller eksterne data, der findes ude i verden, og se på forskellige mønstre for at sige: Vi ved, at fordi du er god til algebra, er der også stor sandsynlighed for, at du er god til differentialregning.
Grunden til, at det er så kraftfuldt, er, at vi som mennesker ikke nødvendigvis har evnen til umiddelbart at drage den slags slutninger. Men kunstig intelligens kan. Den kan tage data fra alle de kilder i verden, som vi har lige ved hånden, og sige: Vi ved, at fordi du er god til kompetence A, er du måske også god til kompetence B. Det er en form for kunstig intelligens, der kaldes dyb læring, som bruges til at drage disse slutninger.
Og det er faktisk ret spændende. Men du har ret i, at kunstig intelligens kan dække over en meget bred vifte af forskellige teknologityper. Når det gælder dette specifikke emne, bogen Deep Talent, som vi skal tale om, handler det om at bruge naturlig sprogbehandling og dyb læring til at udføre en meget specifik type opgaver, som involverer arbejde med kompetencer.
Becca Banyard: Det er virkelig sejt. Det er utroligt, hvilken tid vi lever i i dag.
Alexandra Levit: Sejt, ikke?
Becca Banyard: Ja. Alt det, der er muligt med computere, teknologi og det hele. Det er virkelig sejt. Du nævnte Deep Talent for et øjeblik siden, og det er en bog, du udgav for nylig. Den fulde titel er Deep Talent: Sådan transformerer du din organisation og styrker dine medarbejdere gennem AI.
Mit næste spørgsmål til dig er derfor: Hvordan kan kunstig intelligens gøre arbejdet mere meningsfuldt for mennesker? Og hvad er nogle konkrete eksempler fra virkeligheden?
Alexandra Levit: Det er absolut et godt spørgsmål. Jeg tror, at grunden til, at vi besluttede os for at skrive denne bog, er, at vi mener, verden befinder sig ved et helt unikt samfundsmæssigt og teknologisk vendepunkt.
Med pandemien er vi klar til at styrke medarbejderne, så de kan forfølge karrierer, der er meningsfulde for dem, og vælge det, de gerne vil lave i organisationen, i stedet for nødvendigvis at få at vide, hvad de skal gøre som det næste. Samtidig ser vi virksomhedsledere sige, at rekruttering og udvikling af talenter er deres største udfordringer i organisationen.
Vi ser mangel på talenter, lange ansættelsesforløb og højere medarbejderudskiftning. Og perioden efter pandemien har medført mange vanskeligheder med at håndtere medarbejdernes forventninger. Medarbejderne siger, at de vil arbejde i en meget bestemt type miljø. De vil ikke acceptere arbejdsmiljøer, der ikke passer til den måde, de ønsker at arbejde på.
Derfor ser vi en omfordeling af prioriteterne. Der er, helt ærligt, en vis friktion i gang nu. Når vi ser på dataene, kan vi se, at næsten 50 % af de største talenter forlader en organisation inden for to år. Men når vi ser på den anden side af sagen, kan vi se, at de fleste mennesker gerne ville blive i en organisation, hvis de fik de rette muligheder for læring og udvikling.
Desværre sker det ofte ikke. Og efterhånden som arbejdsstyrken vokser, og organisationerne bliver større og større, mister de faktisk overblikket over, hvad deres medarbejdere er i stand til. De ved ikke, hvilke kompetencer medarbejderne har opbygget, mens de har haft et bestemt job. De ved ikke, hvilke kompetencer medarbejderne er klar til at mestre som det næste.
De ved ikke, hvordan bestemte kompetencer kan bruges til at udvikle den enkelte medarbejders karriere. Det, AI gør, og det berører lidt af det, vi talte om for få minutter siden, er, at teknologien lover at kunne fortælle os, hvad medarbejderne kan gøre som det næste. Jobbene findes, og menneskene findes, så det handler om at finde de rigtige match mellem de mennesker, som du ved har talent og loyalitet over for din organisation, og de kritiske job, som du har brug for at besætte.
Og AI kan hjælpe os med at gøre det. Det virkelig spændende er, at det faktisk kan gøres i dag. Jeg har flere eksempler fra virkeligheden, hvis du gerne vil høre dem, men det bliver allerede gjort i offentlige myndigheder. Det er et af mine absolutte yndlingseksempler, fordi vi normalt, når vi taler om eksempler fra virkeligheden, taler om superinnovative teknologivirksomheder, som fører an i brugen af disse nye og meget populære teknologier.
Noget af det, jeg er mest stolt af ved den måde, denne teknologi bliver implementeret på, i hvert fald her i USA, er, at nogle af de mest innovative implementeringer faktisk foretages af delstatsregeringer.
Når vi tænker på delstatsregeringer, tænker vi normalt, at de er lidt bagefter, og at de ikke helt er på niveau, når det gælder om at gøre tingene på en banebrydende måde. Men både staten New York og staten Indiana, blandt andre, fører virkelig an i arbejdet med at matche kompetencerne hos deres ledige borgere med de job, der er tilgængelige i delstaten, for at fastholde talenterne i delstaten og samtidig sænke arbejdsløsheden. Så man løser faktisk to problemer med ét slag. Jeg ved godt, at dette svar var fyldt med klichéer, og det beklager jeg.
Hvis jeg havde brugt AI, havde jeg måske ikke behøvet at bruge så mange mundtlige klichéer i dette svar. Men det, jeg egentlig prøver at sige, er, at jeg er utrolig stolt af disse implementeringer. Jeg havde ikke noget med dem at gøre, men det er fantastisk, når delstatsregeringer er villige til at satse på teknologi og sige: Hør, vi har et mål, og det er, at vi har en masse mennesker i vores delstat, som er arbejdsløse. Vi har organisationer i vores delstat, der er klar til at ansætte dem. Så hvis vi kan bruge denne teknologi til at løse begge problemer på én gang, hvorfor så ikke prøve? Og det gjorde de, og som følge heraf kunne de løse begge problemer.
Og her sidder jeg i dag og bruger dem som eksempler, fordi de gjorde det. Det vidunderlige ved offentlige myndigheder er, at de kan hjælpe mange mennesker på én gang. Når man gør ting gennem en regering, kan man, og det er en af grundene til, at Ashu og Kamal hos Eightfold målrettede offentlige myndigheder, skalere den hjælp, man giver mennesker, og skabe forandringer i massiv skala langt mere effektivt, end hvis man for eksempel startede i en lille virksomhed.
Og ved at gøre det synes jeg, at de valgte en virkelig smart strategi.
Becca Banyard: Wow. Det er godt. Der er så mange virkelig interessante pointer. Jeg er nysgerrig, for du nævnte, hvordan regeringen hjalp mennesker med at få job og komme i arbejde. Men for virksomheder, der oplever, at deres største talenter forlader dem efter to år, eller at medarbejderne forlader dem, fordi de ikke fik den lærings- og udviklingsstøtte, de havde brug for: Hvordan kan AI bruges i de situationer til at fastholde medarbejderne?
Alexandra Levit: Det er også et rigtig godt spørgsmål. En meget vigtig del af dette er at bruge sin viden om kompetencenærhed til regelmæssigt at profilere sin arbejdsstyrke. På den måde kan man opnå en langt bredere forståelse af de kompetencer, medarbejderne har, og de kompetencer, man har brug for, ikke kun nu, men også i den nærmeste fremtid og på længere sigt.
Vi har en tendens til ikke at se for langt frem. Ligesom fremtidsforskere har en tendens til ikke at se for langt frem. Når man planlægger fremtidens kompetencer, er man nødt til at holde sig nogenlunde tæt på nutiden, fordi vi ikke rigtig ved, hvad der sker. Der kan være kompetencer, vi ikke engang har hørt om endnu, som bliver nødvendige om 10 eller 15 år.
Men jeg tror, at udvikling af kompetenceprofiler for forskellige roller er noget, AI helt sikkert kan hjælpe med. Ved hjælp af en platform til talentintelligens kan man gøre det og lave sin arbejdsstyrkeplanlægning. Ved at forstå, hvilke kompetencer man får brug for i organisationen, og samtidig forstå, hvad medarbejderne i arbejdsstyrken er i stand til at gøre som det næste.
Og faktisk også, hvad de kommer til at gøre som det næste. Ved igen at gennemgå data fra milliarder af karriereprofiler rundt om i verden kan man meget præcist sige: Jeg ved, at de fleste mennesker i denne type job sandsynligvis gerne vil have denne type job som det næste. I fremtiden kan man begynde proaktivt at uddanne dem, så de kan bevæge sig rundt i organisationen.
Det er faktisk i organisationens egen interesse at have mennesker med en så bred kompetencebase som muligt, fordi vi aldrig ved, hvornår den næste forstyrrelse kommer. De klogeste virksomheder under pandemien afskedigede ikke medarbejdere; de omplacerede dem.
Vi så det ske overalt, hvor organisationer pludselig havde en afdeling, der gik meget langsomt, fordi medarbejderne ikke blev brugt under pandemien. Måske var forretningen bare anderledes dengang på grund af de ændrede behov. I stedet for at give slip på en virkelig god medarbejder eller en virkelig god gruppe medarbejdere omplacerede de dem derfor til en anden funktion.
Og da den funktion kom op i gear igen, flyttede de dem tilbage. Det er virkelig den smarte måde at drive en virksomhed på i dag: Man skal ikke afskedige virkelig dygtige mennesker og bagefter bekymre sig om at få dem tilbage. Flyselskaberne har allerede oplevet, hvad der sker, når de afskediger store mængder mennesker under en pandemi, og der bagefter opstår massiv mangel på arbejdskraft i flybranchen.
Det havde været bedre, hvis de havde haft en bredere kompetencebase, så de kunne have beholdt medarbejderne, omplaceret dem til andre områder og derefter fastholdt dem. Så ville de ikke have haft mangel på arbejdskraft. Hvis man bruger talentintelligens til at flytte folk rundt, få dem til at udføre forskellige typer arbejde, men beholde dem, løser det i øvrigt også problemet med, at folk forlader organisationen efter to år, fordi de ikke har tilstrækkelige muligheder.
Hvis man opkvalificerer dem, giver dem nye kompetencer og flere muligheder, bliver de sandsynligvis længere i organisationen. Og alle bliver gladere. Men det hjælper igen at vide, hvad de er i stand til. Og dette er nyt for alle. Det er ikke kun lederne, der får information ud af det.
Det er lederne, det er HR, og det er medarbejderne selv. Mange gange er det nyt for personen selv. Jeg vidste ikke, at jeg måske også var god til differentialregning, bare fordi jeg er god til algebra. Det er ofte meget styrkende for en person at sige: Hold da op. Jeg har ikke haft den slags uddannelse. Jeg vidste ikke, at jeg kunne det her.
Og det er fantastisk, hvis de tænker: Det er virkelig sejt, at jeg potentielt kan gøre det her. Det styrker mennesker. Det giver dem en følelse af mestring. Det giver dem selvtillid, især mennesker, som måske ikke har haft samme uddannelsesniveau.
Måske undervurderede de sig selv. Vi så det tydeligt, hvis vi vender tilbage til de amerikanske delstatsregeringer, hos mennesker, der for eksempel arbejdede i kiosker. De troede, at det var deres skæbne resten af livet, at de skulle arbejde i en kiosk.
Så opdagede de: Hold da op, mens jeg arbejdede i en kiosk, lærte jeg faktisk alle disse kompetencer. Jeg anede ikke, at de kunne bruges andre steder. Og så sagde de: Hov, jeg kan faktisk arbejde på et hospital nu. Hvem skulle have troet det? Det var virkelig sejt.
Det er også nyttigt for ledere, fordi nogle af de største barrierer for interne jobskift er ledere, som ikke vil give slip på andre mennesker. De er meget kortsigtede og siger: Jeg tror ikke, jeg vil støtte dette interne jobskifte, for jeg vil ikke miste min medarbejder, fordi medarbejderen er virkelig god.
Ved at se, hvordan et internt jobskifte faktisk er bedre for organisationen, behøver man måske ikke at miste medarbejderen. Personen kan måske stadig arbejde sammen med en, samtidig med at vedkommende laver noget andet og tager en ny udfordring op.
På den måde hjælper det alle. Og jeg tror også, at det demokratiserer mulighederne. Hvis talentintelligens bruges på den rigtige måde, kan den gøre mulighederne synlige for alle, hjælpe alle med at forstå, hvorfor det er bedst, og virkelig gøre mange gode ting på én gang. Så jeg synes, det er noget, man bør have på tværs af hele organisationen.
Godt spørgsmål.
Becca Banyard: Ja. Det er godt. Jeg vil gerne vende tilbage til din bog. Hvad fik dig oprindeligt til at skrive den? Hvad var vejen frem til beslutningen om at skrive bogen?
Alexandra Levit: Det er et godt spørgsmål. Dine spørgsmål er faktisk alle sammen rigtig gode. Jeg vil sige, at jeg har gået og tænkt over problemet med kompetencegabet i en stor del af et årti. Det har altid frustreret mig, at jeg for det første hele tiden hører om afskedigelser.
Vi afskediger alle disse mennesker, og alligevel kan vi tilsyneladende aldrig finde de rigtige mennesker til de rigtige job. Dette matchningsproblem mellem de rigtige talenter og de rigtige job virker derfor som noget, ingen kan finde en løsning på.
Da jeg mødte Ashu og Kamal, og de havde denne teknologi hos Eightfold, som gør det muligt at bruge kunstig intelligens til at hjælpe med at løse problemet, blev jeg naturligvis meget interesseret. Jeg kunne godt lide, at de havde så mange tidlige og vellykkede anvendelseseksempler, som kunne beskrives på en meget klar måde, så vi faktisk havde noget, vi kunne give praktiske råd om.
Det var ikke bare teoretisk. Det var ikke sådan: Du kunne gøre dette. Det var: Denne teknologi findes i dag, og sådan bruger du den. Vi kunne faktisk fortælle folk, hvad der ligger under overfladen i talentintelligens. Jeg satte virkelig pris på muligheden for at kunne tilbyde en løsning. Jeg har skrevet utrolig meget gennem årene, og noget af det er mere teoretisk end andet.
Som fremtidsforsker er meget af det, man laver, spekulativt og handler om ting, der måske sker, og som sandsynligvis er på vej. Her havde vi noget, der allerede var her. Det blev allerede brugt. Der var implementeringer over hele verden, og vi kunne give folk en praktisk køreplan for at komme i gang og ikke være bange.
Det er ikke noget, man behøver at frygte, eller noget, man ikke kan lave en forretningsmæssig begrundelse for. Folk har allerede gennemført det med stor succes, og det behøver ikke koste en formue at sætte et lille pilotprojekt i gang. Hvad har man egentlig at miste? Det var det, der tiltrak mig ved at skrive om det og få budskabet ud.
Og mit budskab som både forfatter og fremtidsforsker er igen og igen: Lad os hjælpe så mange mennesker som muligt med at leve så meningsfulde liv som muligt. På mit område handler det om arbejde. Så hvordan finder vi de rigtige karrierer, de mest meningsfulde karrierer, for så mange mennesker som muligt? Jeg så denne bog, som jeg skrev sammen med Ashu og Kamal, som en måde at gøre det på.
Becca Banyard: Fantastisk. Det elsker jeg. Det får mig til at tænke på os hos People Managing People. Vi forsøger virkelig at skabe indhold, der ikke kun handler om hvad, men også om hvordan. Hvordan kan man gøre det? Hvordan kan man implementere det i sin egen organisation, i sin egen arbejdspraksis og i sin egen karriere?
Alexandra Levit: Netop. I gør præcis det samme. I har præcis den samme mission.
Becca Banyard: Fantastisk. Det elsker jeg. Vi har allerede talt lidt om, hvordan AI revolutionerer organisationskulturen ved at mindske arbejdsløsheden eller fastholde medarbejdere på en arbejdsplads, som de ellers måske ville have forladt, fordi de ikke kunne se, hvordan de kunne udvikle sig i nye roller.
Hvilke andre måder revolutionerer AI organisationskulturen på?
Alexandra Levit: Jeg tror, at vi i stigende grad ser AI blive brugt til, og jeg vil ikke sige at erstatte, men at styrke menneskers deltagelse i arbejdsstyrken. Jeg har aldrig brudt mig om ordet erstatte. Jeg tror ikke, at AI er nået til et punkt, hvor den kan erstatte menneskers deltagelse i arbejdsstyrken.
Der er naturligvis meget opmærksomhed omkring for eksempel ChatGPT og lignende chatbot-teknologier lige nu. Noget, jeg altid føler, at jeg er nødt til at understrege, når jeg taler om dette emne, er, at når man indsætter et stykke AI i en traditionelt menneskestyret proces, har man brug for et menneske til at skabe det, administrere det, reparere det, når det går i stykker, implementere det igen og forklare beslutningstagerne, hvordan det fungerer.
Det er altså mange mennesker, der skal involveres i overvågningen af AI-teknologier. Når man ikke involverer disse mennesker, opstår der kaos. Jeg har faktisk et eksempel på det, som skete i dag.
Jeg skriver en klumme for Wall Street Journal. Nogle lyttere kender måske den. Den hedder The Workplace Report. I dag kontaktede nogle PR-folk mig med ChatGPT. De brugte chatbotten ChatGPT til at udforme PR-henvendelser. De brugte rigtige PR-folks e-mailadresser, men ingen rigtige PR-folk læste de henvendelser, som ChatGPT havde skrevet, før de blev sendt ud.
Desværre kan ChatGPT ikke skrive PR-henvendelser, som rigtige PR-folk kan. Henvendelserne gav ingen mening. Jeg modtager dem, og jeg får ikke et særligt godt indtryk af disse PR-folk, fordi henvendelserne er meningsløse, og det er tydeligt for mig, at ChatGPT har skrevet dem. Jeg er irriteret, fordi jeg var nødt til at åbne min e-mail og spilde tid på at læse dem.
Det er et harmløst eksempel, men man er virkelig nødt til at tænke over, at ens virksomhed er ansvarlig for enhver dårlig adfærd, der udføres af AI. Det er ikke leverandørens ansvar. Det er ikke den virksomhed, der sælger chatbotten, der hæfter for dårlig adfærd, som kan være ulovlig, diskriminerende eller bringe en i juridiske problemer.
Det er faktisk en af mine største bekymringer lige nu. Der sker alle mulige AI-implementeringer på mange forskellige områder. Det kan være inden for alle dele af arbejdsstyrken, og vi har ikke ordentlig menneskelig overvågning af disse teknologier. Der er etiske og juridiske problemer forbundet med det.
Vi lader nærmest bare disse teknologier løbe løbsk og tror, at de kan erstatte mennesker, selv om de endnu ikke er klar til det.
Og jeg tror, der går noget tid, før de er det. Det var min store prædiken om emnet i dag. Men ja, jeg tror, der er mange anvendelser. AI kan gøre fantastiske ting. Jeg har jo skrevet en bog om, hvor fantastisk AI er.
Jeg tror, den kan gøre rigtig mange ting. Men jeg mener bestemt, at der skal være menneskelig overvågning, når en implementering sættes i gang.
Becca Banyard: Ja. Det er rigtig godt. Jeg er glad for, at du tog det punkt op. Selv som en person, der ikke er AI-ekspert, synes jeg, det er meget vigtigt. Og jeg er glad for, at du nævnte ChatGPT, for ellers ville jeg have gjort det. Som alle, der lytter, sikkert ved, har lanceringen af ChatGPT fået internettet til at gå amok.
Jeg vil faktisk gerne bruge lidt tid på at tale mere om ChatGPT. Når det gælder fremtidens arbejde, hvordan ser du så ChatGPT påvirke fremtidens arbejde og fremtidens organisationer?
Alexandra Levit: Ligesom andre chatbots er ChatGPT ikke enestående på det punkt.
Jeg vil ikke betragte det som særlig avanceret sammenlignet med det, der allerede findes. ChatGPT er en chatbot, så den bruger naturlig sprogbehandling til at sammensætte sætninger eller tanker ved hjælp af sprog. Den lærer ud fra det, den ved om det, du allerede har sagt, og det, den har læst.
Grunden til, at jeg siger, at den ikke er særlig revolutionerende, er, at den ikke tænker selv. Den kan egentlig ikke føre en samtale, sådan som et menneske ville, hvor den kommer med unikke og sammenhængende tanker. Der findes noget, der hedder Turing-testen, som blev udviklet for længe siden. Spørgsmålet er, om man kan se, om noget er en robot, eller om det ikke kan skelnes fra et menneske.
For mig består ChatGPT ikke den test. Når jeg læser det, kan jeg tydeligt se, at det ikke er et menneske. Det lyder bare ikke rigtigt for mig. Det er der ikke alle, der er enige i. Nogle siger: Det lød præcis som et menneske for mig. Men for mig lyder det slet ikke sådan.
På samme måde kan de fleste se, at en chatbot til kundeservice bare er en bot og ikke et menneske. Jeg er lidt forundret over, hvorfor folk er så optagede af ChatGPT i særdeleshed, for efter min mening virker det ikke som et revolutionerende fremskridt i forhold til tidligere teknologi.
Når det er sagt, tror jeg, at der på et tidspunkt snart kommer et spring, hvor teknologien bliver virkelig god. Efterhånden som årene går, bliver vi nødt til at forholde os til stadig mere avancerede teknologier, der udfører og erstatter flere og flere typer menneskelige opgaver.
Det, folk er nødt til at gøre, og det har jeg sagt i årevis, er at se rundt om hjørnerne og undersøge, hvilke dele af ens egen rolle der er mest sårbare over for automatisering, og hvordan man kan udvikle sin karriere for at holde trit med dem.
Hvis du for eksempel er mig og er klummeskribent for Wall Street Journal, ser du rundt om hjørnet og siger: Jeg tror, at ChatGPT måske bliver tilstrækkeligt avanceret i løbet af de næste fem år til at kunne skrive min klumme. I dag kan ChatGPT ikke skrive min klumme.
Om tre år kan den måske. Vil Wall Street Journal så lade ChatGPT udgive teksten uden at nogen redigerer den? Nej, sandsynligvis ikke. Så hvor skal jeg udvikle min karriere hen for stadig at have et job om fem år? Jeg skal nok lære redigering ud over skrivekunsten, så jeg kan være den menneskelige overvågning af den maskine, der på et tidspunkt overtager mit job.
Det er et eksempel. Alle bør gøre det nu. Alle bør tænke over, hvilke yderligere kompetencer de skal udvikle for at kunne være i beskæftigelse, når bestemte dele af deres job overtages af maskiner. Det er bare virkeligheden.
Så ja, maskiner bliver stadig mere avancerede, og der kommer en dag, hvor de bliver klogere og kan overtage forskellige menneskelige opgaver. Er vi der i dag med ChatGPT? Nej. ChatGPT er ikke så intelligent og kan ikke rigtig gøre så meget. Chatbots generelt kan ikke gøre så meget endnu, men de bliver bedre.
Det er uundgåeligt. Men vi vil stadig altid have brug for menneskelig overvågning. Jeg kan ikke se, at disse maskiner lige foreløbig vil kunne gøre alt selvstændigt. Det ligger ikke i vores nærmeste fremtid. Vi bliver nødt til at være overvågningen.
Vi bliver nødt til at stå for dømmekraften og den personlige kontakt. Det er kompetencer, som folk skal øve sig på og udvikle, så der altid vil være en rolle for mennesker. Hvis du for eksempel er softwareingeniør, kan du ikke længere udelukkende stole på dine programmeringskompetencer.
Du kan ikke hvile på laurbærrene. Du bliver også nødt til at udvikle dine sociale kompetencer. Og til alle, der har hvilet på deres programmeringskompetencer i 25 år eller mere, vil jeg sige, at de dage er talte. Det er tid til at blive lidt mere alsidig.
Becca Banyard: Ja. Før Skynet overtager det hele.
Alexandra Levit: Præcis.
Becca Banyard: Okay, vi er nødt til at runde af, men jeg har ét sidste spørgsmål til dig. Det er noget, jeg spørger alle mine gæster om.
Hvad tror du er det vigtigste, der holder medarbejderne glade på arbejdspladsen?
Alexandra Levit: Det vigtigste er nye udfordringer. Muligheden for at lære, muligheden for at udvikle sig og følelsen af at være værdsat og anerkendt. Det er nok mere end én ting, men jeg tror, det hele hænger sammen. Det handler om at føle, at ens arbejde bliver værdsat, at man udvikler sig, og at ens bidrag er meningsfulde for en selv og for organisationen.
Jeg tror, det er vigtigere end blot at få en lønforhøjelse eller føle, at man er en del af noget, der er større end en selv.
Becca Banyard: Det er så godt. Det elsker jeg. Alexandra, det har været en fornøjelse at have dig med. Jeg har virkelig nydt denne samtale.
Alexandra Levit: I lige måde.
Becca Banyard: Hvis vi havde mere tid, kunne jeg stille dig så mange flere spørgsmål, men måske må vi lave endnu en episode i fremtiden. Tak, fordi du ville være med.
Til jer, der lytter, og som gerne vil i kontakt med dig eller følge med i det, du laver: Hvordan kan de komme i kontakt med dig? Hvordan kan de følge dit arbejde?
Alexandra Levit: I er meget velkomne til at besøge mig på alexandralevit.com. Se nærmere på vores bog, Deep Talent, og lad os se.
Jeg er på Twitter @alevit. LinkedIn er også et godt sted, og vi vil meget gerne høre, hvad folk synes. Jeg kommer gerne tilbage når som helst, Becca.
Becca Banyard: Fantastisk. Det elsker jeg.
Okay, til vores lyttere: Tusind tak, fordi I lyttede med. Husk at synes godt om og abonnere, så I kan følge med i alle vores nye episoder. Vi taler med jer snart. Hav en dejlig dag!




