Skip to main content
Key Takeaways

AI-integration: 84 % af organisationerne har endnu ikke redesignet job for fuldt ud at integrere kunstig intelligens-teknologier.

Redesign af arbejdet: Organisationer fokuserer mere på at implementere AI-teknologi end på at redesigne, hvordan arbejdet organiseres.

Ledelsesudfordring: AI-integration i arbejdsgange skaber udfordringer med synlighed, ansvarlighed og organisatoriske resultater.

AI-centrisk model: Den AI-centriske HR-driftsmodel håndterer AI's indlejring i arbejds- og beslutningsprocesser.

PXB-økosystem: PXB-økosystemet giver et helhedsorienteret overblik over AI's integration i forretning, arbejdsstyrke og styring.

Ifølge nyere forskning har 84 % af organisationerne endnu ikke redesignet stillinger, så kunstig intelligens integreres fuldt ud. På trods af betydelige investeringer i AI-teknologier viser Deloitte-undersøgelser, at relativt få organisationer grundlæggende har redesignet selve arbejdet omkring AI.

Mens de fortsat investerer milliarder i AI-platforme, styringsrammer, transformationsprogrammer og arbejdsstyrkeinitiativer, fokuserer mange stadig på at implementere teknologi frem for at redesigne, hvordan arbejdet organiseres, og hvordan værdi skabes.

Dette er vigtigt, fordi AI ikke længere er et fremtidigt koncept, der er begrænset til innovationsteams eller teknologifunktioner. AI er i stigende grad integreret i rekruttering, arbejdsstyrkeplanlægning, læring, præstationsstyring, kundeservice, drift og ledelsesmæssig beslutningstagning. I mange organisationer påvirker AI allerede, hvordan information indsamles, hvordan beslutninger træffes, og hvordan arbejdet flyder på tværs af teams.

Continue Reading for Free

Create a free account to finish this article, plus get ongoing access to timely insights and practical resources.

Organisationer implementerer AI i eksisterende organisationsstrukturer uden fuldt ud at forstå, hvordan det ændrer ledelseskontrol, ansvarlighed, økonomisk styring, kompetenceudvikling og organisatoriske resultater.

Historisk set var teknologi i høj grad begrænset til IT-funktioner. Systemer blev anskaffet, administreret og styret gennem etablerede teknologi- og økonomiprocesser, hvilket gav ledelsesteams relativt klare linjer for ejerskab, ansvarlighed og kontrol. AI ændrer denne model fuldstændigt.

I dag flyder AI gennem hele organisationen, og efterhånden som den integreres i de daglige arbejdsgange, risikerer ledelsesteams at miste indsigt i, hvordan arbejdet udføres, og hvordan beslutninger træffes.

Dette skaber en betydelig ledelsesmæssig udfordring. Bestyrelser er fortsat ansvarlige for organisatoriske resultater, økonomiske resultater og overholdelse af lovgivningen, men AI fungerer i stigende grad på tværs af funktioner, processer og teams, der aldrig er blevet designet til at håndtere distribueret intelligens. Uden passende driftsstrukturer risikerer organisationer at skabe huller i tilsyn, ansvarlighed og kontrol.

De økonomiske konsekvenser kan være betydelige. AI, der styres utilstrækkeligt, kan bidrage til myndighedsundersøgelser, juridiske udfordringer, afhjælpningsprogrammer, omdømmeskade og mislykkede transformationsinvesteringer.

Mere grundlæggende kan organisationer få svært ved at realisere de forventede produktivitets- og præstationsgevinster, fordi AI er blevet implementeret uden at redesigne den driftsmodel, der er nødvendig for at understøtte den.

Udfordringen handler derfor ikke blot om, hvordan AI implementeres. Den handler om, hvordan man opretholder indsigt, kontrol og ansvarlighed i en organisation, hvor intelligens ikke længere udelukkende er begrænset til mennesker eller teknologifunktioner.

Hvad bør erstatte de gamle strukturer?

Det er det spørgsmål, der fik mig til at undersøge og udvikle den AI-centrerede HR-driftsmodel.

Gennem de seneste 30 år har jeg designet, implementeret og transformeret driftsmodeller på tværs af globale organisationer inden for logistik, luftfart, finansielle tjenesteydelser, lægemidler, telekommunikation, energi og professionelle tjenesteydelser.

Nogle blev designet til at forbedre effektiviteten og reducere ressourceforbruget. Andre understøttede vækst, fremskyndede transformation eller tilpassede arbejdsstyrkens kompetencer tættere til forretningsstrategien. Selvom alle organisationerne var forskellige, havde de én fælles egenskab. De var designet til en verden, hvor mennesker stod i centrum for vidensskabelse, beslutningstagning og udførelse af arbejdet.

Information flød gennem mennesker, ekspertise var koncentreret i funktioner, og ansvarlighed fulgte relativt klare organisationsstrukturer. Disse driftsmodeller skabte betydelig værdi, fordi de afspejlede realiteterne i den måde, organisationer fungerede på på det tidspunkt.

I dag bliver disse antagelser imidlertid udfordret. Viden kan genereres øjeblikkeligt. Beslutninger kan påvirkes af algoritmer, prædiktiv analyse og AI-genererede anbefalinger. Arbejdet flyder i stigende grad mellem mennesker og intelligente systemer i stedet for udelukkende gennem menneskelige processer.

Spørgsmålet er derfor ikke, om traditionelle driftsmodeller var effektive. Mange var yderst succesfulde. Spørgsmålet er, om de fortsat er tilstrækkelige for organisationer, der opererer i et miljø, hvor intelligens, kompetencer og beslutningstagning i stigende grad er distribueret på tværs af både mennesker og AI. Den AI-centrerede HR-driftsmodel blev udviklet for at besvare dette spørgsmål.

De syv søjler i en AI-centreret HR-driftsmodel

Den AI-centrerede HR-driftsmodel blev udviklet for at hjælpe organisationer med at håndtere de udfordringer, der opstår, når AI integreres i arbejdet, beslutningstagningen og de organisatoriske processer.

I stedet for at betragte AI som et selvstændigt teknologisk initiativ positionerer modellen AI som en katalysator for arbejdsstyrkens og virksomhedens resultater. Den er bygget op omkring syv indbyrdes forbundne søjler, som hver især omhandler en kritisk komponent i organisatorisk succes.

Each week, AI Signal takes one meaningful shift in AI and helps people leaders understand what changed, why it matters, and what to consider next.

AI-drevne centrale HR-funktioner

Den første søjle fokuserer på at modernisere leveringen af HR-ydelser gennem automatisering, intelligente arbejdsgange og AI-understøttet support. Målet er ikke blot at reducere den administrative indsats, men at frigøre HR-medarbejdere fra rutineaktiviteter, så de kan fokusere på strategi for arbejdsstyrken, organisatorisk effektivitet og virksomhedens resultater.

AI-drevet planlægning af arbejdsstyrken og strategi

Den anden søjle anerkender, at beslutninger om arbejdsstyrken i stigende grad skal være datainformerede. AI kan hjælpe organisationer med at forudse fremtidige kompetencebehov, identificere nye kompetencekløfter, modellere scenarier for arbejdsstyrken og i højere grad tilpasse investeringer i talenter til virksomhedens mål.

Personlig medarbejderoplevelse

Den tredje søjle afspejler den stigende forventning om, at medarbejdere får oplevelser, der er relevante, rettidige og tilpasset deres behov. AI gør det muligt for organisationer at levere mere personlig support, karrierevejledning, kommunikation og udviklingsmuligheder, samtidig med at engagementet forbedres gennem hele medarbejderens livscyklus.

Kontinuerlig læring og udvikling

Den fjerde søjle er kernen i modellen. I takt med at teknologien accelererer forandringstempoet, skal organisationer kontinuerligt skabe, overføre og anvende kompetencer. Læring kan ikke længere betragtes som en periodisk aktivitet.

Den bliver en strategisk mekanisme, hvorigennem organisationer opretholder tilpasningsevne, modstandsdygtighed og konkurrencefordel.

Etik, overholdelse og tillid

Den femte søjle omhandler det voksende behov for styring, gennemsigtighed og ansvarlighed. I takt med at AI påvirker flere beslutninger om arbejdsstyrken og virksomheden, skal organisationer sikre passende menneskeligt tilsyn, bevare medarbejdernes tillid og dokumentere overholdelse af stadig mere komplekse lovgivningsmæssige krav.

Datadrevet beslutningstagning

Den sjette søjle fokuserer på at forbedre kvaliteten af organisatoriske beslutninger. AI og analyse giver adgang til indsigt i et hidtil umuligt omfang, men teknologien alene er ikke nok. Effektiv beslutningstagning kræver en kombination af data, menneskelig dømmekraft og tydeligt ansvar.

Agil tiltrækning og fastholdelse af talenter

Den syvende søjle anerkender, at organisationer skal tiltrække, udvikle og fastholde talenter på stadig mere dynamiske arbejdsmarkeder. AI kan understøtte mere effektiv talentidentifikation, matchning af kompetencer, intern mobilitet og fastholdelsesstrategier og dermed hjælpe organisationer med at opbygge en arbejdsstyrke, der er i stand til at tilpasse sig kontinuerlige forandringer.

Hver søjle adresserer individuelt en specifik organisatorisk udfordring. Tilsammen udgør de imidlertid en integreret driftsmodel. Modellens egentlige værdi ligger ikke i en enkelt søjle, men i forståelsen af, hvordan de arbejder sammen for at forbedre arbejdsstyrkens og virksomhedens resultater.

Fra HR-driftsmodel til organisatorisk økosystem

Efterhånden som undersøgelsen skred frem, begyndte jeg at indse, at de syv søjler ikke blot var forbundet med hinanden, men også med den bredere organisation. Selvom modellen var udviklet til at håndtere HR's reaktion på en AI-medieret verden, rakte konsekvenserne langt ud over HR selv.

Planlægning af arbejdsstyrken påvirkede virksomhedens strategi. Læring påvirkede organisationens resultater. Styring påvirkede tillid, risiko og beslutningstagning. Medarbejderoplevelsen påvirkede produktivitet, fastholdelse og kunderesultater.

Jo mere jeg undersøgte forholdet mellem disse områder, desto tydeligere blev det, at de ikke kunne behandles som separate aktiviteter. Dette blev særligt tydeligt ved undersøgelsen af, hvordan AI blev taget i brug på tværs af organisationer.

AI hører ikke pænt hjemme i en enkelt funktion. Den bliver indlejret i de daglige arbejdsgange, og i processen bliver grænserne mellem funktionerne stadig mere udviskede, mens organisationen begynder at fungere som et sammenkoblet system snarere end en samling af individuelle afdelinger.

Samtidig er ledelsesteams fortsat ansvarlige for organisatoriske resultater, økonomisk styring, overholdelse af lovgivningen og virksomhedens resultater. Alligevel blev mange af de strukturer, der bruges til at lede organisationer i dag, udviklet til en verden, hvor teknologien i høj grad var begrænset til IT-funktioner og blev styret gennem relativt tydelige ejerskabsmodeller.

Efterhånden som intelligens flyder på tværs af funktioner, processer og teams, bliver det betydeligt mere udfordrende at bevare overblikket over, hvordan beslutninger træffes, hvordan arbejdet udføres, og hvordan værdi skabes.

Det førte mig til en grundlæggende konklusion. Den udfordring, organisationer står over for, handler ikke blot om, hvordan man kan redesigne HR til AI-alderen. Udfordringen er, hvordan man redesigner selve organisationen.

De syv søjler gav en ramme til at forstå, hvordan HR kunne skabe værdi i et AI-medieret miljø, men de forklarede ikke fuldt ud, hvordan mennesker, teknologi, styring, kapacitet og forretningsresultater interagerer på tværs af hele virksomheden.

Denne indsigt førte i sidste ende til udviklingen af PXB-økosystemet. I stedet for at fokusere på en enkelt funktion anlægger PXB et helhedsorienteret organisationsperspektiv. Det anerkender, at mennesker, oplevelse og forretningsresultater er indbyrdes forbundne, og at bæredygtig succes afhænger af at forstå relationerne mellem kapacitet, beslutningstagning, styring, ledelse og organisatoriske resultater.

PXB-økosystemet™️

På mange måder blev den AI-centrerede HR-driftsmodel grundlaget, mens PXB blev den arkitektur, der forbandt dette grundlag med den bredere organisation. Økosystemet udviklede sig til at omfatte otte indbyrdes forbundne domæner, som tilsammen påvirker organisationens resultater: Forretning, arbejdsstyrke, ledelse, kapacitet, styring, data, teknologi og kunder.

Tilsammen giver disse domæner ledere et mere komplet billede af, hvordan værdi skabes, hvordan beslutninger bevæger sig gennem organisationen, hvor ansvaret ligger, og hvordan organisationer kan opretholde synlighed og kontrol, efterhånden som AI integreres i den daglige drift.

Skiftet er betydeligt. I stedet for at betragte AI som et teknologisk initiativ eller et HR-transformationsprogram placerer PXB AI i et bredere organisatorisk system, hvor mennesker, processer, beslutninger og teknologier løbende interagerer.

Det gør det muligt for ledere at bevæge sig ud over isolerede AI-projekter og begynde at overveje, hvordan organisationen selv skal udvikle sig for at understøtte langsigtede resultater, modstandsdygtighed og vækst. Det, der kom frem af forskningen, var ikke endnu en driftsmodel. Det var et økosystem.

Traditionelle driftsmodeller beskriver typisk strukturer, roller, processer og rapporteringsrelationer.

Økosystemer fungerer anderledes. De er dynamiske, indbyrdes forbundne og tilpasser sig løbende. Ændringer på ét område skaber konsekvenser andre steder, ofte på måder, der ikke er umiddelbart synlige.

Det gælder i stigende grad for organisationer, der tager AI i brug. En ændring i rekrutteringen påvirker arbejdsstyrkens kapacitet. Arbejdsstyrkens kapacitet påvirker resultaterne. Resultaterne påvirker kundeoplevelsen. Kundeoplevelsen påvirker forretningsresultaterne. Beslutninger om styring påvirker tilliden. Læring påvirker kvaliteten af fremtidige beslutninger. Hvert element påvirker alle andre elementer.

PXB-økosystemet er designet til at synliggøre disse relationer. I centrum står relationen mellem mennesker, oplevelse og forretning. I stedet for at behandle disse som separate prioriteter anerkender økosystemet, at de løbende påvirker hinanden.

Systemet fungerer som en kontinuerlig cyklus snarere end en lineær proces. Rundt om denne kerne findes de elementer, der gør det muligt for økosystemet at fungere effektivt: arkitektur, data, kapacitet, etik, beslutninger og styring.

Dette er ikke selvstændige programmer eller afdelinger. De fungerer som indbyrdes forbundne mekanismer, der former, hvordan information flyder, hvordan beslutninger træffes, hvordan læring finder sted, og hvordan ansvar fastholdes.

Økosystemet registrerer, lærer og tilpasser sig konstant. Efterhånden som nye oplysninger opstår, teknologien udvikler sig, og organisatoriske prioriteter ændrer sig, udvikler relationerne mellem mennesker, oplevelse og forretning sig også.

Det skaber et levende system, der er i stand til at reagere på kontinuerlige forandringer i stedet for at være afhængigt af periodisk organisatorisk nytænkning. Her bliver forskellen mellem en ramme og et økosystem vigtig. Rammer beskriver komponenter. Økosystemer forklarer relationer. I en AI-medieret organisation er det i stigende grad disse relationer, der afgør resultaterne.

En ny rolle for HR-ledere

HR-ledere har mulighed for at spille en bredere rolle, end mange traditionelle driftsmodeller havde forestillet sig. Udfordringen handler ikke længere blot om at lede menneskelige processer. Det handler om at hjælpe organisationer med at opretholde synlighed, ansvarlighed og resultater i et stadig mere AI-medieret miljø.

Den fremtidige udfordring for organisationer handler derfor ikke blot om at tage AI i brug. Den handler om at designe driftsmodeller, der opretholder synlighed, ansvarlighed og resultater, samtidig med at mennesker og intelligente systemer kan arbejde effektivt sammen.

Den AI-centrerede HR-driftsmodel blev udviklet for at imødekomme denne udfordring inden for HR. PXB-økosystemet repræsenterer det næste skridt ved at give ledere et helhedsorienteret organisationsperspektiv på, hvordan mennesker, oplevelse og forretningsresultater forbliver forbundne i en stadig mere AI-medieret verden. Vigtigst af alt hjælper det med at synliggøre det, der ofte er skjult.

Ledere har brug for et klart overblik over, hvordan arbejdet udføres, hvordan beslutninger træffes, hvor ansvaret ligger, og hvordan værdi skabes.

Ved at forbinde mennesker, oplevelse og forretningsresultater gennem en fælles arkitektur hjælper PXB med at genoprette synligheden, styrke styringen og sætte ledere tilbage i førersædet for organisationens resultater i stedet for at lade dem forsøge at styre systemer, som de ikke kan se fuldt ud.