Hvad AI fandt, da det dukkede op på arbejdet

Podewils er med-CEO i en virksomhed, der udvikler HR-software, så hun har både et indblik i, hvordan organisationer bruger teknologi til medarbejderhåndtering, og en direkte forbindelse til, hvad hendes eget team faktisk oplevede. Hendes observation fra denne udrulning rammer noget, der ofte undervurderes i de fleste samtaler om AI-implementering. 

Det problem, AI blotlægger inden for HR, er ikke et teknologiproblem. I mange tilfælde er det ikke engang et nyt problem. Det er en fejl i organisationsdesignet med en meget lang hale.

De ledere, der navigerer mest effektivt i AI lige nu, er ikke dem, der bevæger sig hurtigst. Det er dem, der er villige til at se på det, AI synliggør, uden at vige tilbage.

Beredskabskløften handler ikke om beredskab

Jeanne Meister har brugt mere end tre årtier på at hjælpe organisationer med at navigere i forandringer på arbejdsmarkedet. Hun har set virksomheder kæmpe med demografiske ændringer, hybridarbejde, kompetencegab og et halvt dusin andre strukturelle forandringer, som skulle redefinere arbejdslivet, som vi kendte det. AI er anderledes på én bestemt måde, siger hun: Det har gjort en eksisterende kløft umulig at benægte. Hun kalder den en beredskabskløft. 

»Kløften mellem det, organisationer ønsker at gøre med AI, og arbejdsstyrkens parathed til at tage AI ind i deres arbejdsgange.« 

Men hun understreger hurtigt, at uddannelse ikke er den primære årsag. 

»Det handler om tillid og frygt. Medarbejdere frygter at blive overflødige. De bekymrer sig om kravet om at være fortrolige med AI, og hvad det betyder for deres nuværende og fremtidige roller.«

Forskellen mellem et kompetenceproblem og et tillidsproblem er enormt vigtig. Hvis kløften handler om evner, løser man den med uddannelsesprogrammer. Hvis kløften handler om frygt, vil uddannelsesprogrammer alene ikke nå ind til den. Man har med noget at gøre, som ligger under kompetencerammen.

Hendes undersøgelsesdata gør det konkret: 79 % af medarbejderne siger, at de føler sig uforberedte på at bruge AI på arbejdet, og 65 % siger, at deres organisation ikke har tilbudt den rette uddannelse. Men Meister går videre end disse tal. 

»Mange virksomheder kræver, at deres medarbejdere har AI-kompetencer, men undlader at definere, hvad det betyder for dem.« 

Et krav uden en definition er ikke en strategi. Det er en mekanisme, der leverer angst.

Det, hun beskriver, er egentlig slet ikke en beredskabskløft. Det er et kommunikationssvigt, der forværres af ansvarsproblemer. Ledere tror, at de kommunikerer om AIs indvirkning. Medarbejderne mærker det ikke. Den afstand mellem hensigt og modtagelse er noget, de fleste organisationer allerede håndterede dårligt, før AI kom ind i billedet. Nu viser det sig i tallene for AI-implementering.

It starts with one signal.

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.

Get Free Access

Have an account? Log In

Dokumentationsproblemet er et designproblem

Linnea Bywall tiltrådte en stilling som VP for personale hos Quinyx efter seks et halvt år, hvor hun opbyggede personalefunktionen hos Alva Labs. Hun kom med en klar teori om, hvad der skulle ske, før noget, der involverede AI, kunne fungere i stor skala.

»Manglende dokumentation er en væsentlig hindring for AI-beredskabet,« siger hun. »Så mange organisationer vil gerne bruge AI, men alt for mange processer findes i folks hoveder.«

Det, der lyder som en teknisk forudsætning – at dokumentere sine processer, så AI-modeller har noget at arbejde med – er i virkeligheden en strukturel konfrontation. Hvis jeres onboardingproces, tilgang til præstationskalibrering og lønfilosofi primært lever i muskelhukommelsen hos de mennesker, der har været der længe nok til at vide, hvordan tingene fungerer, har I et organisatorisk skrøbelighedsproblem, der går flere år forud for AI.

Bywalls team omskrev deres personalehåndbog og lederhåndbog, indarbejdede dokumentationsmål i de kvartalsvise OKR'er og brugte AI både som et værktøj til at udarbejde udkast og som sparringspartner til at identificere mangler. Processen afslørede ting, der rakte ud over selve dokumenterne. »Vi brugte AI som sparringspartner for at sikre, at vi dækkede alle nødvendige dele,« siger hun. Det, der kom tilbage, viste dem, hvor meget af den institutionelle viden der aldrig var blevet gjort eksplicit.

Podewils nåede frem til det samme fra en anden vinkel. Når hun taler om, hvorfor AI har brug for sammenhængende historiske data for at skabe meningsfuld indsigt, fremsætter hun et dokumentationsargument med et andet sprog. 

"En skinnende, selvstændig AI-agent uden for dit HR-system kan godt skrive en jobbeskrivelse. Den kan ikke fortælle dig, om engagementet er faldende i et bestemt team, om en medarbejder med højt potentiale ikke har haft en udviklingssamtale i flere måneder, eller om en leders direkte referencepersoner konsekvent klarer sig dårligere end deres egne kollegers evalueringer."

At betragte dokumentation som et første skridt mod AI-parathed fører ofte til opdagelsen af noget, der burde være blevet håndteret uanset AI. Organisationen kører på uformel infrastruktur. Det fungerede, så længe de personer, der besad viden, blev. Det var altid en belastning.

Navlepilleri i stor skala

Dean Carter tilbragte næsten 25 år som CHRO i virksomheder som Fossil, Sears, Patagonia og Guild, før han blev CEO hos Instill, en AI-virksomhed med fokus på kultursignaler i organisatoriske samtaler. Hans perspektiv er både langsigtet og bredt, og han er ikke ligefrem nænsom, når det gælder det, han ser HR gøre med AI lige nu.

"Jeg synes, HR er overdrevent fokuseret på at omlægge arbejdsgange og organisationsdesign," siger han. "Det er en dråbe i havet. Det giver næsten intet investeringsafkast for en virksomhed. Vi bedriver navlepilleri ved at anvende AI på det, der allerede findes."

Dette er den vanskeligere version af argumentet. Bywall og Podewils argumenterer for, at organisationer er nødt til at udføre det grundlæggende arbejde, før AI kan levere resultater. Carter argumenterer for, at selv organisationer, der får det grundlæggende arbejde rigtigt, måske løser det forkerte problem. Hvis du bruger AI til at optimere en evalueringsproces, der allerede var ødelagt, har du ikke forvandlet noget. Du har automatiseret en fiasko.

Han har en specifik ramme for, hvordan han tænker over AI's rolle i sit eget arbejde. 

"80 procent af det, AI giver mig, er fremragende, og det er alt, hvad jeg har brug for. Jeg har ikke længere brug for eller lyst til en endelig løsning, et billede eller et svar. Jeg vil have, at den udfører det benarbejde, der består i at indsamle og sammenfatte viden – det, der tager mere tid end hjernekraft – og så kan jeg bruge min tid og min hjerne på at forme de sidste, udfordrende og fantastiske 20 procent."

Det er ikke optimering af en arbejdsgang. Det er en redefinering af, hvor menneskelig dømmekraft hører hjemme i processen. Benarbejdet er den del, der slugte tid uden at skabe differentieret tænkning. De 20 procent er dér, hvor erfaring, visdom og kontekstuel forståelse faktisk betyder noget. AI skabte ikke denne skelnen. Den gjorde det blot muligt at respektere den.

Det vanskeligere spørgsmål, Carter rejser, handler om, hvor mange HR-afdelinger der bruger AI til at beskytte den eksisterende struktur i stedet for at undersøge den. Hvor mange automatiserer den proces, der i stedet burde være blevet redesignet?

Problemet med det forbindende væv

Trent Cotton leder talentindsigter hos iCIMS, og han tænker på AI's rolle i HR i strukturelle termer. Hans vision for, hvad AI gør muligt – et integreret overblik over talentporteføljen, der forbinder rekruttering, intern mobilitet, præstationer og læring ét sted – lyder ambitiøs. Men den bygger på en diagnose, der handler mindre om AI's muligheder end om organisatorisk fragmentering.

"I dag bruger HR for meget tid på at jagte afkoblede processer," siger han. "Rekrutteringsbehov her, intern mobilitet dér, læring i endnu et system."

Denne fragmentering er ikke ny. HR-funktioner har i årtier håndteret afkoblede systemer, anskaffet punktløsninger til specifikke problemer, bygget nødløsninger og mistet datakvalitet ved hver overdragelse. AI løser ikke denne fragmentering. Den blotlægger, hvorfor den altid var et problem. Den indsigt, AI kan skabe ud fra forbundne data – hvem der risikerer at forlade organisationen, hvilke ledere der udvikler deres medarbejdere, og hvor der opstår huller i arvefølgen – er nemlig utilgængelig, hvis dataene er isoleret i siloer.

"AI skaber nyttig indsigt ud fra forbundne data," siger Podewils. "Den skaber støj ud fra data i siloer. Fragmentering er ved at blive en dyr arv, og opgøret er tættere på, end de fleste forventer."

Cotton udvider dette til selve lederskabets natur. Han taler om et skifte fra "leder af en funktion" til "designer af systemer, der lærer". Den AI-understøttede HR-leder gør, sådan som han ser det, ikke mindre. Vedkommende arbejder på et andet niveau og er i stand til at synliggøre kapacitetsrisici og arbejdsstyrkestrategi i samtaler, der tidligere byggede på intuition og forsinkede data.

"Med integrerede, AI-forstærkede indsigter kan HR gå ind i et møde og sige: 'Her er kompetencefordelingen i dit team i dag, her er, hvad din strategi kræver, og her er tre porteføljebevægelser, vi kan foretage.'"

Det er en anden slags ledelsessamtale. Det kræver en anden infrastruktur. Og opbygningen af den infrastruktur – de forbundne systemer, de rene data, de dokumenterede processer – er arbejde, der ikke har noget med AI at gøre, men alt at gøre med organisatorisk disciplin, som tidligere var valgfri, men ikke længere er det.

More Articles

• Vi spurgte HR-eksperter, hvad de tog fejl af om AI. Her er, hvad der ændrede deres mening.
• Vicepræsident for mennesker & organisation hos AI-unicorn siger, at HR-ledere skal blive arkitekterne bag en menneske-maskine-arbejdsstyrke
• HR-teknologichef siger, at det at blive AI-baseret afslørede det arbejde, medarbejderne faktisk ønsker at udføre
• AI-strategi er en kulturudfordring, og HR er unikt positioneret til at lede
• Tidligere BBC-personaledirektør siger, at AI nødvendiggør en redefinering af HR’s værdi

Tillidsarkitekturen under det hele

Det, der forbinder dokumentationsproblemet, parathedskløften, kritikken af navlepilleriet og fragmenteringsproblemet, er en fælles rod. Grundlæggende er hver af dem et tillidsproblem.

Medarbejdere, der frygter at blive overflødige på grund af AI, har ikke tillid til, at deres organisation håndterer denne overgang med deres interesser for øje. Meisters observation af, at virksomheder pålægger AI-kompetence uden at definere, hvad det betyder for den enkelte rolle, er et tillidsbrud. 

"Ledere bør skifte fra 'AI-træning, der passer til alle' til rollespecifik AI-træning og evaluere præstationer i den kontekst."

Carter formulerer det mere direkte. Når ledere beder medarbejdere om at kortlægge deres opgaver og færdigheder i forbindelse med indførelsen af AI, hører de fleste medarbejdere et andet budskab end det, der bliver sendt. 

"På trods af det, ledere siger, ser folk på det, de gør, og det føles ikke autentisk." Det hul mellem intention og opfattelse er et tillidshul. Det eksisterede før AI. AI gav det blot nyt materiale at arbejde med.

Bywalls observation fra hendes egen indførelsesrejse har den samme undertone. 

"Det kan føles skræmmende at sakke bagud, når man indfører AI. Så mange mennesker fortæller om, hvordan de har revolutioneret deres arbejdsmetoder, men få forklarer, hvordan de gør det. Jeg tror, det kan føles overvældende for folk og forhindre dem i virkelig at kaste sig ud i det." 

Transparensproblemet – ledere taler om resultater uden at forklare vejen dertil – skaber angst dér, hvor engagement er nødvendigt. Det er et kommunikations- og tillidsproblem iført et AI-kostume.

Podewils trækker grænsen omkring AI i HR-beslutninger med usædvanlig tydelighed. 

"AI bør aldrig erstatte menneskelig dømmekraft i beslutninger, der påvirker en persons karriere, levebrød eller trivsel. AI udarbejder udkast, foreslår og fremhæver. Et menneske gennemgår, beslutter og tager ansvar for resultatet."

Hun fremstiller ikke risikoen som AI, der fungerer fejlagtigt, men som AI, der fungerer præcis efter hensigten og bliver rettet i den forkerte retning. Evalueringer, der foregår hurtigere, men føles mindre menneskelige. Politikker, som en chatbot besvarer uden verificering. Beslutninger, der fremstår objektive, fordi et system har frembragt dem. 

"Risikoen er AI, der fungerer præcis efter hensigten, men peger i den forkerte retning."

Det er problemet med tillidsarkitekturen. Og det kan ikke løses alene gennem rammer for AI-styring, selv om de er vigtige. Det kan løses gennem de samme ting, der opbygger organisatorisk tillid under alle forhold: transparens om, hvad der besluttes, og hvorfor, ansvarlighed for resultaterne samt synlig ledelsesadfærd, der stemmer overens med de erklærede værdier.

Hvad diagnosticeringen viser

Meister har set AI ændre HR-lederes adfærd i én bestemt retning. De tidlige brugere, observerer hun, behandler AI-agenter som nye teammedlemmer og integrerer dem bevidst. Det skifte, hun har set, bevæger sig "fra 'jeg leder' til 'jeg orkestrerer et team af mennesker og AI-agenter.'" Det er ikke en ledelsesfilosofi, der er bygget op omkring AI. Det er en ledelsesfilosofi, som AI synliggør og gør nødvendig.

Cottons observation ligner den i sin struktur. De ledere, der efter hans vurdering vil opbygge en varig fordel i løbet af de næste fem år, er dem, der bruger AI til at "øge organisationens evne til at lære" i stedet for som en omkostningsbesparende mekanisme. Forskellen er ikke semantisk. Den ene tilgang opbygger kapacitet, den anden udnytter den.

Bywall afslutter med en forudsigelse, der vejer tungere, når den kommer fra en organisationspsykolog end fra en teknolog: 

"I løbet af de næste fem år forudser jeg, at halvdelen af personalefunktionerne bliver overflødige. De fagfolk, der bliver tilbage, vil være dem, der kan håndtere både mennesker og agenter."

Det er ikke først og fremmest en udtalelse om AI-kompetence. Det er en udtalelse om organisatorisk formål. De HR-fagfolk, der fortsat vil være nyttige, er dem, hvis værdi ikke er forankret i det administrative lag, som AI er ved at overtage. Det betyder, at spørgsmålet, som ledere af personalefunktioner står over for lige nu, ikke er, hvordan de skal indføre AI. Det er, hvad de faktisk står for under det administrative stillads.

Podewils siger, at mange HR-ledere gik ind i faget, fordi de gik op i mennesker. I at opbygge kulturer, udvikle ledere og skabe miljøer, hvor mennesker kunne yde deres bedste. "Et eller andet sted undervejs blev mange procesadministratorer. Systemerne hobede sig op. Rollen bøjede sig omkring dem."

AI forårsagede ikke denne afdrift. Men det tvinger organisationerne til at gøre status over den.

Diagnosticeringen er tilgængelig for alle, der er villige til at se på, hvad AI afslører, frem for blot hvad det kan gøre. De organisationer, der behandler dette som en teknologisk implementering, kommer med en vis omkostning til at lære, at teknologien var den nemme del.