Vi måler stadig AI-ROI forkert, og fejlen bliver dyrere
Udfordringer ved AI-ROI: Mange organisationer har svært ved at måle AI-ROI og tilskriver ofte problemerne ledelsen i stedet for implementeringen.
Uoverensstemmelse mellem målinger: De nuværende målinger fokuserer på teknologiens ydeevne, men tager ikke hånd om de underliggende problemer med mennesker og processer.
Langsigtet indvirkning: Dårlige AI-implementeringer kan forårsage organisatoriske skader, der ophobes over flere år og hæmmer effektiviteten.
Organisatorisk sundhed: Beslutninger om AI-investeringer skal prioritere målinger af mennesker og processer sammen med teknologien for at sikre en bæredygtig succes.
Ledelsesmæssige mangler: Ledelse af transformationer involverer typisk ikke HR, hvilket fører til kortsigtede investeringer uden langsigtet levedygtighed.
ROI-præsentationen ser altid skarp ud. Sparede timer, omplaceret medarbejderantal, reduceret gennemløbstid, anvendelsesrater, der bevæger sig op mod den referenceværdi, leverandøren foreslog under opstartsmødet. Grønne pile. Diagrammer, der bevæger sig opad og mod højre. CFO'en nikker anerkendende.
Atten måneder senere er der noget galt. Medarbejderafgangen er steget i de afdelinger, der skulle have haft størst gavn af forandringen. Det tværfunktionelle samarbejde er blevet mere besværligt. Et team, der tidligere fungerede med en form for uformel sammenhængskraft, bevæger sig nu, som om det marcherer gennem kviksand. Ingen kan pege på en årsag, så det tilskrives de sædvanlige mistænkte: ledelsesstil, markedspres, et eller andet efter pandemien.
Den AI-implementering, der gik forud for det med seks kvartaler, bliver ikke nævnt.
Continue Reading for Free
Create a free account to finish this article, plus get ongoing access to timely insights and practical resources.
Have an account? Log In
Det er det, det faktisk koster at måle AI-ROI forkert. Ikke en post på budgettet. En langsom forringelse, der ankommer med en forkert årsagsforklaring og behandles med de forkerte løsninger.
Teknologimålinger kontra menneskemålinger
De målepunkter, der dominerer samtalerne om AI-investeringer — sparede timer, omplaceret medarbejderantal, reduceret gennemløbstid og i stigende grad anvendelse — er alle fremadskuende indikatorer for teknologisk ydeevne. De måler det lag af transformationen, der er lettest at kvantificere.
Det, de ikke måler, er det organisatoriske lag, hvor de reelle omkostninger ved en dårlig implementering ligger, og hvor de vokser, indtil de er umulige at ignorere.
Anvendelse fortjener særlig opmærksomhed, fordi det antages at være et signal om organisatorisk sundhed, selv om det faktisk er et adfærdsmæssigt signal. En BCG-analyse fra slutningen af 2025 viste, at 60 % af virksomhederne globalt ikke skabte nogen væsentlig værdi fra AI trods betydelige investeringer, og identificerede delvist selve målepunkterne som årsagen.
Organisationer, der var fikserede på login og tidsforbrug som stedfortrædende mål for anvendelse, lærte på den hårde måde, at disse mål helt overser, om AI faktisk er blevet centralt for den måde, folk arbejder på.
Høje anvendelsesrater fortæller dig, at folk bruger værktøjet. De fortæller dig intet om, hvorvidt arbejdet går godt, om teams fungerer, eller om den tavse viden, der tidligere bevægede sig gennem samarbejdsopgaver, stadig overhovedet bevæger sig. En arbejdsstyrke kan nå alle anvendelsesstandarder, mens bindevævet i den måde, organisationen faktisk fungerer på, stille og roligt falder fra hinanden.
BCG's rapport fra oktober 2024, "Hvor er værdien i AI?" — baseret på en undersøgelse blandt 1.000 CxOs i 59 lande — viste, at omkring 70 % af udfordringerne ved AI-implementering stammer fra problemer relateret til mennesker og processer.
Budgetfordelingen i de fleste implementeringer går præcis imod dette: Størstedelen går til teknologi, mens forandringsledelse og organisatorisk parathed behandles som budgetposter snarere end som bærende dele af investeringen.
Når de målepunkter, du bruger til at evaluere en transformation, kun siger noget om det teknologiske lag, måler du med vilje den del af ligningen, der mindst sandsynligt afgør, om den lykkes.
En ny definition af ROI
CFO'ens perspektiv er ikke forkert i sig selv. Det anvender en stringent disciplin på et reelt spørgsmål: Skaber denne investering et afkast?
Problemet er, at det anvender en logik for kapitalallokering på det, der grundlæggende er et organisatorisk forandringsproblem, og tidshorisonterne passer ikke sammen.
ROI-cyklusser for software løber over 12 til 18 måneder. Organisatoriske skader fra en dårligt styret implementering ophobes over to til tre år og viser sig som noget helt andet.
Det er værd at undersøge, hvordan CFO'en overhovedet ender med at have denne samtale. Anthony Onesto, der har tilbragt sin karriere inden for HR-teknologi og nu opbygger AI-transformationspraksisser for mellemstore virksomheder, beskriver presset, der breder sig gennem organisationen.
Bestyrelser lægger pres på CEO'er, CEO'er ser ind i organisationen efter nogen, der kan tage ejerskab, og det naturlige førstevalg er CTO'en eller CIO'en. Når det viser sig at være utilstrækkeligt, flyttes samtalen til CFO'en.
Det vil altid være en økonomisk beslutning, som nogle gange er den rigtige beslutning, og nogle gange ikke er det.
Hans synspunkt er, at HR bør lede disse transformationer, ikke som en forandringsledelses eftertanke, men som den funktion, der er bedst placeret til at overveje, hvordan maskiner og mennesker fungerer sammen. At det sjældent sker, hævder han, er strukturelt betinget. De fleste HR-ledere har ikke meldt sig, og presset bevæger sig ikke naturligt i deres retning.
Resultatet er en ROI-samtale, der formes af den person, som har arvet ansvaret, og i de fleste organisationer er denne persons incitamenter rettet mod påviselig kortsigtet effektivitet, ikke langsigtet organisatorisk sundhed.
Udfordring af professionelle identiteter
Alene identitetsforstyrrelsen illustrerer kløften. Når rutineopgaver bliver automatiseret, følger den professionelle identitet ofte med. Den analytiker, der opbyggede sin dømmekraft gennem gentaget arbejde med lav risiko, burde nu have mere værdifuldt arbejde at udføre, i teorien.
I praksis er den kontekst, hun udviklede sig i, blevet fjernet, og ingen har opbygget en erstatning. Forstyrrelsen viser sig ikke ved offentliggørelsen. Den dukker op otte eller ti måneder senere som manglende engagement, der ligner et kulturproblem og bliver behandlet som sådan, mens den egentlige årsag ligger ubemærket i en tidligere implementeringslog.
Det er ikke en nichebekymring. Det er den mekanisme, hvormed automatiseringsinvesteringer giver dårligere resultater end forventet, selv om de når deres effektiviseringsmål. Målene blev fastsat for det forkerte system.
Det, der automatiseres, er sjældent bare en opgave. Rutinearbejde rummer ofte uformelle funktioner, som ikke er synlige på noget proceskort: koordinationsrytmer mellem teams, mentorstøtte indlejret i samarbejdsbaserede arbejdsgange og professionelle kontaktpunkter, der giver yngre medarbejdere regelmæssig indsigt i, hvordan erfarne medarbejdere træffer beslutninger.
Intet af dette er dokumenteret noget sted, fordi det ikke behøver at være det, før det er væk. På det tidspunkt lærer man på den hårde måde, hvad det var værd.
En ugentlig tværfunktionel rapport, som tre teammedlemmer udarbejdede sammen, producerede ikke bare en rapport. Den skabte fælles retning, synlighed og en fast grund til, at disse teams havde regelmæssig kontakt. Automatisér rapporten, og så har du opnået effektiviseringen.
Omkostningen ved det fremgår ikke af ROI-præsentationen. Den viser sig til sidst i, hvordan disse teams fungerer sammen – eller holder op med at fungere sammen.
Argumentet for at udvide, hvad der tæller som en omkostning, er ikke et argument imod ROI-disciplin. Det er et argument for at anvende denne disciplin på hele systemet i stedet for på den bekvemme delmængde. Hvis 70 % af det, der afgør transformationsresultaterne, ligger i det menneskelige og organisatoriske lag, er en målingsramme, der udelukker dette lag, ikke konservativ; den er systematisk optimistisk med hensyn til de forkerte ting.
Den rigtige tilgang
En mere komplet målingsramme omfatter:
- Udviklingen i medarbejderafgangen i berørte roller med tilstrækkelig indbygget forsinkelse
- Mønstre for tværfunktionel kommunikation før og efter væsentlige automatiseringsændringer
- Graden af videnoverførsel til yngre medarbejdere
- Tillidsniveauer målt gennem undersøgelser, der er udformet til at afdække den faktiske holdning frem for tilfredshed som stedfortræder.
Intet af dette er teknisk vanskeligt. De fleste organisationer gør det ikke, fordi de aldrig bevidst har forbundet automatiseringsbeslutninger med resultater for den organisatoriske sundhed.
Ravin Jesuthasan, hvis arbejde med arbejdsstyrkearkitektur strækker sig over årtier med transformation af virksomheder, formulerer det enkelt:
Jeg kender ikke en eneste organisation, der lod teknologien gå forrest, holdt den menneskelige side af ligningen ude af spillet, og som nogensinde har nået et vellykket resultat.
De organisationer, der begynder med teknologien, udvikler ifølge ham et binært syn på problemet, erstatter det menneskelige element, hvor det er muligt, og opbygger aldrig den organisatoriske bæredygtighed, der får transformationen til at slå rod.
At løse måleproblemet er delvist et teknisk spørgsmål og primært et spørgsmål om styring. Nogen ved bordet, når beslutninger om AI-investeringer træffes, skal være ansvarlig for den organisatoriske sundhed på regnskabets ene side og have mandat til at behandle den som ligeværdig med effektivitetssiden – ikke som underordnet den.
I de fleste organisationer sidder denne person enten ikke med ved bordet eller har ikke det mandat. CHRO'en bliver ofte hørt om forandringsledelse som en implementeringsopgave snarere end som en ligeværdig dimension af, hvad succes betyder.
Jesuthasan beskriver den bredere fiasko på en måde, der rækker ud over måling.
Den forandring, der bliver bedt om af ledere, er større end noget, vi har set i de seneste 150 år. Og jeg tror ikke, at mange af dem forstår den.
Det er ikke så meget en fordømmelse som en strukturel observation. De ledere, der træffer beslutninger om AI-investeringer, blev uddannet i en verden, hvor teknologien og organisationen var adskillelige problemer. Det er de ikke længere.
ROI-præsentationen, der holder de to adskilt, er et forældet dokument, der anvendes på en grundlæggende anderledes situation, og fejlen, som forværres af tal for medarbejderafgang og underskud i samarbejdet, bliver dyr.
