Den svære del kommer, efter at AI virker
![[OPT 1] IMG PMP – Editorial – Dinner Conversation with CHROs-14152](https://peoplemanagingpeople.com/cdn-cgi/image/format=auto,quality=82,onerror=redirect,width=792,height=446,fit=crop/wp-content/uploads/sites/3/2026/09/OPT-1-IMG-PMP-–-Editorial-–-Dinner-Conversation-with-CHROs-14152.jpg)
Begynd med arbejdet: Virksomheder bør redesigne arbejdsgange ud fra forretningsproblemer, før de vælger AI-værktøjer eller måler forventede afkast.
Vurdering af anvendelsesområder: AI-uddannelse skaber større værdi, når medarbejdere lærer at identificere problemer, der er værd at løse, i stedet for blot at betjene nye værktøjer.
Redesign af job: En vellykket indførelse af AI tvinger ledere til at omdefinere ansvarsområder, færdigheder, præstationsstandarder og karriereveje, efterhånden som opgaverne ændrer sig.
Skalér med omtanke: Pilotprojekter kan sjældent overføres direkte på tværs af funktioner; organisationer skal standardisere afprøvede praksisser og samtidig tilpasse dem til arbejdsgange, risici og data.
Lige adgang: Ulige adgang til AI kan fordreje vurderingen af resultater, udviklingsmuligheder og produktivitetssammenligninger mellem medarbejdere, der udfører lignende arbejde.
Sidste uge satte jeg mig sammen med en gruppe CHRO'er i Atlanta for at tale om at skalere AI på tværs af virksomheden.
Vi begyndte med ROI, men samtalen vendte hele tiden tilbage til selve arbejdet: Hvilke problemer fortjener investeringer i AI, hvad bør organisationer gøre med den kapacitet, det skaber, og hvornår så mange opgaver har ændret sig, at et job også skal ændres?
Kia Painter gav os vores udgangspunkt. Begynd med forretningsproblemet, forstå arbejdsgangen, redesign processen, og beslut derefter, hvor AI hører hjemme.
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
Painter gik for nylig på pension fra Cox Communications efter 28 år i virksomheden, senest som øverste personalechef. Hendes rækkefølge er vigtig, fordi organisationer har mange måder at bruge AI på. Den sværere disciplin er at beslutte, hvilke anvendelser der fortjener tid, penge og organisatoriske ændringer.
Dømmekraft ved valg af anvendelsesområder kan være vigtigere end træning i værktøjer
Et par uger før middagen gennemførte jeg en uformel afstemning i vores AI Signal-nyhedsbrev for at spørge, hvorfor ledere bad om mere AI-træning til deres teams. Den vigtigste årsag: Folk var ikke sikre på, hvilke anvendelsesområder der var vigtige.
Det peger på et problem med den måde, mange virksomheder griber AI-implementering an på. At lære folk hvordan man skriver prompts, opsummerer dokumenter eller genererer indhold opbygger fortrolighed med teknologien. Det hjælper dem kun i begrænset grad med at beslutte, hvor AI kan forbedre et meningsfuldt forretningsresultat.
Angela Cheng-Cimini, øverste HR-chef hos The Chronicle of Philanthropy, beskrev en tilgang, der tager udgangspunkt i medarbejdernes problemer frem for værktøjernes muligheder. Hun sagde, at hendes organisation planlagde at indsamle dagligdags udfordringer fra medarbejderne, vælge flere, der havde bred relevans, og afholde korte hackathons for at løse dem. En medarbejder havde allerede selv anvendt denne tilgang og bygget en agent til at håndtere gentagne fakturaforespørgsler, som havde oversvømmet en kundeserviceindbakke.
Det er en langt mere nyttig model for AI-træning, fordi den knytter læringen til det arbejde, folk allerede forstår. Den kompetence, virksomheder har brug for at udvikle, er dømmekraft ved valg af anvendelsesområder: Kan en leder se på en arbejdsgang, identificere, hvor der går tid eller kvalitet tabt, og genkende, hvor AI kan gøre en forskel?
Denne dømmekraft øger også sandsynligheden for at skabe ROI. En teknisk vellykket implementering, der er rettet mod et problem med lav værdi, er stadig en dårlig investering.
Kapacitet tvinger beslutninger om arbejdet frem
Det næste spørgsmål er, hvad man skal gøre, når anvendelsesområdet lykkes.
AI kan fjerne administrativt arbejde, reducere gennemløbstider og give folk kapacitet, de ikke havde før. Derefter skal lederne beslutte, hvad denne kapacitet skal bruges til.
Det førte til en diskussion om sammenlægning af stillinger og bredere roller rundt om bordet. Kesi Dorner, AGM for Human Resources hos Metro Atlanta Regional Transit Authority (MARTA), talte om at samle arbejde, der i øjeblikket ligger fordelt på specialiserede HR-stillinger, i mere alsidige roller som forretningspartnere.
Mit spørgsmål om, hvornår et job har ændret sig så meget, at det bør redesignes helt, forblev ubesvaret.
Det er ved disse valg, at sparede timer bliver til en driftsbeslutning. En virksomhed kan bruge kapaciteten til at øge produktionen, forbedre servicen, reducere fremtidig rekruttering, udvide ansvarsområderne eller tage fat på arbejde, der tidligere blev skubbet til side. Hvert valg skaber en anden form for værdi.
Det ændrer også, hvad medarbejderen har ansvaret for.
Det blev endnu tydeligere, da diskussionen drejede sig om antallet af medarbejdere. Painter beskrev samtaler med sin CFO om, hvorvidt AI kunne reducere lønomkostningerne. Hendes svar var at vende tilbage til arbejdet.
Se på kreditorbogholderiet. Hvad laver folk faktisk? Hvilke opgaver kan AI overtage? Hvad er tilbage? Hvilket forretningsresultat skal stadig leveres?
Hendes konklusion var, at AI skal undersøges gennem driftsmodellen og arbejdets udformning, før lederne begynder at drage konklusioner om medarbejderstyrken.
Det er en værdifuld rolle for HR, fordi AI ofte ændrer job gradvist. Når én opgave forsvinder, bliver en anden hurtigere. Rutinearbejdet kan blive mindre omfattende, men det resterende arbejde kræver mere dømmekraft. Nye ansvarsområder kan derefter udfylde den plads, der blev skabt.
På et tidspunkt fører de akkumulerede ændringer til et anderledes job.
HR bør holde øje med denne tærskel. Jobbeskrivelser, kompetencekrav, aflønning, karriereveje og præstationsforventninger afhænger alle af en nøjagtig forståelse af, hvad rollen nu kræver. Hvis ledere bliver ved med at føje AI til eksisterende roller uden at genoverveje disse grundlæggende forhold, kan medarbejderne ende med at udføre et andet arbejde under et gammelt jobdesign.
Det samme problem gælder forventningerne til teamets præstationer. Hvis ét team bliver mere produktivt med AI, vil ledere naturligt spørge, om det nye resultatniveau bør blive standarden.
Den beslutning kræver mere end bevis på, at teknologien virkede. Den kræver tillid til, at gevinsten er bæredygtig, at medarbejderne har sammenlignelig adgang til værktøjerne, og at arbejdet er tilstrækkeligt ensartet til, at den samme forventning kan anvendes i hele organisationen.
Skalering ud over pilotprojektet
Det er her, et vellykket pilotprojekt bliver en udfordring for hele virksomheden.
En anvendelse kan fungere godt i ét team, fordi arbejdsgangen er struktureret, dataene er rene, lederen forstår teknologien, eller medarbejderne har haft tid til at eksperimentere. En anden funktion har måske ingen af disse fordele.
Painter beskrev, hvordan hun arbejdede sammen med sin organisations AI-chef om en køreplan for måltilstanden, der knyttede teknologibeslutninger sammen med den fremtidige driftsmodel.
Virksomheden oprettede også et tværfunktionelt AI-råd med deltagelse af HR, teknologi, økonomi og jura. Målet var at koordinere investeringer og styring omkring forretningsprioriteter i stedet for at lade hver funktion opbygge sin egen samling af værktøjer og projekter.
Dette er en afgørende del af skaleringen, fordi man ikke bare kan kopiere det, der fungerede et andet sted. Ledere skal identificere, hvilke dele af en vellykket tilgang der kan standardiseres, og hvilke der afhænger af arbejdet, arbejdsstyrken eller risikoprofilen i en bestemt funktion.
Det bør også dæmpe brede antagelser om produktivitet. Ét stærkt pilotprojekt kan give belæg for en bestemt anvendelse. Det giver ikke automatisk belæg for en hel arbejdsstyrke.
More Articles
Adgang til værktøjer er en del af præstationsligningen
Skalering skaber også et retfærdighedsproblem.
Deltagerne beskrev organisationer, hvor medarbejderne har adgang til forskellige AI-værktøjer afhængigt af funktion, budget eller politik. Nogle medarbejdere supplerer det, deres arbejdsgiver stiller til rådighed, med betalte værktøjer, som de bruger derhjemme eller på personlige enheder. Andre har ikke den mulighed.
Når AI påvirker mængden eller kvaliteten af det arbejde, en person kan producere, har disse forskelle betydning for præstationsstyringen.
Kara Miller, tidligere vicepræsident for talent, læring og transformation af arbejdsstyrken hos Visa, rejste endnu en overvejelse: Hvis to medarbejdere holdes op mod den samme resultatstandard, men den ene har adgang til et mere effektivt værktøj, hvor stor en del af præstationsforskellen skyldes så den individuelle formåen, og hvor meget skyldes det miljø, organisationen har skabt omkring dem?
Det samme problem kan påvirke udvikling og karrieremobilitet, hvis nogle roller giver medarbejderne langt større mulighed for at opbygge AI-kompetencer end andre.
Virksomheder behøver ikke identiske værktøjer til alle medarbejdere, var gruppen enig om. De skal dog forstå, hvornår ulige adgang begynder at påvirke de standarder, de bruger til at bedømme mennesker.
Et bedre mål for AI-modenhed
Hen mod slutningen af aftenen spurgte jeg, hvad der skulle ændre sig i løbet af det næste år, for at ledere kunne føle sig sikre på, at deres organisationer havde fundet ud af, hvordan AI kunne skaleres.
Svarene drejede sig om bedre dømmekraft i hele organisationen: ledere, der kunne diskutere teknologien med en vis fortrolighed, medarbejdere, der forstod ansvarlig brug, ledere, der kunne identificere værdifulde anvendelser, og tydeligere beslutninger om adgang.
Det giver HR-ledere en nyttig måde at tænke over den næste fase af AI-implementeringen på.
Hvis du vil have mere værdi ud af AI, skal du blive bedre til at vælge de rigtige problemer at løse, redesigne arbejdet, når disse problemer er løst, og beslutte, hvilke gevinster der kan genskabes andre steder.
HR skal også være mere bevidst om, hvad ny kapacitet betyder for job og præstationsforventninger.
