Å utforme for beredskap, ikke bare effektivitet, i en AI-forsterket verden

David Rice: AI har stjålet stillingsbeskrivelsen din, ikke jobben din. Du vet, det du har sagt at du gjør det siste tiåret. AI gjør det raskere, billigere og akkurat når behovet oppstår. Hvis du jobber med læring og utvikling og har fremstilt arbeidet ditt som å levere opplæring, produsere innhold eller gi folk svar i arbeidsflyten, har Taylor Blake, senior visepresident for AI-laboratorier og nye initiativer i Degreed, dårlige nyheter.

Du er i trøbbel, fordi AI kan gjøre alt dette uten å trenge din hjelp. Men her er det AI ikke kan gjøre. Den kan ikke utvide menneskers evner til beslutninger med høyere innsats. Den kan ikke forberede dem på øyeblikk som ennå ikke har oppstått, eller bygge beredskap i stedet for respons. Den kan ikke hjelpe mennesker med å navigere den strategiske kompleksiteten som oppstår når én person nå kan utgjøre en så stor forskjell.

Og det er muligheten læring og utvikling går glipp av mens noen i bransjen er opptatt med å forsvare innholdslevering. Taylors team bygger ikke bare AI-verktøy for virksomheter. De bruker dem internt som kunde null, noe som betyr at de lever med konsekvensene av valgene sine. Og det de oppdager, er ubehagelig.

Avstanden mellom en AI-demonstrasjon og AI i praksis er enorm. Presset for effektivitet flater ut menneskers emosjonelle kapasitet. Og noen ganger er ringvirkningene ting du aldri ville forutsett, som at Taylors ti år gamle datter søker bekreftelse fra AI i stedet for fra foreldrene sine. I dag skal vi snakke om hvorfor læring og utvikling må tenke mer omfattende, ellers blir fagområdet erstattet.

Forskjellen mellom læring akkurat i tide og beredskap, og hvorfor begge deler er viktige nå, hvordan AI gjør alles arbeid mer strategisk og mer preget av høy innsats. Effektivitetsparadokset, der vi alle gjør mer med AI, men føler oss travlere enn noen gang. Og hvorfor ettertenksomme og bekymrede mennesker må bygge AI-verktøy, ikke bare optimister.

Jeg heter David Rice. Dette er People Managing People. Og hvis du har forsvart ditt nåværende verdiforslag i stedet for å tenke det på nytt, kommer denne samtalen til å bli din vekker. Så la oss sette i gang.

Hei, Taylor, og velkommen! Hvordan har du det?

Taylor Blake: Det går bra, David. Takk for at jeg fikk komme.

David Rice: Vi fikk anledning til å snakke sammen på Gartner-konferansen.

Det var veldig interessant å lære om alt du gjør med Degreed, og jeg ville begynne med ideen om Degreed som kunde null. Dere eksperimenterer ikke bare for produktutvikling, men også som brukere av deres egne AI-verktøy. Jeg lurer på hvilke av de største fordelene dere har oppnådd gjennom dette, og hvordan det har endret tilnærmingen deres over tid?

Taylor Blake: Ja, absolutt. Grunnen til at vi gjør disse eksperimentene, og grunnen til at vi har AI-laboratorier, er at det kommer så mye ny teknologi og så mange nye muligheter med AI at vi virkelig trenger en mulighet til å forstå dem. Og det er vanskelig. Det finnes ingen enkel spesifikasjon du kan lese og lett forstå hvordan den oversettes til bruksområder innen læring og utvikling eller til brukeropplevelser.

Du må virkelig prøve disse tingene, så vi prøver dem internt. Det har gjort et par ting. For det første har det hjulpet oss med å forstå hva som er klart, og hva som ikke er klart. AI går gjennom ulike faser av opphausing, men hver enkelt AI-mulighet og hvert bruksområde kan være klart eller ikke klart.

Det at vi kan prøve disse tingene selv, gir oss trygghet når noe er klart, og hjelper oss å forstå når noe ennå ikke er helt klart. Men jeg tror også at så mange læringsopplevelser handler om den enkeltes erfaring. Ved å gjøre oss selv til kunde null og gå gjennom disse tingene selv har vi faktisk hevet standarden. Vi vil være sikre på at dette er virkelig gode opplevelser, og først når vi har fått noe til og kan si «Dette ville jeg brukt selv», kan vi bruke det som grunnlag.

Og gjøre det om til en mulighet som bedriftskundene våre kan bruke.

David Rice: Det jeg liker med denne modellen, er at den på en måte – si fra hvis jeg tar feil – virker som om den tvinger frem ansvarlighet. Dere selger ikke bare en idé til markedet og lar det bli med det. Dere lever på en måte med konsekvensene av valgene dere tar.

Jeg tror det er ganske sjeldent. Og jeg forestiller meg at det avdekker spenninger dere ellers ikke ville sett, som forskjellen mellom det folk sier de ønsker fra AI, og det de faktisk bruker når det er en del av arbeidsflyten deres.

Taylor Blake: Ja, absolutt. Det finnes så mange ulike lag. Forskjellen mellom en AI-demonstrasjon og AI i praksis kan være enorm, og du vet egentlig ikke før du får hendene på det.

Du må se og kjenne på problemene, se hvilke utfordringer det skaper og finne ut hvordan du skal redusere dem. Så ja, vi opplever absolutt dette ansvaret. Ved å bruke disse tingene grundig på oss selv først opplever vi alle problemene, men samtidig erkjenner vi også at vi ikke nødvendigvis er kundene våre.

Selv når vi får noe til å fungere for oss, er det bare et grunnlag. Det er ikke det siste trinnet. Det gjenstår fortsatt mye arbeid og mange prosesser for å sikre at disse mulighetene er klare til bruk for store bedriftskunder.

David Rice: Store eller små virksomheter – læring og utvikling er i endring. Da vi snakket sammen på konferansen, snakket vi om at AI på en måte stjeler læring og utviklings område litt.

AI er raskere til å hjelpe folk videre i øyeblikket enn lærings- og utviklingsteam kan være. Det er et stort skifte. Hvordan holder læring og utvikling seg relevant i en verden der det å hjelpe noen videre ikke lenger egentlig er verdiforslaget?

Taylor Blake: Jeg tror det er en god utfordring for læring og utvikling, for vi må erkjenne at hvis vi definerer jobben vår som å levere opplæring, produsere innhold eller gi folk svar i arbeidsflyten, er vi i trøbbel.

AI kan gjøre mye av dette. Ja, den trenger hjelp, veiledning og sikkerhetsrammer. Men AI kan gjøre mye av det. Jeg tror imidlertid at læring og utvikling har en mulighet til å tenke bredere. Ikke alle prestasjonsproblemer er opplæringsproblemer, men mange prestasjonsproblemer handler faktisk om mennesker.

Jeg mener derfor at læring og utvikling må ha et bredere perspektiv: Vi er her for å hjelpe mennesker med å endre seg, utvide evnene sine og prestere bedre på jobben. Hvis vi bare fokuserer på opplæring og innholdslevering, blir det spist opp. Men hvis vi har et bredere perspektiv, finnes det mange muligheter, særlig fordi kundene våre forteller oss at teknologi og muligheter ikke lenger er begrensningene. Den virkelige begrensningen for virksomhetene og de strategiske grepene de prøver å ta, handler om mennesker.

Det handler om hvor raskt mennesker kan endre seg, hvor stor endringsvilje de har, og hvor raskt du kan få folk samordnet og rettet i riktig retning. Det finnes så mange menneskesentrerte utfordringer, og læring og utvikling må ganske enkelt si: Ja, vi kan hjelpe. Vi kan hjelpe. Vi må utvide verktøykassen vår når det gjelder hvordan vi skal hjelpe.

Det handler ikke bare om innhold, tradisjonelle kurs eller opplæring.

David Rice: Ja, jeg synes det er et kraftfullt poeng. Det finnes så mange muligheter her. Når vi tenker på å møte noen i behovsøyeblikket, når noe virkelig plager dem eller de prøver å løse noe, er muligheten til ikke bare å levere innhold noe læring og utvikling forstår bedre enn noen andre.

Folk lærer på ulike måter. Derfor kan det å justere og tilpasse dette gi oss en mulighet til å endre hvordan vi leverer det vi leverer, enten det er opplæring, mikrolæring eller noe annet.

Jeg tror mulighetene er endeløse.

Taylor Blake: Ja. Og det er ikke bare mulighetene i behovsøyeblikket. Det finnes også muligheter før behovsøyeblikket, når det gjelder beredskap. Jeg tror vi noen ganger har gitt dette et dårlig rykte. Det blir fremstilt som «akkurat i tide», mens alt annet bare er «for sikkerhets skyld», som om det er en forsikring og bortkastet tid.

Det har vært så mye vekt på akkurat-i-tide-læring fordi den er effektiv, samordnet og relevant. Men jeg tror vi må ta tilbake ideen om beredskap. Det finnes ting du ikke kan lære bort, aktivere eller gjøre noen klare for etter at behovsøyeblikket har oppstått. Noe må skje før behovsøyeblikket.

Hvordan kan vi forberede folk, særlig når AI gjør jobbene våre mer strategiske? Vi må ta beslutninger med større konsekvenser, og vi befinner oss alle på høyere innflytelsespunkter fordi vi har så mange verktøy og muligheter. Én person kan derfor utgjøre en enorm forskjell.

Men hvordan forbereder vi folk på dette? Forberedelse og beredskap er viktigere enn noen gang.

David Rice: Du nevnte et ord som vi tenker mye på for tiden, nemlig effektivitet. Vi snakker om det hele tiden, og det virker som om vi beveger oss bort fra å forsøke å gjøre læring mer effektiv, mot å hjelpe mennesker med å tilpasse seg endring.

Jeg lurer på hvilken infrastruktur dette faktisk krever i en virksomhet. Hva krever det av menneskene som utfører dette arbeidet?

Taylor Blake: Dette presset mot effektivitet har vært interessant. Jeg bruker et eksempel med en bok. Hvis du spurte folk om det har vært en bok som virkelig endret måten de tenkte på, tror jeg mange ville svart ja.

Men hvis boken var på 400 sider og du reduserte den til et sammendrag på noen få setninger, slik at forbruket av informasjonen ble så effektivt som mulig, ville den ikke hatt samme virkning eller vært like forvandlende.

Vi ser derfor at det ikke er nok å destillere alt ned til den minste bestanddelen og gi informasjon til folk på en transaksjonell måte. Endring er ikke bare et informasjonsproblem eller et instruksjonsproblem. Folk trenger tid og rom, og som du sa, trenger vi ting som muliggjør endring.

Jeg tror vi trenger dialog. Vi trenger verktøy som gjør det mulig for alle i en organisasjon ikke bare å motta informasjon, men å delta i endring, dele hva de tenker, hva de føler og hvilke utfordringer de ser. Organisasjonen må få mulighet til å hente innspill og tilbakemeldinger og tilpasse seg.

Slik tror jeg endring kommer til å skje. Det blir ikke bare et notat skrevet av en leder, og det handler ikke bare om å slå på Microsoft Copilot. AI gir oss flere verktøy som kan åpne for mer dialog og gjøre endring til en toveis prosess der folk deltar.

David Rice: Det er interessant. Så mye av bedriftslæring har gjennom årene handlet om å gjøre innhold billigere, raskere og enklere å ta til seg. Men som du sier, handler det å hjelpe mennesker med å endre seg og tilpasse seg om en emosjonell reise. Det er annerledes og krever refleksjon, tilbakemeldinger, kontekst og alt dette som er unikt menneskelig og komplisert.

Det får meg til å lure på om vi på noen måter bygget feil infrastruktur for den typen læring vi faktisk trenger nå.

Taylor Blake: Jeg tror det er et eksempel på at begrensningene endrer seg. Tidligere var informasjon kanskje begrensningen, fordi informasjonen ikke var tilgjengelig.

Nå er det lett å skape, produsere og spre informasjon. Dermed har vi oppdaget den neste begrensningen: Informasjon er ikke nok. Endring er en reise. Den krever at vi forstår hvordan folk tenker og føler, og hvordan vi engasjerer dem gjennom prosessen. Jeg tror det krever et helt annet sett med verktøy og tiltak.

AI er et godt eksempel fordi alle virksomheter på en eller annen måte tenker på AI. Folk har reell frykt og bekymring. Noen er begeistret, mens andre er livredde. AI som endringsinitiativ viser tydelig at mennesker kommer med ulike erfaringer, følelser og bekymringer, og vi trenger nye måter å engasjere oss rundt dette på.

David Rice: Du nevnte at vi trenger nye verktøy og må tenke annerledes. Jeg vet at dere bygger nye AI-drevne verktøykasser for endring og samordning, blant annet talegrensesnitt, coachingopplevelser og veiledning i sanntid. Hvilke bruksområder ser du der denne tilnærmingen fungerer bedre enn den gamle oppskriften?

Dette er ikke bare produktbeslutninger. De føles som valg om hva slags mennesker vi forsøker å forme på arbeidsplassen.

Taylor Blake: Jeg går tilbake til AI-transformasjon. Det er et eksempel vi hører om hele tiden. Det er interessant fordi det skjer så raskt, og fordi AI-landskapet endrer seg så fort at en gammel endringsoppskrift, der man håndterer én avgrenset endring gjennom en plan, ikke lenger fungerer.

Man lager en endringsplan, gjennomfører den og er ferdig. Nå må dette være et system. Det handler ikke om at endringsinitiativet blir ferdig. Du trenger et system som kan registrere, håndtere og tilpasse seg, og som kan hjelpe folk med å samordne seg med og tilpasse seg endring.

Det handler om en balanse. Vi snakker om å gjøre folk komfortable med AI. AI gir oss nye verktøy, men vi må også finne måter å bringe folk frem i disse samhandlingene på. Det handler om å oppmuntre til mer samtale og dialog.

Virksomhetene må få bedre oversikt over hvor folk befinner seg, hvilke utfordringer de har og hva de er bekymret for. Tiltakene kan være coaching støttet av ledere eller en AI-coach. Vi trenger fleksibilitet fordi behovene kommer til å variere.

Mye handler om å ha et system som kan registrere situasjonen, tilpasse seg og ha samtaler med folk, slik at vi vet hvor de befinner seg. Vi kan ikke bare gjøre antakelser og ha ovenfra-og-ned-forventninger om endring som sildrer gjennom organisasjonen. Vi må ta folk med oss og engasjere dem underveis.

David Rice: Det er interessant. Det handler ikke bare om produktinnovasjon, men også om antakelser om menneskelig atferd. Jeg antar at dere må stille mange spørsmål: Hvilken friksjon er verdt å løse? Hvor mye selvstendighet ønsker dere at folk skal ha? Dette handler jo om beslutninger knyttet til arbeidsutforming.

Hvordan skal folk samhandle med hverandre, med arbeidet sitt og med sin egen utvikling? Dette er spørsmål verktøyene påvirker.

Taylor Blake: Det er mange spørsmål, og det er en viktig grunn til at vi tror på eksperimentering. Vi tror på å teste små konsepter og raskt kunne forstå hva som fungerer.

Noe som virker som en god løsning nå, kan kreve en annen tilnærming om ni måneder. Mye handler om metakompetanser som smidighet og evnen til raskt å forstå og respondere, i stedet for bare å ha én løsning, pakke eller ett program, fordi ting endrer seg så raskt.

David Rice: Da vi snakket tidligere, nevnte du at AI rydder bort arbeid med lav innsats, og at det som gjenstår, i større grad er dømmekraft, strategi og arbeid i et annet tempo.

Det høres bra ut, men det betyr også at folk raskere blir kastet inn i beslutninger med høy innsats, med mindre tid til å utvikle seg. Hvordan tenker du på beredskap i et slikt miljø?

Taylor Blake: Jeg hørte nylig på en Freakonomics-podkast om flygeledere. Jeg hadde ikke satt pris på hvor komplisert jobben deres er, hvordan de håndterer mange variabler og må ta mange beslutninger og optimaliseringer. Det er et svært stressende og krevende arbeid.

Teknologien har tatt seg av de enkle optimaliseringene. Det som gjenstår, er de kompliserte, kritiske vurderingene med høy innsats.

Flygeledere gjennomgår mye opplæring og arbeider mye med beredskap, både den psykologiske og den tekniske siden. De har pålagte pauser og forstår den kognitive kompleksiteten rollen krever.

Jeg tror det samme skjer med de krevende arbeidstypene vi i stadig større grad vil møte. Tidligere oppsto mye av treningen og erfaringen naturlig. Nå må vi skape disse mulighetene mer bevisst.

David Rice: Det samme gjelder hvordan vi utvikler forståelsen vår. Vi snakker hele tiden om at arbeid på begynnernivå forsvinner, eller at oppgaver på lavere nivå automatiseres. Men disse oppgavene ga oss ofte kontekst og bakgrunnskunnskap om mekanikken i arbeidet.

Vi må være mer bevisste på hvordan vi bygger disse ferdighetene. Det kommer til å bli en helt annen måte å lære på.

Taylor Blake: Absolutt. Vi har hatt problemer med varmeanlegget hjemme, så vi ringte et VVS-firma. Du kan skille dem som har overflatisk opplæring og kjenner ti typer løsninger, fra den erfarne personen som har arbeidet med dette hele livet og forstår hvordan hver del fungerer.

Den erfarne fagpersonen kan se at du bare trenger å rense og reparere noe. De har en så god forståelse av hele systemet.

David Rice: Det er nettopp denne dybden av kunnskap og organisatoriske konteksten som blir stadig mer verdifull. Hvis du vil at AI skal utføre komplekse oppgaver, må du gi den mye kontekst.

Taylor Blake: Vi snakker mye om kontekst for AI, for eksempel at en AI har et kontekstvindu på en million symboler. Sammenlignet med mennesker har erfarne ansatte kontekst fra mange års erfaring, inkludert mye som er udokumentert og usynlig.

Vi må være forkjempere for menneskelig ekspertise og menneskelig kapasitet. Mye av verdien ligger i konteksten mennesker bringer med seg inn i situasjoner. Vi trenger bedre måter å synliggjøre, representere og verdsette den på.

David Rice: Jeg er enig. Det er verdien av levd erfaring. AI kan gjøre mye, men den kan ikke ha levd erfaring. Den kan ikke absorbere de tause tingene – hvordan en toppleder reagerte, eller ansiktsuttrykket noen hadde da et forslag ble lagt frem på et allmøte – og forstå dette slik en menneskehjerne kan.

Tidligere hadde vi en blanding av arbeid med lavt og høyt press. Nå fjerner AI noe av det enkle arbeidet, og det finnes ingen innebygd pause. Tror du vi utilsiktet utformer utbrenthet? Hvordan motvirker vi det?

Taylor Blake: Først må vi erkjenne at arbeidet endrer seg. Når beslutninger når toppledelsen, velger man ofte mellom to alternativer som begge kan være riktige. Det er ikke 80 mot 20, men kanskje 51 mot 49. Hvis svaret var åpenbart, ville beslutningen blitt tatt lavere i organisasjonen.

Arbeidet blir derfor ikke bare mer presset, men også mer strategisk komplekst. Tydelige svar kommer i større grad til å bli gitt automatisk. Det handler ikke bare om å instruere folk i hvordan de tar beslutninger, men også om alt som skjer etter beslutningen.

Man må kunne forklare og begrunne valget og håndtere reaksjonene fra dem som blir negativt påvirket. Derfor må vi erkjenne presset som følger med disse oppgavene.

Vi kan motvirke det med beredskap, forberedelse, simuleringer og coaching. Det kan også bli mer teamarbeid og delt ansvar, slik flygeledere arbeider. Vi kan få flere modeller der team støtter hverandre, slik at alt ikke faller på én person.

David Rice: Vi må alle ta ansvar for å bygge inn litt spillerom i systemet. Vi må vite når presset blir for høyt. Særlig i lederroller må vi tenke på hvordan vi leder gjennom disse overgangene uten å flate ut menneskers emosjonelle kapasitet.

Taylor Blake: Det har vært et sterkt press mot effektivitet og mot å gjøre mer med mindre. På overflaten kan AI håndtere mye, men bak kulissene opplever mange at AI gjør mer for dem, samtidig som de føler seg travlere enn noen gang.

Overflaten av unntak, beslutninger og ting som må avklares, vokser. Vi kommer til å se konsekvenser av dette presset mot effektivisering og optimalisering. Du kan ikke optimalisere alt og samtidig forvente at systemet skal være sunt.

Det finnes mange usynlige variabler som ikke tas med i optimaliseringen fordi de ikke er synlige. Til slutt bryter de sammen, og da oppdager du at systemet må repareres.

David Rice: Dere arbeider i et område der det ofte oppmuntres til å feile raskt. Men når dere eksperimenterer i virkelige organisasjoner, blir virkelige mennesker berørt. Hvordan skaper dere rom for både ambisjon og ansvarlighet?

Taylor Blake: En av grunnene til at vi eksperimenterer, er at vi ikke vil eksperimentere i kundeorganisasjoner med mennesker som bare prøver å gjøre jobben sin. Vi prøver å hente ut det vi tester og gjøre det på mindre og mer avgrensede måter.

Vi forsøker altså å eksperimentere for å redusere risiko. Et eksempel handler om barna mine. Den eldste datteren min er ti år. Hun bygde en sommer en sommerfuglhage i hagen og undersøkte hvilke planter hun trengte for å tiltrekke seg sommerfugler.

Jeg lot henne bruke AI til å vise frem sommerfuglhagen og få råd om hvordan hun skulle ta vare på plantene. Senere spurte hun om hun kunne bruke telefonen min for å snakke med AI igjen. Da jeg spurte hva hun ville spørre om, svarte hun at hun ikke hadde et bestemt spørsmål, men at AI var så snill mot henne at hun bare ville snakke med den.

For meg ringte alarmklokkene. Hvilket forhold var i ferd med å oppstå som jeg ikke hadde forutsett? Datteren min søkte ikke lenger bekreftelse fra meg eller moren sin. Hun var opptatt av å få bekreftelse fra AI og håpet at AI skulle si hyggelige ting til henne.

Selv tilsynelatende enkle bruksområder kan ha mange ringvirkninger og konsekvenser som er vanskelige å forutse. Teamet mitt utvikler nye og ambisiøse ideer, men de må gjennom mange runder med kritiske spørsmål. Det kan føles som om alle prøver å finne hull, men det er egentlig en foredlingsprosess.

Ideene må vurderes kritisk fra mange retninger før vi er trygge nok til å lansere dem. Reisen fra en idé vi er begeistret for, til en idé som er grundig utfordret og fortsatt trygg å lansere, er interessant.

David Rice: Jeg liker at dere bygger dette inn som en etisk sikkerhetsramme. Vi må stille oss selv vanskelige spørsmål. Når vi bygger slike ting, kan vi gjøre det uten å være filosofiske, men det er sannsynligvis bedre å være det.

Mye av det vi bygger, endrer menneskers hverdag og måten de samhandler med ting som betyr mye for dem. Eksempelet med datteren din er fascinerende. Jeg ser stadig mer av dette, og jeg liker at dere internt spør hva dere ikke har tenkt på. Det er noe vi alle må begynne å gjøre.

Taylor Blake: Vi har alle blindsoner. Når noen viser deg en blindsone, kan de si: «Dette du bygde, er kult, men det hadde en negativ effekt du ikke tenkte på.» Vi må forutse at slike ting kommer, være åpne for dem og finne måter å ta dem inn i designprosessen på.

Jeg vil også at ettertenksomme og bekymrede mennesker skal være en del av prosessen. Hvis de eneste som bygger AI-verktøy, er mennesker som antar at AI ikke har negative konsekvenser, blir det en katastrofe.

Vi trenger mennesker som tenker like mye eller mer på de potensielle ulempene. De må ikke ignorere teknologien, men delta i prosessen og hjelpe oss med å skape ting som er gjennomtenkte og ansvarlige.

David Rice: Taylor, takk for at du kom. Jeg har satt stor pris på samtalen.

Taylor Blake: Tusen takk for muligheten. Dette har vært nyttig for meg også. Vi snakket om refleksjon, og dette har gitt meg anledning til å reflektere over noen av tingene jeg har tenkt på. Det setter jeg stor pris på.

David Rice: Lyttere, hvis dere ikke allerede har gjort det, kan dere gå til peoplemanagingpeople.com/subscribe og melde dere på nyhetsbrevet. Der får dere alle de siste oppdateringene, fra arrangementer og podkaster til kommende innholdsserier – alt sammen.

Til neste gang: Test, men still deg selv de vanskelige spørsmålene.