AI gjør beslutninger om mennesker dårligere – her er hvorfor

David Rice: Du bruker AI til å ta beslutninger om ansettelser, medarbeidersamtaler, teamsammensetning og andre viktige beslutninger om mennesker som påvirker karrierer, kultur og resultatene i virksomheten. Og i mange tilfeller har vi ingen anelse om hvilken kontekst vi faktisk gir den. Det er som å be en venn om råd om sjefen din, og vennen svarer: «Vel, jeg kjenner egentlig ikke sjefen din, så hvordan skal jeg kunne gi deg gode råd?» Du må fortelle mer. Men i mange tilfeller forteller du ikke AI mer – du håper bare at den finner ut av det.

Dagens gjest er Matt Poepsel fra The Predictive Index, og foredraget hans på den nyeste Transform-konferansen i Las Vegas hadde tittelen Smarte verktøy, dumme beslutninger om mennesker. For dette er det som skjer: AI kan undersøke og skrive på minutter det som tidligere tok to uker, så vi komprimerer forventningene. Vi beveger oss raskere, men vi arbeider fortsatt ut fra en gammel mental modell med nye verktøy. Og de tidlige storbrukerne er de som er mest utbrent. Noe annet vi bør ta i betraktning, er at den viktigste og farligste formen for arbeid er teamarbeid.

Mennesker med ulike personlighetstyper kolliderer med hverandre som støtfangerbiler. Legg til konkurrerende mål, som komplekse strategier nødvendigvis har, og du har en oppskrift på katastrofe. Men ledere vet ikke at de bør be om atferdsdata. Vi lærer dem ikke det. Vi lærer dem strategi, teknologi og drift – ikke hvordan de skal få menneskedelen til å fungere.

Og nå legger vi agenter inn i blandingen. Agentene dine ringer agentene mine, AI lager sammendrag som AI-en min fordøyer. Vi skaper faktisk avstand mellom oss samtidig som vi tror vi er produktive. Det er arbeidsrot – et forsøk på å holde tritt med gårsdagens definisjon av produktivitet i stedet for å utvikle oss mot det verdi faktisk ser ut som.

I dagens program skal vi derfor snakke om hvorfor AI trenger atferdsmessig kontekst, ikke bare stillingsbeskrivelser og ferdigheter; prinsippet om å måle to ganger og kutte én gang for viktige beslutninger om mennesker – og alle beslutninger om mennesker er viktige nå; hvorfor ferdigheter er flyktige, mens atferdstrekk er stabile; hvordan man kan tilføre atferdsmessig innsikt tidligere i ansettelsesprosessen; hvorfor ledere ikke vet at de bør be om riktige data, og hva HR må gjøre med det; og til slutt forskjellen mellom AI som akselererer teamdynamikk, og AI som ødelegger tillit.

Jeg er David Rice. Dette er People Managing People. Og hvis du har brukt AI til beslutninger om mennesker uten å forstå hvilken kontekst som faktisk betyr noe, vil denne samtalen forhåpentligvis vise deg nøyaktig hva du mangler. Dette er en samtale ansikt til ansikt mellom Matt og meg på messegulvet under Transform. Så kos deg. Over til meg og Matt.

Vel, jeg er her sammen med Matt Poepsel fra The Predictive Index. Velkommen, Matt. Det er hyggelig å snakke med deg her på Transform.

Matt Poepsel: Tusen takk. Takk for at du inviterte meg.

David Rice: Jeg likte foredraget ditt i går veldig godt. Tittelen var Smarte verktøy, dumme beslutninger om mennesker.

Matt Poepsel: Ja, nettopp.

David Rice: Og det kan kanskje være et godt utgangspunkt.

Du antyder at AI i mange tilfeller kommer med en anbefaling, og at et menneske godkjenner den. Jeg lurer på hvor den største risikoen ligger. Er det overdreven avhengighet av AI, eller er det det faktum at vi i mange tilfeller faktisk ikke vet hva vi gir den av informasjon?

Matt Poepsel: Ja, det stemmer. Jeg tror definitivt at vi kommer til å se en viss overdreven avhengighet av AI i begynnelsen, men jeg tror ikke at det i seg selv nødvendigvis er negativt å bruke AI-verktøy.

Men jeg tror spørsmålet er at vi må forstå at den bare har den konteksten som vi gir den, og som den gir tilbake til oss.

David Rice: Nettopp.

Matt Poepsel: Det er som om jeg spør en venn og sier: «Du, har du noen råd til meg om hvordan jeg skal samarbeide med sjefen min?» Da ville vennen sagt: «Vel, jeg kjenner egentlig ikke sjefen din, så hvordan skal jeg kunne gi deg gode råd om det?»

«Du må fortelle meg mer.» Så jeg føler at det er dette som skjer med AI-verktøyene i mange tilfeller.

David Rice: Ja. Og jeg … Vel, en annen ting er at data om mennesker er beryktet for å ha mange problemer, ikke sant?

Matt Poepsel: Det stemmer.

David Rice: Og derfor lurer jeg på – du snakker med mange mennesker – hvor sikre vil du si at folk er på det de legger inn?

Matt Poepsel: De er ikke sikre i det hele tatt. Jeg tror … jeg tror vi … vi er i de tidlige dagene av AI, der mye fortsatt er litt eksperimentelt. Det handler først om: «Hvordan kan du hjelpe meg? Jeg lurer på hva jeg får tilbake.» Og over tid blir folk mer komfortable med det, noe jeg tror er bra, og begynner å be den gjøre mer aggressive ting når det gjelder hvor komplekst det de ber om hjelp til, er.

Det startet med: «Hjelp meg å formulere denne e-posten», og har blitt til: «Hjelp meg med å lage en … Jeg skal holde en presentasjon for teamet mitt om de nyeste salgstallene.» «Ja, kan du hjelpe meg med det?» Og dermed øker bruken over tid. Men jeg tror det som igjen lett blir oversett, er at hvis vi egentlig ikke vet noe om teamet når det gjelder atferdsstiler og kommunikasjonspreferanser, får vi da virkelig de beste rådene fra AI-en hvis den hjelper oss med å lage presentasjonen? Og det er på en måte det som bekymrer meg litt.

David Rice: Jeg har vært på noen konferanser i det siste, og mange … det er mye snakk om styring, særlig når vi går inn i agentenes tidsalder. Hvor godt synes du folk definerer hvem som eier en beslutning?

Matt Poepsel: Ja, den beslutningen blir sparket rundt som en … som noe som sparkes rundt som en fotball, vil jeg tro.

David Rice: Ikke sant.

Matt Poepsel: For jeg tror den virkelig havner i en slags mellomtilstand. Det er ikke utelukkende juridisk, men det er heller ikke utelukkende IT. Det er ikke utelukkende HR. Og jeg tror HR ofte får i oppgave å si: «Greit, du må drive dette fremover», når det gjelder akseptabel og riktig bruk av AI, noe jeg synes gir mening.

For når alt kommer til alt, snakker vi om å potensielt sette mennesker i en skadelig situasjon. Hvis de får noe fra lederen sin som virker støtende, kan det faktisk ødelegge mye tillit. Så jeg tror kostnaden for mennesker kan bli svært høy. Derfor gir HR mening i den sammenhengen. Men jeg tror også at dette noen ganger blir betraktet litt for transaksjonelt.

Når vi bare nærmer oss dette som et spørsmål om etterlevelse, erkjenner vi ikke at AI har potensial til å gi oss langt bedre evne til å få teamdynamikken til å fungere – eller faktisk drive virksomhetene våre på nye måter.

David Rice: Du nevner teamdynamikk, og det er som om dette er noe AI, som du sier, ikke fullt ut er i stand til å forstå – og heller ikke hvordan arbeid faktisk blir utført.

Hvordan går du frem for å strukturere konteksten du gir den, og sørge for at inndataene er strukturerte slik at den faktisk kan dra nytte av dem?

Matt Poepsel: Ja, dette er noe jeg sier hele tiden. Den viktigste og farligste formen for arbeid er teamarbeid. For hvis du tenker på alt som skjer i virksomheten din, er sannsynligheten for at én person gjør det alene, ganske liten.

I stedet er det team – om ikke team av mennesker – som arbeider for å gjøre disse programmene, initiativene og endringene i forretningsmodellen fantastiske.

David Rice: Ja.

Matt Poepsel: Derfor må vi få teamarbeid til å fungere. For meg starter det med å forstå de atferdsmessige forskjellene og de strategiske kravene til teamet.

Når du tenker på at mennesker har svært ulike personlighetstyper, og setter dem sammen i et team, kolliderer de med hverandre som støtfangerbiler. Når du så legger til konkurrerende mål – for mange komplekse strategier har nødvendigvis konkurrerende mål – blir resultatet plutselig en oppskrift på en virkelig dårlig teamdynamikk.

David Rice: Ja.

Matt Poepsel: Du må derfor forstå at når vi tar all denne informasjonen om hva arbeidet som skal gjøres er, og hvem som skal gjøre det, har vi mye rik kontekst som et erfarent menneske kan se på og si: «Å, jeg forstår hvorfor dette teamet står fast», eller hvorfor de opplever friksjon på dette området.

Spørsmålet blir da: Hvordan skal vi også få AI-verktøy til å hjelpe oss med dette? Jeg tror vi må tenke grundig gjennom det.

David Rice: Det er morsomt, for vi snakker om teamdynamikk og teamarbeid som noe som på en måte er truet. Samtidig legges det så stor vekt på at alle skal bli gründere og ledere for agenter. Hvis jeg ikke forstår hvordan jeg får mennesker til å samarbeide, kan jeg da få disse agentene til å samarbeide riktig?

Matt Poepsel: Nettopp. Ja, la agenten din ringe agenten min. Det er som: «Herregud.» Plutselig får du en situasjon der mye av arbeidsrotet som skapes i dag, oppstår fordi folk prøver å holde tritt med gårsdagens definisjon av hva faktisk produktivitet var.

David Rice: Ja.

Matt Poepsel: I stedet for å ha utviklet seg mot det verdi faktisk ser ut som. Og jeg tror det er her folk føler: «Jeg ligger så langt bak.» Hvis en agent kan komme inn og hjelpe meg med å automatisere deler av jobben min, tenk så mye mer arbeid jeg kunne gjort. Og du tenker: «Greit, men er det riktig type arbeid?»

Så med en gang vi går tilbake til teamet, begynner du å tenke: Hvis du har et team av agenter som hjelper deg med din del, og jeg har et team av agenter som hjelper meg med min del, er vi da i en situasjon der AI bare lager alle disse sammendragene, og AI-en min fordøyer dem, samtidig som vi skaper faktisk avstand mellom oss? Det er den delen vi må være svært forsiktige med.

David Rice: Du nevnte arbeidsrot, og jeg tenker på tidspress hele tiden.

Vi er alle under press for å bevege oss raskt, og det blir sett på som et konkurransefortrinn. Men insentivet er å stole på resultatet og gå videre. Er det egentlig tidspresset som driver dette? Og det jeg egentlig spør om, er hvordan vi kan redusere dette.

For det er på noen måter et filosofisk spørsmål: Hva skal vi verdsette? Men hva finner du ut at er mest effektivt?

Matt Poepsel: Jeg tror det definitivt stemmer at vi ser at tidsbegrensningene blir strammere, eller at tiden på en eller annen måte blir presset. Hvis du tidligere hadde en oppgave som innebar research og litt skriving, kunne du gi noen to uker til å fullføre den.

Men nå, når AI plutselig kan gjennomføre svært omfattende undersøkelser på bare noen få minutter, virker det rimelig å redusere forventningen og få ting gjort litt raskere.

David Rice: Ja.

Matt Poepsel: Men når det gjelder poenget ditt om å stole på resultatet, må vi fortsatt faktasjekke nok og utforme gode instrukser, og ingen av disse tingene kommer av seg selv.

Vi må derfor erkjenne at forståelsen vår av – og til og med anslaget vårt over – hvor lang tid det kan ta å fullføre en oppgave, er litt kunstig. Men så blir spørsmålet: Har resultatet fortsatt god kvalitet? Eller ser det ut som om AI har laget det helt alene i et vakuum? Det hjelper ingen.

Samtidig viser forskningen oss at de som tidlig tar AI i omfattende bruk, faktisk er de mest utbrente. For de arbeider fortsatt ut fra en gammel mental modell, selv om de bruker nye verktøy. Så jeg føler at vi fortsatt er tidlig i læringskurven.

Dette er ikke en hype-bølge. AI skaper absolutt verdi, men hvis vi går glipp av noe av denne verdien, eller hvis erfaringen vår med AI skaper avstand til teammedlemmene våre, eller tapper våre egne ressurser og evner, er det bare et uttrykk for hvor mye mer vi må følge med på utviklingen.

David Rice: AI skaper hastighet, men når det gjelder beslutninger om mennesker, har vi ofte fordel av å være litt langsommere, litt mer bevisste og mer reflekterte.

Matt Poepsel: Ja.

David Rice: Det skaper en spenning mellom de to tingene – mellom målet ditt og den beste måten å nå det på. Hvordan ser du at folk navigerer i dette og klarer å opprettholde kvaliteten uten å ofre farten vi ønsker å oppnå?

Matt Poepsel: Det korte svaret er: Ikke særlig godt. Jeg tror det handler om å forstå at vi fortsatt er tidlig i læringskurven, og at det derfor er forventet. Men jeg tror det er stort press for å bevege seg for raskt når det gjelder noen av disse løsningene. Dermed forverrer vi faktisk situasjonen.

Hvis du ikke møter behovene til noen, og de begynner å miste tilliten til løsningen, eller tror at det finnes en skjult agenda, kan det faktisk ta mye lengre tid enn om vi hadde brukt litt mer tid underveis. Det finnes et gammelt snekkeruttrykk: «Mål to ganger, sag én gang.»

Og det er en god grunn til det. Det er mye raskere og mer kostnadseffektivt. Jeg tror vi bør bruke en lignende tilnærming når det gjelder viktige beslutninger om mennesker. Og i dagens klima er alle beslutninger om mennesker viktige beslutninger. Det er derfor vi ikke trenger å bremse, men vi må tenke grundig gjennom ting slik at vi kan gå så raskt som vi ønsker.

David Rice: Ja, jeg tror du har rett. Og dessuten … Jeg ser mye på ansettelser, ikke sant? Kvaliteten på dataene vi får inn, bør i det minste være litt bedre. Vi bør bremse litt og forsikre oss om at dette er riktig. Har vi krysset av i alle boksene? For noen ganger vet vi ikke nødvendigvis hvilke ferdigheter vi ser etter.

Matt Poepsel: Det stemmer.

David Rice: Så hvis vi ikke engang vet hvilke ferdigheter vi ser etter, hvordan skriver vi stillingsbeskrivelsen slik at vi kan ansette riktig person?

Matt Poepsel: Når vi har kopiert og limt den inn fra gamle dager, fra alle disse Google-resultatene, og nå bare kjører den gjennom AI, får vi fortsatt omtrent det samme tilbake. Og det andre problemet er selvfølgelig at kandidatene også har tilgang til AI.

Dermed ser de alle sammen ut som en million dollar, og du tenker: «Vent litt. Hvordan fikk vi plutselig alle disse perfekte kandidatene?» Vi begynner derfor å veilede kundene våre i hvordan de kan tilføre atferdsmessig innsikt tidligere i prosessen. Når du skriver stillingsbeskrivelsen, bør du ikke bare fokusere på ferdigheter og oppgaver, men virkelig finne frem til de atferdsmessige kravene i rollen, slik at vi forstår nøyaktig hva vi ser etter.

Men vi bør også bruke disse aspektene i intervjuprosessen ved å få kandidaten til å snakke konkret om denne atferden. Når du begynner å spørre noen: «Fortell meg om en gang da …», er det vanskeligere i sanntid, når du ikke har tilgang til AI, å finne frem til en overbevisende historie og et eksempel på at du gjorde akkurat dette på akkurat den måten.

David Rice: Ja.

Matt Poepsel: Vi opplever derfor at dette er en svært god posisjon å innta. Det andre problemet er, som du sier, at selv om vi ikke klarer å formulere ferdighetene fullt ut i dag, kommer de til å endre seg. Alt beveger seg så raskt. Ferdigheter kan læres, og det er flott, men personlighet og atferd kan ikke læres.

De er … Du er den du er, og det er en vakker ting. Vi må bare sørge for at vi ansetter deg til riktig rolle.

David Rice: Ja, for hva var det? For to år siden trodde alle at instruksjonsutforming skulle bli den store greia, og nå snakker jeg bare med AI.

Matt Poepsel: Ja, la oss bare føle oss frem. La oss bare føle oss frem til døde.

Det er helt riktig. Det er veldig sant, og dette er et eksempel på at kanskje en tredjedel av ferdighetene vi forventer at arbeidsstyrken trenger i 2030, faktisk kan bli virkelighet. Men sannheten er at selv disse ferdighetene kommer til å være svært sårbare. De kommer til å være flyktige, om du vil.

Når du i stedet ser på mellommenneskelige ferdigheter, historiefortelling, kreativ tenkning og evnen til å harmonere med andre mangfoldige grupper av mennesker, vil disse tingene aldri gå av moten. Og de er ikke myke ferdigheter – de er grunnleggende ferdigheter når så mye teknologi kan utføre så mye av det tunge arbeidet.

David Rice: Vi har en tendens til å tro at mer data automatisk gir bedre beslutninger. Men jeg tror vi må … Kontekst er selvsagt avgjørende. Er dette i det hele tatt de riktige dataene å se på? For enhver beslutning vi tar.

Matt Poepsel: Jeg snakker ikke med noen ledere som sier: «Jeg skulle ønske jeg hadde mer data.»

Vi har enorme mengder data. Spørsmålet ditt er svært godt: Er det de riktige dataene? Særlig når vi ser på lederfunksjonen – altså å få grupper av mennesker til å arbeide sammen mot et felles mål. Det er det ledere blir bedt om å gjøre.

HR støtter dette i mange tilfeller ved å tilby opplæring, verktøy og veiledning. Spørsmålet blir derfor nettopp dette: Vi kan ha mer og mer data, men er det de riktige dataene som skal inngå i en kontekstbasert beslutning? Og kan vi tilpasse resultatet? Hvis du leder meg, blir det annerledes enn om du leder noen som har en helt annen personlighet enn meg.

David Rice: Ja.

Matt Poepsel: For lederen er spørsmålet da om du forventes å tilpasse stilen din og ha nok bevissthet om deg selv og andre til å kunne navigere i dette. Det er vanskelig, om ikke umulig, uten data. Det er også vanskelig uten verktøy som kan hjelpe deg, med mindre du har gjennomgått store mengder opplæring – noe ledere ikke får i dag.

For tiden er en faktor, la oss være ærlige. Vi har dette tidspresset. Alt dette viser at vi trenger kontekstuelle, gjennomtenkte og atferdsdrevne verktøy som kan hjelpe oss med å få menneskedelen til å fungere i stor skala.

David Rice: Hvordan ser et mer kontekstdrevet system ut, tror du? Jeg tror de fleste AI-organisasjoner mater AI med ting som stillingsbeskrivelser og kanskje utviklingsplaner.

Hva ser det faktisk ut som, hva inneholder det, og hvordan påvirker det lederbeslutninger?

Matt Poepsel: Jeg vil gjerne begynne utenfra og inn. Jeg vil starte på høyeste nivå med spørsmålet: Hva er virksomhetens kultur? Hva er de kulturelle verdiene deres? Hva forsøker dere å oppnå i virksomheten?

Dette er viktige spørsmål. Hva med ferdighetene for fremtiden? Hvilke evner prøver dere generelt å tilføre organisasjonen? Deretter kan vi kanskje gå ned på teamnivå. Hva arbeider teamet med? Hva er den spesifikke atferdsmessige sammensetningen av teammedlemmene som jeg bør kjenne til?

Er vi like eller forskjellige? Hva er historikken for samhandlingene vi har hatt? Vi er heldige i The Predictive Index som sitter på alle disse dataene, og derfor har vi en enorm mengde kontekst. Jeg tror det hjelper oss med å virkelig forstå miljøet der denne viktige samhandlingen mellom mennesker finner sted, slik at vi har bedre forutsetninger for å få det riktig.

David Rice: Jeg er nysgjerrig, for du arbeider med alle disse ulike organisasjonene og ser mange av de vanlige feilene ledere gjør. Undervurderer de denne utfordringen? Vi snakket tidligere om at de ikke har særlig tillit til dataene de har om medarbeiderne sine, men det neste spørsmålet er kanskje om de føler seg trygge på at de kan få tak i riktige data.

Matt Poepsel: Ja, ofte tror jeg at de ikke vet hvordan de skal stille spørsmålet, og derfor er samarbeidet med HR så viktig. Jeg kjenner ikke mange ledere uten opplæring som går til HR og sier: «Jeg trenger virkelig mer av disse atferdsdataene om medarbeiderne mine.»

David Rice: Nettopp.

Matt Poepsel: De vet ikke – de vet ikke engang at de bør stille spørsmålet.

Og vi lærer dem ikke dette på handelshøyskolene våre. Vi lærer dem strategi, teknologi og drift. Vi lærer dem ikke hvordan de skal få menneskedelen til å fungere. Derfor er det allerede et stort sprang å forvente at en leder skal kunne trekke dette ut av løse luften og si: «Jeg trenger data om mennesker.»

Den andre delen handler om hvordan du bruker dataene i konteksten av det du prøver å oppnå. Det er der den neste utfordringen oppstår. Det er mye oversettelse som må skje. Den gode nyheten er at verktøyene er lett tilgjengelige. Du kan utvikle selvinnsikt og bevissthet om andre. Du kan utvikle en hel teamdynamikk ved hjelp av verktøy som våre, som raskt avmystifiserer hele prosessen. Det er lovende, men du må bruke dem.

David Rice: Det har vært hyggelig å ha deg med i programmet. Hva gleder du deg til denne uken? Hva ønsker du å lære mer om eller undersøke?

Matt Poepsel: Jeg vil definitivt forstå hvor de ulike HR-personene jeg snakker med, befinner seg, og hvordan de opplever rollen sin i denne omfattende transformasjonen. Jeg opplever at det varierer mye. Noen HR-folk ligger langt bak. Organisasjonen deres behandler dem svært transaksjonelt. Andre ligger helt i front.

De driver virksomheten fremover når det gjelder hva som er mulig. Heldigvis er det ikke mange som befinner seg i ytterkantene. De fleste er et sted på veien. Jeg føler derfor at jo mer jeg kan lære om hva de opplever, desto bedre kan jeg hjelpe dem med å styrke HR-funksjonen. Jeg sier alltid at alle virksomheter er menneskevirksomheter.

Det betyr at vi må løfte medarbeiderne som arbeider med mennesker, og som du hørte i foredraget mitt i går, til og med bygge dem inn i verktøyene vi bruker hver dag. Slik får vi det beste HR har å tilby i stor skala. Og det er dette som virkelig begeistrer meg med arbeidet vi gjør i The Predictive Index.

David Rice: Matt, takk for at du ble med oss i dag. Det var flott å ha deg med i programmet.

Matt Poepsel: Takk for at du inviterte meg. Det har vært en flott konferanse og en flott samtale.

David Rice: Greit. Da avslutter vi denne episoden her. Bli med oss i den neste.

Og som alltid: Hvis du ikke allerede har gjort det, må du huske å melde deg på nyhetsbrevet og følge oss på YouTube og alle sosiale medier, slik at du får alt dette rett inn i strømmen din.