Avkastningen på KI: Slik bygger du en KI-forsterket organisasjon

David Rice: Du har virkelig fokus på avkastningen på KI akkurat nå. Kan du utdype hva du ser på makronivå?

Ravin Jesuthasan: Mange selskaper har valgt en teknologidrevet tilnærming: ta i bruk teknologien, gi folk litt opplæring og forbedre arbeidsstyrkens produktivitet. Der vi har sett selskaper virkelig få avkastning på KI, er når de begynner med arbeidet og deretter finner ut hvordan ulike KI-verktøy faktisk kan transformere det.

David Rice: Hvorfor tror du dette gapet eksisterer, og hva er risikoene ved et slikt ledelsesgap?

Ravin Jesuthasan: Det er ikke en teknologisk utfordring, men en menneskelig utfordring. Vi trenger at lederne våre går lenger enn bare digital kompetanse, til reell KI-kompetanse.

David Rice: Hvis du kunne redesigne hvordan organisasjoner tar i bruk KI fra grunnen av, hvordan ville de første 90 dagene sett ut?

Ravin Jesuthasan: Bli svært tydelige på vår ledestjerne. Analysere arbeidet og finne ut hvordan vi kan ta i bruk KI for å løse disse spesifikke problemene. Forstå alle disse endringsfaktorene. Det kommer til å utfordre selve arbeidsstrukturen.

David Rice: Velkommen til People Managing People-podkasten, programmet der vi hjelper ledere med å holde arbeidet menneskelig i KI-tidsalderen. Jeg er verten din, David Rice. I dagens episode har vi med oss Ravin Jesuthasan. Han er futurist, forfatter og en av verdens ledende stemmer innen transformasjonen av arbeidslivet. Ravin skal forklare hvorfor de fleste selskaper fortsatt ikke ser avkastning på KI-investeringene sine, og hvorfor en teknologiførst-tankegang holder dem tilbake.

Han deler hva som skal til for faktisk å bygge en KI-forsterket driftsmodell, hvorfor den tradisjonelle jobbbaserte identiteten smuldrer opp, og hvordan ledere må gå fra digital kompetanse til reell KI-kompetanse dersom de ønsker å gå foran med et godt eksempel. Hvis du jobber som HR-leder eller strateg, eller bare lurer på hva som skal til for å lede i intelligenssystemenes tidsalder, er denne episoden for deg. La oss sette i gang.

Ravin, velkommen.

Ravin Jesuthasan: Takk, David. Hyggelig å være her sammen med deg.

David Rice: Absolutt. Du har virkelig fokus på avkastningen på KI akkurat nå. Det var noe vi snakket om da vi snakket sammen før dette, og om de systemiske ringvirkningene på den globale økonomien. Så jeg vil begynne der. Kan du utdype hva du ser på makronivå, særlig når det gjelder arbeidsstyrkens forbruk og transformasjon?

Ravin Jesuthasan: Absolutt, David. De siste årene, nesten tre år nå, har vi først vært svært opptatt av generativ KI og hva vi kunne gjøre med ChatGPT, og senere av agentbasert KI. Vi ser definitivt mange selskaper forsøke å øke markedsverdien sin ved å snakke om hvordan de tar i bruk KI.

Men jeg tror det er et stort gap mellom virkelighet og oppfatning. Det vi har sett, med unntak av en håndfull organisasjoner, er at mange selskaper ikke har fått avkastning på KI-investeringene sine. Dette skyldes i stor grad et par ting. For det første valgte mange en teknologidrevet tilnærming. De sa: La oss ta i bruk teknologien, særlig generativ KI, som alle kan få tilgang til via telefoner, bærbare datamaskiner, nettbrett og så videre.

De tenkte at hvis de bare tok den i bruk og ga folk litt opplæring, ville de på magisk vis begynne å arbeide bedre, bli flinkere til det de gjør og bli mer produktive. Det er den tradisjonelle tilnærmingen med å spre teknologien og håpe på det beste. Vi har sett den samme tilnærmingen ved mange andre endringer tidligere, og igjen, med unntak av en håndfull organisasjoner, er det få som har fått avkastning. Der vi har sett selskaper virkelig få avkastning på KI, er når de går imot denne reaktive tilbøyeligheten til å være teknologidrevet og faktisk begynner med arbeidet.

La oss begynne med arbeidet og deretter finne ut hvordan ulike KI-verktøy faktisk kan transformere det. Hvor kan de erstatte oppgaver? Hvor kan de forsterke dem? Hvor kan de faktisk transformere arbeidet? Dette gjør også noe annet mulig. I tillegg til de åpenbare konsekvensene for avkastningen, setter det søkelys på hvilke ferdigheter arbeidsstyrken din trenger i endring.

Hvor blir arbeidet deres erstattet, slik at ferdighetene deres blir overflødige? Hvor endrer arbeidet seg, slik at ferdighetene må endres for å holde tritt? Hvor blir arbeidet forsterket, slik at jeg trenger flere ferdigheter i tillegg til dem jeg allerede har for å kunne arbeide sammen med teknologien?

David Rice: En av de store hindringene jeg tror vi ser hos folk, er en slags overtilknytning til jobbene deres.

Og det gir på en måte mening. Tradisjonelt har måten folk har kunnet skape verdi på arbeidsmarkedet, vært å stadig mestre bestemte oppgaver og jobbe seg mot oppgaver med høyere verdi, noe som førte til bedre lønn eller større jobbsikkerhet. Men KI kommer til å overta noen av disse jobbene. Så det foregår til syvende og sist en følelsesmessig transformasjon.

Hvordan kan ledere hjelpe folk med å flytte identiteten sin fra det jeg gjør, til det jeg kan bli?

Ravin Jesuthasan: Ja, David, det er et svært viktig poeng i alt dette. I 150 år har jobben vært den eneste valutaen for arbeid. Nå som vi ser at disse jobbene blir splittet opp, fordi KI erstatter noen oppgaver, forsterker andre og transformerer andre igjen, blir denne identitetsfølelsen utfordret.

Det vi virkelig trenger for arbeidsstyrken, og jeg synes du formulerte det vakkert, er å gå fra «det jeg gjør», fordi så mange av oss tenker at det jeg gjør, er den jeg er, til «det jeg kan bli». Hvordan går jeg fra, uten å høres for storslått ut, Descartes kom jo med uttrykket «Jeg tenker, derfor er jeg», og min gode venn Sherry Turkle skapte i 2019 uttrykket «Jeg deler, derfor er jeg», som gjenspeiler de sosiale medienes tidsalder. Jeg tror virkelig at den nye identitetsfølelsen må bli «Jeg lærer, derfor er jeg», og hver og en av oss kommer til å bli bedt om å fornye oss selv kontinuerlig og hele tiden.

Ettersom arbeidet vårt endrer seg, og igjen, som du utmerket påpekte, må identitetsfølelsen gå fra «det jeg gjør» til, som du sier, «det jeg kan bli». Hvilke ferdigheter kan jeg tilegne meg? Hvilke ferdigheter kan jeg legge til? Hvordan kan jeg forbli relevant i en verden i endring og stadig fortsette å legge fortiden bak meg?

Jeg tror det finnes et perfekt sitat som fanger tiden vi lever i. Den store futuristen Alvin Toffler skrev i 1970, i boken Future Shock: «Det 21. århundrets analfabeter vil ikke være de som ikke kan lese og skrive. Det vil være de som ikke kan lære, avlære og lære på nytt.»

David Rice: Det er interessant, for jeg tror vi historisk sett har sett på dette svært transaksjonelt, som at jeg lærer for å oppnå et bestemt resultat.

Ikke at jeg lærer for å lære, eller at jeg lærer fordi det vil bidra til å forme noe. Det har alltid vært veldig enkelt og direkte: Du lærer dette for å få dette. Ja. Og jeg tror vi må endre på det. Overordnet mangler samtalen om identitet og transformasjon ofte i KI-diskusjonene, og jeg lurer på om det delvis skyldes hvordan vi skaper disse fortellingene. Hvilke former eller formater må utvikles, slik at vi ikke bare snakker om verktøy, men holder fokus på mennesker og denne helt spesifikke utfordringen?

Ravin Jesuthasan: Ja. Det er et svært viktig poeng, David. Jeg tror at vi som bedriftsledere, og egentlig også som art, har en tendens til å segmentere for mye. Vi segmenterer KI som én enkelt ting og går glipp av alle forbindelsene til ferdigheter, identitet og så videre som vi nettopp har snakket om.

Jeg tror dette er noe av det vi må komme forbi. Det handler ikke bare om «Se hvor fantastiske disse verktøyene er». Vi må gå fra det teknologidrevne perspektivet til å spørre: Hvilket arbeid må utføres, og hvilket økosystem ligger til grunn for arbeidet? Teknologi er absolutt en del av dette, men teknologi er bare et verktøy.

Som min gode venn Gary Bolles ofte sier når det gjelder transformasjon, handler det om tankesett, ferdighetssett og verktøysett. Jeg tror vi må kunne ha disse tverrgående samtalene om hva dette faktisk betyr for arbeidsstyrken, og hvordan vi får arbeidsstyrken med oss. For som du og jeg vet, David, snurrer denne planeten fordi vi er et forbrukerbasert samfunn, et globalt forbrukerbasert samfunn.

I det øyeblikket forbrukerkraften forsvinner fordi folk mister arbeidet, begynner mye av dette å bryte sammen. Når det gjelder KI, må vi derfor tenke på hvilke tverrgående konsekvenser dette får. Hvordan oppgraderer vi folks ferdigheter? Hvordan omskolerer vi folk? Hvordan sikrer vi at folk har muligheter til å tjene inntekt gjennom produktivt arbeid dersom vi skal fortsette å ha en global økonomi drevet av forbrukere?

David Rice: Jeg stiller ofte dette spørsmålet fordi det er urealistisk å tro at vi på magisk vis skal hoppe inn i en ny æra der forbruk ikke lenger er den viktigste drivkraften bak menneskelig atferd. Jeg tror et av de store problemene akkurat nå er at folk i toppledelsen har en tendens til å jage effektivitet samtidig som de ignorerer en dypere transformasjon.

Alt handler om hvordan vi kan tidoble menneskers produktivitet. Hva mener du ledere heller bør måle eller sikte mot dersom de ønsker å skape, eller ønsker at KI skal skape, verdi utover kostnadskutt?

Ravin Jesuthasan: Det er et svært godt poeng, David. Det finnes ofte et kortsiktig fokus på at den raskeste måten å øke inntektene mine på, er å redusere kostnader. Det har jeg sikkerhet for. Jeg vet at jeg kan fjerne kostnader, mens det ligger et element av risiko i å investere i dag for vekst i morgen.

I arbeidet jeg gjør med kundene våre, prøver jeg vanligvis å få dem til å fokusere på tre mål. Det ene er effektivitet, som absolutt er viktig, fordi alle organisasjoner kommer til å måtte frikoble fremtidig vekst fra den tradisjonelt ressurskrevende modellen sin, enten det gjelder mennesker, finansiell kapital eller fysisk kapital.

Men så handler det også om hvordan jeg forbedrer arbeidsstyrkens produktivitet. Vi har sett tilfeller der vi har investert i teknologi uten at produktiviteten har endret seg. Du kan ikke bare sette inn teknologien og håpe at folk på en eller annen måte blir mer produktive. Hvordan redesigner vi arbeidet med hensikt, slik at vi sikrer at produktiviteten faktisk blir en del av arbeidsarkitekturen?

Den tredje variabelen, som jeg tror er svært viktig, David, er smidighet. Når vi investerer i disse teknologiene, hvordan kan vi samtidig flytte ressursene våre fra områder der arbeidet kanskje blir erstattet, til områder der vekstmulighetene våre finnes? Jeg tror disse tre målene er svært viktige når vi tenker på hvordan vi bygger forretningsmodeller som er laget for å fornye seg og fortsette å vokse.

Ja, med mindre ressursintensitet, men samtidig ved å utnytte talentet vi ofte har investert i over flere tiår best mulig.

David Rice: Absolutt. I mine egne samtaler med ledere er det noe jeg synes er interessant. Hastverket med å ta i bruk KI i deres eget arbeid er ikke like sterkt som presset for å få de ansatte til å bruke det.

Når man ser på KI som et strategisk verktøy, kan man ta noe som ChatGPTs funksjon for dyptgående undersøkelser. Det utvikler seg som et strategisk verktøy og blir nå litt av en gamechanger. Hvorfor tror du dette gapet eksisterer, og hva er risikoene ved et slikt ledelsesgap?

Ravin Jesuthasan: Det er et godt spørsmål, og det er en enorm risiko, fordi KI ikke er en teknologisk utfordring. Mange har sagt dette, med rette. Det er ikke en teknologisk utfordring, men en menneskelig utfordring. Det er en endringsledelsesutfordring. Den stiller spørsmål ved alt vi har kommet til å tro på og bygge med forretningsmodellene, menneskemodellene og organisasjonsmodellene våre.

Dette er derfor en grunnleggende utfordring, og jeg har sagt en stund at vi trenger ledere som går fra bare digital kompetanse til reell KI-kompetanse. Som jeg fortalte deg, hadde jeg i Davos i år gleden av å lede et par paneldiskusjoner, én med en gruppe toppledere og én med en gruppe HR-direktører.

Jeg stilte spørsmålet: Dere tar alle i bruk KI. Dere har det i resultatmeldingene deres, og dere får alle den uunngåelige økningen på et par prosentpoeng når dere snakker om KI. Men hvor mange av dere bruker faktisk disse verktøyene? I begge rommene var det ikke mer enn ti prosent. Jeg spurte hvordan de forsøkte å få folk til å bruke disse verktøyene når de selv ønsket det.

En person sa litt beskjemmet: «Vi bruker dem egentlig ikke, fordi vi har assistenter. Vi forteller assistentene hva de skal gjøre, og så gjør de det.» Det er et enormt gap, fordi hvis du ser på KI som et transaksjonelt verktøy, kommer du til å bruke assistenten din.

Men hvis du ser på KI som et strategisk verktøy, vil det transformere alle deler av virksomheten din. Du må investere i å endre atferden din, slik at KI får gjennomsyre alle sider av arbeidet du gjør. Enten du skriver et notat, samarbeider med dine nærmeste medarbeidere eller starter den strategiske planleggingsprosessen med å undersøke hva konkurrentene dine gjør, hvor vi har kommet til kort sammenlignet med de tre siste strategiske planene våre, og hva de store hullene er.

KI kan gjøre svært mye for å forsterke en leder. Men igjen, dette er en enorm atferdsendring. I min tredje bok undersøkte John Boudreau og jeg rundt 135 organisasjoner og 135 tilfeller, helt tilbake i 2018, da maskinlæring og dyp læring var det store.

Det som slo oss, var hvordan arven fra tankesett, ferdighetssett og verktøysett virkelig var det største hinderet for transformasjon. Denne arven hos lederne var det som holdt dem tilbake, selv den gangen da verktøyene hadde langt mindre kraft og kapasitet enn verktøyene vi har i dag.

David Rice: Jeg vil holde fast ved noe du sa et øyeblikk. Du nevnte at man må bevege seg mot KI-kompetanse. Når vi tenker på dette hos ledere, er jeg nysgjerrig på hvordan KI-kompetanse ser ut fra ditt perspektiv for en leder i toppledelsen. Hva er det de gjør med teknologien, og hvilke utfordringer forsøker de å håndtere?

Ravin Jesuthasan: Slik ser det ut, David: En leder setter av en viss prosentandel av tiden sin hver dag til å virkelig forstå verktøyene, forstå hvordan de endrer seg og forstå nye verktøy. Lederen gir seg selv muligheten til å leke med verktøyene og bruke dem.

Juristene kommer kanskje til å si at vi må beskytte alle personopplysningene våre. Absolutt. Men det er ingen grunn til at du ikke kan leke med ChatGPT på egen hånd, eller med Claude eller noen av de andre verktøyene som dukker opp, for eksempel DeepSeek.

Da du og jeg snakket sammen sist, sa jeg ikke dette for å smigre, men sjefen min er faktisk et forbilde på dette området. Hver samtale jeg har med ham, begynner med hva han har sett fra KI, hvilke data han har hentet ut fra virksomheten vår internt, og hva han har sett konkurrentene våre gjøre. Han bruker KI kontinuerlig i alle deler av rollen sin.

Det som har vært virkelig interessant å observere, er at fordi han gjør dette, gjør jeg det også. Jeg gjorde litt av det fra før, men nå er jeg motivert til å gjøre enda mer. Jeg ser på resten av ledergruppen vår og kan se kaskadeeffekten, særlig innen rådgivning, som gjennomgår en enorm transformasjon. Alle medarbeiderne våre må bruke KI, og vi møter de samme motstandspunktene som alle andre.

At han opptrer på denne måten og blir svært synlig for de rundt 3000 medarbeiderne våre, har vært en stor gamechanger. Ja, vi må støtte dette med tilgang til verktøyene, opplæring og en bevisst redesign av jobbene, men det å gå foran som et godt eksempel er en svært viktig del av dette. Han er virkelig selve bildet på en KI-kompetent leder.

David Rice: Det er interessant, for vi snakker alltid om datasett og hva som kan skje, risikoene og alt annet. Jeg sier alltid at du kan få ChatGPT til å lage et datasett. Hvis du vil eksperimentere med et verktøy, kan du be det simulere det du ønsker. Det vil gjøre det, og så kan du analysere resultatet.

Jeg har gjort dette med flere ting nå, så det finnes mange ulike måter å leke med det på. Men basert på alt du har sett i markedet: Hvis du kunne redesigne hvordan organisasjoner tar i bruk KI fra grunnen av, hvor ville du begynt? Hvordan ville de første 90 dagene sett ut i den ideelle utrullingsplanen din?

Ravin Jesuthasan: Jeg tror det er tre ting alle organisasjoner må gjøre. For det første må de bli svært tydelige. Dette er ikke noe man gjør én gang og så er ferdig med. Det er noe man kommer til å gjenta og videreutvikle. Men hva er ledestjernen vår? Hva skal forankre reisen mot å bli en KI-forsterket driftsmodell eller et KI-forsterket driftssystem, som vi har kalt det? Hva er ledestjernen?

Hvilke produktivitets-, effektivitets- og smidighetsgevinster skal vi oppnå etter seks måneder, ni måneder og ett år? Hvordan vil dette se ut i organisasjonen? Hvordan vil det føles for lederne, mellomlederne, de ansatte, aksjonærene, interessentene og så videre? Hvilke grunnleggende byggesteiner må vi lykkes med?

Vi må skaffe lisenser til en bestemt teknologi, bygge opp datasettene våre og så videre, hva det enn måtte være. Ledestjernen må komme først.

Det andre er hvordan vi lager prototyper og eksperimenterer med dette. Å gjøre dette godt betyr å begynne med arbeidet, slik vi sa innledningsvis.

Hvilke områder kan jeg analysere arbeidet på og finne ut hvordan jeg skal ta i bruk KI for å løse disse spesifikke problemene? Det er da du begynner å se hvilket arbeid som blir erstattet, hvilket arbeid som blir forsterket, og hvilket arbeid som blir transformert. Du begynner å skape bevispunkter og forretningssaker som viser KI-kraften.

Jeg har flere artikler ute i MIT Sloan Management Review og Harvard Business Review der vi har vist noe av avkastningen selskaper har fått. Tallene er store. Vi snakker om produktivitetsgevinster på 45 prosent i enkelte tilfeller og lønnsomhetsgevinster på 30 prosent i ulike deler av virksomheten.

Denne prototypingen er viktig. Den tredje delen er at KIs effekt ikke bare handler om å hente ut produktivitets-, smidighets- og effektivitetsgevinster. Den kommer til å transformere alle deler av forretningsmodellen din. Derfor må du forstå alle disse endringsfaktorene.

Hva betyr dette for hvordan vi budsjetterer? Hva betyr dette for hvordan vi organiserer arbeidet? Det kommer til å utfordre selve strukturen, selve arbeidsstrukturen, organisasjonen og funksjonene dine. Det kommer til å utfordre lederferdighetene dine, slik du og jeg nettopp har snakket om. Den tredje delen handler om å håndtere alle disse endringsfaktorene.

De løper parallelt med KI og gjør det mulig å bygge ikke bare et godt antall eksperimenter, men en virkelig KI-forsterket driftsmodell.

David Rice: Dette har vært en god samtale. Jeg setter pris på tiden din. Takk for at du kom til programmet i dag, Ravin.

Ravin Jesuthasan: Det var bare hyggelig. Jeg likte det virkelig, David. Takk.

David Rice: Før vi avslutter, vil du kanskje fortelle alle hvor de kan komme i kontakt med deg, finne ut mer om det du gjør og dele det du ønsker å dele?

Ravin Jesuthasan: Absolutt. Besøk gjerne nettstedet mercer.com, der vi har mange av verktøyene, metodene, ressursene og undersøkelsene våre.

Du kan også besøke nettsiden min på ravinjesuthasan.com. Følg meg gjerne på LinkedIn, Twitter, eller X som det heter nå, på Threads og på ulike sosiale medier. Jeg er ganske synlig og publiserer jevnlig ulike forskningsbidrag og artikler som jeg skriver.

David Rice: Utmerket. Takk igjen for at du ble med oss. Vi høres.

Ravin Jesuthasan: Greit. Takk, David.