Bør vi fortsatt bygge karrierer rundt dyp spesialisering?
I flere tiår har karriereråd vært enkle: spesialiser deg, bygg dyp ekspertise og bli uunnværlig. Men hva skjer når KI gjør denne ekspertisen tilgjengelig for nesten hvem som helst? Verdien av å vite hvordan noe skal gjøres, beveger seg mot å vite hva som bør gjøres, hvorfor det er viktig, og om resultatet faktisk er bra.
I denne episoden av People Managing People snakker programleder David Rice med Tony Castellanos, personaldirektør i Nextdoor, om hvorfor dømmekraft, nysgjerrighet og sans for kvalitet blir stadig viktigere lederegenskaper. De utforsker hvordan KI kan snu opp ned på det tradisjonelle hierarkiet mellom spesialister og generalister, hvorfor det gir mer mening å organisere team rundt forretningsproblemer enn å forsvare funksjonelle grenser, og hva som skjer når organisasjonskartet slutter å bestemme hvem som får løse hvilke problemer.
Dette lærer du
- Hvorfor spesialisering alene ikke lenger er nok: Hvordan KI endrer verdien av dyp ekspertise uten å fjerne behovet for spesialister.
- Hvorfor sans for kvalitet og dømmekraft blir avgjørende for ledere: Hva som skiller nyttig KI-generert arbeid fra polert innhold som bommer på poenget.
- Hvordan KI kan endre organisasjonsstrukturer: Hvorfor problemløsning på tvers av funksjoner kan bli mer verdifullt enn å arbeide innenfor tradisjonelle avdelinger.
- Hvordan karriereutvikling ser ut når bredde blir viktig: Hvordan nysgjerrighet, eksperimentering og forretningsforståelse kan fremskynde læring.
- Hvordan menneskelig ansvarlighet kan bevares: Hvorfor KI-støttede beslutninger fortsatt krever tilsyn, skepsis og tydelig eierskap.
Viktigste poenger
- Ekspertise forsvinner ikke. Verdien flyttes oppstrøms.
KI gjør spesialisert kunnskap lettere tilgjengelig, men det gjør ikke eksperter overflødige. På samme måte som Excel endret arbeidet til økonomiteam, flytter KI verdien fra å utføre tekniske oppgaver til å avgjøre hvilke problemer som fortjener oppmerksomhet, og hva resultatene betyr for virksomheten. Spesialister som knytter kunnskapen sin til bredere resultater, vil være bedre posisjonert enn de som får all verdien sin fra oppgaver som kan gjentas. - Sans for kvalitet bygges gjennom erfaring, ikke gjennom enda et kompetanserammeverk.
Når KI kan produsere 20 versjoner av noe på få minutter, er det ikke lenger den vanskelige delen å lage innhold. Det er å gjenkjenne hva som er bra. Tony mener at denne sansen utvikles gjennom gjentakelse, eksperimentering og den smertefulle feilen i ny og ne. Ledere må gi ansatte muligheter til å utøve dømmekraft, i stedet for bare å godkjenne det et KI-system produserer. - KI bør spre ekspertise, ikke beslutningsansvar.
Nextdoors lønnskompensasjonsagent, Compadre, gir rekrutterere og HR-forretningspartnere tilgang til lønnsdata og kontekst om intern lønnsbalanse uten at det krever stadig inngripen fra spesialister. Det er avgjørende at den gir informasjon fremfor anbefalinger. Målet er å ta bedre informerte beslutninger raskere, ikke å sette bort ansvaret til programvare. - Nysgjerrighet kan være viktigere enn å holde seg til sitt eget område.
Tradisjonell karriereutvikling belønner stadig dypere funksjonell ekspertise. Tony ser en mulighet for at ansatte kan bruke KI til å utforske tilgrensende fagområder, teste ideer og lære gjennom faktiske forretningsproblemer. Ledere kan oppmuntre til dette ved å få ansatte til å spørre hvorfor eksisterende prosesser fungerer slik de gjør, i stedet for å anta at gårsdagens begrensninger fortsatt gjelder. - Å stole på KI betyr ikke at du kan slutte å kontrollere arbeidet dens.
Når folk blir komfortable med KI, gransker de naturlig nok resultatene mindre. Tony foreslår å introdusere et skeptisk perspektiv utenfra, potensielt en annen KI-tjeneste, for å utfordre resultatene og tvinge frem en ny vurdering. Poenget er ikke å automatisere all kontroll. Det er å sørge for at mennesker fortsatt aktivt utøver den dømmekraften de angivelig får frigjort tid til å bruke. - Organisasjonskartet bør ikke være en tillatelsesstruktur.
Tony spår at organisasjoner i økende grad vil basere seg på mindre grupper av spesialister omgitt av generalister som kan anvende ekspertise på tvers av forretningsproblemer. Kostnadssentre kan fortsatt være nødvendige for regnskap, men de bør ikke avgjøre hvem som eier en sak eller bidrar til å løse den. Muligheten ligger i å organisere seg rundt resultater, i stedet for å videreføre overleveringer bare fordi det er slik avdelingene alltid har arbeidet.
Kapitler
- 00:00 — Ekspertisens verdi i endring
- 02:20 — Risikoene ved spesialisering
- 05:29 — Hvorfor skjønn betyr noe
- 09:43 — Ansvar for AI
- 10:19 — Organisering rundt problemer
- 13:21 — Generalister kontra spesialister
- 16:47 — Forebygging av kompetansetap på grunn av AI
- 18:44 — AI-drevet kompensasjon
- 22:21 — Håndtering av informasjonsoverbelastning
- 25:32 — Nytenkning rundt karriereutvikling
- 27:38 — Nysgjerrighet og førsteprinsipper
- 30:14 — Fremtidens organisasjonskart
- 34:09 — Avsluttende tanker
Møt gjesten vår
Tony Castellanos er konserndirektør for HR i Nextdoor, der han leder selskapets personalstrategi, rekruttering, kompensasjon, personalgoder og HR-rådgivning for virksomheten. Med nesten to tiår med erfaring innen HR og talentledelse har han tidligere hatt roller i Google, Square og Nuna. Siden Tony begynte i Nextdoor i 2020, har han bidratt til å omforme HR-funksjonen til en strategisk forretningspartner og vært en forkjemper for AI-drevet HR-drift som forbedrer effektiviteten samtidig som den menneskelige kontakten ivaretas. Arbeidet hans fokuserer på å bygge team som presterer på høyt nivå, styrke organisasjonskulturen og bruke ny teknologi til å skape bedre medarbeideropplevelser.
Relaterte lenker:
- Bli med i People Managing People-fellesskapet
- Abonner på nyhetsbrevet for å få våre nyeste artikler og podkaster
- Se sponsoren for denne episoden: Teamflect
- Ta kontakt med Tony på LinkedIn
- Besøk Nextdoor
Relaterte artikler og podkaster:
David Rice: I det meste av karrieren vår har rådet vært det samme: spesialiser deg. Gå i dybden på noe verdifullt. Bygg opp ekspertise som ingen andre har. Dagens gjest mener at dette rådet trenger en oppdatering – ikke fordi ekspertise er i ferd med å dø ut, men fordi kunstig intelligens betyr at vi trenger færre mennesker som er dypt spesialisert innenfor ett enkelt område. Kunnskapen er mer tilgjengelig nå.
Verdiforslaget endrer seg. I dagens episode snakker jeg med Tony Castellanos, personaldirektør i Nextdoor, om hva som faktisk blir mer verdifullt når kunstig intelligens overtar det som kan beskrives og kodes. Svaret hans? Smakssans. Det å vite hvordan noe godt ser ut, blir viktigere enn å vite hvordan man produserer det, og smakssans kan ikke læres bort i et klasserom.
Den kommer fra repetisjon, fra å få prøve og feile, fra harde erfaringer og fra å samle nok seire og nederlag til at du begynner å kjenne igjen forskjellen instinktivt. Samtalen om organisasjonskartet er der det blir virkelig interessant. Tony mener at generalisten snart vil bli verdsatt på nytt. I dag behandles generalister som det operative laget – mer junior og ikke helt like nyttige.
Det snus på hodet. Det blir færre eksperter. Menneskene som kan veve ekspertise sammen på tvers av fagområder, og som kan finne ut hva en virksomhet kan gjøre når man trekker på flere kunnskapssentre, kommer i sentrum. Og begrepet kostnadssenter? Tony tror at den betegnelsen vil slutte å definere hvem som får ta ansvar for et problem.
Organisasjonskartet utvikler seg fra å være et kart over hvor informasjonen befinner seg, til å bli noe mer flytende – team som oppstår og oppløses rundt problemet som skal løses. I dag skal vi derfor se på hvorfor dyp spesialisering øker eksponeringen din for kunstig intelligens med mindre du kan koble den til bredere forretningsproblemer, hvordan smakssans utvikles, og hvorfor den blir en sentral lederkompetanse, hvordan eksperter og generalister bytter plass i organisasjoner i kunstig intelligensens tidsalder, og hvorfor kostnadssentermodellen kan være det som virker merkelig utdatert om fem år.
Jeg heter David Rice. Dette er People Managing People, og hvis du har bygget karrieren din rundt dybde innenfor ett enkelt fagområde, er denne samtalen verdt å reflektere over. La oss sette i gang.
For sømløse prosesser for medarbeidersamtaler og sikkerhet på bedriftsnivå kan du prøve Teamflect gratis – den høyest rangerte plattformen for prestasjonsstyring i Microsofts økosystem. Den brukes av virksomheter over hele verden til å samordne mål, gjennomføre medarbeidersamtaler og utvikle talenter i stor skala.
Tony, velkommen til programmet. Hyggelig å ha deg her.
Tony Castellanos: Tusen takk. Det er en glede å være her.
David Rice: Jeg hadde lyst til å begynne samtalen vår i dag med det som har vært rådet gjennom det meste av karrieren vår: spesialiser deg.
Du vil spesialisere deg innenfor noe som har høy verdi. Du vil utvikle dyp ekspertise som andre ikke har, ikke sant? Men du lanserer denne litt kontraintuitive ideen om at ekstrem spesialisering nå kan øke eksponeringen din for kunstig intelligens dersom ekspertisen kan dokumenteres og kodes.
Spørsmålet mitt til deg innledningsvis er derfor: Er vi i ferd med å nå et punkt der det faktisk innebærer en risiko å være eksepsjonell på ett område, med mindre du kan koble ekspertisen til et mye bredere forretningsproblem?
Tony Castellanos: Det er et viktig spørsmål, og ja, vi har alle blitt opplært til å gå i dybden på ett område, bli best på det og stå på den plattformen.
Jeg tror kanskje overskriften overdriver det litt, for ekspertise er ikke i ferd med å dø ut. Ekspertise er fortsatt svært viktig. Vi må vite hvordan ting gjøres. Det jeg tror endrer seg i kunstig intelligensens verden, er at vi ganske enkelt trenger færre mennesker som er dypt inne i et bestemt fagområde, fordi kunnskapen deres, ekspertisen deres og den bredere kunnskapsbasen er mye mer tilgjengelig for menneskene rundt dem.
Hvis jeg tenker på ferdighetene som blir mer verdifulle, trenger du fortsatt personen som forstår hva som skjer, fordi vi må kunne kontrollere hva kunstig intelligens leverer, hvordan den beregner dette, og hvordan den tenker om det andre.
Men jeg tror det ligger enormt mye verdi i å kunne veve denne ekspertisen inn i hvordan virksomheten beveger seg fremover. Et eksempel er at det tidligere fantes selskaper med mange mennesker i roller der beregning var kjernen. Hvis du jobbet innen økonomi, var analytiker eller ingeniør, ble det gjort mye matematikk.
Så kom plutselig Excel. Da tenkte man: «Vel, vi trenger bare en brøkdel av disse menneskene til faktisk å gjøre beregningene bak virksomheten.» Men det fjernet ikke behovet for menneskene. Det skapte et annet verdiforslag for dem. Den nye verdien i et menneske lå i å forstå hva man burde beregne.
Hva er den riktige modellen å bygge? Hva betyr resultatet? Kan vi ta bedre forretningsbeslutninger basert på denne informasjonen? Det handler altså om hvordan du bruker ekspertisen. Jeg tror ikke noen vil hevde at Excel satte en stopper for økonomisk ekspertise. Vi har alle slike team i virksomhetene våre.
Men den virkelige verdien ble at du har noen få mennesker som er dypt ekspertiseorienterte på dette området, og at det de tilfører virksomheten, flyttes opp et nivå når det gjelder hvordan de strategisk posisjonerer kunnskapen sin. Jeg tror det er dette som skjer igjen nå. Det går bare raskere, og det gjelder i praksis alle funksjoner som kunstig intelligens berører.
