Hvorfor AI-transformasjon starter med organisatorisk klarhet
AI-transformasjon har en morsom tendens til å fungere som et organisatorisk røntgenbilde. Selskapene som får reell verdi ut av det, er ikke nødvendigvis de som kjøper flest verktøy eller bruker flest tokens. Det er de som forstår hva de prøver å oppnå, hvordan fremragende resultater ser ut, og hvilke problemer det faktisk er verdt å løse.
I denne episoden av People Managing People snakker David Rice med Zapier sin direktør for medarbeidere og AI-transformasjon, Brandon Sammut, om hvorfor AI-ROI starter med organisatorisk tydelighet, hvordan man bygger eksperimentering som tåler møtet med faktiske arbeidsoppgaver, og hvorfor innføring etter hvert må vike for effekt. De utforsker også AI-coaching, den økende verdien av dømmekraft og visdom, og hvorfor de beste arbeidsgiverne i stadig større grad kan bli kjennetegnet av hvor mye mer kompetente medarbeiderne blir mens de jobber der.
Dette lærer du
- Hvorfor organisatorisk tydelighet er en forutsetning for meningsfull AI-transformasjon
- Hvordan man går fra individuell AI-eksperimentering til standardiserte arbeidsflyter for team
- Hvorfor innføring av AI er nyttig som en tidlig indikator – men utilstrekkelig som mål på effekt
- Hva eksperimentering krever utover å bare be medarbeiderne om å «innovere»
- Hvordan AI endrer verdien av ekspertise, dømmekraft, visdom og innflytelse
- Hvorfor ledere fortsatt har ansvaret for tydelighet, ressursfordeling og medarbeiderutvikling – også med AI
- Hvordan åpenhet om usikkerhet kan styrke tilliten i stedet for å undergrave den
- Hvorfor medarbeiderutvikling kan bli en avgjørende del av arbeidsgiverens verdiforslag
Viktigste punkter
- Start med problemet, ikke teknologien. AI er et middel, ikke en strategi. Før ledere spør hva AI kan gjøre, trenger de tydelighet om hva organisasjonen prøver å oppnå, og hvor det faktisk er viktig å levere fremragende resultater.
- Eksperimentering trenger beskyttede ressurser. Å be et helt team om å eksperimentere samtidig som man forventer at alle skal opprettholde den eksisterende arbeidsmengden, er i praksis barnehagefotball: mye bevegelse, men ikke særlig mye samordnet fremgang. Gi en liten gruppe et meningsfullt problem, dedikert tid og tydelige konsekvenser.
- Gjør det trygt å diskutere mislykkede eksperimenter. Poenget med eksperimentering er ikke å produsere en ubrutt rekke med suksesser. Ledere må gjennom sin egen atferd vise at mislykkede prototyper – og svakhetene de avdekker – er nyttig informasjon.
- Slutt å forveksle AI-bruk med forretningsmessig effekt. Innføring er viktig tidlig fordi den skaper eksperimentering og læring. Etter hvert må måltavlen tilbake til resultater virksomheten allerede bryr seg om: kundetilfredshet, hvor godt nyansatte lykkes, produktets pålitelighet, salgsresultater og andre meningsfulle mål.
- Gjør individuelle gjennombrudd til institusjonell kunnskap. At én medarbeider utvikler en fremragende AI-arbeidsflyt, er nyttig. At et helt team tar i bruk en utprøvd «gullstandard», er transformasjon. Organisasjoner må ta vare på kontekst, arbeidsflyter, verktøy og læring, slik at forbedringer ikke blir værende i noens notatbok eller Slack-historikk.
- AI gjør visdom mer verdifull, ikke mindre. Når tilgangen til informasjon blir overveldende, skiller det seg mindre ut å kunne fakta. Dømmekraft, sans for kvalitet, pålitelighet, ansvarlighet og evnen til å samle mennesker rundt vanskelige problemer blir viktigere.
- Ledelse går fra å kontrollere arbeidet til å skape betingelser for det. Ledere må fortsatt skape tydelighet, fordele ressurser og utvikle mennesker. AI kan gi dem større gjennomslagskraft på alle tre områdene, men det fjerner ikke ansvaret deres for noen av dem.
- Sett ord på usikkerhet i stedet for å pakke den inn i bedriftsprat. Medarbeidere kan se oppsigelser, konkurransepress og omveltninger som skjer rundt dem. Å late som om disse realitetene ikke finnes, skaper ikke tillit. Ledere bygger tillit ved å sette ord på vanskelige ting på en åpen måte og hjelpe teamene med å forstå hva de har tenkt å gjøre med dem.
- Gjør mennesker mer kompetente mens de er hos dere. Arbeidsgiverens sterkeste verdiforslag kan i stadig større grad bli utviklingsorientert: Medarbeiderne bør kunne se tilbake på tiden i en organisasjon og se at de er blitt betydelig bedre forberedt på det neste tiåret i arbeidslivet.
Kapitler
- 00:00 — AI-avkastning starter med tydelighet
- 03:13 — Finne AI-arbeid med høy verdi
- 04:59 — Hvorfor eksperimentering mislykkes
- 08:50 — Belønning av læring
- 10:04 — AI-testen
- 12:30 — AI-kostnader og ROI
- 14:05 — Håndtering av AI-bruk
- 17:10 — Skalere AI på tvers av team
- 18:37 — Fra innføring til effekt
- 21:17 — Kunnskap kontra visdom
- 24:58 — Ledelse med AI
- 25:42 — AI-veiledning hos Zapier
- 29:15 — Å lede gjennom usikkerhet
- 31:42 — Å utvikle bedre mennesker
- 34:24 — Avsluttende tanker
Møt gjesten vår
Brandon Sammut er leder for medarbeidere og AI-transformasjon hos Zapier, der han leder selskapets medarbeiderfunksjon og strategi for AI-transformasjon i hele organisasjonen. Med en bakgrunn som spenner over talent, drift, utdanning, venturekapital og forretningsutvikling fokuserer han på å bygge velfungerende team og tenke nytt om hvordan mennesker arbeider sammen med AI. Før han begynte i Zapier, var Brandon leder for medarbeidere og kultur hos LiveRamp og hadde roller i Teach For America, Owl Ventures og Boston Consulting Group. Han har en MBA og en mastergrad i utdanning fra Stanford University.
Relaterte lenker:
- Bli med i People Managing People-fellesskapet
- Abonner på nyhetsbrevet for å få våre nyeste artikler og podkaster
- Ta kontakt med Brandon på LinkedIn
- Ta en titt på Zapier
Relaterte artikler og podkaster:
David Rice: Ingrediensene for å få avkastning på AI har svært lite å gjøre med teknologien. Det er ikke et forbehold. Det er det dagens gjest har lært gjennom å bygge hos Zapier og snakke med over hundre og femti ledere på tvers av bransjer. Alle stiller det samme spørsmålet: Hva er det viktigst å gjøre med AI? Og du kan ikke svare på det uten organisatorisk klarhet. Hva er det vi egentlig prøver å oppnå her? Hva krever fremragende arbeid? Hvis et team mangler full klarhet i disse spørsmålene, er det der man må begynne – ikke med verktøyene.
I dagens program snakker jeg med Zapier sin leder for mennesker og AI-transformasjon, Brandon Sammut, om hva som skiller organisasjoner som faktisk får verdi fra AI, fra dem som fortsatt står og stamper. Det hele vender tilbake til grunnleggende forhold. Folk ser konkurrenter si opp ansatte. Det finnes frykt og usikkerhet overalt. Og lederne som skaper betingelser der godt arbeid kan oppstå, er de som setter ord på dette åpent – uten å pynte på det og uten å late som om det finnes et perfekt svar.
I dag skal vi derfor snakke om hvorfor klarhet i formålet er viktigere enn en AI-strategi, hva reell eksperimentering krever og hvorfor den stadig mislykkes, hvordan AI-coaching endrer måten folk mottar tilbakemeldinger på, og hvorfor de beste arbeidsgiverne det neste tiåret vil bli kjent for hvordan de utvikler mennesker.
Jeg heter David Rice. Dette er People Managing People. Og hvis organisasjonen din fortsatt leder med teknologien i stedet for klarheten som må ligge bak, viser denne samtalen deg hva som står i veien. La oss sette i gang.
Brandon, velkommen til programmet.
Brandon Sammut: Hei, David. Det er hyggelig å være her.
David Rice: Det snakkes mye om at AI skal transformere organisasjoner, men noen ganger lurer jeg på om vi gir teknologien litt for mye av æren.
Det virker som om AI i mange tilfeller avdekker ting som allerede var sanne om en virksomhet. Samtidig hjelper den oss med å bygge nye måter å samarbeide på, uten at mennesker må gjøre alt redesignarbeidet selv. Når du ser på organisasjoner som lykkes med AI-transformasjon, hva endrer de ved måten folk samarbeider på som andre overser?
Brandon Sammut: David, jeg er enig i premisset ditt om at mange av ingrediensene for å få avkastning på AI har lite å gjøre med teknologien. Vi kan begynne der. Det jeg mener med det, bygger dels på det vi lærer hos Zapier, og dels på at jeg har snakket med over 150 andre ledere som bygger selskaper av alle typer, over hele verden – ikke bare innen teknologi.
Jeg snakket tidligere denne uken med en kollega i et tømmerhogstselskap. AI-muligheten gjelder alle, men det som kreves for å gjøre den reell, begynner med ting som ikke har noe med teknologien å gjøre. En av de mest grunnleggende ingrediensene er, hvis du virkelig tenker over det, at ledere er tydelige på hva de og virksomhetene deres egentlig prøver å oppnå i utgangspunktet.
Og grunnen til at jeg ikke klarer å overse dette, er at AI er teknologi, og teknologi er et middel for å få noe gjort. Du kan derfor gjøre mye med AI, men til en viss grad er det ikke poenget. Spørsmålet mange ledere stiller seg nå, er: Hva er det viktigst å gjøre med AI?
For å svare på det må du ha stor organisatorisk klarhet rundt hva vi egentlig prøver å oppnå som team, og hva fremragende arbeid krever. Hvis et team i denne situasjonen mangler full klarhet i dette spørsmålet, er det der man må begynne.
