Slik gjør du arbeidsstyrken din klar til å lede og samarbeide med KI

David Rice: Det er mange selskaper som blir sittende fast i pilotmodus. De ruller ut opplæringsmodeller og setter punktum. Hva er den viktigste faktoren som faktisk beveger en organisasjon mot KI-kompetanse?

Glen Cathey: Den aller viktigste faktoren er ledelse. Hvis du skal skape en kultur der man som utgangspunkt bruker KI, er det lederne som først og fremst må vise vei og sette retningen. De må selv leve etter dette og demonstrere det, slik at de kan fungere som eksempler. Du kan ha all verdens opplæring, men hvis ledelsen ikke er fullt ut samkjørt, kommer du ikke til å skape en kultur der flere tar KI i bruk som standard og utforsker alle måtene teknologien faktisk kan forbedre arbeidet deres på.

David Rice: De fleste har aldri vært ledere. Hvordan lærer vi 80 prosent av arbeidsstyrken å plutselig bli personalledere for KI?

Glen Cathey: Vi har egentlig aldri sett på ledelse som en ferdighet. Det er heller ikke noe du bare kan ta et kurs i og si: Nå er jeg på magisk vis en fantastisk leder for mennesker eller KI. Det er noe folk må gjøre til en vane for å kunne begynne å tenke gjennom disse stegene.

Hva prøver jeg å løse? Hvilke ressurser har jeg? Hvilke muligheter finnes? Hvordan gir jeg nok instruksjoner til at de faktisk kan gjøre en god jobb for meg? Og hvordan gir jeg tilbakemeldinger?

David Rice: Tror du vi holder fast ved bestemte roller nesten av tradisjon, snarere enn av nødvendighet?

Glen Cathey: La oss se på noen relativt nye løsninger, som LinkedIns ansettelsesassistent. Den har en egen modell for søk, kontakt og siling. Du kan legge inn informasjon på naturlig språk. Vi snakker om automatisering av oppgaver innen rekruttering: å forstå en stilling og oversette den til krav for søk og matching. Det finnes altså løsninger på markedet i dag som faktisk kan gjøre dette. Og da begynner jeg å lure på hvorfor rollen som rekrutterer egentlig finnes.

David Rice: Velkommen til People Managing People-podkasten – programmet der vi hjelper ledere med å bevare det menneskelige i arbeidslivet i KI-ens tidsalder. Jeg er verten din, David Rice. I dagens episode har jeg med meg Glen Cathey. Han er senior visepresident for talentstrategi i Randstad Enterprise. Vi skal snakke om veien til KI-kompetanse og om å bygge de reelle ferdighetene som trengs for å komme dit.

Glen, velkommen!

Glen Cathey: Tusen takk. Det er hyggelig å være her. Jeg ser frem til samtalen.

David Rice: Absolutt. Jeg tenkte å begynne med å snakke om nettbasert opplæring. Dette er selvsagt noe alle tenker på, fordi vi må utvikle alle disse ferdighetene som vi ikke helt har – eller i noen tilfeller ikke engang vet at vi trenger ennå.

Da vi snakket sammen før dette, sa du at nettbasert opplæring skaper kunnskap, men ikke nødvendigvis ferdigheter. Så spørsmålet mitt er: Hva skal til for at selskaper faktisk lukker dette gapet, og hvordan slutter vi å behandle KI som et kurs man skal bestå, når vi egentlig må begynne å se på det som en kultur vi skal leve med?

Glen Cathey: Jeg liker den innrammingen. Det er fornuftig for alle selskaper å satse tungt på nettbasert opplæring, fordi det er den enkleste måten å skalere til hele organisasjonen på. Du lager et kurs og kan deretter rulle det ut til hundretusener av mennesker. Men som du nevner, mener jeg at nettbasert læring først og fremst lærer folk kunnskap. Vi ønsker ikke bare å gi folk kunnskap, men også evne – og atferdsendring er en avgjørende del av dette.

Jeg tror derfor ikke det er klokt å behandle generativ KI som en teknologisk utrulling. Det er i større grad en endringsledelsesøvelse, fordi det innebærer å få folk til å tenke annerledes om hvordan de arbeider. Det innebærer at de endrer atferd, og etter hvert ønsker man at denne atferden skal bli til vaner.

Det gjør man først og fremst gjennom erfaring, altså praktisk læring. Derfor anbefaler jeg – og noe vi også har gjort internt og eksternt – å utvikle praktiske, erfaringsbaserte læringsverksteder der folk bretter opp ermene, får hendene skitne, så å si, og øver mange ganger på oppgaver som er relevante for rollen deres.

Det er ikke bare en idé eller et konsept. Det blir virkelig. Men det er fortsatt en utfordring, fordi opplæring bare er en enkeltstående hendelse. Enten det er nettbasert eller et verksted, må du virkelig fokusere på å forsterke læringen. Det handler om å bygge tankesett først, deretter endre atferd og så gjøre dette om til vaner.

David Rice: Ja, det er interessant. Det er som å se en treningsvideo – det gjør deg ikke veltrent, gjør det vel? Du må faktisk gjøre det. Jeg vet ikke hvorfor vi i noen tilfeller ikke tenker på det på samme måte her, men det burde vi. Vi må bygge det inn i de daglige arbeidsflytene. Dette er ikke noe HR bare kan tvinge på folk.

Du må integrere KI-praksiser. Det kan være så enkelt som å legge inn KI-instruksjoner i prosjektmaler og gjøre det til en del av den daglige opplevelsen i selskapet. Og så belønne eksperimentering når det skjer. Jeg tror alt dette er avgjørende for å komme dit.

Glen Cathey: Jeg er medlem av World 50 AI Roundtable, som møtes én gang i måneden. Jeg har vært med i nesten to år nå, og det kom et veldig godt sitat der som jeg ikke klarer å gjengi ordrett, men hovedpoenget var at magien i generativ KI oppstår når du integrerer den gjennomtenkt i arbeidsflytene.

Ordet jeg pleier å bruke, er at man må være preskriptiv. Det er fortsatt vanskelig, selv for meg, å forklare utfordringen ved å rulle ut et KI-verktøysett til ansatte, som Copilot, Gemini eller ChatGPT. Disse verktøyene kan bokstavelig talt gjøre hva som helst når det gjelder kunnskaps- og kognitive oppgaver.

Det høres spennende ut på den ene siden, men skaper også en utfordring: Hvor begynner jeg? Som du sa, er det svært nyttig med bibliotek over instruksjoner, slik at folk kan se noe og tenke: Dette var en interessant idé, det hadde jeg ikke tenkt på. Men enda viktigere er det å hjelpe folk med å tenke på arbeidet sitt på en måte som gjør at de stopper opp, reflekterer og innser at dette er en mulighet til å bruke KI.

På den ene siden er det nyttig å være svært presis og si: I denne bestemte arbeidsflyten for denne bestemte rollen forventer vi at du bruker KI på disse fem punktene. Her er noen startinstruksjoner. Det er svært viktig. Men jeg mener det er like viktig å hjelpe folk med å utvikle ferdigheten til selv å identifisere muligheter der de kan bruke KI.

Det er altså ikke enten eller. Det er både og.

David Rice: Ja, absolutt. Og de må ha den psykologiske tryggheten som skal til for å føle at det er greit å prøve dette og se hva som skjer, og at det ikke er verdens undergang om de mislykkes. Det er vel slik kunnskap blir til ferdighet?

Glen Cathey: Ja. Folk lærer gjennom å gjøre, og det finnes en interessant bok som viser at mennesker faktisk lærer mest, også på hjernenivå, når det inngår en viss motstand. Det er ganske fascinerende. Jeg tror boken jeg leste, het The Talent Code, og den beskriver hvordan folk bygger ferdigheter. Ferdigheter bygges ofte gjennom prøving og feiling, noe som betyr at du må gjøre noen feil underveis. Ved å gjøre feil og deretter overvinne dem befester du virkelig kunnskapen om hvordan du gjør den aktuelle oppgaven.

For meg er det svært fascinerende. Jeg liker at du tok opp psykologisk trygghet. Det vi ser, er at folk allerede opplever et press om å prestere i den nåværende rollen sin. Hvis du skal bruke tid på å bremse ned og tenke over arbeidet ditt, invitere KI inn og eksperimentere, kommer det til å gjøre deg langsommere.

Mange er bekymret for at hvis de bremser ned og begynner å eksperimentere med noe som ikke alltid fungerer, og de ikke blir eksperter med én gang, så er det et problem. Folk kan tenke: Jeg føler meg ikke trygg på å bruke ekstra tid når jeg egentlig skal være så produktiv som mulig.

Jeg tror derfor det er svært viktig at selskaper erkjenner at når endring skjer, må folk bremse ned for å kunne øke farten. Som du sier, må de eksperimentere, og ingen går fra nybegynner til ekspert på én dag. Det er en prosess, og du må gi folk plass og tid til å eksperimentere på en trygg måte, slik at de faktisk kan gå fra der de er, til der du ønsker at de skal være.

Jeg føler likevel at mange selskaper ikke fokuserer nok på å sørge for at folk har rom til å eksperimentere, at det er greit å gjøre det, og at de har tid til det. Og hvis det gjør dem langsommere i starten, er det også greit – for det er forventet.

David Rice: Det er også interessant, for vi har hatt flere gjester der jeg har snakket om at folk er svært knyttet til oppgaver fordi vi alltid har lært dem at det er der verdien deres ligger.

Verdien ligger i evnen til å fullføre oppgaver. Vi går inn i en tid der det i større grad handler om læring og om hva du kan bli, snarere enn hva du er. Jeg tror en del av utfordringen her handler om avlæring. Vi har alle vaner og ting vi gjør i arbeidet vårt, og vi må på en måte avlære dette og så lære det på nytt på en annen måte med KI.

Jeg er nysgjerrig på hva du mener: Er erfaring en form for bagasje? Hvordan overbeviser du erfarne ansatte om at de hardt opparbeidede vanene deres faktisk kan holde dem tilbake?

Glen Cathey: Jeg liker den innrammingen – bagasjen. Det hadde vi ikke snakket om før. Det er interessant, for jeg tror det er ubevisst bagasje.

Jeg vet ikke om vi har snakket om dette tidligere: de fire kompetansenivåene. På toppen, hvis du har gjort jobben din en stund, er du ubevisst kompetent. Det betyr at du ikke egentlig tenker over hva du gjør. Du er inne i arbeidsflyten og får ting gjort.

Slik arbeider vi stort sett alle, med mindre vi er nye i en rolle eller nye i arbeidslivet. Når du innfører et verktøy eller en løsning som generativ KI, må folk faktisk sparke seg selv ned til det første nivået. De fire kompetansenivåene begynner forhåpentligvis med ubevisst inkompetanse, der folk ikke engang vet hva de ikke vet. Deretter går de videre til bevisst inkompetanse: Jeg er nå klar over KI, men innser at jeg ikke er særlig god til å bruke den eller integrere den i det daglige arbeidet.

Så går du videre til bevisst kompetanse, der du er ganske god, men må tenke nøye over hvordan du bruker teknologien riktig. Målet er å få alle fra autopilot og ubevisst kompetanse, der alle bare gjør jobben sin hver dag. Jeg vil faktisk kalle dette en type bagasje du må kvitte deg med, fordi du virkelig må tenke gjennom hvordan du arbeider.

Det er en nytenkning av arbeidsmåten. Du har en ressurs som er tilgjengelig døgnet rundt og kan hjelpe deg med enhver kunnskaps- eller kognitiv oppgave når som helst. Det er noe folk ikke har hatt før – en ressurs som sitter ved siden av deg og venter på å bli veiledet, delegert til og samarbeidet med. Det er et stort mentalt sprang å gå fra måten du arbeider på i dag, der du ikke engang tenker bevisst over arbeidet, til å bremse ned og bli bevisst på arbeidsprosessen din.

Du må også innse at du kanskje må stille noen viktige spørsmål om hvordan du kan bruke KI til å forbedre kvaliteten. Det handler ikke bare om effektivitet. Det kan også handle om kvaliteten på arbeidet, beslutningene og resultatene, eller til og med kundeopplevelsen.

Det finnes altså mange andre variabler enn effektivitet og det å redusere kjedelige oppgaver.

David Rice: Jeg tror også vi må tenke nytt om læring. Når folk hører dette, er det første som utløses ofte en følelse av at de skal forlate ekspertisen sin.

Men jeg tror det handler mer om å fremstille det som en programvareoppdatering. Du sletter ikke muskelminnet – du legger bare til en ny refleks. Forskningen viser at de som kan dette og nå bruker KI, ofte lykkes bedre i rollene sine og har større innvirkning enn de som enten nettopp har begynt å bruke KI, eller har satt alt bort til teknologien.

Jeg tror derfor det handler om å skape en bedre forståelse av hva det betyr å avlære og lære på nytt. Jeg er nysgjerrig: Å arbeide med KI-agenter har til tider noen likhetstrekk med å lede en person – delegere oppgaver, sette mål og gi tilbakemeldinger. Hvis de fleste aldri har vært ledere, hvordan lærer vi 80 prosent av arbeidsstyrken å plutselig bli personalledere for KI?

Glen Cathey: Dette har vært svært aktuelt de siste månedene – å skape den koblingen. Jeg mener den riktige måten å se arbeid med KI på, er at det er en ressurs som skal ledes og samarbeides med. Det er utfordrende, for hvis flertallet av arbeidsstyrken aldri har ledet noe før, har de kanskje samarbeidet med andre mennesker, men det er ikke slik at man kan samarbeide med en annen person når som helst på dagen. Vanligvis må man sette opp møter.

Det krever derfor at man tenker nytt om arbeidet sitt og lærer folk hva ledelsesferdigheter er. Den første ferdigheten er å identifisere og til og med bryte ned problemer. Det høres veldig avansert ut, men handler egentlig om: Hva prøver vi faktisk å gjøre?

Som vi var inne på tidligere, går de fleste nærmest på autopilot. De vet hva de fokuserer på hver dag. Dette krever at du bremser ned og finner ut: Hva prøver jeg egentlig å løse?

Deretter: Hvilke ressurser har jeg tilgjengelig? Hvis jeg er leder, hvilke ressurser har jeg? Nå har vi KI som en ressurs jeg kan samarbeide med eller delegere til. Hvis du har denne ressursen, må du gi instruksjoner på ekspertnivå. Du må gi nok kontekst til at den forstår hva du prøver å gjøre, hvem du er, hva du trenger, hvorfor du ønsker det og hvordan du ønsker det.

Når den faktisk har utført arbeidet, må du gi tilbakemeldinger slik en leder ville gjort overfor en ansatt: Du gjorde dette arbeidet. Noe av det er greit, men jeg trenger at du fokuserer litt mer på dette området. Dette er ting den enkelte medarbeider aldri har gjort før.

Selv om vi aldri egentlig har løst ledelse som en ferdighet, er det heller ikke noe du bare kan ta et kurs i og si: Nå er jeg på magisk vis en fantastisk leder for mennesker eller KI. Det er noe folk må gjøre til en vane og rutine for å kunne begynne å tenke gjennom disse stegene. Hva prøver jeg å løse? Hvilke ressurser har jeg? Hvilke muligheter finnes? Hvordan gir jeg nok instruksjoner til at de faktisk kan gjøre en god jobb for meg? Og hvordan gir jeg tilbakemeldinger, slik at vi hele tiden kan få bedre resultater?

David Rice: Absolutt. Og det å lære arbeidsstyrken å gjøre dette. Jeg tror det finnes muligheter for små simuleringer der ansatte veileder en KI for å forbedre resultatene, akkurat som en leder gir tilbakemeldinger. Du kan gi tilbakemelding på hvordan de veileder den, og bygge denne ferdigheten.

Tydelighet, presisjon og den samlede tilbakemeldingssløyfen – det er de samme egenskapene gode ledere har. Det er litt ironisk at KI på noen måter kan lære oss å gjøre dette bedre.

Glen Cathey: Det er jeg enig i. Og det var først da du sa det, at jeg fikk en idé om at det finnes en måte å lage en instruksjon på – i Gemini som en Gem, eller i ChatGPT som en tilpasset GPT – der du gir den instruksjoner om å stille deg spørsmål.

Den venter altså ikke bare på innspillene dine, men kan faktisk veilede deg gjennom prosessen. Dette kan du gjennomføre i dag med nesten alle kommersielt tilgjengelige KI-løsninger.

Det handler i bunn og grunn om å hjelpe deg med å lede den bedre, og det er litt ironisk. Når jeg holder opplæring på dette området, mener jeg at folk må forstå hvor kraftige disse løsningene er, hvor kompetente og menneskelignende de er – og noen ganger til og med overmenneskelige når det gjelder menneskelige ferdigheter som empati og emosjonell bevissthet.

Flere studier har vist at mennesker i blindtesting faktisk vurderer KI-resultater som mer empatiske og emosjonelt bevisste. Det er utrolig fascinerende. Men det betyr også at hvis du har denne ressursen å samarbeide med, er den ikke bare teknologisk sterk. Den er ikke bare sterk når det gjelder resonnering og intelligens. Den kan faktisk hjelpe deg med å bli bedre som menneske og utvikle myke ferdigheter du aldri ville ha trodd at KI kunne hjelpe deg med.

David Rice: Det er en interessant tid å leve i. Jeg sier stadig til meg selv: Jeg trodde aldri jeg skulle få oppleve dette. Da vi snakket sammen tidligere, nevnte du at det å ta i bruk KI i stor skala er som å doble arbeidsstyrken over natten. Hvis det stemmer, hva er den skjulte kostnaden – eller risikoen – ved å plutselig ha dobbelt så mange arbeidere, der halvparten aldri sover, men heller aldri tenker uten å bli bedt om det og aldri tenker selvstendig?

Glen Cathey: Jeg synes dette perspektivet kan være nyttig for selskaper fordi det hjelper dem med å forstå at dette ikke bare handler om å rulle ut programvarelisenser som folk kanskje bruker eller ikke bruker.

Hvis du ser på det som en dobling av arbeidsstyrken, skaper det mer bevissthet og kanskje en sterkere følelse av ansvar for å sørge for at disse ressursene faktisk fungerer. Hvis de ikke gjør det, sitter de bare uvirksomme. Hvis du virkelig doblet arbeidsstyrken, ville du hatt stort press og mye uro knyttet til å sørge for at de nye ansatte var så produktive som mulig.

Jeg føler ikke at selskaper tenker slik når det gjelder generative KI-løsninger. Det burde de. Hvis du ruller dette ut til flertallet av de ansatte, som hovedsakelig er individuelle bidragsytere, er det manglende leddet å innse at du så å si har ansatt disse nye ressursene. De er KI, og de kan utføre reelt arbeid allerede i dag, både som støtte og gjennom agenter eller automatisering.

Men du må tenke: Vi har disse nye ressursene. Hvem leder dem? Hvem er i stand til å lede dem? Og hvordan oppgraderer vi ferdighetene til folk slik at disse ressursene kommer raskt opp på nivå?

For meg handler dette foreløpig om å skape en viss uro rundt at vi underutnytter en ressurs i arbeidsstyrken som vi allerede har. Hvis jeg faktisk hadde doblet arbeidsstyrken, ville jeg vært ansvarlig for å sørge for at ressursene var oppdaterte og så produktive som mulig. I mange selskaper står de nå uvirksomme. Selv om de er mye billigere enn en person, betyr ikke det at man ikke bør sørge for at folk faktisk bruker verktøyene.

Flere og flere selskaper innfører disse løsningene i hele virksomheten. Det betyr at tilgang til verktøyene ikke lenger er det konkurransefortrinnet. Konkurransefortrinnet blir hvor godt du gjør folk i stand til å bruke teknologien. Det bringer oss tilbake til hele poenget med samtalen vår: Forhåpentligvis skaper det også litt press for å sikre at folk faktisk får maksimal nytte av verktøyene vi tar i bruk.

David Rice: Ja, jeg kunne ikke vært mer enig. Konkurransefortrinnet ved dette forsvinner litt fordi det blir så standardisert. Det jeg vil utfordre folk til å gjøre, er å tenke på dette som ledelsesoverhead. Hver ny agent og hver ny ting du ruller ut, legger til kognitiv belastning et sted. Det blir flere ting å orientere om, flere ting å kontrollere og flere ting man må kunne stole på.

Du må bygge det inn i noe du kan stole på, fordi teknologien noen ganger har falsk selvtillit. Den sover aldri, men den protesterer heller aldri. Den kan derfor generere feil svar med stor overbevisning. Hvis du ikke tar deg tid, kan du sette den i drift uten tilstrekkelig kontroll.

Det er en mulighet her når det gjelder styring og det å tenke på KI-drift på samme måte som annen drift. Det må finnes regler for kvalitetskontroll og eierskap. Det handler om å etablere disse tingene og tenke på dem innenfor dette rammeverket.

Glen Cathey: Jeg er helt enig. Det finnes sentralisert styring, men jeg mener også at styringen må omfatte hver enkelt ansatt som bruker slike verktøy.

Det bringer oss tilbake til opplæring: å sørge for at folk forstår hva man bør og ikke bør gjøre med denne typen teknologi. Det finnes risiko for hallusinasjoner eller det folk kaller KI-søppel, men når det gjelder KI-søppel, vil jeg si at det ikke er et KI-problem – det er et menneskeproblem.

Hvis du lar slikt spre seg, betyr det at du har tillatt det å komme ut. Det viser at en av de viktigste tingene mennesker bringer inn i ligningen, er kritisk tenkning. Det innebærer gjennomgang, og det bringer oss tilbake til det å tenke som en leder. Hvis du delegerte arbeid til en ansatt, ville du gjennomgått arbeidet.

Du ville sørget for at noen med tilstrekkelig kunnskap fikk mulighet til å kontrollere kvaliteten før arbeidet ble sendt ut eller brukt til et viktig formål. Når du distribuerer dette til mange ansatte, legger du stor tillit på at hver enkelt følger rutinene.

Derfor er opplæring viktig. Opplæring er ikke bare en enkeltstående hendelse. Du kan ta et kurs eller delta på et verksted, men du må også opprettholde en kultur der du hele tiden overkommuniserer denne typen styring: stadige påminnelser om å kontrollere kvaliteten og faktasjekke det som må faktasjekkes.

Du må også sikre at resultatet har riktig kvalitet og tone for den måten det skal brukes på. Det er enkelt å skrive en kort instruksjon og få et noenlunde greit resultat i dag, men det blir ofte generisk. Jeg nøler med å kalle det KI-søppel, men jeg ser mange kommentarer om dette. Jeg prøver å hjelpe folk med å forstå at det ikke er KI sin feil – det er vår feil. Hvis det kommer ut, er det fordi vi tillot det.

David Rice: Velkommen til ukens Data Bite. Tallet jeg vil at du skal huske denne uken, er 64 prosent. Ifølge EYs siste KI-undersøkelse sier 64 prosent av topplederne at frykten for å bli erstattet av KI hemmer innføringen i organisasjonene deres. Likevel mener bare 24 prosent at motstand blant ansatte er en stor hindring.

La oss dvele ved denne motsetningen et øyeblikk. Dette forteller oss at ledere vet at folkene deres er redde. De ser det og erkjenner det, men de omtaler det ikke som kjerneproblemet. I stedet snakker de om datamodenhet, cybersikkerhet og regulatoriske bekymringer.

Det jeg mener egentlig skjer, er at vi ser en omstilling der den menneskelige kostnaden blir kodet som en teknisk utfordring. To tredeler av lederne erkjenner at arbeidsstyrken frykter å bli overflødig, men frykten behandles ikke som den krisen den faktisk er.

Spørsmålet vi bør stille, er ikke hvordan vi overvinner motstand mot KI. Spørsmålet er hva det sier om organisasjonene våre at folk er livredde for å bli erstattet, samtidig som vi fortsetter fremover. Den ubehagelige sannheten er at når 64 prosent av lederne ser frykt, men bare 24 prosent behandler den som en hindring det er verdt å ta tak i, løser vi ikke problemet med menneskelig velferd.

Vi løser det rundt dem. Dette er ikke et problem med endringsledelse. Det er et grunnleggende spørsmål om hvilken rolle mennesker skal spille i en verden som aktivt gjør seg mindre avhengig av dem. Akkurat nå tror jeg ikke vi har den samtalen på en ærlig måte. Og med det, tilbake til programmet.

Jeg sier alltid at det egentlig aldri handler om teknologien. Det handler om hvordan vi velger å bruke den. Hvis du velger å bruke den på en lat måte, får du late resultater. Du får søppel, akkurat som du ville fått dersom du hadde en lat person i en hvilken som helst rolle. Arbeidet blir dårlig, og det er det samme som skjer her.

Det handler om å lære hvordan du skal utfordre den og sørge for at den gir deg resultatet du ønsker.

Glen Cathey: Jeg er glad for at du brukte ordet lat, for det prøver jeg å formidle til andre. Jeg prøver også å være ærlig med meg selv, for jeg er på den samme reisen. Alle prøver å finne den beste måten å bruke disse verktøyene på, og noen ganger blir jeg irritert over hvor lang tid det tar å gi KI nok kontekst og en god instruksjon.

Jeg må alltid ta meg i det og innse at irritasjonen skyldes at det føles som om teknologien gjør meg langsommere. Men jeg må minne meg selv på at noen ekstra minutter med riktig kontekst gir mye bedre resultater. Derfor sier jeg til folk at de ikke bare bør se på seg selv som ledere for disse verktøyene – de må heller ikke være late ledere.

Gode ledere tar seg tid til å sørge for at folk forstår hva de skal gjøre når de delegerer oppgaver eller tildeler arbeid. De har kanskje også eksempler på hvordan et godt resultat ser ut. De lar folk stille spørsmål: Jeg har forklart hva jeg ønsker at du skal gjøre. Er det noe du trenger å vite? Hvilke spørsmål har du til meg? Det er god ledelse.

I opplæringen vår minner vi folk på at du kan få KI til å stille spørsmål. Det er en enkel, ikke-teknisk aha-opplevelse. På slutten av instruksjonene kan du alltid si: Still meg noen spørsmål, ett om gangen. Det vil hjelpe deg med å gi meg det beste resultatet.

Det er igjen å behandle den mer som en person. Hvis du skal lede, må du være en god leder og lede KI på samme måte som du ville ledet en god ansatt.

Noen bruker KI uten egentlig å lede den. De gir minimale innspill, konfigurerer litt og skriver én setning. Da får du kanskje greie resultater, men ikke de beste. Hvis du ga et menneske like lite kontekst, ville vedkommende aldri klart å gjøre en god jobb i ni av ti tilfeller.

David Rice: Jeg tror mange får en umiddelbar reaksjon når du sier at de skal behandle den som et menneske. De tenker at de ikke vil gjøre det. Men jeg mener ikke at de skal snakke med den om problemene sine. De må gi den samme graden av forståelse som de ville gitt et menneske, og innse at den ikke iboende er et geni.

Ja, den har enorme beregningsressurser, kan tenke svært raskt og gjøre mange ting, men den trenger fortsatt kontekst. Den trenger å forstå hvorfor du ønsker dette. Ellers kommer den blindt til å produsere noe den tror du ønsker, men det er ikke nødvendigvis det du faktisk trenger.

Glen Cathey: Det synes jeg fortsatt er fascinerende. Jeg pleide å si at det nesten er søppel inn, søppel ut når det gjelder instruksjoner. Det er ikke helt sant, for selv med en enkel instruksjon kan KI-verktøyene i dag – og de blir bare bedre – produsere sterke resultater ut fra svært lite input.

Problemet er at det ikke er hele kapasiteten deres. Søppel inn er faktisk bedre enn søppel ut, men det er ikke det beste resultatet de kan levere. Du må gi nok informasjon til at de kan gjøre den beste jobben.

Jeg håper alle som hører på, prøver konseptet med å be KI stille spørsmål: Hva mer trenger du å vite for å gjøre ditt aller beste på denne oppgaven? Du kommer til å bli overrasket over hvor gjennomtenkte spørsmålene er.

Det er nyttig å vite at den skal utføre oppgaven, selv om du ikke tenkte på informasjonen først. Den må trekke den ut av deg ved å stille spørsmål. Det er en morsom liten ting: La KI stille deg spørsmål og si at den skal gjøre den best mulige jobben. Den kommer til å stille svært gode og innsiktsfulle spørsmål, som igjen gjør at den kan utføre arbeidet bedre.

Hvis du noen gang er lite imponert over resultatet eller synes det er middels eller middelmådig, må du se deg selv i speilet. Du er sannsynligvis minst 50 prosent av problemet. Ta ansvar. Hvis resultatet er dårlig, spør deg selv hva du kunne gjort bedre for å hjelpe den med å gjøre en bedre jobb.

Vi er på et stadium der vi kan bruke naturlig språk til å kommunisere med systemer. Folk blir litt late med minimale innspill uten å innse at de bare trenger å bruke noen ekstra minutter på å gi all konteksten som trengs. Det kan være skrevet eller muntlig.

Snakk til den som til en person. Du kan bruke mikrofonen, så du slipper å sitte og skrive. Hvis det føles som om skriving gjør deg langsommere, klikker du bare på mikrofonen og begynner å snakke.

David Rice: Det er en utrolig evne den har.

Glen Cathey: Det er det virkelig. Vi tar det for gitt nå, men i fremtiden er det ganske utrolig å tenke på. Vi har mobiltelefoner, og noen av oss er gamle nok til å huske fasttelefoner som bandt deg til veggen hjemme.

David Rice: Biltelefoner.

Glen Cathey: Slik var det faktisk. Eller vinylplater, og nå har vi digital musikk. På et tidspunkt tror jeg vi kommer til å le av at vi faktisk brukte fingrene til å trykke på små knapper for å kommunisere med datamaskiner.

Når du virkelig innser at det å trykke på taster var en barriere for kommunikasjon, og denne barrieren nå bokstavelig talt er borte fordi du ikke lenger trenger å skrive, kan du bare snakke.

David Rice: Den bryr seg ikke om lange talemeldinger slik vennene dine gjør.

Glen Cathey: Det er sant. Den virker aldri irritert hvis du prater litt i vei.

Den gjør også en svært god jobb hvis du skriver raskt og intenst under møter. Selv når jeg bruker et notatverktøy, liker jeg noen ganger å skrive notater selv. De er ikke uforståelige, men de er heller ikke godt strukturert. Det er utrolig hvor godt KI kan forstå selv slike notater og deretter bearbeide dem til noe som ser ut akkurat slik jeg ønsket.

Hvis du så på de opprinnelige notatene mine, ville du ikke klart å forstå dem. Men KI kan forstå dem. Det er helt fascinerende.

David Rice: Mange selskaper stopper likevel ved grunnleggende KI-forståelse. De blir sittende fast i pilotmodus. De ruller ut opplæringsmodeller og setter punktum. Hva mener du er den viktigste faktoren som faktisk flytter en organisasjon mot KI-kompetanse?

Glen Cathey: Den aller viktigste faktoren er etter min mening ledelse. Hvis du skal skape en kultur der man tar KI i bruk som standard, eller sørge for at folk blir mer bevisste på å ta KI inn i arbeidet på en gjennomtenkt måte, kan det ikke oppnås gjennom opplæring alene.

Du kan ha nettbaserte kurs og praktiske læringsverksteder, som jeg mener er helt nødvendige. Det ville vært nummer to på listen min. Men nummer én er ledelse, fordi det er lederne som først og fremst demonstrerer og setter retningen.

De må leve etter dette og vise det, slik at de kan fungere som eksempler. Deretter må lederlinjen holde folk ansvarlige på alle nivåer. Ledere som leder andre ledere, må holde dem ansvarlige for at folk faktisk endrer den daglige arbeidsmåten.

Du kan ha all verdens opplæring, men hvis ledelsen ikke er fullt ut samkjørt og holder alle ledelsesnivåene ansvarlige – fra toppen og helt ned til linjelederne som leder de individuelle bidragsyterne – kommer du ikke til å skape en kultur der flere tar KI i bruk som standard og utforsker alle måtene teknologien kan forbedre arbeidet deres på.

David Rice: Jeg tror også det handler om å forstå hva som kjennetegner KI-kompetanse. Ledere som modellerer dette, skaper en situasjon der ansatte for eksempel er villige til å redesigne en arbeidsflyt på eget initiativ, uten å bli bedt om det.

En del av endringen handler om å gå bort fra fullføringsgrad og produktivitet, og heller se på endring i kapasitet. Hvem bruker teknologien? Til hva? Hva har endret seg i resultatene? Det må skje noen endringer i tankesettet hos ledelsen. En del av det handler ganske enkelt om å bruke teknologien selv.

Jeg har snakket med flere personer som sier det samme: De snakker med ledere som sier at de er en KI-organisasjon, men som ikke bruker KI selv.

Glen Cathey: Folk ser det. Når du har en stor gruppe ansatte – enten det er hundrevis, titusenvis eller hundretusenvis – kommer du til å få et normalt fordelingsmønster. Du får de tidlige brukerne som uansett kaster seg over teknologien, uavhengig av opplæring.

Så har du folk som ikke stoler på KI. Selv om du er entusiastisk, må du huske at noen er skeptiske, mistroiske, bekymret eller bare motvillige til å lære noe nytt. Og så har du mange i midten.

For å flytte denne gruppen er opplæring bra, men ledelse handler ikke bare om kommunikasjon og demonstrasjon. Det handler også om ansvarliggjøring. Det kan være så enkelt som å sørge for at KI er en del av hvert teammøte: Hvordan bruker vi KI? Gi folk mulighet til å dele eksempler, slik at andre kan høre om dem.

Dokumenter bruksområdene og del dem med andre. Du kan også gjøre det til en del av medarbeidersamtaler. Det trenger ikke være skremmende. Det er ikke en pisk, men også en gulrot. Hvis du sier: Når vi har medarbeidersamtale, kommer jeg til å spørre deg hvordan du bruker KI, vet personen at spørsmålet kommer.

Noen ganger er det så enkelt. Det er lederlinjen som trekker folk mot riktig atferd fordi de vet at dette kommer til å bli diskutert, og at de kommer til å bli spurt om de bruker teknologien.

På et tidspunkt må du bare erkjenne at dette er fremtiden og gå inn i det.

David Rice: Særlig hvis du har en jobb der du sitter foran en datamaskin, er dette virkeligheten. Det er som å si at du ikke vil bruke internett. Det ville vært absurd i dag. Jeg tror vi kommer til samme punkt med dette.

Glen Cathey: Det håper jeg. Selv med teknologi som Excel, som har eksistert lenge, er det fortsatt ting 99 prosent av folk ikke vet at Excel kan gjøre. Det finnes enorme muligheter.

De fleste klarer seg med å bruke ti prosent av funksjonaliteten, og det dekker behovene deres. Men du må innse at det finnes 90 prosent mer. Jeg tror vi vil få flere som blir mer KI-innfødte, selv om jeg ikke vet om det er det beste uttrykket.

Bare fordi folk bruker teknologien, betyr det ikke at de bruker alt. Slik er det også i Excel eller et Word-dokument. Det finnes fortsatt funksjoner og hurtigtaster jeg oppdager. Dette blir aldri ferdig, på samme måte som ledelse aldri blir ferdig. Opplæring gjør ikke alle til fantastiske ledere på magisk vis. Alle har fortsatt områder de kan utvikle.

Jeg tror det blir på samme måte med KI. Så lenge folk tar det i bruk og forstår at dette er den nye måten å arbeide på, kan frykten for å bli hengende etter brukes positivt. KI kommer til å bli en ferdighet alle må ha.

Hvis du ikke tar det i bruk, tror jeg det vil skade deg.

David Rice: Når vi ser på rekruttering, kan KI overta oppgaver fra søk og utvelgelse til meldinger til kandidater. Hvor går grensen mellom å styrke mennesker og å erstatte dem? Mange frykter dette. Tror du vi holder fast ved bestemte roller mer av tradisjon enn av nødvendighet?

Glen Cathey: Det er et godt spørsmål. La oss se på noen relativt nye løsninger, som LinkedIns ansettelsesassistent.

Den er en legitim fleragentsmodell. Den har én modell for søk, én for kontakt og én for siling. Du kan legge inn informasjon på naturlig språk. Vi snakker om automatisering av oppgaver i rekruttering: å forstå en stilling, oversette den til krav for søk og matching, finne mennesker, kontakte dem og forhåndssile dem.

Det finnes løsninger på markedet i dag som kan gjøre dette. Da lurer jeg på hvorfor rollen som rekrutterer egentlig finnes. I små oppstartsbedrifter uten egne rekrutterere rekrutterer lederne sine egne folk. Men på et tidspunkt har du ikke tid til å være heltidsrekrutterer i tillegg til å lede programvareutvikling eller et annet område. Da oppstår behovet for en person som kan ta over oppgavene.

Hva skjer når du har teknologi som kan utføre disse oppgavene? Det kan hende at sluttbrukeren av LinkedIns ansettelsesassistent i fremtiden er ansettelseslederen. Teknologien finnes allerede i dag, så vi kan ikke late som om det ikke er mulig.

Hvis du er rekrutterer, hvor passer du inn i fremtiden? Ikke alle ansettelsesledere kommer til å ønske å gjøre alt selv ved hjelp av teknologi. Mange vil fortsatt ønske å sette bort oppgaven til en menneskelig rekrutterer.

Hvis jeg er rekrutterer og leder et ekte fleragentsystem, hvor skaper jeg verdi? Det høres klisjéaktig ut, men det handler om relasjonsbygging, selve rekrutteringen, overtalelse og påvirkning.

Hvordan tar jeg en passiv kandidat som ikke egentlig vurderer å bytte jobb, eller en person som aktivt intervjuer hos andre selskaper, og lytter empatisk til dem? Hvordan kobler jeg interessene deres, ferdighetene, motivasjonen og ambisjonene deres til den neste muligheten?

Hvordan tilpasser jeg det de forteller meg til hvordan selskapet vårt faktisk kan være den beste matchen for dem, hvis det er sant? Relasjoner til ansettelsesledere og rådgivning er fortsatt viktig.

Jeg vet ikke om vi kommer til et punkt der folk stoler hundre prosent på KI som talentrådgiver. Det kan hende. Men jeg mener fortsatt at mennesker har en tydelig rolle som talentrådgivere, både overfor ansettelsesledere og kandidater.

Vi må erkjenne at kapasiteten finnes. Å si at vi ikke kan erstattes, er ikke helt riktig. At vi kan gjøre noe, betyr ikke nødvendigvis at vi bør gjøre det.

Dette blir en strategisk beslutning for hvert selskap. Ett selskap kan si at de vil automatisere én del og bruke KI der, men mennesker et annet sted. Hvert selskap må finne sitt eget avtrykk og avgjøre hvor de ønsker KI og hvor de ønsker mennesker.

Hvor du plasserer mennesker, kan bli et konkurransefortrinn når det gjelder opplevelse. Hvor du bruker KI, kan også bli et konkurransefortrinn. Ikke alle kandidater får tilbakemeldinger, fordi ingen har nok rekrutterere til å gi alle søkere tilbakemelding. KI kan være svært god til å fylle dette gapet.

David Rice: Jeg er enig, for vi undervurderer fortsatt hvor mye av arbeidet som er mekanisk, særlig innen rekruttering. KI kan håndtere mye, men hvor tilfører mennesket verdi? Det er dømmekraft, historiefortelling og empati.

Det er merkelig, for rollen kan bestå på grunn av identitet snarere enn nytte. Men hvor ligger verdien i det? Den fremtidige verdien er det du nevnte: Ikke alle kandidater får tilbakemelding, men kandidatopplevelsen blir mye bedre hvis de faktisk får det.

Det handler ikke så mye om hvorvidt KI kommer til å erstatte meg, men om hvilken del av arbeidet mitt som fortjener mer oppmerksomhet, og hvordan teknologien kan gi meg mulighet til å gjøre dette.

Glen Cathey: Jeg er enig. Det finnes en mulighet til ikke bare å se på den eksisterende rekrutterings- eller talentforvaltningsprosessen og spørre hvor vi kan bruke KI. Vi kan også tenke helt nytt.

På et tidspunkt må du kanskje viske ut tavlen og spørre: Nå som vi har disse nye mulighetene, hvordan ville vi utformet denne opplevelsen? Hvordan ville vi utformet prosessen?

Det er noe annet enn å ta den eksisterende prosessen og sette inn KI. Hvis vi skulle tenke den helt på nytt, hvordan ville den sett ut? Det er dette som virkelig fanger fantasien min.

Flere selskaper kommer til å bli tvunget til å erkjenne at de ikke bare kan fortsette å gjøre ting på den gamle måten og sette inn KI. Det vil fungere, men det blir ikke en full realisering av hva som er mulig før vi innser at vi kanskje må tenke gjennom alt på nytt fordi vi har helt nye muligheter.

Det handler ikke bare om å sette inn teknologi i den gamle prosessen. Det handler også om å tenke nytt om hvordan en ny prosess bør se ut med de nye mulighetene våre.

David Rice: Riv det ned og begynn på nytt. Glen, tusen takk for at du deltok i programmet i dag. Jeg setter stor pris på tiden din og innsiktene dine.

Glen Cathey: Dette var fantastisk. Tusen takk.

David Rice: Kjære lyttere, følg Glen på LinkedIn hvis dere ikke allerede gjør det. Gå inn på People Managing People, opprett en gratis community-konto og meld dere på nyhetsbrevet. Vi høres neste gang.