AI redefinerer læring og utvikling – fra innholdslevering til strategisk orkestrering

• Utviklerne dine tar ikke kurs i beste praksis for Python – de spør GitHub Copilot mens de programmerer.
• Kundeserviceteamet ditt logger ikke inn i LMS-et for å gjennomgå prosedyrer for samtalehåndtering – de spør ChatGPT om veiledning i sanntid.
• Salgsteamet ditt ser ikke på opplæringsvideoer om håndtering av innvendinger – de bruker AI til å forberede seg til samtaler og skrive utkast til oppfølgings-e-poster.

Hele grunnlaget for L&D, ideen om at du trenger spesialiserte personer til å kuratere, levere og måle læring, er i ferd med å forsvinne fordi AI gjør disse tingene med en kvalitet og skala som blir stadig vanskeligere å konkurrere med, samtidig som det går raskere og er billigere.

Den langsomme kollapsen i L&Ds verdiforslag

La oss spole tilbake og se på hva L&D har lovet organisasjoner det siste tiåret.

Fase 1: «Vi skal øke engasjementet»

Fokuset var på å få folk til faktisk å bruke læringsressurser. Utfordringen var reell. Hvordan konkurrerer du med alt annet som krever de ansattes oppmerksomhet?

L&D-team jobbet hardt for å gjøre innholdet mer engasjerende, mer tilgjengelig og mer overbevisende. Fullføringsgrad og engasjementspoeng ble de viktigste målene fordi de var målbare og viste aktivitet.

Det vanskeligere spørsmålet om hvorvidt dette engasjementet førte til forretningsmessig effekt, forble ofte ubesvart – ikke fordi L&D ikke brydde seg, men fordi det faktisk var vanskelig å måle.

Fase 2: «Vi skal fremme kompetanseheving»

Dette var et reelt fremskritt. Verdiforslaget ble endret til å bygge kompetanse: hjelpe folk med å utvikle nye ferdigheter slik at organisasjoner kunne rekruttere internt i stedet for eksternt.

Dette ga svært god mening med tanke på hvor dyrt, tidkrevende og konkurransepreget det er å ansette. L&D ble en strategisk partner for talentutvikling. For mange organisasjoner fungerte denne modellen godt og skapte reell verdi.

Fase 3: «Vi skal være resultatorienterte»

Dette er en naturlig utvikling, der man beveger seg forbi engasjement og til og med forbi kompetansebygging for å fokusere direkte på prestasjoner og produktivitet i faktiske jobbroller. I stedet for å måle fullføringer, måler man forretningsmessig effekt. I stedet for kurs tilbyr man prestasjonsstøtte.

Denne tilnærmingen fikk stadig større gjennomslag og representerte at L&D modnet som strategisk funksjon.

Og så kom AI og endret forutsetningene grunnleggende.

«AI forvandler L&D i et tempo vi aldri har sett før, men det eliminerer ikke funksjonen – det redefinerer den», sa Valerie Gobeil, direktør for talentledelse og læring i Workleap. «Verdien av L&D flyttes bort fra innholdsproduksjon og over til å utforme systemene, vanene og miljøene som gjør kontinuerlig læring til en del av det daglige arbeidet.»

Brandon Sammut, leder for medarbeidere og AI-transformasjon i Zapier, formulerer det enda mer direkte: «Med AI vil vi se en akselerasjon i innholdets allestedsnærvær. Den feilaktige måten å se dette på er som en trussel mot L&D; den riktige måten å se det på er som en enorm hjelp og tidsbesparelse.»

Denne utviklingen skjer ikke fordi L&D mislyktes – teknologien innhentet ganske enkelt det L&D hadde forsøkt å bygge i årevis. Trenger du å vite hvordan du skriver en SQL-spørring? Trenger du hjelp til å formulere en vanskelig e-post? Trenger du raskt å forstå et komplekst konsept? Veien med minst motstand er ikke lenger «søk i LMS-et» eller «ta kontakt med L&D». Den er «spør ChatGPT» og få et tilpasset svar på 30 sekunder.

L&D-team brukte årevis på å snakke om «prestasjonsstøtte» og «just-in-time-læring». Visjonen var riktig. Utfordringen var at teknologien for å levere dette i virkelig stor skala, med reell personalisering og i reell hastighet, ganske enkelt ikke fantes i en form som faktisk svarte til beskrivelsen. Men en AI-assistent som finnes overalt der arbeidet utføres, endrer spillereglene fullstendig.

Dr. Jill Stefaniak, læringsdirektør i Litmos, understreker at L&D fortsatt er nødvendig.

«AI-æraen trenger L&D som forretningsfunksjon for å overleve», sier hun. «Åtti prosent av ledere har rapportert at AI-implementeringen har stoppet opp på tvers av teamene deres på grunn av manglende ekspertise i hvordan verktøyene skal brukes effektivt. L&D-fagfolk tilfører strategisk og menneskesentrert dømmekraft for å sikre at læringsopplevelsene er forankret i riktig kontekst. Det har aldri vært større behov for meningsskaping og kapasitetsbygging som støtter læring.»

It starts with one signal.

Each week, AI Signal takes one meaningful shift in AI and helps people leaders understand what changed, why it matters, and what to consider next.

Get Free Access

Have an account? Log In

De tre funksjonene L&D faktisk utførte (og hvem som overtar dem)

La oss prøve å gjøre en ærlig vurdering av hva L&D ofte har levert, og hvordan dette vil se ut fremover:

1. Kuratering og tilgang til informasjon

Hva L&D gjorde: Fant eller skapte relevant innhold, organiserte det i et læringsstyringssystem og gjorde det søkbart.

Hva AI gjør: Gir umiddelbar tilgang til all menneskelig kunnskap, tilpasser den til konteksten din og besvarer oppfølgingsspørsmål.

Hvem eier det: AI.

2. Ferdighetsutvikling og øvelse

Hva L&D gjorde: Utviklet kurs, verksteder og simuleringer for å hjelpe folk med å bygge ferdigheter. 

Hva AI gjør: Tilbyr uendelig mange øvingssituasjoner, umiddelbare tilbakemeldinger og personlig veiledning i stor skala. 

Hvem som egentlig gjør det nå: Folk lærer gjennom å gjøre, med AI som sin andrepilot, ikke ved å ta kurs først.

Ferdigheter har nå kortere levetid, men det betyr ikke at ansatte trenger mindre utvikling – de trenger den heller mer kontinuerlig, sa Gobeil. «Det nye mandatet for L&D er ikke å «produsere opplæring», men å muliggjøre prestasjoner. Det betyr å bygge strukturer som hjelper folk med å strekke seg, eksperimentere og tilpasse seg raskt.

3. Organisasjonsendring og samordning

Hva L&D gjorde: Innførte nye prosesser, verktøy eller strategier gjennom opplæringsprogrammer.

Hva som faktisk driver endring: Direkte veiledning fra ledere, kommunikasjon fra ledelsen, læring mellom kolleger og reelle insentiver.

Hvem som bør eie dette: HR (kultur), ledelsen (strategi), ledere (gjennomføring).

Når L&D-leverandører ser hva som er i ferd med å skje

Taylor Blake gjennomfører AI-eksperimenter hos Degreed, en av de ledende plattformene for læringsopplevelser på markedet. I en nylig samtale forsøkte jeg å lese mellom linjene i det han sa.

«AI-assistenter og andrepiloter overtar området for hjelp i sanntid på jobben. Hvis du trenger hjelp til å komme videre, tar du ikke kontakt med L&D – du henvender deg til AI-assistenten din.»

«Bedrifter ansetter færre mennesker. Fortellingen om «videreutvikling av ansatte internt som et alternativ til dyr rekruttering» fungerer ikke lenger når du trenger færre mennesker.»

«Vi åpner opp et nytt verktøysett for AI-drevne samtaler, dialog og veiledning.»

Oversettelse: Degreed vet at den grunnleggende forretningsmodellen deres må endres. De dreier mot «AI-drevet veiledning og dialog» fordi det muligens er den eneste forsvarlige posisjonen som er igjen.

Med andre ord ser menneskene som har arbeidet med å gjøre læringsinnhold tilgjengelig og målbart, at AI gjør tilgang til innhold til en standardvare. Overlevelsesstrategien deres må derfor utvikle seg til noe helt annet.

Hva som faktisk endrer seg, og hva det betyr for budsjettet ditt

Spørsmålet er ikke «hva bør vi slutte å finansiere?», men heller «hvilke problemer løser vi faktisk, og hva er den beste måten å løse dem på nå?»

L&D er fortsatt en del av strategien din, men det kommer til å se litt annerledes ut i 2026 og fremover.

Læringsstyringssystemer

Hva LMS-plattformer lovet: Ett sted der alt læringsinnhold er tilgjengelig for alle, med innebygd sporing og rapportering.

Hva som har endret seg: Det grunnleggende problemet LMS-plattformer løste – å gjøre informasjon tilgjengelig – har blitt løst mer elegant av AI. Friksjonen ved «logg inn i LMS → søk i kurskatalogen → finn riktig modul → se 20 minutter med video → hent ut de 30 sekundene du trengte» er absurd sammenlignet med å «spørre ChatGPT eller Claude».

Men hva med intern kunnskap? Dette er en relevant innvending. AI-assistenten din kjenner ikke automatisk bedriftens spesifikke prosesser, retningslinjer eller institusjonelle kunnskap. LMS-plattformer var imidlertid heller aldri den beste løsningen på dette.

Interne wikier eller kunnskapsbaser (Notion, Confluence), Loom for å demonstrere prosesser, Slack-kanaler for oppdagelse i sanntid og dokumentasjon ved siden av det faktiske arbeidet tjener alle dette formålet bedre – og kan mates inn i AI-verktøy for tilgang på naturlig språk.

Innholdsbiblioteker: Fra 10 000 kurs til syntese akkurat i tide

Hva innholdsbiblioteker lovet: Tilgang til tusenvis av kurs om alle mulige temaer, slik at ansatte kunne lære hva som helst de trengte.

Hva har endret seg: Verdiforslaget «vi har 10 000 kurs» har kollapset når AI kan syntetisere informasjon fra millioner av kilder og tilpasse den til akkurat din kontekst. Folk trenger ikke et 4-timerskurs i «Effektiv e-postkommunikasjon» – de trenger hjelp til å skrive denne spesifikke vanskelige e-posten akkurat nå.

Det virkelige problemet: De fleste abonnementer på innholdsbiblioteker har en utnyttelsesgrad på 5–15 %. Du betaler for kurs som 85 % av de ansatte aldri kommer til å ta. Og når de faktisk trenger å lære noe, går de i økende grad til YouTube, Reddit eller AI før de logger inn på innholdsplattformen deres.

France Hoang, administrerende direktør og grunnlegger av BoodleBox, en samarbeidsplattform basert på AI for utdanning og arbeidslivsberedskap, setter søkelyset på hva L&D bør fokusere på.

«I små og mellomstore bedrifter, der hver krone teller, har vi ikke lenger råd til å være innholdsbibliotekarer. Spørsmålet er ikke «hvilken informasjon trenger de ansatte?», men «hvilke spørsmål stiller de ennå ikke?» AI demokratiserer tilgangen til informasjon, og L&D må demokratisere visdom.»

Hva fungerer faktisk? Tilgang til AI-verktøy for forklaringer og eksempler i sanntid, kuraterte spillelister med virkelig fremragende ressurser, kontakt med eksperter i organisasjonen og betalte kurs eller sertifiseringer bare når noen trenger dyp, strukturert ekspertise på et bestemt område.

Bemanning i L&D: Fra tjenesteleverandører til strategiske orkestratorer

Det L&D-teamene lovet: Spesialisert ekspertise innen undervisningsdesign, utvikling av læreplaner, leverandørstyring, læringsteknologi og gjennomføring av programmer.

Hva har endret seg: Mange av disse spesialiserte ferdighetene blir gjort til standardvarer av AI. Lage en kursdisposisjon? AI. Utforme læringsmål? AI. Finne relevant innhold? AI. Det høyt spesialiserte fagfeltet undervisningsdesign opplever den samme omveltningen som alle andre områder innen kunnskapsarbeid.

Den nyanserte virkeligheten: Ferdighetene L&D-profesjonelle har, som å forstå hvordan mennesker lærer, utforme opplevelser, legge til rette for endring og måle effekt, er fortsatt verdifulle. De er bare verdifulle i andre sammenhenger nå.

Chris Eigeland, administrerende direktør og medgründer av Go1, en innholdsaggregator for L&D-ledere, ser på dette øyeblikket som en mulighet snarere enn en trussel.

«Gode L&D-ledere og -funksjoner vil ikke bare overleve overgangen til en AI-støttet arbeidsstyrke, men blomstre», sier han. «De siste årene har L&D vært oppslukt av administrasjon, fra innhenting av innhold til gjennomføring av kampanjer og belastende rapportering. Løftet ved et AI-støttet HR- og L&D-team er at mye av denne «tradisjonelle» rollen kan automatiseres, slik at L&D-ledere kan fokusere på å levere og måle tydelig forretningsmessig effekt.»

L&D-profesjonelle kan lære ansatte hvordan de lærer effektivt som voksne – hvordan de stiller bedre spørsmål, øver målrettet, overfører kunnskap på tvers av kontekster og lærer opp andre. De kan legge til rette for nettverk for kollegabasert læring, støtte ledere som læringsledere og måle det som faktisk betyr noe: læringshastighet, adopsjonsgrad og forretningsresultater.

Sammut tilbyr en visjon for denne videreutviklede rollen.

«Der L&D-team kan ha en tydelig innvirkning i årene som kommer, er ved å tenke nytt om funksjonen rundt å sikre et datalag av høy kvalitet som AI kan bruke til å personalisere læring og veiledning, samt utvikle effektmodeller som kobler L&D-tiltak (mikrolæring akkurat når behovet oppstår, veiledning i arbeidsflyten) til individuell utvikling og forretningsmessig effekt.

«Fremtidens L&D-profesjonelle er en teknolog som forstår håndverket bak menneskelig utvikling, bruker datamodeller til å personalisere læringsopplevelser og på en kompetent måte kan knytte L&D-investeringer til forretningsresultater.»

Bemanningsrealiteten: Du trenger sannsynligvis ikke åtte L&D-medarbeidere som arbeider med undervisningsdesign og programstyring. Men du kan trenge 2–3 personer som orkestrerer kollegabasert læring på tvers av organisasjonen, veileder ledere i utviklingen av teamene sine, måler læringshastighet og effekt, fjerner hindringer for eksperimentering og kobler interne eksperter med personer som trenger kunnskapen deres.

Der L&D faktisk kan lede: styring, sikkerhetsrammer og strategisk orkestrering

Mens mye av det tradisjonelle L&D-arbeidet automatiseres eller distribueres, oppstår det et kritisk gap, og det er nettopp her L&D bør ta en tydeligere rolle. Eigeland peker på et bekymringsfullt misforhold.

«Mens 82 % av organisasjonene allerede bruker AI til læring, sier bare 23 % av L&D-profesjonelle at ansvaret for og tydeligheten rundt virksomhetens plan for AI-læring er «svært tydelig». Styringen er fragmentert fordi folk har reagert på en verden i endring, men det er nettopp dette området L&D bør lede: å bygge rammeverket, sette sikkerhetsrammer og gi folk trygghet til å bruke AI på en ansvarlig måte som er relevant for rollen deres.»

Dette er den videreutviklede rollen: ikke å levere innhold, men å skape strukturen som læring skjer effektivt og trygt innenfor.

Slik ser dette ut i praksis:

Utform læring etter rolle, ikke tema. Som Eigeland påpeker: ««AI-kompetanse» bør defineres ulikt for en servicemedarbeider, en økonomisjef eller en personalleder. Rollebaserte forventninger reduserer uklarhet og gjør styringen handlingsrettet.»

Dette innebærer å gå bort fra «alle tar AI 101-kurset» og over til «slik ser god bruk av AI ut i akkurat din rolle, med akkurat ditt ansvar».

Integrer læring i eksisterende arbeidsflyter. «Hvis L&D har ansvar for å forme rammeverket», fortsetter Eigeland, «er den raskeste måten å få folk til å ta det i bruk på å plassere læringen der arbeidet allerede skjer, i stedet for i en separat, frittstående portal. Dette skaper naturlige sikkerhetsrammer og sikrer konsekvent praksis.»

La AI håndtere det operative arbeidet. «Når L&D eier strukturen og oppfølgingen, kan AI ta seg av operative oppgaver som å oppsummere innhold, generere førsteutkast til læringsstier eller analysere tilbakemeldinger. Dette frigjør menneskelige eksperter slik at de kan konsentrere seg om de viktige styringsoppgavene: designkvalitet, veiledning og samsvar med forretningsmål.»

Eigelands konklusjon fanger muligheten: «AIs lovede effektivitet blir bare en realitet hvis folk vet hvordan de skal bruke verktøyene. Det gjør L&D avgjørende. L&D forsvinner ikke, men spisser fokuset. Team som satser på koordinering, problemløsning og reell atferdsendring, vil fortsatt være uunnværlige.»

Det er her L&D går fra å være innholdskurator til strategisk tilrettelegger, og sikrer at folk ikke bare får tilgang til AI-verktøy, men også rammeverk, sikkerhetsrammer og rollebasert veiledning for å bruke dem effektivt.

Hvor disse funksjonene faktisk ligger nå

Hvis L&D som en selvstendig funksjon er i utvikling, hvor havner da dette ansvaret?

HR tar seg av: Organisasjonsendring, utvikling av lederkompetanse, samtaler om karriereutvikling og velvære og bærekraftige prestasjoner (særlig viktig når AI eliminerer dødtid).

Teknologi- og IT-avdelingene håndterer: Tilgang til verktøy, sikkerhet og styring, skreddersydde AI-integrasjoner og arbeidsflyter, utvikling av teknisk kompetanse og innovasjonslaboratorier.

Ledere eier: Behovsstyrt veiledning i den faktiske arbeidssituasjonen, tilbakemeldinger på prestasjoner og samtaler om utvikling, ferdighetsbygging tilpasset teamet og å skape rom for eksperimentering.

Enkeltpersoner driver: AI-assistert ferdighetsbygging akkurat når det trengs, læring mellom kolleger og kunnskapsdeling, egen eksperimentering og utforskning, samt å ta ansvar for sin egen utvikling.

Hva er igjen for L&D? Strategiske medarbeidere som koordinerer strategien for å legge til rette for AI (men ikke leverer den), følger med på bruk og effekt (men ikke utarbeider rapporter), ser sammenhenger på tvers av organisasjonen (men ikke eier arbeidet) og oppdager muligheter for systematiske tiltak (men samarbeider med andre om gjennomføringen).

I virkeligheten er dette sannsynligvis ikke et team. Det er en rolle. Kanskje to.

More Articles

• Visepresident for mennesker og organisasjon i en AI-enhjørning sier at HR-ledere må bli arkitektene bak en menneske-maskin-arbeidsstyrke
• KI i læring og utvikling: Lederens veiledning til muligheter, utfordringer & brukstilfeller
• Strateg for fremtidens arbeidsliv bryter ned de organisatoriske realitetene ved KI – og hvordan man navigerer i dem
• DisruptHR-grunnlegger oppfordrer ledere til å revurdere hierarkier og bygge AI-kompetanse i en tid med ustanselig endring
• Tidligere BBC-personaldirektør sier at KI nødvendiggjør en redefinering av HRs verdi

Den virkelige samtalen du bør ha

Hvis du er direktør eller sitter i toppledelsen, er dette de faktiske spørsmålene til neste budsjettmøte.

I stedet for: «Hvor mye bør vi bruke på AI-opplæring?» Spør: «Hvordan bør vi omstrukturere L&D for å fokusere på styring, koordinering og tilrettelegging fremfor innholdsleveranse?»

I stedet for: «Hvilken opplæringsplattform bør vi investere i?» Spør: «Hvilke kapabiliteter må vi bygge for å ta i bruk AI, som plattformer alene ikke kan tilby?»

I stedet for: «Hvordan måler vi effekten av opplæringen?» Spør: «Hvordan måler vi læringshastighet og læringens innvirkning på forretningsresultater, i stedet for fullføringsgrad?»

I stedet for: «Hvem bør drive AI-opplæringsprogrammet vårt?» Spør: «Hvordan fordeler vi tilretteleggingen for læring mellom L&D, ledere og nettverk mellom kolleger, i stedet for å sentralisere den?»

«Ledere bryr seg ikke om fullføringsgradene deres», sa Hoang. «De bryr seg om konkurransefortrinn. Den nye ROI-samtalen er enkel: Forklar hvordan læring hjelper dere å vinne. I SMB-er har dere ikke råd til langsiktige satsinger som ikke gir resultater. Ledere vil vite hvordan AI-drevet læring reduserte tiden det tar å oppnå kompetanse, eller hvordan den hjalp førstelinjeledere med å ta bedre beslutninger raskere.»

Hoangs synspunkt her oppsummerer L&Ds nye mandat i et nøtteskall. «AI er verktøyet. L&D er arkitekten. Ikke bare administrer teknologien – bruk den til å bygge noe som ikke kunne eksistert uten menneskelig innsikt.»

En annen type investering

Slik ser et smart budsjett for AI-kapasitet ut – ikke en detaljert treårsplan, men en grunnleggende omlegging av pengebruken.

Skift fra: LMS-lisenser, abonnementer på innholdsbiblioteker, store L&D-teamlønninger, kursutvikling og sporing av fullføringsgrad.

Skift til: Tilgang til AI-verktøy for alle, beskyttet tid til eksperimentering, lederes veiledningskompetanse, læringsnettverk mellom kolleger, rollebaserte styringsrammeverk og måltall som følger læringshastighet og forretningsresultater.

Pengene går ikke til plattformer og programmer, men til tilgang, tid og strategisk koordinering.

Veien videre

Læring er viktigere enn noen gang. Men læringsavdelinger som driver tradisjonelle opplæringsprogrammer som spores i læringsstyringssystemer? Den modellen nærmer seg sannsynligvis slutten.

Denne fremtiden krever ikke et opplæringsbudsjett på 1 million dollar investert i plattformer og innhold. Den krever en ærlig vurdering, en smart omfordeling og L&D-ledere som er villige til å transformere funksjonen sin i stedet for å forsvare den.

Til syvende og sist spiller de en viktig rolle i å forme hvordan arbeidet faktisk utføres nå, med KI som støttepartner, ledere som veiledere og læring og utvikling som den strategiske funksjonen som sørger for at alt dette skaper reell kompetanse og forretningsmessig effekt.

Det er best å komme i gang, fordi medarbeiderne dine allerede lærer av KI, enten du har en strategi for det eller ikke.