De sju ferdighetene som skiller AI-ledere fra AI-etternølere
Oppfatningsgap: Det finnes et betydelig sprik mellom ledere og ansatte når det gjelder forståelsen av AI-strategier.
Lederferdigheter: Effektiv AI-transformasjon krever spesifikke lederferdigheter utover teknisk implementering.
Faktorer for AI-suksess: Empati og forståelse av individuelle endringsprosesser styrker en vellykket innføring av AI.
Strategisk tålmodighet: Mange AI-initiativer mislykkes på grunn av urealistiske tidsplaner og utilstrekkelig støtte til utvikling av ferdigheter.
Fremgangsmåten som får mest oppmerksomhet akkurat nå, bygger på en enkel antakelse: Gjør folk redde, så jobber de hardere.
Nedbemanninger presentert som økonomisk disiplin. Pålegg om å vende tilbake til kontoret fremstilt som produktivitetstiltak. AI-transformasjon kunngjort før noen forstår hva det betyr for deres faktiske jobb.
Det skaper overskrifter. Det det ikke skaper, er transformasjonen ledere hevder at de ønsker.
Continue Reading for Free
Create a free account to finish this article, plus get ongoing access to timely insights and practical resources.
Have an account? Log In
Ny forskning fra BCG og Columbia Business School avdekker et sprik på 51 prosentpoeng mellom ledere og ansatte i førstelinjen når det gjelder hvorvidt folk forstår AI-strategien. Ledere tror at 80 % av de ansatte er godt informert. Bare 29 % av medarbeidere uten personalansvar er enige. Det skyldes ikke kommunikasjon. Det er et lederproblem.
Suksess med AI-transformasjon har lite å gjøre med å fremstå tøff eller handle raskt. Den avhenger av sju spesifikke lederegenskaper som ikke har noe med teknologisk implementering å gjøre, men alt å gjøre med hvordan ledere opptrer når utfallet er usikkert.
Før Brian Elliott gikk på scenen under Transform som arrangementets konferansier i mars, presenterte han det han ser som fire nøkkelegenskaper for ledere i denne tiden, via sin Substack.
Det traff meg. Men det føltes også som noe som kunne utvides.
Det jeg skal gjøre nå, er å gå gjennom egenskapene slik Brian gjorde, og utvide dem med noen tillegg til listen. Dette er ikke tiden for svak eller giftig ledelse. Som han og jeg diskuterte på podkasten i fjor, viser tonedøv ledelse seg å være kostbar i det som kanskje er den mest forvirrende tiden for arbeidslivet på et århundre.
1. Empati: Forstå hvordan mennesker opplever endring
Begeistringen for GenAI blant amerikanske ansatte falt fra 45 % til 36 % på bare tre måneder i løpet av 2024, ifølge Slacks forskning. Teknologien ble ikke dårligere, men tilnærmingen til implementeringen gjorde det. Organisasjoner rullet ut verktøy uten å forstå hvor forskjellig mennesker tar i bruk nye muligheter.
Da ledere i BCG-studerte selskaper tilpasset opplæringen for å ta hensyn til individuelle forskjeller i bruken av AI, økte bruken av generativ AI med 89 %. Det handler ikke om å være hyggelig, men om å bruke en kognitiv forståelse av hvordan mennesker opplever endring til å utforme bedre tilnærminger.
Medarbeidersentrerte organisasjoner har ansatte som har 70 % større sannsynlighet for å føle entusiasme for AI-implementering og 92 % større sannsynlighet for å føle seg godt informert om strategien, ifølge forskning fra BCG og Columbia.
Sammenhengen med forretningsresultater er direkte. Disse samme organisasjonene rapporterer AI-modenhet på et langt høyere nivå enn sammenlignbare organisasjoner. Medarbeidersentrering forklarte 36 % av variasjonen i AI-modenhet – mer enn bransje (14 %), avdeling (12 %) eller selskapsstørrelse (5 %) til sammen.
David Zierk, klinisk psykolog og forfatter av "Mind Rules," beskriver det han kaller «forstyrrelse på grunn av tilknytningsunderskudd» – avstanden som oppstår når AI gir svar, men ledere ikke gir kontekst eller støtte.
Hjernen tåler ikke usikkerhet," forklarer han. "Vi søker sikkerhet så raskt som mulig, og AI gir lindring. Men alt som gir deg lindring, har et avhengighetspotensial. Ledere må hjelpe folk med å være i tvetydighet lenge nok til å utvikle en genuin forståelse, i stedet for bare å gripe det første svaret AI tilbyr.
Gapet mellom budskapet om at «AI skal utvide, ikke erstatte» og samtidig omstrukturering i avdelinger som får nye verktøy, har skapt nettopp mistilliten som undergraver AI-initiativer og tar livet av ærlige tilbakemeldinger om hvorvidt implementeringene fungerer.
Før du går for langt, vil du teste deg selv på de sju egenskapene? Fullfør vurderingen, så kan du laste ned en gratis, personlig rapport med utviklingsmål.
Merk: Dette er ikke en vitenskapelig vurdering, men ganske enkelt en tankeøvelse som kan sette i gang selvrefleksjon eller ideer til din egen faglige utviklingsreise. Hvis du ser etter en mer grundig vurdering, kan du lese saken vår fra i fjor om bruk av personlighetskartlegging i rekruttering.
2. Tilstedeværelse: Tilbake på dansegulvet
Amazons påbud om å vende tilbake til kontoret kom i form av et notat. Ingen samtale om hvordan hybridarbeidet faktisk fungerte. Ingen involvering av team som hadde lagt om hele arbeidsflyter rundt distribuert samarbeid. Bare en policy som påvirket hverdagen, levert på avstand.
Det er det motsatte av det BCGs rapport «AI i arbeid» fra 2025 identifiserer som avgjørende for en vellykket transformasjon: ledere som forstår hvordan arbeidet faktisk utføres. Rapporten fant at bare 51 % av førstelinjemedarbeiderne bruker AI-verktøy regelmessig, sammenlignet med over 75 % av ledere og mellomledere. Det er et «silisiumtak» skapt av avstand til den operative virkeligheten.
Elliott beskriver mønsteret.
Jeg hadde et styremedlem som under et møte med toppledelsen reiser seg og sier: «Dere må alle tilbake til kontoret fordi jeg vet at det er den beste måten å jobbe på. Basert på min erfaring fra 1980-tallet, da jeg spiste den ene lunsjen med fyren som senere viste seg å bli mentoren og veilederen min.» Og det er alltid en mann, som baserer erfaringen sin på det som fungerte best for ham.
Den samme logikken gjelder for AI, der ledere tar beslutninger basert på sin egen kontekst, ikke den operative virkeligheten.
Du kan ikke håndtere «arbeidssøl»— AI-generert innhold som teknisk sett er komplett, men i praksis ubrukelig— hvis du ikke viser hvordan god kvalitet ser ut. Du kan ikke kreve transformasjon hvis du ikke har noen anelse om hvordan arbeidet faktisk utføres.
3. Produktorientert tenkning: Å behandle arbeid som noe du utformer
Forskning fra MIT Sloan fant at 91 % av dataansvarlige sier at kulturelle utfordringer hindrer AI-arbeidet deres. Bare 9 % peker på teknologiske problemer. Likevel behandler de fleste selskaper AI som et teknisk problem og kunngjør effektivitetsmål før de forstår hva som skaper friksjon i faktiske arbeidsflyter.
BCG-forskning viser at det å redusere slitsomt rutinearbeid, eller det du kanskje vil kalle utmattende repetitivt arbeid, øker sannsynligheten for å lykkes med AI og forbedrer medarbeiderbeholdningen.
Zapier gikk fra 65 % innledende bruk til 89 % daglig bruk av AI-verktøy ved å fokusere på å løse reelle problemer i stedet for å maksimere utrullingen av funksjoner. Kundeserviceteamet deres opplevde en reduksjon på 50 % i behandlingstiden per sak, samtidig som medarbeiderengasjementet økte med 20–30 poeng.
Brandon Sammut, Zapiers leder gjennom denne transformasjonen, forklarte endringen.
Vi sluttet å spørre «hva kan dette AI-verktøyet gjøre» og begynte å spørre «hvilke problemer skaper slitsomt rutinearbeid for bestemte team». Verktøyene fulgte problemene, ikke omvendt.
Organisasjoner investerer 142 milliarder dollar årlig i å forstå kundene, men under 11 milliarder dollar i medarbeideropplevelsen, til tross for tydelige bevis på sammenhengen mellom engasjement og forretningsresultater. Hvis du behandlet kunder slik de fleste selskaper behandler medarbeidere under teknologiske overganger, ville du gått konkurs.
Det grunnleggende problemet er det Elliott kaller «produktivitetsteater» — å optimalisere for synlige tegn på aktivitet i stedet for resultater.
«Sekstifem prosent av de spurte sa at det er viktigere for dem å svare raskt på en melding enn å konsentrere seg om og levere kjernearbeidet sitt», bemerker Elliott. «Det er bare trist, ikke sant? Det er de synlige tegnene på at aktivitet foregår. Å produsere mer av noe er ikke et resultat.»
Elliott fortsatte med å beskrive det nødvendige skiftet. Ledere må legge bort synlige aktivitetsindikatorer til fordel for resultatbasert ledelse. Det betyr å definere organisatoriske mål, tydeliggjøre de viktigste prioriteringene, etablere måltall for suksess og spre denne tydeligheten gjennom hele selskapet.
Når dette gjøres riktig, skaper det like konkurransevilkår og leverer resultatene ledere faktisk ønsker. Men det krever betydelige investeringer og representerer en grunnleggende endring i hvordan organisasjoner opererer.
4. Mot: Å ha ryggrad når det er risikabelt
Under et allmøte i Salesforce spøkte ledelsen med at ICE ventet bakerst i rommet på internasjonale ansatte som reiste seg. Opprøret som fulgte, handlet ikke bare om dårlig dømmekraft, men om ødeleggelsen av den psykologiske tryggheten som kreves for å eksperimentere med kunstig intelligens.
Den raskeste måten å håndtere usikkerhet på er å dømme," bemerker Zierk. "Det lukker sinnet. Det motsatte av dømming er nysgjerrighet, og nysgjerrighet er det organisasjoner trenger akkurat nå. Men nysgjerrighet krever psykologisk trygghet, og fryktbasert ledelse ødelegger den.
Mot i lederskapet betyr å formidle vanskelige nyheter personlig, med en ærlig forklaring av forretningsmessige drivere, i stedet for å gi ledere oppsigelsesmanus. Særlig når roller kuttes før kunstig intelligens faktisk har bevist sin verdi, og beleilig nok før bonusutbetalingene er gjennomført.
Enigheten om en tøff lederstil skaper muligheter for ledere som er villige til å bygge organisasjoner der mennesker kan gjøre sitt beste arbeid gjennom usikkerhet. Ikke fordi det er snilt, men fordi frykt skaper etterlevelse, mens tillit skaper den intelligente risikotakingen som AI-transformasjon krever.
5. Strategisk tålmodighet: Å tenke langsiktig
Ifølge S&P Global-forskning avbryter 42 % av selskapene AI-initiativer før de noen gang settes i produksjon, et tall som er mer enn doblet siden bare ett år tilbake. Mønsteret ser slik ut:
- Kunngjør aggressive effektivitetsmål for å tilfredsstille styrene
- Skynd utrullingen for å holde tidsfristene
- Oppdag at de organisatoriske evnene ikke finnes
- Trekk forventningene stille tilbake seks måneder senere.
Begrepet «omformingsfasen» har oppstått for å beskrive selskaper som redesigner arbeidsflyter fra ende til annen, i stedet for bare å ta i bruk verktøy. I disse organisasjonene er 46 % av de ansatte bekymret for jobbsikkerheten, sammenlignet med 34 % i mindre avanserte selskaper.
Den angsten er kostnaden ved reell transformasjon. Strategisk tålmodighet betyr å beskytte tiden som trengs for at denne angsten skal avta gjennom dokumentert støtte og utvikling av ferdigheter, ikke å late som om transformasjon skjer uten friksjon.
BCG fant at 79 % av de ansatte som fikk mer enn fem timer AI-opplæring, ble regelmessige brukere, sammenlignet med 67 % av dem som fikk mindre enn fem timer. Strategisk tålmodighet betyr å beskytte denne investeringen selv når styrene ønsker umiddelbare resultater.
6. Åpenhet: Ærlig om usikkerhet
Forskjellen på 51 poeng mellom det ledere tror ansatte forstår, og det ansatte faktisk forstår, skyldes ikke utilstrekkelig kommunikasjon – den skyldes uærlig kommunikasjon.
Ledere kunngjør at «AI vil frigjøre deg til arbeid med høyere verdi» uten å spesifisere hva dette arbeidet er, eller om det vil eksistere på deres nåværende lønnsnivå. De presenterer AI-strategier som ferdig utformede planer når de egentlig er hypoteser som testes i sanntid. De hevder å være sikre på utviklingen av AI, selv om topplederne selv er usikre.
Steve Cadigan forklarer dynamikken.
For at du skal ha tillit, må du bygge opp en historikk med jevne og pålitelige resultater. Og det har vi ikke helt ennå med kunstig intelligens. Vi har også en massiv fortelling i medieverdenen akkurat nå om at kunstig intelligens kommer til å erstatte deg. Den kommer til å ta jobben din. Dette nivået av frykt og mistillit kommer til å skape noen fartsdumper rundt implementeringen.
Frykten kommer til uttrykk i det Ethan Mollick kaller "hemmelige kyborger"—personer som bruker KI-verktøy, men ikke forteller det til sjefene sine, noen ganger fordi de er bekymret for at det å innrømme bruken signaliserer at de kan erstattes. Det er det motsatte av den åpne eksperimenteringen som kreves for transformasjon, og det er det vi nå kjenner som skygge-KI.
Johannes Sundlo, ekspert på innføring av KI, stiller spørsmål ved forholdet vårt til det vi kjenner som kunnskap.
Når universiteter diskuterer å forby KI fordi studenter bruker det til å jukse, overser de det egentlige spørsmålet: Hva er kunnskap i en verden med KI? Ledere i organisasjoner gjør den samme feilen—de prøver å kontrollere fortellingen i stedet for å være ærlige om det de ennå ikke vet.
Åpenhet betyr å skille mellom det som er sikkert (vi investerer i KI, noen roller vil endres) og det som er usikkert (nøyaktig hvilke roller og hvordan). Det betyr å dele resultater fra pilotprosjekter, inkludert feil. Det betyr å innrømme at "vi finner ut av dette sammen" i stedet for å late som om man har svarene man ikke har.
Cadigan påpeker at et sentralt element som driver feil rundt KI, er at teknologien er "ulik all annen teknologi vi har sett før. Vi er vant til å ha ganske god oversikt over hvordan dette kommer til å brukes. Med KI vet vi ikke engang mye av det den er i stand til å gjøre, og vi lærer fortsatt om dette. Mulighetene er ikke fullt ut utforsket ennå, men vi er ganske sikre på at det finnes konkurransefortrinn her. Så setter vi i gang."
Denne usikkerheten gjør tradisjonelle implementeringsplaner utdatert og ærlig kommunikasjon avgjørende.
7. Systemtenkning: Forstå ringvirkningene
De fleste KI-initiativer mislykkes i overgangene mellom team. Du implementerer et KI-verktøy i kundeservice uten å vurdere innvirkningen på produktutvikling (ulike mønstre i klagene), markedsføring (behovet for budskap endres) eller drift (bemanningsmodellene endres når KI håndterer rutinesaker, men eskalerer komplekse problemer).
BCGs forskning på KI-styring viser at 52 % av vellykkede organisasjoner nå bruker tverrfunksjonelle team med ledere fra forretnings- og teknologisiden til å drive strategien, opp fra bare 5 % året før. Endringen anerkjenner at KI-beslutninger får konsekvenser for mennesker og prosesser som IT-ledede tilnærminger ikke kan håndtere.
Den grunnleggende årsaken til silobaserte implementeringer er ifølge Cadigan hvordan vi gjorde ting tidligere.
«Som standard programvare», sier han. «Koble den til, så får vi opplæring—slik bruker du den. Men KI krever eksperimentering, og det er ikke noe vi vanligvis er vant til å se. Vi må erkjenne at KI berører jobbene, karriereveiene og arbeidet til alle medarbeiderne våre på måter som krever systemtenkning.
Caldwell beskriver innføring av KI-verktøy for generell bruk uten opplæring som det samme som å gi medarbeidere en sveitsisk lommekniv med 20 funksjoner, men bare forklare tre av dem. Uten å forstå hvordan arbeidet deres henger sammen med andres arbeid, optimaliserer de lokalt på måter som skaper dysfunksjon på systemnivå.
Bygg kompetanse, ikke bare kunngjør en strategi
Disse sju ferdighetene—empati, tilstedeværelse, produktorientert tenkning, mot, strategisk tålmodighet, åpenhet og systemtenkning—er ikke myke ferdigheter. De krever hardt arbeid og kontinuerlig øvelse.
Forskningen fra BCG og Columbia viser at selskaper med sterk endringsledelse med fokus på KI oppnår 3,2 ganger høyere fortjenestemarginer enn selskaper som bruker tradisjonelle IT-ledede tilnærminger. Teknologisk modenhet er bortkastet hvis ledergruppene ikke kan drive den kulturelle transformasjonen KI krever.
Vi er inne i en periode der ledere og mellomledere er mer tilbøyelige til å bekymre seg for å miste jobbene sine til kunstig intelligens i løpet av de neste ti årene enn ansatte i førstelinjen. Denne angsten skaper press om å handle raskt, høres selvsikker ut og vise kontroll. Men lederteamene som lykkes, gjør det motsatte ved å gå bevisst frem, innrømme usikkerhet og bygge tillit.
Forskjellen mellom hvor du er og hvor du trenger å være når det gjelder disse ferdighetene, er ikke fastlåst. Den avhenger av hvor bevisst du investerer i å utvikle dem. Spørsmålet er om du er villig til å gjøre jobben mens alle andre skaper overskrifter.
