Den virkelige grunnen til at AI-pilotprosjektene dine stadig mislykkes – og hvordan du får dem på rett spor
De fleste AI-prosjekter mislykkes ikke på grunn av dårlig teknologi. De mislykkes fordi god teknologi møter uforberedte mennesker.
I fjor skapte MIT-forskning overskrifter verden over da de fant ut at 95 % av generativ-AI-piloter ikke leverer målbar avkastning på investeringen. Feilraten har ingenting å gjøre med modellenes kapasitet. Organisasjoner tar i bruk AI-verktøy i rasende fart uten noen styringsstruktur, uten tydelig ansvar for opplæring og uten å kommunisere et klart formål til teamene. I løpet av få uker bryter systemene sammen fordi menneskene ikke var klare.
Folk bruker verktøyene inkonsekvent, noe som fører til at resultatene varierer voldsomt. Kvaliteten faller. Ansatte blir avhengige av systemer de ikke forstår, og kjerneferdighetene deres svekkes. Under press for å levere resultater forkaster de de offisielle verktøyene fullstendig og går over til den personlige AI-løsningen som føles enklest.
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
Dette kjenner vi nå som skygge-AI.
Kostnaden er ikke bare bortkastet utviklingstid. Det handler om produktivitetstap, svekket kvalitet på leveransene, risiko for manglende etterlevelse og strategisk feilretning.
Hvorfor AI-piloter mislykkes
Ledere ser på innføring av AI som en teknologisk implementering, når det egentlig er en organisatorisk transformasjon.
En implementering er en teknologisk utfordring. Du trenger riktige data til verktøyet du velger, må ordne lisenser og tilgang og slå på systemet.
Transformasjon er en menneskelig utfordring. Den påvirker atferd, arbeidsflyter, arbeidsmåter, personlige identiteter og ferdigheter. Arbeidet skjer i måten mennesker tenker, tar beslutninger og samarbeider på, ikke i selve verktøyet.
Jeg tror ikke det er klokt å behandle generativ AI som en teknologisk implementering. Det er egentlig mer en endringsledelsesøvelse, fordi det innebærer å få folk til å tenke annerledes om hvordan de arbeider, og det innebærer at de endrer atferden sin. Til slutt ønsker man at denne atferden skal utvikle seg til vaner.
Når du hopper over transformasjonsarbeidet, får du kaos forkledd som innovasjon.
Presset for å bevege seg raskt er reelt. Alle antar at konkurrentene løper fra dem, så de hopper over det krevende arbeidet med systemdesign og redesign av arbeidsflyter. Noen organisasjoner inntar en lettvint holdning fra toppen, drevet av ønsket om å kutte kostnader, øke effektiviteten eller fremstå som nyskapende.
Resultatet? 42 % av selskapene skrotet AI-initiativene sine i 2025, en kraftig økning fra bare 17 % året før.
De tre kompetansegapene som ødelegger avkastningen på AI-investeringer
Kompetansegapet er ikke ett problem. Det består av tre tydelige kompetansemangler som forsterker hverandre og fører til organisatorisk fiasko.
1. Teknisk dømmekraft for beslutninger om implementering
Teamet ditt må forstå når verktøyet skal brukes, og når det ikke skal brukes. Det er noe annet enn å vite hvordan det brukes.
Altfor ofte mangler folk dømmekraften til å vurdere om AI-resultatet er godt nok, egnet for konteksten eller i det hele tatt besvarer riktig spørsmål. De klarer ikke å skille mellom «verktøyet genererte noe» og «verktøyet genererte noe nyttig».
Dette har ingenting med SQL-ferdigheter eller versjonskontroll å gjøre. Det handler om å utvikle vurderingsevnen som trengs for å ta smarte beslutninger om AI-implementering i virkelige arbeidssituasjoner.
Taylor Blake, SVP of AI Labs i Degreed, peker på et grunnleggende misforhold.
«Forskjellen mellom en AI-demo og AI i praksis kan være enorm. Og du vet egentlig ikke før du får praktisk erfaring og må se og kjenne på disse problemene», sa han.
2. Kvalitetsstandarder og evalueringsrammeverk
De fleste organisasjoner viser folk hvordan verktøyet fungerer. Det får dem bare til å skrape i overflaten.
Det som mangler, er evnen til å vurdere resultater opp mot meningsfulle standarder. Uten tydelige kvalitetsrammeverk faller folk tilbake på «det produserte noe, så jeg bruker det».
Avkastningsgapet er viktig fordi den faktiske avkastningen din kommer fra å gjøre mennesker bedre i arbeidet som skaper størst verdi, ikke fra å produsere mer. I en verden der alle har tilgang til de samme verktøyene, skiller det resultatene fra virksomheter å skape et miljø der mennesker bruker AI strategisk.
3. Kreativ anvendelse og problemløsning
Det meste av opplæringen mislykkes fullstendig her. Den lærer bort funksjoner i stedet for å inspirere til kreativ problemløsning.
Kanskje har noen ingen problemer med å generere markedsføringstekst når de først har en kreativ retning. Men når det gjelder å analysere alternativer og bestemme en retning, står de fast. Det er deres største mulighet – stedet der AI kan endre måten de arbeider på.
Å vise frem ulike funksjoner for å inspirere til kreativ anvendelse hjelper ansatte med å håndtere de mest tidkrevende utfordringene sine. Det er der den virkelige transformasjonen skjer.
Identitetskrisen du ignorerer
Personlig identitet inngår ikke i de fleste planer for innføring av AI. Det burde den.
Når AI begynner å håndtere deler av noens rolle, skaper det dyp usikkerhet og uro. Folk frykter hva som vil skje hvis de ikke tilpasser seg endringer i arbeidsstyrken. Denne frykten kommer til uttrykk på to destruktive måter.
1.) De motsetter seg eller saboterer selskapets AI-arbeid. Ikke åpenlyst, men gjennom passiv manglende bruk, omveier og stille undergraving av offisielle systemer.
2.) De tyr til verktøy som føles enklere å bruke, uavhengig av om verktøyene faktisk dekker virksomhetens behov. Dette skaper problemet med skjult AI: 90 % av arbeidstakerne bruker personlige AI-verktøy som ChatGPT daglig til arbeidsoppgaver, mens bare 40 % av selskapene har offisielle LLM-abonnementer.
Dataene om ansattes uro er oppsiktsvekkende. 65 % av de ansatte er bekymret for at AI skal erstatte jobben deres. Omtrent to tredjedeler er bekymret for at de ikke vet hvordan de skal bruke AI etisk. Denne uroen undergraver innføringen direkte, og opptil 70 % av endringsinitiativer knyttet til AI mislykkes på grunn av motstand fra ansatte eller mangelfull støtte fra ledelsen.
Justin Angsuwat, personaldirektør i Culture Amp, har observert noe kontraintuitivt i organisasjonens innføring av en AI-veileder.
\u0022Noen ganger antar man at de mest senior eller høytpresterende medarbeiderne vil være de første til å ta i bruk og på en måte mestre AI. Men det er en antakelse som ikke alltid viser seg å stemme, fordi det faktisk er ganske vanskelig å avlære måten man har gjort ting på. Hvis du har gjort det samme i 20 år, er en del av identiteten din knyttet til hvordan du kommer frem til svaret.\u0022
Paradokset er brutalt: Folk er samtidig bekymret for å sakke akterut og undergraver aktivt systemene som er utviklet for å hjelpe dem med å lykkes.
Gjør det menneskelige arbeidet først
For en COO eller CHRO som skal til å innføre AI-verktøy, begynner tiltaket med kommunikasjon og å bygge tillit.
De ansatte må forstå hvorfor du gjør det på denne måten, hva de vil få ut av det, og hvordan dette former fremtiden deres – både i selskapet og profesjonelt.
Det er ikke sikkert at de likevel slutter helt opp om det. Men åpenhet skaper grunnlaget for reell innføring.
Angsuwats team fokuserte på å bygge selvtillit før de bekymret seg for perfekt gjennomføring.
«Målet vårt var å styrke de ansattes selvtillit ved bruk av AI, fordi det er ganske vanskelig å måle et aha-øyeblikk», forklarer han. «Det handlet bevisst om å lære, prøve ting og rett og slett sette i gang. Det handlet ikke om å levere et polert resultat, noe som virkelig tok bort presset.»
Det viktige perspektivskiftet er å hjelpe folk med å se på arbeid med AI som en mulighet til å utvikle nye ferdigheter og tenke gjennom hva deres viktigste bidrag egentlig er. Ikke som en trussel mot den nåværende rollen, men som en mulighet til å utvikle seg til noe mer verdifullt.
Men opplæring alene er ikke nok. Angsuwat oppdaget dette på den harde måten.
«Det interessante var at selv da vi gikk gjennom dette seksukersprogrammet, fulgte noen med og gjorde de små ledetekstene. De laget dataspillet sitt, og så gikk de tilbake til den vanlige arbeidsflyten. Da ble de usikre igjen.»
Dette krever at ledelsen gjør det krevende arbeidet på forhånd, før utrullingen, ikke etter at problemene har oppstått.
Cathey understreker behovet for å skape rom for eksperimentering.
«Jeg synes det er veldig viktig at selskaper erkjenner at når det skjer endringer, må folk bremse for å kunne øke farten. Ingen går fra nybegynner til ekspert på én dag. Det krever en prosess, og du må gi folk rom og tid til å eksperimentere på en trygg måte.»
Den blinde sonen for styring
Når ledelsen tar i bruk verktøy uten tydelig eierskap, ansvarsstrukturer eller innsyn i bruksmønstre, skaper dere fritt frem.
De fleste selskaper har ingen oversikt over hvilket arbeid folk faktisk utfører med teknologien, eller hvordan de bruker den. Det er en oppskrift på en styringskrise.
Uten et rammeverk for AI-styring risikerer organisasjoner omdømmeskade som følge av inkonsekvente eller problematiske resultater, tap av kundetillit når kvaliteten svekkes, økonomiske tap på grunn av bortkastede investeringer og omarbeid, samt regulatoriske sanksjoner som følge av manglende etterlevelse.
Den operative faren er umiddelbar. Uten tydelige styringsstrukturer kan du ikke plassere ansvaret når AI-systemer svikter eller fører til negative konsekvenser. Det er avgjørende å etablere ansvar for å håndtere problemer og forbedre systemene over tid.
Kompetansegapet går utover individuelle ferdigheter. Det skyldes et behov for å bygge organisatoriske systemer som gir synlighet, ansvarlighet og kontinuerlig forbedring.
Spørsmålet om $5.5 billioner
Over 90 % av verdens virksomheter vil møte kritisk kompetansemangel innen 2026. De forventede tapene som følge av vedvarende kompetansegap: $5.5 billioner i global markedsutvikling.
Det kan høres teoretisk eller sensasjonelt ut, men 94 % av ledere står overfor kritisk mangel på AI-kompetanse i dag, ifølge Verdens økonomiske forum. Én av tre rapporterer om gap på 40 % eller mer.
Konkurransepresset er reelt, men kappløpet om å ta i bruk løsninger uten å bygge kompetanse skaper et større problem. Organisasjoner som inngår eksterne partnerskap, oppnår en suksessrate for implementering på 67 %, sammenlignet med 33 % for interne utviklinger. Mentaliteten «vi bygger det selv», som fungerte for tradisjonell programvare, saboterer aktivt AI-suksess.
Samtidig rapporterer 75 % av organisasjonene at de enten nærmer seg, er på eller har passert metningspunktet for endringer. Den gjennomsnittlige ansatte opplevde 10 planlagte endringer i virksomheten de siste årene, opp fra bare to i 2016. Mer enn halvparten av IT-ansatte sier at de har fremskyndet utrullingen av AI de siste 24 månedene.
De menneskelige kostnadene ved å gå for raskt forsterker de tekniske feilene.
4 trinn for å hindre at pilotprosjektene mislykkes
Hvis du er COO eller CHRO og skal til å ta i bruk AI, er dette det som må skje før du trykker på knappen. Det er også verdt å vurdere hvordan du kan integrere AI i endringsledelsesprosessen din.
1. Definer transformasjonen, ikke bare utrullingen
Kartlegg hvilke arbeidsprosesser som faktisk vil endres. Identifiser hvilke roller som blir påvirket, og hvordan. Definer hvordan suksess ser ut utover «verktøyet er tatt i bruk», og etabler tydelig eierskap for opplæring, styring og løpende støtte.
2. Bygg kommunikasjonsinfrastrukturen
Forklar hvorfor dere velger akkurat denne tilnærmingen. Forklar hva de ansatte vil oppnå profesjonelt, og ta direkte opp bekymringer knyttet til identitet og uro. Opprett tilbakemeldingssløyfer for å avdekke problemer tidlig.
More Articles
- Går 70-20-10-regelen for AI-transformasjon på tvers av organisasjonsstørrelser?
- Slutten på AI-teateret: Hvorfor nedgangen i utrulling er et tegn på modenhet
- Visepresident for mennesker og organisasjon i en AI-enhjørning sier at HR-ledere må bli arkitektene bak en menneske-maskin-arbeidsstyrke
- Hva mellomstore selskaper lærte om AI-transformasjon i 2025
- KI i forretningsdriften: Gjør fremvoksende teknologi til et strategisk fortrinn for virksomheten
3. De første 30 dagene: skap systemer for kompetansebygging
Gå lenger enn opplæring i «slik fungerer det» til «slik tenker du sammen med det». Hjelp folk med å identifisere problemene med høyest verdi å løse, og etabler kvalitetsstandarder og rammeverk for evaluering. Vis frem kreative bruksområder som inspirerer til strategisk bruk.
Gi folk tillatelse til å ta det roligere i starten. Anerkjenn at atferdsendring tar tid, og at folk trenger rom til å eksperimentere uten frykt for produktivitetssanksjoner.
4. Løpende: etabler styring og synlighet
Følg med på faktiske bruksmønstre og resultater. Opprett ansvarsstrukturer for kvalitet og etterlevelse, og overvåk utviklingen i AI. Bygg mekanismer for tilbakemeldinger for å forbedre systemet. Håndter skjult AI før det blir en krise.
En kritisk realitetssjekk: Bare 15 % av ansatte i USA oppgir at arbeidsplassene deres har kommunisert en tydelig AI-strategi. Hvis teamet ditt ikke kan forklare hvorfor dere gjør dette, og hvordan det gagner dem, ligger dere allerede etter.
Broen du må bygge
Adopsjoner mislykkes fordi organisasjoner tar i bruk verktøy raskere enn de bygger den menneskelige infrastrukturen som trengs for å styre, implementere og utnytte dem effektivt.
Misforholdet i kompetanse er tydelig, og kostnadene kan måles mens konkurransepresset fortsetter å øke. Men løsningen er ikke å bremse innføringen av AI. Den er å utvikle menneskelig kompetanse parallelt. Det betyr å behandle dette som den organisatoriske transformasjonen det faktisk er, ikke som et teknologiprosjekt med en dato for produksjonssetting.
Gjør du dette riktig, gjør du AI til et varig konkurransefortrinn. Hopper du over det menneskelige arbeidet, slutter du deg til de 95 prosentene hvis pilotprosjekter aldri gir ROI, ofte fordi organisasjoner måler AI-ROI feil helt fra starten.
Ledere opptrer som om de velger mellom tempo og beredskap. I virkeligheten velger de mellom bærekraftig transformasjon og kostbar fiasko.
