Ekspert på organisatorisk endring og innføring av kunstig intelligens understreker nødvendigheten av å integrere KI med en mennesket først-tilnærming

Jeg var den yngste som noensinne kom inn på medisinstudiet ved University of Wisconsin. Deretter ble jeg lokket av Wall Street og hadde en meteorisk karrierestigning.

Problemet var at jeg underveis utviklet alvorlig avhengighet, ledsaget av depresjon. Jeg brukte et halvt tiår på å hoppe mellom doktorgradsprogrammer og spille bridge profesjonelt, samtidig som jeg i praksis var hjemløs.

Da jeg var 32, ryddet jeg opp i livet mitt, begynte i PwC og bidro til å utvikle deres metode for organisatorisk transformasjon og endring. Deretter hoppet jeg av igjen og startet mitt eget firma. Det er nå inne i sitt 25. år, selv om jeg solgte det for et tiår siden.

Siden da har jeg vært konsulent, professor, hovedtaler og forfatter av ni bøker. Hva sier de? «Livet begynner ved femti ...»

To av bøkene mine ble fulltreffere, eller «siksere», som vi sier i cricket. Vitenskapen om organisatorisk endring ble rangert som en av tidenes fem beste bøker om endringsledelse. Og Å ta i bruk AI ble omtalt som den beste AI-boken i 2025 – ikke, må jeg skynde meg å legge til, av New York Times, men på LinkedIn, noe som betyr 1 000 ganger mindre.

Jeg antar at hvis det finnes en velsignelse i alt dette kaoset, er det at jeg ser vår nåværende situasjon fra flere perspektiver. Du kan si: «Mange talenter, ingen mester,» men mer velvillig kan du si at jeg har et «helhetlig perspektiv».

Hvorfor denne eksperten på organisatorisk endring tok et standpunkt

Jeg får personlig et OMFG-øyeblikk om AI minst én gang i uken. Jeg opplever en barnlig undring med hvert nye verktøy, nye perspektiv og nye gjennombrudd innen modeller.

Men tidlig i 2025 var jeg i stor grad usikker på AI. Det har et fantastisk potensial for menneskeheten, men etisk sett er det fullt av utfordringer. Men noe endret seg. Jeg er ikke sikker på om jeg drakk for mye av Sam Altmans Kool-Aid, eller om jeg bare føler potensialet mer intenst, men jeg gikk dypt inn i AI – og bygde til og med LLM-er på hjemmemaskinen min.

Og akkurat nå prøver jeg å forene min omfattende troverdighet innen organisasjonsendring og ledelse med AI-verdenen.

Hvordan AI gir produktivitet og læring et kraftig løft

Jeg har aldri, aldri vært mer begeistret. Jeg har heller aldri vært så produktiv.

AI-tjenesten til å lage presentasjoner har for eksempel endret alt for meg. Det kan virke ubetydelig, til og med trivielt. Men som ledelseskonsulent i 35 år har jeg laget hundrevis av presentasjoner, og hver av dem tok en uke. Det er flere år av livet mitt som har gått med til å lage PowerPoint-presentasjoner.

Så oppdaget jeg Gamma. Jeg kan lage noe i verdensklasse på én dag.

Jeg lærer også raskere enn noen gang. For å lære et emne godt må du sannsynligvis lese 20 bøker eller 50 akademiske artikler. NotebookLM gjør kort prosess med det. I løpet av sekunder kan du få et tankekart basert på data fra 50 kilder.

Et eksempel: Nylig oppdaget jeg en MIT-artikkel om noe som kalles rekursive språkmodeller. Den var tettpakket og dyptpløyende. Mye av den var teknisk sett utenfor min rekkevidde, men jeg forsto akkurat nok til å tenke: «Wow, dette er viktig.» Så lastet jeg den opp i Gemini og spurte: «Har dette betydning? Gi meg sammendraget på to sider.» Deretter spurte jeg om jeg kunne bygge en på hjemmedatamaskinen min, og hvor lang tid det ville ta. To timer senere hadde jeg en mini-LLM kjørende i stuen.

Det endrer ting. Denne teknologien demokratiserer og frigjør.

Hvorfor organisasjoner må fokusere på mer enn effektivitetsgevinster

Når det er sagt, kan vi ikke være for ensidig opptatt av produktivitetsgevinstene ved AI. Det tilsvarer å be Einstein om å brette klesvask.

Jeg er skyldig i det selv. Da jeg først brukte AI i min egen virksomhet, var det utelukkende for å øke effektiviteten. Jeg ville spare 10-20 timer med kjedelig arbeid i uken. Men å gjøre det samme arbeidet raskere er svært begrensende.

Vi må fokusere på nye muligheter. Jeg burde ha spurt: «Hva gjør dette mulig for meg som jeg ikke kunne gjøre før?»

Dette er avgjørende for Fortune 500-selskaper.

Hvorfor ledelsesrammeverk må utvikle seg for AI-æraen

AI endrer ikke lederskap, og det er et problem.

Det vanligste ledelsesrammeverket er transformasjonsledelse. Det stammer fra 70-tallet. Gamle ledelsesparadigmer ble utviklet for en forutsigbarhet som ikke lenger finnes.

Vi må gå over til rammeverket for adaptivt lederskap. Det anerkjenner endringstempoet, men også det fremvoksende laget av AI-adopsjon. For vi vet ikke hvordan «ferdig» ser ut. Vi kan ikke enkelt forutsi hvilken form pilotprosjekter vil ta, eller hvor enkelt de vil kunne skaleres.

Hvordan en AI-teknologistakk ser ut for endringsledere

AI-stakken min er alltid i endring, men her er et øyeblikksbilde:

• Descript — Videoredigering
• Granola — Notatskriving
• NotebookLM — Assistent for undersøkelser og skriving
• Gamma — Oppretting av PowerPoint-presentasjoner
• Claude — Generelle formål
• ChatGPT — Generelle formål
• Gemini — Generelle formål
• Obsidian — Notater
• Leonardo —&nbsp>Bildeoppretting
• Ollama — Automatisering
• VSCode — Programmering
• Hugging Face — Oppbygging av fellesskap
• LangChain
• PostgresSQL

Som jeg nevnte ovenfor, var særlig Gamma og NotebookLM banebrytende for meg.

Hvorfor ulike paradigmer for AI-adopsjon vil forme organisasjonskulturen

Det finnes flere paradigmer for AI-adopsjon.

Akkurat nå pålegger Accenture AI-innlogginger — etter manges mening et tvangspreget og lite nyansert virkemiddel. Walmart bruker derimot en «trekk»-tilnærming og tilbyr gratis tilgang til AI-opplæring for alle.

Spørsmålet for Accenture er om det å tvinge folk vil skade kreativiteten og den psykologiske tryggheten. Tiden vil vise.

Hvorfor en mennesketilnærmet AI-adopsjon fremmer tillit, kompetanse og avkastning på investeringen

Noe sånt som 88 % av organisasjonene prøver å ta i bruk AI, men færre enn 30 % tjener penger på det. Tallene er forferdelige.

Det er ikke overraskende. Som en som har stått på den menneskelige siden av teknologiadopsjon i tre tiår, vet jeg at gapet mellom «skinnende ny teknologi» og nytteverdi tar flere år å bygge bro over.

Hindringene er organisatoriske. Siloer, kultur, tankesett, ferdigheter og så videre. Folk er redde for det. Hvis du prøver å presse inn en teknologi med dette som utgangspunkt, ønsker jeg deg lykke til.

Min greie, og et konsept jeg har skapt, er «mennesketilnærmet adopsjon». Det er både et moralsk standpunkt og en taktisk tilnærming. Hypotesen min, som brukes av to Fortune 500-selskaper, er at hvis du først gir folk myndighet og utvikler bruksområder som støtter menneskelig utfoldelse, vil frykten og mistilliten deres bli borte. De vil raskt ta i bruk teknologi som forbedrer livene deres.

Deretter, når flyt, tillit, kompetanse og ferdigheter er etablert, kan du satse hardt på avkastning på investeringen.

Hvordan AI-kompetanse ser ut i praksis

Det finnes fem dimensjoner i min forskningsbaserte modell for AI-kompetanse. Her er hovedtrekkene:

1. Begreper: En overflatisk forståelse av hva som ligger under panseret på AI
2. Ferdigheter: Å vite hvordan man lager gode instruksjoner og senere bygger
3. Etikk: Et enormt område, og ingen bør navigere i blinde her
4. Samfunnsforståelse: Hvordan AI påvirker nyheter, politikk, foreldreskap og skoler
5. Kritisk tenkning: Den er smartere enn deg, men også mye dummere noen ganger. Kritisk tenkning med AI blir sjelden undervist, og de fleste er dårlige på det.

Alle disse områdene må læres bort hvis du ønsker reell AI-kompetanse i organisasjonen din.

Hvorfor suksess kan bli en hindring for AI-læring

Her er mitt syn på lederskap akkurat nå: Ingen kan holde tritt, men de må prøve.

AI er det mest komplekse temaet i menneskehetens historie, fra modeller og algoritmer til enorme omveltende krefter i virksomheter, økonomier og geopolitiske strømninger.

Det mest skremmende kommer imidlertid fra en historie. Tilbake i 1995 ble jeg tilkalt for å etterforske et derivatbedrageri – en bagatell etter dagens målestokk, $100M. Jeg var der for å avhøre en opsjonshandler. Ettersom jeg kom fra den verdenen, forsto jeg gamma, theta og smilekurver.

Det som forbløffet meg, var at ingen i banken – verken administrerende direktør, finansdirektøren eller risikoansvarlig – hadde peiling på hva denne fyren snakket om. De hadde milliarder i risiko på balansen, og ingen peiling på derivater.

KI er langt mer komplisert, og toppledelsene famler i blinde. Det skremmer vettet av meg. Uvitenhet på toppen er farlig.

Men hvem har tid? Jeg kjørte et program for en gruppe ledere og spurte: «Hvor mye formell utdanning tok dere i fjor?» Tre dager, totalt. Mellom tolv personer. Det holder rett og slett ikke.

Ledere må sette av tid til læring. De må også kvitte seg med den automatiske holdningen: «Hvis jeg ikke kjenner til det, kan det ikke være så viktig.» For øyeblikket er nemlig makten og suksessen deres fiender av læring.

Hvorfor ledere må sette av tid til å prøve seg frem

Nå mer enn noen gang må ledere oppdatere kompetansen sin. De må bli KI-kompetente.

Det er fullstendig hyklersk å ha et KI-opplæringsprogram for de ansatte uten også å oppdatere sin egen kompetanse.

Jeg regner med at de fleste ledere ville være enige i dette. Men nesten ingen kommer til å gjøre det. De jobber allerede 60 timer i uken. De trenger støtte. De trenger strukturerte programmer. Og de trenger tid til å prøve seg frem – kanskje en time eller to i uken, som et minimum.

Det er ikke valgfritt å prøve seg frem. Bøkene er ikke skrevet ennå, og selv om de var det, kan du ikke lære disse ferdighetene fra en bok.

Følg med

Du kan følge arbeidet til Paul Gibbons på LinkedIn, YouTube og Substack. Ta også en titt på Paul Gibbons Advisory.

Det kommer flere ekspertintervjuer på People Managing People.