En leder innen talent og transformasjon om hvordan KI i det stille redesigner organisasjoner – ledere må ta igjen forspranget
Ravin Jesuthasans karriere har vært rettet mot talent og transformasjon. Han leder for tiden Mercers globale rådgivningsvirksomhet innen transformasjon og har skrevet seks bøker om arbeidslivets fremtid.
Ravin Jesuthasan
Seniorpartner og global leder for transformasjonstjenester i Mercer
Redesign arbeidet før KI tas i bruk: Avkastningen på KI-investeringer kommer ikke fra verktøyene alene. Ledere må først tenke gjennom jobber, prosesser og kompetansearkitekturer på nytt ved å ta utgangspunkt i ønsket resultat og arbeide bakover – ellers stopper innføringen opp og verdien går tapt.
Organisasjoner går fra jobber til flyt: KI akselererer overgangen fra faste, jobb-baserte modeller til fleksible modeller og flytmodeller, der arbeidet utføres gjennom prosjekter, oppdrag, økosystemer og KI-agenter i stedet for statiske roller.
KI-kompetanse er et lederansvar: Vellykket innføring av KI krever at ledere går foran som gode eksempler i den daglige bruken av KI, bygger kompetanse i hele arbeidsstyrken og aktivt styrer hvordan KI brukes – ikke bare gjør tilgangen demokratisk.
Vi satte oss ned med Ravin for å forstå hvordan AI endrer organisasjonsstrukturen, og hvordan ledere må gå frem ved implementering av AI for å lykkes. Her er det han fortalte oss.
En karriere innen virksomhet og talent
Jeg leder Mercers globale virksomhet innen transformasjonsrådgivning. Før det ledet jeg all innovasjon og talentstyring i det som nå er Willis Towers Watson. Før det var jeg konsulent i strategipraksisen hos Accenture.
Jeg sitter også i flere styringskomiteer i World Economic Forum. Jeg er medlem av fagstaben ved Kellogg School of Management ved Northwestern, hvor jeg også er lederstipendiat. Og jeg er forfatter av seks bøker og et par hundre artikler om fremtidens arbeidsliv og AIs innvirkning på arbeid og organisasjoner.
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
Hvordan AI endrer arbeidsmodeller fra «fast» til «flyt»
Jeg ser at lederskap endrer seg ganske dramatisk i en AI-først-verden, og ikke bare i lederrollen jeg har, men også i arbeidet jeg gjør med kundene mine.
Mer spesifikt ser jeg at ledere må samordne et langt bredere og mer distribuert økosystem av alternativer for å få arbeidet gjort og gjennomføre strategiene sine — enten det gjelder ansatte som er en del av organisasjonen, AI som de har utviklet internt, AI som de har anskaffet, kapasitetene til en alliansepartner eller ferdighetene til en oppdragstaker.
Alle disse kapasitetene kommer i spill i en AI-forsterket verden etter hvert som arbeidstempoet øker og AI skaper behov for nye ferdigheter. Og dette erstatter forestillingen om at arbeid er bundet til en jobb, med mer smidige arbeidsmåter.
I min siste bok beskriver jeg tre modeller for å engasjere talenter:
- Den faste modellen: Dette er den tradisjonelle jobb-baserte modellen.
- Den fleksible modellen: Her har folk jobber, men fleksibilitet til å bruke ferdighetene sine innen ulike områder eller tilegne seg nye ferdigheter.
- Flytmodellen: Her kobles talenter til arbeid utelukkende gjennom prosjekter, oppdrag og midlertidige oppdrag.
AI i organisasjonsdesign påvirker nå alle sider ved arbeid og lederskap, så vi ser at virksomheter beveger seg fra faste til fleksible og videre til flytbaserte arbeidsmodeller.
AI påvirker nå alle sider ved arbeid, organisasjoner og lederskap, så vi ser at organisasjoner beveger seg fra faste til fleksible og videre til flytbaserte arbeidsmodeller.
Hvorfor ledere må redesigne arbeidet før de tar i bruk AI
Det finnes en oppfatning om at man kan lede med teknologi og på en eller annen måte magisk få en gevinst, i stedet for å gjøre det krevende arbeidet med å redesigne arbeidet og arbeidsarkitekturen rundt organisasjonen.
Denne misforståelsen er årsaken til de grunnleggende hindringene for å ta i bruk teknologi.
Takket være generativ AI har vi overvunnet det siste leddet-problemet som AI tidligere hadde når teknologien ikke var egnet til formålet. Generativ AI er en teknologi som er utrolig enkel å bruke. Den er samtalebasert og leveres til oss gjennom teknologi vi bruker hver dag. Men det som fortsatt er den mest krevende utfordringen, er arbeidsarkitekturen.
Det er dette ledere i fremtidsrettede organisasjoner arbeider aktivt med. Og med god grunn — det er her de kan hente ut eksponentielle gevinster.
Ledere må være villige til å se forbi at maskiner erstatter mennesker, og faktisk se hele potensialet i et distribuert økosystem.
Fokuser på denne typen spørsmål: «Hvor kan arbeidet potensielt flyttes til et lavere ferdighetsnivå?» Og: «Når arbeid blir erstattet, hvor trenger vi noen med et høyere ferdighetsnivå til å overta arbeidet?»
Her finner du mer om hvordan man redesigner arbeid og utnytter AI-aktivert produktivitet.
Ledere må være villige til å se forbi maskinen som erstatter mennesker, for faktisk å se hele potensialet i et distribuert økosystem.
Et eksempel fra virkeligheten på en «arbeidsorientert» tilnærming
Her er et eksempel fra arbeidet vi gjorde med en av kundene våre. I en avdeling hos en svært stor global finansinstitusjon redesignet vi arbeidet rundt kapasitetene i en ny proprietær teknologiplattform som inkluderte datasyn for datainnhenting, prosessautomatisering, maskinlæring og generativ kunstig intelligens.
Ved å redesigne arbeidet først kunne vi ta oppgaver, flytte dem over på plattformen, erstatte dem og utvide dem med plattformens funksjoner. Og det var ikke slutten på det. Andre deler av arbeidet kunne deretter flyttes fra medarbeidere på høyere nivåer helt ned til nybegynnere. Dette var mulig fordi oppgavene la stor vekt på erfaring, men teknologien reduserte betydningen av disse ferdighetspremiene.
Faktisk kunne vi i noen tilfeller fjerne behovet for visse typer ferdigheter fullstendig. Teknologien erstattet dette arbeidet på begynnernivå.
Vi brukte en «arbeid-baklengs»-tilnærming til å redesigne arbeidet, i stedet for den «teknologifremoverlente» tilnærmingen som så mange organisasjoner prøver å innføre – ofte uten å lykkes. Fordelen med vår tilnærming er at den frigjør og synliggjør ikke bare teknologiens primære effekter, men også de sekundære og tertiære effektene.
Hvorfor en «arbeid-baklengs»-tilnærming forbedrer innføringen av kunstig intelligens
En «arbeid-baklengs»-tilnærming bidrar også til innføringen av kunstig intelligens.
Når man implementerer kunstig intelligens i strategisk planlegging, er det svært enkelt for organisasjoner å spre teknologien og håpe på det beste – spre teknologien og håpe at folk tar den i bruk på en ensartet måte. Men det skjer sjelden.
I stedet må de gjøre det krevende arbeidet med å:
- Redesigne stillinger
- Redesigne prosesser
- Endre kravene til nye medarbeidere
- Sikre disiplinen som teknologien brukes, styres og forvaltes med, slik at bruken og utrullingen blir konsekvent.
Jeg vet, du vet, vi vet alle at endringsledelse er det som får eller ødelegger transformasjoner. Likevel er kunstig intelligens i endringsledelse – og den aktive redesigningen av arbeidet – fortsatt den største hindringen for organisasjoner.
Hvordan økt kompetanse innen kunstig intelligens fremskynder innføringen
Vi har brukt vår egen store språkmodell i nærmere to år nå, og i likhet med mange organisasjoner demokratiserer vi tilgangen.
For å sikre innføring og kompetanse lar lederne våre bruken være et eksempel til etterfølgelse. Vi lærer også opp medarbeiderne i bruk av teknologien. Vi har lært dem å forstå hvordan en hallusinasjon ser ut. Vi har lært dem å validere og kontrollere dataene. Vi har lært dem hvordan riktig bruk av kunstig intelligens i virksomhetens drift ser ut, hva som skal lastes opp og hva som ikke skal lastes opp.
Opplæringen skjer på flere ulike måter:
- KI-baserte simuleringer
- Læring mellom kolleger
- Workshopper
Vi har investert i å få medarbeiderne våre fullt oppdatert, slik at KI i læring og utvikling virkelig er en partner de henvender seg til hver eneste dag for alle arbeidsoppgaver.
Men jeg sier det igjen: Du kan ikke oppnå avkastningen på investeringen fra KI hvis alt du gjør, er å demokratisere tilgangen uten å bevisst redesigne jobbene og prosessene.
Hvordan en intern KI-stakk muliggjør raskere redesign av arbeidet
Som nesten alle andre bedriftsledere er jeg besatt av generativ KI.
Den har gjort det mulig for oss å bygge videre på en arv av prosessautomatisering ved gradvis å forbedre graden av intelligens og arbeidsflytintegrasjon. Og den har hjulpet oss med å utvikle en agentisk kapasitet som virkelig forvandler alle aspekter ved arbeidet vårt.
Vi bruker vår egen LLM til dette, samt et internt verktøy for arbeidsdesign som hjelper kundene våre med å redesigne jobbene og prosessene sine.
Hvordan agentiske arbeidsflyter forvandler talentarbeid, drift og rådgivning
Når vi først snakker om agenter, gjennomsyrer beredskap for agentisk KI alle aspekter ved forretningsmodellen og kulturen vår — fra de operative delene av rådgivningen til talentprosesser og prosessene for økonomistyring.
Agentisk KI skaper muligheter for nye tjenester og tilfører verdi til eksisterende tjenester. Det er virkelig vanskelig å overdrive hvor dramatisk den forvandler strategien og forretningsmodellen vår.
Det interne verktøyet vårt for arbeidsdesign har gjort det mulig for oss å forvandle en seks uker lang rådgivningsprosess til en prosess på seks timer fordelt på tre workshops, som gjør det mulig for oss å hjelpe kundene våre med å redesigne jobbene og prosessene sine for å legge bedre til rette for KI-adopsjon
Verktøyet hjelper oss med å dekonstruere jobber og prosesser, analysere arbeidet og identifisere muligheter for omdisponering, der arbeid kan erstattes eller utvides med ulike typer teknologi (RPA, maskinlæring, generativ KI, agenter, robotteknologi osv.), og rekonstruere nye måter å arbeide på.
Hvorfor ledere må bli KI-kyndige og gå foran
Snart vil team og kunder forvente ekspertise i langt høyere tempo, med et nivå av innsikt og utprøving som er uten sidestykke — og i stadig større grad med utviklingen av digitale tvillinger. Testede, handlingsrettede løsninger må implementeres i løpet av dager og uker i stedet for måneder.
Med KI i lederutvikling kommer du ikke dit med mindre du bruker denne teknologien hver dag. Du kommer ikke dit uten å eksperimentere, uten å prøve.
Viktigst av alt kommer du ikke dit uten å være et forbilde for resten av organisasjonen og gå foran.
Følg med
Du kan følge arbeidet til Ravin Jesuthasan på LinkedIn mens han fortsetter å implementere KI gjennom sin «arbeid-baklengs»-tilnærming.
Flere ekspertintervjuer kommer på People Managing People!
