Fra årlige vurderinger til kontinuerlig AI-assistert veiledning: Et praktisk migrasjonsrammeverk

Gartner klassifiserer nå kunstig intelligens i virksomheter som å befinne seg midt i «desillusjonens dal» i 2026, en betegnelse som samsvarer med det CHRO-er opplever i praksis: verktøy som fungerer godt i demonstrasjoner, akseptabelt i piloter og stopper opp når de skal tas i bruk i hele virksomheten.

Området for resultatstyring er spesielt sårbart for dette mønsteret fordi prosessen det forsøker å forbedre, den årlige medarbeidersamtalen, i seg selv er dypt forankret. Å kjøpe et verktøy som lover å gjøre tilbakemeldinger om til en kontinuerlig, AI-assistert coachingprosess, høres overbevisende ut på en leverandørpresentasjon. 

I praksis krever det en fullstendig omstilling av hvordan ledere bruker tiden sin, hvordan beslutninger om lønn og forfremmelse tas, og hvordan medarbeidere opplever ansvarliggjøring. De fleste organisasjoner hopper over denne omstillingen og forventer at programvaren skal bære hele byrden.

Det som følger, er et praktisk rammeverk for overgangen, bygget rundt områdene der implementeringer faktisk bryter sammen:

• Revisjonen før overgangen som de fleste organisasjoner hopper over
• Hvordan lederens arbeidsflyt må se ut på den andre siden
• Overleveringsarkitekturen som hindrer coachingverktøy i å bli overvåkingsverktøy
• De fem tilbakevendende feilmodusene og en realistisk tidslinje for overgangen.

Revisjonen

Før et AI-verktøy konfigureres, må tre spørsmål besvares ærlig.

Data

Det første handler om data. Kontinuerlig AI-assistert coaching avhenger av en jevn strøm av strukturerte inndata, blant annet:

• Dokumenterte 1:1-notater
• Prosjektmilepæler
• Registrerte tilbakemeldinger fra kolleger
• Oppdateringer av måloppfølging.

Hvis ledere ikke allerede oppretter disse dataene på en konsekvent måte, har den kunstige intelligensen ingenting meningsfylt å analysere. Søppel inn, støy ut.

Lederkompetanse

Det andre spørsmålet handler om lederkompetanse. Et AI-system som fanger opp et signal på manglende engasjement og foreslår et coachingtiltak, er bare nyttig hvis lederen som mottar signalet, vet hvordan det skal følges opp.

Hvis lederne dine nå har problemer med direkte tilbakemeldingssamtaler, vil det ikke løse problemet å legge til en maskinelt generert oppfordring. Det vil synliggjøre gapet raskere, noe som kan være nyttig, men bare hvis organisasjonen har en plan for å lukke det.

Prosess

Det tredje spørsmålet handler om prosessarkitektur. Har det nåværende systemet for resultatstyring tydelige eskaleringsveier? Når går et mønster med mangelfulle arbeidsprestasjoner fra å være lederens ansvar til å bli HRs ansvar? Hvem avgjør når et coachingtiltak blir til en forbedringsplan for arbeidsprestasjoner?

Disse overleveringspunktene må finnes før den kunstige intelligensen begynner å flagge problemer i stor skala, fordi mengden flagg vil synliggjøre enhver uklarhet i den nåværende prosessen i løpet av få uker.

De fleste organisasjoner gjør dette bakvendt. De implementerer verktøyet først og lurer deretter på hvorfor bruken halter. Den smartere veien begynner med en definisjon. Hvordan ser god lederatferd ut i en kultur med kontinuerlige tilbakemeldinger? Først da bør man spørre om verktøyet faktisk støtter dette. Hvis du hopper over det steget, har du ikke endret lederens jobb. Du har bare gitt dem enda et dashbord de kan ignorere.

Share This Quote on:

• Share on Twitter
• Share on LinkedIn
• Share on Facebook

Matt Poepsel, PhDOpens new window

Visepresident for talentoptimalisering hos The Predictive Index

Et nyttig perspektiv kommer fra den bredere forskningen på AI-implementering. En rapport fra World Economic Forum, publisert tidligere i år, fant at færre enn én av fem organisasjoner rapporterte høy modenhet på noe område innen dataklargjøring, og 72 % av virksomhetslederne sa at datagrunnlag og datapipelines ville være deres raskest voksende område for AI-investeringer.

I sammenheng med prestasjonsstyring er grunnarbeidet revisjonen: å kartlegge datalandskapet, vurdere lederne og dokumentere prosessarkitekturen før verktøyet slås på.

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

Slik ser en leders uke ut etter migreringen

Den vanligste svakheten ved innhold om kontinuerlige tilbakemeldinger er at det forblir på et konseptuelt nivå.

«Gå over til løpende veiledningssamtaler» er en instruks som ikke forteller en leder noe om tirsdagen. Migreringsrammeverket må være konkret nok til at en HR-direktør kan beskrive, med ord en førstelinjeleder vil kjenne seg igjen i, hva som endrer seg i den ukentlige rytmen deres.

I en moden implementering genererer AI-plattformen et løpende sammendrag av aktiviteten til hver direkte medarbeider, basert på data fra prosjektstyring, oppføringer med tilbakemeldinger fra kolleger og dokumenterte notater fra én-til-én-samtaler.

Mandag

Mandagen begynner vanligvis med at lederen bruker 15–20 minutter på å prioritere disse sammendragene. Systemet har flagget en kort liste over veiledningsøyeblikk, kanskje fem til sju i et team med åtte til ti direkte medarbeidere, rangert etter hvor presserende de er og hvor tydelige mønstrene er.

Lederens oppgave er å filtrere listen. Noen av markeringene er støy. En nedgang i samarbeidsmålinger kan gjenspeile en prosjektfase som krever konsentrert arbeid, ikke manglende engasjement. Det vet ikke AI-en. Det vet lederen.

Det er i dette filtreringssteget at menneskelig dømmekraft fortsatt er avgjørende, og her implementeringer som posisjonerer AI som en erstatning for lederens vurderingsevne, i stedet for som støtte for den, har en tendens til å bryte sammen.

Tirsdag–fredag

Gjennom uken gjennomfører lederen én-til-én-samtaler. I en tradisjonell modell er disse møtene ofte ustrukturerte innsjekker, drevet av det som ligger øverst i tankene der og da.

I den migrerte modellen har AI forhåndslastet en veiledningsagenda for hver direkte medarbeider og synliggjør mønstre lederen kanskje ikke ville ha lagt merke til: et teammedlem som har fått anerkjennelse fra kolleger tre ganger denne måneden, men ingen tilbakemeldinger på områder som kan utvikles, eller noen hvis måloppnåelse falt kraftig i løpet av de to siste sprintene.

Den avgjørende forskjellen fra den gamle modellen er ikke hvor ofte samtalene finner sted. Mange ledere gjennomførte allerede ukentlige én-til-én-samtaler. Forskjellen ligger i kvaliteten på forberedelsene. AI gjør aggregerings- og mønstergjenkjenningsarbeidet som en leder enten utførte dårlig, fordi datamengden oversteg det et menneske kan følge med på for et helt team, eller ikke utførte i det hele tatt.

Men innføringen av denne nye rytmen er ujevn på måter de fleste organisasjoner ikke klarer å forutse. Ifølge Poepsel er lederne som faktisk engasjerer seg i kontinuerlig AI-generert innsikt, ofte de som allerede hadde veiledningsvaner før verktøyet kom.

AI forsterket ganske enkelt det som allerede var der,» sa han. «For resten landet verktøyet i et atferdsmessig tomrom.

Han trakk frem atferdsprofil som en faktor organisasjoner rutinemessig overser: resultatorienterte ledere har en tendens til å oppfatte verktøyet som støy, mens menneskeorienterte ledere har større sannsynlighet for å integrere det i sin eksisterende tilnærming.

«Hvis du ikke tar hensyn til atferdsprofil i adopsjonsstrategien din, utformer du den for én type leder og lurer på hvorfor de andre ikke blir med,» sa han.

Data fra Happily.ai, som analyserte 633 ledere i 60 organisasjoner, tyder på at mønsteret går dypere enn veiledningsstil. Selskapet fant at ansiennitet nesten ikke hadde noen sammenheng med teamengasjement, noe som betyr at en leder som ble ansatt for tre måneder siden og møter opp konsekvent, vil prestere bedre enn en ti år erfaren leder som ikke gjør det.

Den nederste kvartilen av lederne i datasettet deres presterte ikke gradvis dårligere. Engasjementsskårene for teamene deres var null. Konsekvensen for en overgang til kontinuerlige tilbakemeldinger er at teknologien kan være klar fra dag én, men variasjonen i ledernes atferd vil avgjøre om den produserer innsikt eller stillhet.

Når det er sagt, blir tidsinvesteringen omfordelt snarere enn borte. Ledere bruker mindre tid på skippertak med årsavslutningsvurderinger. Et ofte sitert mål blant tidlige brukere er en reduksjon på 20 % i den totale tiden som brukes på administrativt arbeid knyttet til vurderinger, omfordelt gjennom året til kortere og mer fokuserte oppfølgingssamtaler.

Det totale antallet timer går ikke nødvendigvis ned. Timene blir mer produktive.

Overleveringen på tre nivåer

En av de raskeste måtene å mislykkes med en KI-assistert implementering av coaching på er å viske ut forskjellen mellom innsikt og tilsyn.

Ansatte som oppdager at KI sporer samarbeidsmønstrene deres, svartid på e-post eller møtedeltakelse uten kontekst, vil tolke systemet som overvåking. Og de vil ikke ta feil, med mindre organisasjonen har etablert tydelige grenser for hva som spores, hvem som ser hva, og når et varsel eskaleres utover lederen.

Organisasjonene som får dette til, har en tendens til å operere etter en modell på tre nivåer.

Ledernivå

Nivå én er ledernivået. KI-en viser coachingoppfordringer, oppsummeringer av mønstre og utviklingsanbefalinger direkte til lederen. Disse dataene er ment for lederens bruk i coachingsamtaler. De deles ikke automatisk oppover i organisasjonen.

HRBP-nivå

Når et mønster vedvarer over en fastsatt periode, for eksempel 60 til 90 dager med fallende resultatmålinger eller gjentatte varsler som lederen ikke har fulgt opp, eskalerer systemet til HRBP-en. Eskaleringen utløser en samtale mellom HRBP-en og lederen, ikke en gjennomgang av den ansattes data av HR uten kontekst fra lederen.

Organisasjonsnivå

Samlede, anonymiserte data flyter oppover for bemanningsplanlegging. Ledelsen ser trender på tvers av team og avdelinger, mønstre for risiko for frafall og utvikling i engasjement. De ser ikke individuelle oversikter over ansatte.

Transparens er like viktig som arkitekturen. Ansatte må vite hva som spores, hvordan det brukes, og hva de kan se om seg selv. Implementeringene som vil unngå motstand, gir ansatte tilgang til sine egne KI-genererte oppsummeringer. Dette skaper et felles utgangspunkt for coachingsamtaler i stedet for et enveis overvåkingsverktøy.

En del av grunnen til at innføringen møter utfordringer på tvers av bransjer, er at mislykket innføring ofte skyldes ansattes bekymring for relevans, identitet og jobbsikkerhet, ikke tekniske begrensninger.

I prestasjonsstyring blir denne bekymringen forsterket fordi dataene KI-en behandler, er personlige. Hvordan noen møter opp på jobb, hvordan de samarbeider, og hvordan de presterer. Hvis ansatte føler at dataene brukes mot dem i stedet for til deres fordel, stopper innføringen opp uavhengig av verktøyets tekniske kapasitet.

Fem former for mislykket innføring – og hvordan de faktisk ser ut

Forskningen på mislykkede KI-prosjekter, kombinert med erfaringer fra tidlige brukere innen prestasjonsstyring spesielt, peker på fem tilbakevendende mønstre for sammenbrudd. Det er verdt å beskrive dem i detalj fordi det meste av leverandørsponset innhold om kontinuerlige tilbakemeldinger aldri nevner dem, og fordi de viser hvor den reelle operative læringen ligger.

Problemet med å legge det oppå det eksisterende

Organisasjonen kjøper KI-verktøyet, men avskaffer ikke den årlige vurderingen. Begge systemene kjører parallelt. Ledere faller tilbake på det kjente.

Det nye KI-systemet blir liggende ubrukt, og når fornyelsen kommer, viser dataene lav bruk og uklar avkastning på investeringen.

Hvis dere går over til kontinuerlig coaching, må den årlige vurderingsprosessen avvikles, ikke suppleres. Organisasjoner som prøver å kjøre begge deler, vil se at den årlige syklusen vinner hver gang, fordi den har institusjonell tyngde og er knyttet til kompensasjonsbeslutninger på måter det nye systemet ennå ikke har opparbeidet tillit til å erstatte.

Støyproblemet

KI-en varsler om alt. Ledere mottar 10 til 15 varsler per dag, klarer ikke å skille signal fra støy og begynner å ignorere systemet fullstendig. Den underliggende årsaken er vanligvis dårlig konfigurering av terskelverdier under oppsettet.

Plattformen må finjusteres slik at lederne ser tre til fem handlingsrettede coachingøyeblikk per uke, ikke per dag.

Støy undergraver tillit

“Du opparbeider deg den tilliten sakte, med noen få treff av høy kvalitet. Du mister den raskt, med én betydelig feil. De fleste plattformer oversvømmer ledere med innsikt før de har rukket å bygge opp denne tilliten. Implementeringer som starter med løse filtre og planlegger å stramme dem inn senere, kommer sjelden tilbake på rett spor, fordi tillitsskaden som følge av for mye støy er vanskelig å reversere.”

Tillitsgapet

Ledere mottar en KI-generert veiledningsoppfordring og tror ikke på den. Kanskje systemet har flagget manglende engasjement hos en medarbeider som lederen anser som en topprestasjon.

I stedet for å undersøke avviket avviser lederen KI-en. Poepsel beskrev en vanlig variant av dette: KI-en flagger manglende engasjement basert på atferdssignaler som kommunikasjonsfrekvens eller deltakelse i møter, men overser hele konteksten.

Noen er stille fordi de jobber konsentrert. Eller de går gjennom noe personlig," sa han. "Lederen handler på grunnlag av flagget av pliktfølelse, gjennomfører en vanskelig oppfølgingssamtale, og medarbeideren føler seg overvåket i stedet for støttet. Det øyeblikket med manglende samsvar skader ikke bare relasjonen. Det skader også lederens tillit til verktøyet.

Løsningen er åpenhet om hvordan KI-en utarbeider vurderingene sine, hvilke data den bygger på, og hva den kjente feilraten er. Å dele andelen falske positive resultater åpent med ledere, i stedet for å markedsføre verktøyets nøyaktighet, bygger den typen kalibrerte tillit som opprettholder bruken.

Motreaksjonen mot overvåking

Dette ble tatt opp i delen om overlevering, men det er verdt å trekke frem som en selvstendig feilmåte. Det kan skje selv når organisasjonen har gode hensikter og en fornuftig dataarkitektur, dersom kommunikasjonen med medarbeiderne er dårlig.

Utløseren er nesten alltid oppdagelse snarere enn informasjon: at medarbeidere finner ut hva som spores, i stedet for å få vite det på forhånd.

More Articles

• Premiumlønn for KI-ferdigheter: Hvorfor høyere lønn for KI-kompetanse kan slå tilbake
• 9 selskaper med de beste metodene for resultatstyring

Problemet med datakvalitet

KI-en analyserer ufullstendige oppføringer. Halvparten av lederne i organisasjonen dokumenterer 1:1-samtalene sine. Den andre halvparten gjør det ikke. Tilbakemeldinger fra kolleger forekommer sporadisk. Måloppfølgingen er ujevn på tvers av team. KI-en genererer innsikt med svært varierende kvalitet, noe som svekker tilliten til systemets resultater i hele organisasjonen.

Dette er revisjonsproblemet fra del én som viser seg i stor skala, og det er grunnen til at trinnet med å kvalitetssikre dataene før migrering ikke kan forhandles bort.

Å ta beslutninger om lønn og forfremmelse uten årlige vurderinger

Dette er spørsmålet som gjør økonomidirektører og lønnskomiteer nervøse, og det er spørsmålet det meste av innholdet om kontinuerlige tilbakemeldinger unngår. Hvis du avvikler den årlige vurderingen, hvordan tar du beslutninger om forfremmelse og lønn?

Det korte svaret er at du erstatter én avgjørelse med høy innsats med en rekke dokumenterte vurderinger med lavere innsats, samlet over tid.

I et migrert system opprettholder KI-en en løpende oversikt over prestasjoner som samler veiledningssamtaler, data om måloppnåelse, anerkjennelse fra kolleger og ledervurderinger som er lagt inn gjennom året.

Når et kvartalsvis eller halvårlig beslutningstidspunkt kommer, har lederen og HR-partneren et bredere, mer oppdatert og mer detaljert evidensgrunnlag enn noe en retrospektiv årlig vurdering kunne ha frembrakt.

Det lengre svaret er at dette krever en grunnleggende redesign av kalibreringsprosessen. Årlige kalibreringsmøter, der ledere argumenterer for teammedlemmenes vurderinger opp mot en tvungen fordelingskurve, er laget for en verden der prestasjonsdataene er begrensede og subjektive.

I en kontinuerlig modell går kalibreringssamtalen fra å diskutere vurderinger til å gjennomgå utviklingsbaner. Utvikler denne personen seg i riktig retning? Har utviklingstakten endret seg? Hvor er gapene mellom den dokumenterte prestasjonen og lønnsnivået?

Poepsel ser dette som den uløste spenningen i sentrum av samtalen om kontinuerlige tilbakemeldinger.

De fleste organisasjoner har ikke erstattet den årlige vurderingen. De har lagt kontinuerlige tilbakemeldinger oppå den. De driver to systemer og kaller det en transformasjon," sa han. "KI-en bør informere menneskelig skjønn ved å synliggjøre mønstre, identifisere utviklingsbaner og flagge uoverensstemmelser mellom ledernes vurderinger. Men et menneske må fortsatt ta beslutningen. Når organisasjoner later som noe annet, fjerner de ikke skjevheter. De tilslører ansvaret.

Det ofte siterte funnet fra Gallup om at medarbeidere som får ukentlige tilbakemeldinger, har 2,7 ganger større sannsynlighet for å være engasjert, blir ofte trukket frem som en grunn til å gå over til kontinuerlige tilbakemeldinger. Men engasjement alene løser ikke lønnsproblemet.

Det operative spørsmålet er om kontinuerlige data faktisk fører til bedre beslutninger om forfremmelse og lønn. Tidlige bevis fra organisasjoner som har gjennomført hele migreringen, tyder på at svaret er ja, men med et forbehold: Datakvaliteten avhenger helt av om lederne har brukt systemet konsekvent gjennom hele året.

I organisasjoner med ujevn implementering er de løpende dataene faktisk verre enn det gamle systemet, fordi de skaper en illusjon av grundighet støttet av ufullstendige inndata.

En realistisk tidsplan for migreringen

Basert på feilmønstrene som er dokumentert ovenfor, og erfaringene fra organisasjoner som har gjennomført denne migreringen, ser rekkefølgen omtrent slik ut.

Måned 1–3 er revisjonsfasen. Kartlegg datalandskapet. Vurder hvor klare lederne er. Dokumenter den nåværende arkitekturen for eskalering og beslutningstaking.

Denne fasen er lite glamorøs og gir ingen synlige resultater, og derfor blir den ofte hoppet over. Organisasjoner som hopper over den, oppdager gjerne at de er tilbake på dette stadiet ni måneder senere, etter å ha brukt opp både troverdigheten sin og den første fornyelsesperioden i prosessen.

Måned 4–6 handler om redesign av prosessene. Det er her arbeidsflyten for lederne bygges opp på nytt. Hvordan ser den ukentlige rytmen ut? Hva er rutinene for overlevering? Hvordan skal kalibreringen fungere? Hvem ser hvilke data?

Disse spørsmålene besvares før en leverandør velges, fordi svarene bestemmer kravene.

Måned 7–9 er pilotfasen. En gruppe ledere kjører den nye prosessen med den valgte plattformen. Målet med piloten er ikke å bevise at systemet fungerer, men å dokumentere hvor det bryter sammen.

Hver feilmodus, hver omgåelse og hvert forvirringspunkt blir katalogisert. Implementeringer som bruker piloten til å lage en suksesshistorie i stedet for en feilkatalog, optimaliserer for feil resultat.

Måned 10–12 handler om justering og bredere utrulling. Protokollene revideres basert på det piloten avdekket. Utrullingen utvides, med realistiske forventninger etablert for organisasjonen.

De fleste implementeringer når 60–70 % av målet for implementering innen utgangen av det første året. Full modenhet, der systemet er den primære mekanismen for resultatstyring snarere enn et supplement til eldre prosesser, tar 18 til 24 måneder.

En ærlig vurdering fra folk jeg snakker med, er at de fleste organisasjoner vil ende opp med rundt 60 % av verdien de forventet av denne migreringen. Det er fortsatt verdt det, hvis målerammeverket er kalibrert etter virkeligheten.

Tiden lederne bruker på administrativt gjennomgangsarbeid, går ned. Kvaliteten på tilbakemeldingene, målt etter spesifisitet og aktualitet, går opp. De ansattes klarhet rundt hvor de står, blir bedre. Men ingenting av dette skjer på 90 dager, og ingenting av det skjer ved å legge et verktøy til en prosess som ikke var utformet for å støtte det.

Gartners John-David Lovelock sa tidligere i år at AI oftest vil bli solgt til virksomheter av deres eksisterende programvareleverandør, i stedet for å bli kjøpt som en del av et nytt prosjekt, fordi forutsigbarheten i avkastningen på investeringen må forbedres før organisasjoner vil satse på transformasjonsrettede bruksområder.

Resultatstyring er en test av denne tesen. Verktøyet er ikke transformasjonen. Det er redesignen av prosessen som er det. Verktøyet er det som gjør den redesignede prosessen skalerbar. Og organisasjonene som fortsatt behandler dette som en innkjøpsbeslutning, bygger på det samme fundamentet som skapte et system nesten ingen tror på.