KI-coachen din får gode omtaler, men ingen resultater
Endring i evidensgrunnlaget: To studier viser at KI-coaching lykkes med strukturerte mål, men ikke klarer å måle seg med menneskebasert utvikling basert på relasjoner.
Oppgavetilpasning: Bruk KI-coaching til øving, refleksjon, forpliktelser og forberedelse – ikke til åpen lederutvikling som krever menneskelig dømmekraft.
Mål endring: Engasjementsstatistikk viser bruk, ikke forbedring. Kjøpere bør kreve validert dokumentasjon på atferdsendring og utviklingsresultater.
Hybridverdi: Den sterkeste implementeringsmodellen supplerer menneskelige coacher, utvider den strukturerte støtten og bevarer personlig oppfølging for komplekse utviklingsbehov.
Hvem trenger mennesker: Ansatte med lav selvtillit og lite håp kan ha minst nytte av roboter uten oppfølging, noe som gjør fordelingen av menneskelig støtte til et lederansvar.
I 2022 publiserte et forskerteam ledet av Nicky Terblanche en randomisert kontrollert studie som ga AI-veiledningsbransjen sitt grunnleggende bevisgrunnlag. En AI-chatbotveileder, testet over ti måneder mot menneskelige veiledere og to kontrollgrupper, hjalp klienter med å nå målene sine omtrent like godt som menneskene gjorde.
Resultatet spredte seg raskt. Det ble brukt som grunnlag for presentasjoner til investorer, produktlanseringer og en kategori av bedriftsprogramvare som knapt eksisterte da studien startet.
Fire år senere var Terblanche medforfatter på en ny studie. Denne sammenlignet akkrediterte menneskelige veiledere direkte med automatiserte AI-veiledere, med 114 personer som mottok veiledning i en global organisasjon og resultater målt med validerte psykometriske metoder på tvers av mål, motivasjon, motstandsdyktighet og velvære.
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
Menneskelig veiledning påvirket alle resultatene de målte, og påvirket dem betydelig. AI-gruppen slo ikke kontrollgruppen – personene som ikke fikk veiledning i det hele tatt – på ett eneste primærmål.
Samme hovedforsker. Motsatt overskrift. Avstanden mellom de to studiene er det mest nyttige en leder som vurderer å kjøpe et av disse verktøyene kan forstå akkurat nå, fordi dette ikke er en helomvending. Det er et kart over hvor AI-veiledning fungerer, og hvor den faller sammen.
Studien fra 2022 ga AI-en en smal og strukturert oppgave. Å føre noen gjennom en definert protokoll for måloppnåelse. Regelmessige innsjekkinger, et tydelig rammeverk og konsekvente oppfordringer mot et uttalt mål. En chatbot utfører dette pålitelig og blir aldri lei av å spørre.
Oppgaven avgjør resultatet
Det viktige skillet går mellom å automatisere en veiledningsfunksjon og å styrke en veiledningsrelasjon, og de to studiene befinner seg på hver sin side av dette skillet.
Protokollen fra 2022 fungerte fordi måloppnåelse reagerer på struktur. Regelmessige innsjekkinger, et tydelig rammeverk og konsekvente oppfordringer mot et uttalt mål. En chatbot utfører dette pålitelig og blir aldri lei av å spørre.
Studien fra 2026 fjernet sikkerhetsnettene og satte AI-en i setet som en menneskelig veileder normalt opptar, der den skulle arbeide med ledere på høyt nivå om åpne utviklingsspørsmål som ikke kan reduseres til en protokoll.
Forskerne forklarer forskjellen gjennom en samreguleringsmodell. Ifølge denne modellen oppstår resultatene av veiledning gjennom den gjensidige og dynamiske påvirkningen mellom to personer i rommet, de små justeringene hver av dem gjør som svar på den andre. Denne utvekslingen bar effektstørrelsene i den menneskelige gruppen. AI-gruppen skapte den aldri, og tallene gjenspeilte fraværet.
Én reservasjon hører hjemme her. Studien testet en chatbotveileder, og de nyeste bedriftsproduktene er bygget på agentiske systemer med minne- og kontekstmoduler som ikke eksisterte da studien ble utformet.
Leverandørene vil si at forskningen testet forrige generasjons teknologi, og de har et poeng som bør sies tydelig i stedet for å overlate til dem å fremføre det i et motsvar. Det studien fastslår, er ikke at ingen AI kan drive veiledning. Den fastslår at struktur alene ikke gjenskaper det en veiledningsrelasjon gjør, og at ethvert verktøy som hevder noe annet, må kunne dokumentere det overfor deg.
Implementeringen ventet ikke på dokumentasjonen
Mens forskningen ble mer komplisert, skjøt innføringen fart.
Valence, hvis AI-veileder Nadia kom på markedet tidlig i 2023, rapporterer om implementeringer i Fortune 500-selskaper, blant annet Experian, Delta Air Lines, Kraft Heinz og General Mills, med over én million registrerte veiledningssamtaler.
Ifølge selskapet har Experian integrert Nadia i sin prosess for resultatstyring, og rundt en tredjedel av den globale arbeidsstyrken bruker den nå, mens Delta har rullet den ut til ledere i førstelinjen. BetterUp, som driver en hybridmodell der AI kombineres med menneskelige veiledere, rapporterer at et flertall av arbeidstakerne de undersøkte (52 %) sa at de ønsket begge deler, menneskelig empati sammen med AI-ens tilgjengelighet.
Disse tallene kommer fra leverandørene, og de måler engasjement og tilfredshet snarere enn utvikling. Det skillet er hele poenget.
Selve veiledningsprofesjonen har beveget seg saktere. International Coaching Federations Globale veiledningsstudie 2025 verdsatte bransjen til $5.34 billion, en økning på 17 % fra 2023, men fant at bare 19 % av veilederne hadde investert i nye verktøy året før, og at 53 % oppga at de ikke hadde noen digital plattform i praksisen sin i det hele tatt.
De som lever av å tilby veiledning, er nølende til teknologien bedriftskundene deres kjøper tilgang til.
Engasjement er ikke det samme som endring
Her er måleproblemet formulert i én setning, hentet fra en kjøpsguide fra 2026 om kategorien: Hvis en plattform ikke kan vise atferdsendring, betaler du for engasjement, ikke resultater.
De fleste plattformer for AI-veiledning rapporterer de enkle målene. Antall økter. Daglig aktive brukere. Netto anbefalingspoeng. Sendte og åpnede påminnelser. Hvert eneste av disse målene viser om folk bruker verktøyet, og ingen av dem måler om verktøyet faktisk gjør noe.
Kuber Sharma, senior direktør for produktmarkedsføring innen AI og automatisering hos UiPath, som har tatt i bruk AI-verktøy i sitt eget team og rådgir virksomheter som gjør det samme, peker på en ledende indikator som går forbi forfengelighetsmålingene.
Signalet som forutsier om AI-coaching får gjennomslag, er om folk tar initiativ til interaksjoner på egen hånd. Et verktøy som bare brukes når det blir tildelt, coacher ingen. Selvinitiert bruk betyr at personen syntes det var verdt å komme tilbake til, noe som er det nærmeste vi kommer et tidlig tegn på at et mål om atferdsendring har fått feste.
Sharma har sett at dette feilslåtte mønsteret gjentar seg. Organisasjoner som visker ut skillet mellom forsterkning og erstatning, vanligvis på grunn av kostnadspress, ender opp med lavere engasjement og dårligere resultater enn om de ganske enkelt hadde drevet mindre coaching, men mer målrettet.
Verktøyet får æren for resultater som uansett ville ha kommet, og får skylden for resultater det aldri påvirket, mens det egentlige spørsmålet – om noen endret måten de arbeider på – forblir ubesvart.
Hvor grensen går
Forskningen og dataene fra implementeringene peker i samme retning. AI fungerer i avgrenset arbeid, som forberedelse til en vanskelig samtale, øving på en forhandling, strukturert refleksjon eller forsterkning av en forpliktelse mellom økter. Dette er oppgavene studien fra 2022 bekreftet, og de representerer reell verdi som er tilgjengelig nå, i en skala menneskelig coaching aldri har nådd.
Coaching pleide å være et gode forbeholdt ledere. Et verktøy som utvider de nyttige delene av dette til en førstelinjeleder, er verdt å ønske seg. Organisasjonene som får dette til, er også nøye med hvor de ikke bruker verktøyet.
Worxogo, en leverandør av atferdsbaserte påminnelser for førstelinjeteam, fant på tvers av implementeringene sine at i arbeid som krever mye skjønn, som etterforskning av svindel, møtte de fleste lederne opp, men de coachet ikke – en arketype selskapet kaller «tribunetreneren» – og sluttet helt å posisjonere verktøyet som et coachinglag der.
Teamet vårt lærte den leksen i strid med sin egen tidlige antakelse. De hadde forventet at arbeid som krevde mest skjønn, ville ha størst utbytte av coachingpåminnelser. Dataene viste det motsatte.
I stedet behandler verktøyet signalet som informasjon for lederen over. Den viktige beslutningen var hvor man skulle stoppe, ikke hvor man skulle implementere.
Relasjonslaget er der maskinen stopper for alle. Delen som sto bak alle effektstørrelsene i forsøket fra 2026, samreguleringen mellom to mennesker, overlever ikke å bli overlatt til programvare.
En organisasjon som ser på en AI-coach som et supplement til menneskelig oppmerksomhet, bruker kunnskapsgrunnlaget. En organisasjon som ser på den som en erstatning, kjøper tilfredshetsskårer og kaller dem utvikling.
Studien fra 2026 etterlater seg ett funn som burde endre hvordan ledere tenker om alt dette. Suksess ble i størst grad forutsagt av coachingmottakerens utgangspunkt når det gjaldt mestringstro og håp. Med andre ord fikk de som hadde størst utbytte av coaching, mest ut av det fordi de allerede kom inn med tro på at de kunne utvikle seg.
De ansatte som har størst behov for utviklingsstøtte, de som mangler dette grunnlaget, er nettopp de som en bot uten tilsyn hjelper dårligst. God coaching av dem krever et menneske som følger med. Å avgjøre hvem som får dette mennesket, og hvem som i stedet får utlevert en chatbot, er ikke et innkjøpsspørsmål. Det hører hjemme hos menneskene som driver selskapet.
