Krisen for kritisk tenkning: KI avdekker et problem med lederpipeline
Læringsgap: Automatisering erstatter rutinearbeid og fratar ansatte mulighetene til å utvikle kritisk forretningsforståelse.
Organisatorisk skifte: Selskaper må utforme talentutviklingen på nytt for å prioritere dyp tenkning fremfor ren oppgaveutførelse.
Fremtidsfokus: Investeringer i menneskelige ferdigheter vil gi langsiktig avkastning og skille organisasjoner fra konkurrentene i et konkurransepreget landskap.
Kappløpet om å ta i bruk AI har avdekket noe ubehagelig. Teknologien, som er utviklet for å gjøre arbeidet enklere, bryter i det stille ned selve erfaringene som skaper fremtidige ledere.
Etter hvert som virksomheter automatiserer rutineoppgaver, mister junioransatte det repetitive arbeidet som en gang fungerte som en treningsarena for dømmekraft, mønstergjenkjenning og strategisk tenkning. Resultatet er en lederpipeline bygget på grunnmurer som ikke lenger finnes.
«Jo mer kjedelig arbeid som blir gjort med AI, desto mer kjedelig arbeid finnes det for alle», sier Vivienne Ming, teoretisk nevrovitenskapsforsker og grunnlegger av Socos Labs. «Vi kjøper virkelig ideen om at verdien av AI er å gjøre livet vårt enkelt. Den gjør alt det kjedelige arbeidet. Du får gjøre det superkule kreative arbeidet.»
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
Men denne fremstillingen overser hva som gjorde kjedelig arbeid verdifullt i utgangspunktet.
Læreplanen for arbeid på nybegynnernivå
Oppgaver på nybegynnernivå har alltid hatt et dobbelt formål. På overflaten handler de om resultater: behandle utgifter, utforme e-poster, forberede presentasjoner og analysere data. Under overflaten er det her ansatte utvikler forretningsforståelse.
En junioranalytiker som bygger økonomiske modeller, lærer ikke bare Excel-formler. Hun lærer hvordan ulike forretningsenheter tenker om lønnsomhet, hvilke antakelser som betyr mest, og hvordan ledere reagerer når tallene ikke forteller historien de forventet. Denne tause kunnskapen blir grunnlaget for strategisk tenkning flere år senere.
Når AI håndterer byggingen av modellen, utvikler analytikeren aldri denne intuisjonen.
Eliza Jackson, driftsdirektør i ButcherBox, ser dette utspille seg i sanntid.
«Det endrer arbeidsflyten din og måten du lærer på i stor grad», sier hun. «Hvis du virkelig går inn for dette, er måten du arbeider på når du setter deg ved datamaskinen, helt annerledes enn måten du arbeidet på i går.
Endringen handler ikke bare om produktivitet. Når ansatte overlater oppgaver til AI uten å forstå arbeidet som ligger under, hopper de over læringen som gjør dem verdifulle senere i karrieren.
Automatisering kontra forsterkning
Skillet er viktig fordi ikke all bruk av AI er likeverdig. Ming trekker en tydelig grense mellom kognitiv automatisering, der AI erstatter menneskelig tenkning, og kognitiv forsterkning, der den forbedrer den.
Hun viser til forskning på portugisiske gastroenterologer som bruker AI-assisterte koloskopisystemer.
«De fant ut at personer som utfører koloskopier med et AI-assistert system, er dramatisk dårligere enn de var før de begynte å bruke AI-systemet, hvis man slår av AI-en», forklarer Ming. «Det gjør dem bedre når de bruker det, men etterpå er de dramatisk dårligere.»
Det samme mønsteret gjelder på tvers av kunnskapsarbeid. Når ansatte behandler AI som en snarvei i stedet for et verktøy, utvikler de avhengighet i stedet for ferdigheter.
Virksomheter forsterker problemet ved å måle feil resultater. De følger med på spart tid og fullførte oppgaver, men ignorerer svekkede ferdigheter og strategisk kapasitet. Produktivitetsgevinstene blir synlige umiddelbart. Ledelsesunderskuddet viser seg flere år senere.
Underskuddet på dybde
Amy Centers, organisasjonspsykolog og grunnlegger av SmartWorks Labs, hevder at dagens arbeidsmodeller aktivt straffer atferden som utvikler fremtidige ledere.
Vi organiserer arbeidstiden som om produktivitet var produktivitet på et samlebånd. Men egentlig bygger alt nå på tilpasningsevne, evnen til å skifte mellom kontekster og evnen til å ta til seg innsikt og anvende den. Men på en måte er systemet, slik det er satt opp, på en måte utformet for å straffe nettopp disse ferdighetene.
Problemet blir større når virksomheter forveksler aktivitet med prestasjon. Ansatte bruker dagene på å svare på meldinger, delta i møter og være tilgjengelige. De er travle, men bygger ikke den typen dype ekspertise som forbereder dem på komplekse beslutninger.
Jackson beskriver dynamikken i ButcherBox.
"Folk havner bare litt på hamsterhjulet. Jeg har selv følt det sterkt, når jeg tenker tilbake på dagen og spør meg selv: Hva gjorde jeg egentlig? Svarte jeg bare på 800 chatter? Tok jeg noen beslutninger som ikke var gjennomtenkte? Tenkte jeg over noe av det jeg bestemte?"
Organisasjoner som ønsker å utvikle ledere, må skape rom for den typen refleksjonsarbeid som bygger dømmekraft. Men de fleste gjør det motsatte, ved å bruke AI til å øke tempoet i arbeidet i stedet for å styrke kvaliteten på tenkningen.
More Articles
- 30 års veteran innen HR-teknologi: KI-adopsjon må ha mennesket i sentrum
- Tidligere HR-leder i IBM sier at innføringen av kunstig intelligens mislykkes når ledere beveger seg raskere enn tilliten
- Tidligere HR-leder deler hvor lederskap er på vei i en AI-først-verden, og hvorfor ledere må satse enda sterkere på menneskelige elementer
- Forfatter og AI-ekspert oppfordrer organisasjoner til å gå fra “mennesket i sløyfen” til “mennesket på sløyfen”
- Hvorfor denne ledercoachen gikk fra å være motstander av KI til å bruke det som et speil for lederskap
Å bygge opp igjen for virkeligheten
Løsningen er ikke å bremse innføringen av AI eller kunstig bevare oppgaver som teknologien håndterer bedre. Det handler om å utforme på nytt hvordan organisasjoner utvikler talenter i en tid der tradisjonelle modeller for opplæring gjennom praksis ikke lenger fungerer.
Det begynner med å erkjenne hva som har gått tapt. Når yngre ansatte ikke bruker måneder på å lage finansielle modeller, trenger de strukturerte måter å utvikle den forretningsforståelsen som disse modellene tidligere lærte dem. Når AI utarbeider kommunikasjonen deres, trenger de eksplisitt veiledning i strategisk kommunikasjon som tidligere vokste frem gjennom gjentatte forbedringer.
Centers argumenterer for en grunnleggende redefinering av hva organisasjoner verdsetter.
"Jeg tror jeg ville forsøkt å snu litt på dette og bygge en arbeidsmodell der dybde er synlig," sier hun. "Bidrag måles ut fra ting som klarhet, kreativitet og selvsagt effekt, men ikke kalenderinvitasjoner eller ting man har deltatt på."
Det betyr å evaluere ansatte basert på dømmekraften deres, ikke tilgjengeligheten deres, gjennom effektive strukturer for forfremmelse. Det betyr å skape beskyttet tid til læring, ikke bare gjennomføring. Det betyr å behandle AI som et verktøy som skal gjøre folk bedre til å tenke, ikke som en erstatning for selve tenkningen.
Lederskapets nødvendighet
Organisasjonene som løser dette, vil skille seg ut, ikke gjennom bedre AI, men gjennom bedre mennesker. De vil forstå at poenget med automatisering ikke bare er effektivitet. Det handler om å skape rom for den typen arbeid som bare mennesker kan utføre, og om å forstå at automatisering av arbeidsplassen påvirker organisasjonskulturen på dyptgripende måter.
"Vi må forstå at menneskene som til syvende og sist kommer til å ha betydning her, er ledere," sier Ming. "Hvis de velger den lettvinte løsningen og bruker dette til å erstatte mennesker, får dere raske produktivitetsgevinster og langsiktige tap. Hvis dere er villige til å investere i den menneskelige kapitalen i dette, vil dere se reell avkastning, men det krever mot."
Hvis dere for tiden feirer produktivitetsgevinster fra AI, så nyt det. Men det er verdt å spørre seg selv: Bruker vi det på måter som bygger kompetanse, eller som svekker den? Om to år kan dere oppdage at dere har optimalisert for feil resultat.
