Kunstig intelligens som informerer, mennesker som beslutter: Slik holder vi HR ansvarlig i automatiseringens tidsalder
Dhanaraj S er en HR-profesjonell med mange års erfaring fra tett samarbeid med både førstelinjemedarbeidere og bedriftsledere på tvers av flere bransjer. Han anvender en menneskefokusert tilnærming i alt han gjør, og det inkluderer også innføringen av kunstig intelligens.
Dhanaraj S.
HR-profesjonell
Kunstig intelligens bør skjerpe dømmekraften, ikke erstatte den: Dhanaraj bruker kunstig intelligens før menneskelige beslutninger, ikke i stedet for dem. Enten det gjelder rekruttering, planlegging av arbeidsstyrken eller organisasjonsutforming, strukturerer kunstig intelligens informasjon, kartlegger risikoer og avdekker blinde flekker – men det endelige ansvaret forblir menneskelig. Den reelle verdien av kunstig intelligens i HR ligger i å forbedre klarheten, redusere skjevhet og styrke kvaliteten på beslutningene.
Kunstig intelligens tvinger organisasjoner til å redesigne beslutningstakingen: Kunstig intelligens reparerer ikke ødelagte systemer – den forsterker dem. Uten klart definerte beslutningsrettigheter, eierskap og ansvar skaper kunstig intelligens forvirring i stedet for verdi. Dhanaraj fremhever beslutningsutforming: å definere hvor kunstig intelligens informerer, hvor mennesker beslutter, og hvem som eier resultatet.
Fremtidens HR blir forsterket av kunstig intelligens, ikke erstattet av den: HR-ledere utvikler seg fra prosessledere til orkestratorer av menneskelige opplevelser forsterket av kunstig intelligens. Etter hvert som kunstig intelligens automatiserer transaksjonelle oppgaver, dreies HRs troverdighet mot strategisk tenkning, etisk dømmekraft, tilpasningsevne og kulturledelse. Konkurransefortrinnet vil tilfalle organisasjoner som balanserer effektiviteten til kunstig intelligens med menneskelig empati.
Vi satte oss ned med Dhanaraj for å få et innblikk i hvordan han ivaretar det «menneskelige» i menneskelige ressurser. Her er hva han hadde å si.
Et fokus på forretningsorientert personalpraksis
Jeg er en HR- og personaloperasjonsekspert med erfaring fra å støtte organisasjoner i vekst innen produksjon, detaljhandel og tjenesteyting. Lederreisen min begynte på gulvet, der jeg jobbet tett med førstelinjeteam og forretningsledere, og dette har formet min praktiske og menneskesentrerte tilnærming.
Over tid har jeg samarbeidet med gründere og ledere på toppnivå om ansettelsesstrategi, bemanningsplanlegging, etterlevelse og organisatorisk effektivitet. Gjennom arbeidet mitt og samhandling med flere organisasjoner har jeg sett personalledelse utvikle seg fra å være prosessfokusert til å være effektorientert.
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
I dag fokuserer jeg på å hjelpe organisasjoner med å utvikle skalerbare, forretningsorienterte personalpraksiser som legger til rette for prestasjoner, organisatorisk AI-integrasjon og bærekraftig vekst.
Hvordan AI endrer HR-ledelse, struktur og troverdighet
Ettersom AI har fått en så fremtredende plass, er HR og ledelse i endring på noen viktige områder.
For det første har jeg måttet gi slipp på antakelsen om at rigide strukturer skaper stabilitet. I praksis fungerer AI-aktiverte organisasjoner bedre med flatere, kompetansebaserte og resultatorienterte team.
For det andre beveger HR-ledelse seg bort fra gjennomføring og over mot dømmekraft. AI i HR automatiserer transaksjonsarbeid som screening, planlegging og rapportering, slik at HRs virkelige verdi nå ligger i bemanningsstrategi, etisk beslutningstaking og endringsledelse.
Og for det tredje har jeg også sett at lederes troverdighet går fra å være erfaringsdrevet til å være tilpasningsdrevet. I dag betyr evnen til å lære, stille spørsmål og veilede mennesker gjennom endring mer enn ansiennitet. AI i ledelse erstatter ikke dette, men stiller høyere krav til det.
Jeg har måttet gi slipp på antakelsen om at rigide strukturer skaper stabilitet. I praksis fungerer AI-aktiverte organisasjoner bedre med flatere, kompetansebaserte og resultatorienterte team.
Hvorfor AI tvinger organisasjoner til å redesigne hvordan beslutninger tas
Når det er sagt, behandler mange organisasjoner fortsatt AI som et produktivitetsverktøy og forventer at kultur, tillit og beslutningskvalitet automatisk skal bli bedre. I virkeligheten forsterker AI det systemet som allerede finnes – enten det er godt eller dårlig.
Mange ledere tar i bruk AI i organisasjonsdesign uten å redesigne roller, beslutningsmyndighet eller ansvarlighet. Resultatet er at teamene får raskere leveranser, men uklart eierskap, etiske blindsoner og beslutningstretthet. Løftet er hastighet og intelligens; virkeligheten er ofte forvirring.
I min ledertilnærming håndterer jeg dette ved å fokusere mindre på verktøy og mer på beslutningsdesign. Det innebærer å definere tydelig hvor AI bidrar til beslutninger, hvor mennesker beslutter, og hvem som er ansvarlig. Jeg arbeider også for mindre, resultatorienterte team og kontinuerlig kompetanseheving, slik at AI i beslutningstaking blir en kapasitet som er integrert i hvordan arbeidet utføres – ikke et lag som legges oppå.
Før organisasjoner redesigner hvordan beslutninger tas gjennom grunnleggende organisatoriske endringer, vil AIs løfte forbli ufullstendig realisert.
Hvordan AI kan endre ansettelser, bemanningsplanlegging og lederbeslutninger
For meg har den mest meningsfulle AI-drevne omleggingen vært innen ansettelser, bemanningsplanlegging og arbeidsflyter for lederbeslutninger – ikke som isolerte AI-bruksområder, men som redesignede prosesser.
1. Arbeidsflyt for ansettelser og utvelgelse
Verktøy som brukes: ChatGPT, dataeksporter fra ATS, verktøy for analyse av stillingsbeskrivelser
Hva som ble endret: Tidligere var ansettelser i stor grad basert på CV-er, intuisjon og ustrukturerte intervjuer. Jeg redesignet arbeidsflyten slik at AI brukes før menneskelig dømmekraft, ikke etter.
- Stillingsbeskrivelser brytes først ned i kompetanseklynger, resultater og risikofaktorer ved hjelp av AI
- Anonymiserte CV-er vurderes med hensyn til kompetansesamsvar, overkvalifisering og kompensasjonsrisiko
- Intervjupaneler får AI-genererte oppfølgingsspørsmål tilpasset disse risikoene
- Bruk resultatet til å utforme intervjuspørsmål og kriterier for kortlisting på nytt
Resultat: Mer strukturerte intervjuer, redusert skjevhet, tydeligere ansettelsesbeslutninger og færre avslag sent i prosessen. AI erstatter ikke dømmekraft – det skjerper den.
2. Beslutningstaking og samsvar med ledelsen
Verktøy som brukes: ChatGPT, delte dokumenter
Dette endret seg: For komplekse beslutninger om medarbeidere (organisasjonsendringer, redesign av roller, etterfølgerplanlegging) bruker jeg AI til å simulere scenarioer:
- "Hva skjer hvis vi sentraliserer kontra desentraliserer?"
- "Hvilke risikoer oppstår hvis vi fjerner dette laget?"
AI-resultater er ikke beslutninger – de er beslutningskart. Lederne diskuterer deretter avveininger i stedet for meninger.
Resultat: Raskere samsvar, samtaler mellom ledere av høyere kvalitet og tydeligere ansvarlighet.
3. Bemanningsplanlegging og organisasjonsdesign
Verktøy som brukes: Excel/Sheets + AI-tolkning
Dette endret seg: I stedet for å planlegge bemanningen ut fra roller gikk vi over til kompetansebasert planlegging. AI bidrar til å identifisere overlappende kompetanse, automatiseringspotensial og muligheter for kompetansepåfyll.
Resultat: Slankere team, færre overflødige roller og mer tilpasningsdyktige organisasjonsstrukturer.
4. Kultur og arbeidsmåter
AI brukes til å tydeliggjøre forventninger – beslutningsmyndighet, eierskap og atferd – slik at kulturen ikke forblir underforstått.
Resultat: Mindre uklarhet, mer tillit og færre medarbeiderproblemer som skjules som prestasjonsproblemer.
Slik bygger du praktisk AI-kompetanse som en lederegenskap
Jeg ser på AI-kompetanse som en lederegenskap, ikke en teknisk egenskap. Slik bygger vi AI-kompetanse:
- Start med bruksområder, ikke verktøy: Teamene introduseres for AI gjennom reelle problemer – ansettelsesbeslutninger, rapportering og planlegging – slik at læringen blir kontekstuell, ikke abstrakt.
- Lær bort beslutningsgrenser: Vi definerer uttrykkelig hva AI kan bidra med informasjon om, kontra hva mennesker må beslutte, særlig i beslutninger som gjelder medarbeidere.
- Normaliser utprøving: Ledere oppfordres til å teste AI i arbeidsflyter med lav risiko og dele læringspunkter, ikke bare suksesser.
- Bygg et felles språk: Vi standardiserer begreper som skjevhet, hallusinasjon, ansvarlighet og personvern for data, slik at samtalene blir konsistente.
«AI-klare» betyr ikke at alle kan skrive instruksjoner til AI eller programmere – det betyr at folk forstår hvor AI skaper verdi, hvor det ikke gjør det, og hvordan man kan arbeide med det på en ansvarlig måte. For organisasjoner betyr det:
- Teamene kan tydelig forklare hvorfor de bruker AI, ikke bare hvordan.
- Beslutninger dokumenteres med både AI-input og menneskelig dømmekraft.
- Roller utformes rundt kompetanse og resultater, ikke faste oppgaver.
Her er noen problemer vi har støtt på underveis:
- Tidlig overavhengighet av AI-resultater uten tilstrekkelig kontekst.
- Motstand fra erfarne ledere som likestilte bruk av AI med tap av autoritet.
- Verktøytretthet – for mange piloter uten tydelig eierskap.
Vi håndterte dette ved å redusere tempoet i innføringen, styrke ansvarligheten og gjøre lederne ansvarlige for hvordan AI påvirker beslutninger.
I praksis handler beredskap og AI på arbeidsplassen mindre om hastighet og mer om disiplinert lederskap.
Mange organisasjoner behandler AI som et produktivitetsverktøy og forventer at kultur, tillit og kvaliteten på beslutningene automatisk skal bli bedre. I virkeligheten forsterker AI det systemet som allerede finnes — enten det er godt eller dårlig.
Hvorfor AI avdekker organisatorisk kompleksitet i stedet for å redusere den
På dette tidspunktet synes jeg det er verdt å nevne at AI ikke reduserer kompleksitet — den avdekker den.
Da vi begynte å bruke AI, ble det svært raskt tydelig hvor antakelsene våre var vage, beslutningene dårlig formulert eller prosessene manglet tydelighet.
Derfor bruker jeg mer tid på å definere de riktige spørsmålene, beslutningsgrensene og suksesskriteriene før jeg involverer AI. Det har gjort meg mer bevisst, mindre reaktiv og mer fokusert på dømmekraft fremfor aktivitet.
I den forstand har det å ta i bruk AI ikke gjort lederskap enklere, men det har gjort det mer ærlig.
Hvordan en slank AI-verktøystack kan forbedre kvaliteten på beslutningene
Verktøystacken min for HR og ledelse er bevisst slank. Jeg prioriterer verktøy som forbedrer kvaliteten på beslutningene, ikke bare hastigheten. Den største endringen de siste 12 månedene har vært overgangen fra fragmenterte verktøy til AI-assisterte beslutningsprosesser.
AI og beslutningsstøtte
- ChatGPT / GenAI-verktøy: Brukes til tydeliggjøring av roller, forbedring av JD-er, utforming av intervjuspørsmål, rimelighetskontroller av lønn og scenarioplanlegging. Jeg bruker også regelmessig ChatGPT til å stressteste antakelser, avdekke konsekvenser på andre nivå og omformulere personalbeslutninger før de tas.
Effekt: Bedre strukturerte rekrutteringsbeslutninger, redusert skjevhet og mer konsekvente vurderinger.
Vurdering: Stor verdi når det brukes som en diskusjonspartner, ikke som en svarmaskin. - AI-baserte CV- og JD-analyseverktøy (ulike plattformer): Brukes til å identifisere kompetanseklynger, risiko for overkvalifisering og misforhold mellom roller og ferdigheter. Jeg har brukt AI-assisterte funksjoner i LinkedIn Recruiter, Naukri RMS og andre verktøy sammen med ATS og strukturerte oversikter over rekrutteringer.
Effekt: Bedre samtaler om utvelgelse og mindre frem-og-tilbake-kommunikasjon med ansettende ledere.
Vurdering: Nyttig for mønstergjenkjenning, men den endelige vurderingen må fortsatt gjøres av mennesker.
Kjernefunksjoner innen HR og produktivitet
- Systemer for søkersporing (ATS) / Rekrutteringsoversikter – Oversikt over kandidatflyten, koordinering av intervjuer og oppfølging av samsvar. Jeg har brukt Oracle HCM Cloud (kjerne-HR-data, lønnsdata og arbeidsstyrkerapportering), Workday (kjerne-HR-data, lønnsdata og arbeidsstyrkerapportering), SAP HR (håndtering av medarbeiderdata, lønnsrelaterte valideringer) og PeopleSoft / Ramco HRIS (erfaring med eldre HRIS-systemer og datahåndtering).
Effekt: Operasjonell effektivitet og åpenhet.
Vurdering: Nødvendige grunnverktøy, men begrenset strategisk verdi uten AI-lag. - Excel / Google Sheets (forbedret med AI-innsikt) – Arbeidsstyrkeplanlegging, analyse av rekrutteringsflyten og lønnssammenligninger.
Effekt: Fortsatt det mest fleksible verktøyet for HR-beslutninger.
Vurdering: Undervurdert, men kraftig når det kombineres med AI-tolkning. - Samarbeidsverktøy (e-post, Slack, Docs) – Kommunikasjon med interessenter, dokumentasjon av beslutninger og samordning.
Effekt: Raskere samordning og færre mangler i beslutningsprosessen.
Vurdering: Effektiviteten avhenger mer av ledelsesdisiplin enn av selve verktøyet.
Alt i alt er tilnærmingen min verktøyuavhengig, men prinsippstyrt: AI er verdifull ikke fordi den automatiserer HR-driften, men fordi den tvinger ledere til å tenke klarere om mennesker, arbeid og ansvarlighet.
Hvorfor HR vil bli samordnere av AI-forsterkede menneskelige opplevelser
Fremtiden handler ikke om mennesker kontra AI — den handler om mennesker forsterket av AI. AI håndterer repetitive, datatunge og prediktive oppgaver, slik at mennesker kan konsentrere seg om strategi, kreativitet og relasjoner — de særskilt menneskelige delene av arbeidslivet.
I løpet av de neste fem årene tror jeg roller som min vil utvikle seg fra operativ HR og talentstyring til å bli koordinatorer for AI-forsterkede menneskelige opplevelser.
HR-avdelinger vil gå fra å være prosessfokuserte til å være innsiktsdrevne, og ta i bruk prediktiv analyse, agentbaserte arbeidsflyter og AI-baserte prestasjonsverktøy for å forutse talentbehov, tilpasse medarbeideropplevelser og skape strategiske forretningsresultater.
På bransjenivå vil også grensen mellom menneskelig og maskindrevet beslutningstaking bli mindre tydelig, og suksess vil tilfalle organisasjoner som kan balansere AI-effektivitet med menneskelig dømmekraft, empati og kultur. Dette gjelder spesielt for små team som implementerer AI-strategier.
Fokuset vil ikke bare være på å gjøre ting raskere – det vil være på å gjøre de riktige tingene på en smartere måte.
Hva HR-ledere bør gjøre nå
For dem som har lignende roller, er mitt råd å omfavne nysgjerrighet og kontinuerlig læring. Endringstakten innen AI og agentbaserte arbeidsflyter betyr at gårsdagens oppskrift kanskje ikke fungerer i morgen. Fokuser på å forstå ny teknologi, eksperimentere med den og omsette denne innsikten til konkrete forretningsresultater.
For ledere mer generelt vil jeg understreke betydningen av å balansere dristighet med empati. Omstilling handler ikke bare om teknologi – det handler om mennesker. Led med en tydelig visjon, gi teamene mulighet til å innovere og skap et miljø der eksperimentering og kalkulert risikotaking oppmuntres. De som kan integrere teknologi med menneskesentrert ledelse, vil definere den neste bølgen av suksess.
Følg med
Du kan følge med når Dhanaraj utforsker menneskefokuserte tilnærminger til AI på LinkedIn og på konsulentvirksomhetens nettsted.
Flere ekspertintervjuer kommer snart på People Managing People!
Bli med i People Managing People-fellesskapet. Gratis kontoer gir deg ukentlig innsikt, praktiske rammeverk og strategier fra fagfeller som hjelper deg med å lede smartere, ikke hardere.
