Optimaliserer du jobber som forsvinner?
Effektivitetsgevinster: Selskaper automatiserer roller, men må vurdere hvilke menneskelige bidrag som er avgjørende etter hvert som KI utvikler seg.
Endringer i arbeidsmarkedet: En betydelig nedgang i stillinger på begynnernivå truer organisasjoners muligheter for langsiktig lederutvikling.
Svakheter ved KI-investeringer: De fleste organisasjoner prioriterer automatisering feilaktig fremfor å ivareta viktige menneskelige roller og utvikle kompetanse.
Strategisk eierskap: Ansvaret for KI-transformasjonen bør ligge hos HR-direktørene (CHRO-ene) for å samordne menneskelig arbeid og teknologi bedre.
Talentutvikling: Fremtidige arbeidsstyrkemodeller krever fokus på allsidig kompetanse, ikke bare tradisjonell spesialisering.
Akkurat nå investerer et eller annet selskap i å gjøre en rolle mer effektiv. Rollen behandler skadesaker, videreformidler forespørsler eller sammenfatter rapporter, eller noe i den retningen. Teamet kartla arbeidsflytene, identifiserte friksjonen og utarbeidet en plan. Innen utgangen av kvartalet vil det ta 30 % mindre tid å utføre det samme arbeidet i denne rollen.
Innen utgangen av tiåret vil arbeidet bli utført utelukkende av AI.
Dette er ikke en historie om teknologiens suksess eller fiasko. Det er den pågående historien om dette århundrets største lederutfordring, og den utspiller seg i stor skala på tvers av bransjer som tror de har en strategisk tilnærming til AI, mens de i virkeligheten bare er opptatt med å gjøre ting.
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
Spørsmålet som ligger under nesten enhver seriøs AI-samtale akkurat nå, er det de fleste organisasjoner unngår: Ikke hvordan skal vi bruke AI, men hva trenger vi egentlig mennesker til?
De som bruker millioner på produktivitetsoptimalisering, besvarer ikke dette spørsmålet. De utsetter det, én effektiviseringsgevinst om gangen.
Talentløpet bryter allerede sammen
37 prosent av organisasjonene planlegger å erstatte roller på begynnernivå med AI, ifølge Korn Ferry. Ytterligere 66 % har bremset ansettelsen av medarbeidere på begynnernivå. Hvis du er nyutdannet og prøver å forstå hvorfor arbeidsmarkedet føles strukturelt annerledes enn det professorene dine beskrev, er dette grunnen.
Roller på begynnernivå har historisk fungert som den viktigste mekanismen for at organisasjoner skal utvikle sine egne talenter. Analytikeren blir leder. Koordinatoren blir direktør. Den junioransatte som bruker tre år på å lære virksomheten fra innsiden, blir personen som til slutt leder den.
Fjerner du inngangen, mister du ikke bare billig arbeidskraft. Du mister også talentløpet som produserer erfarne ledere ti år frem i tid.
IBM går i motsatt retning og tredobler ansettelsen på begynnernivå mens konkurrentene trekker seg tilbake. Om dette er en satsing på talenter eller et PR-fremstøt, gjenstår å se. Men én ting er det ingen diskusjon om: Du kan ikke utvikle ledere du ikke ansetter. IBM posisjonerer seg for å ha mennesker ved roret langt inn i fremtiden.
Det gale spørsmålet får hele budsjettet
De fleste AI-investeringer følger i dag en velkjent logikk: Identifiser hvor mennesker bruker tid, automatiser så mye som mulig, mål produktivitetsgevinsten, og gjenta.
70-20-10-rammeverket som vi har gått nærmere inn på tidligere, er hvordan enkelte avanserte organisasjoner tenker om fordelingen av AI-investeringer. Det gjenspeiler en annen prioritering – 70 % av investeringene går til mennesker og redesign av prosesser, 20 % til infrastruktur og 10 % til selve algoritmene. Bare én liten innvending: Nesten ingen organisasjoner fungerer faktisk på denne måten. De fleste har snudd det på hodet.
Resultatet er organisasjoner som er teknologisk avanserte, men strategisk på villspor. De har bedre verktøy, men ikke noe klarere svar på hva menneskene som bruker disse verktøyene, skal bli.
Rollene som er mest utsatt for automatisering, er ikke rollene som er minst verdifulle. Det er ofte rollene som krever mest rutinemessig dømmekraft, eller den typen strukturert problemløsning som viser seg å være akkurat det maskinlæring er god på. Dette skaper et fenomen der medarbeidere opplever kognitiv overbelastning som følge av AI-beslutningstaking.
Rollene som blir igjen, eller som vil bli opprettet, krever noe annet: evnen til å navigere i tvetydighet, ta etiske beslutninger, håndtere relasjoner på tvers av motstridende interesser og utøve den typen kontekstuell dømmekraft som ikke kan reduseres til en ledetekst.
Det finnes ikke mange stillingsbeskrivelser som passer til dette, etter det jeg har sett. Det finnes foreløpig ingen karrierestige for det, og nesten ingen utviklingsmidler er rettet mot det.
Hvem eier dette problemet?
David Swanagon har hevdet at innføringen av AI har blitt overlatt til CIO-er, selv om ansvaret hører hjemme hos CHRO-er.
Adopsjon er helt forskjellig fra implementering. CIO-en har fått ansvar ikke bare for utforming, testing og implementering av verktøy, men også for å ta dem i bruk. Ansvaret for adopsjon bør ligge hos CHRO-en — fordi det handler om kultur, tillit, autonomi og ferdigheter.
Logikken er solid. Teknologiimplementering utgjør en relativt liten del av det som får en AI-transformasjon til å lykkes eller mislykkes. Den større utfordringen er å avgjøre hvilket arbeid mennesker bør ha ansvar for, hvilke ferdigheter det krever, og hvordan man utvikler disse ferdighetene hos mennesker som ble ansatt for helt andre ferdigheter.
CIO-er er ikke posisjonert til å besvare disse spørsmålene. De er orientert mot systemer, ikke mot den menneskelige infrastrukturen som systemene er ment å tjene.
Når AI-strategien ligger i teknologifunksjonen, er spørsmålene som blir besvart, tekniske. De organisatoriske og menneskelige spørsmålene blir utsatt eller delegert til HR som en ettertanke, etter at implementeringen allerede er i gang.
Slik ender man opp med en AI-utrulling som fungerer teknisk, men mislykkes strategisk. Verktøyene fungerer. Arbeidsstyrken vet ikke hva den skal gjøre med dem, hvordan rollen dens vil se ut om tre år, eller om den bør utvikle ferdigheter som organisasjonen ikke har signalisert at den verdsetter.
Det betyr ikke at CHRO-er for øyeblikket tar dette ansvaret. Faktisk vil Swanagon hevde at de ikke gjør det.
De fleste CHRO-er begynner dessverre med «vi vil automatisere ting, og vi vil spare penger». Og det er bra, men det er ikke morsomt, sa Swanagon. «Det er heller ikke interessant. Det er bare bra.»
More Articles
- Visepresident for mennesker og organisasjon i en AI-enhjørning sier at HR-ledere må bli arkitektene bak en menneske-maskin-arbeidsstyrke
- Strateg for fremtidens arbeidsliv bryter ned de organisatoriske realitetene ved KI – og hvordan man navigerer i dem
- 30 års veteran innen HR-teknologi: KI-adopsjon må ha mennesket i sentrum
- HR-teknologisjef sier at det å bli AI-integrert fra grunnen av avdekket arbeidet de ansatte faktisk ønsker å gjøre
- Signalrapport: Lærdommer fra Transform 2026
Det M-formede gapet
I årevis har talentstrategien favorisert T-formede arbeidstakere — spesialister med et tilstrekkelig bredt perspektiv på tilgrensende fagområder til å samarbeide på tvers av dem. Modellen ga mening i et miljø der spesialiseringen var stabil, og bredde var en fordel for koordinering.
AI endrer hva bredde betyr. Den fremvoksende modellen kalles noen ganger M-formet eller kamformet: arbeidstakere som har flere områder med reell dybde, ikke bare overflatisk kjennskap, knyttet sammen av integrerende dømmekraft som gjør det mulig å bevege seg smidig mellom fagområder.
Forskjellen er viktig fordi utvikling av kamformede arbeidstakere krever en annen type investering enn utvikling av T-formede arbeidstakere. Man utvider ikke bare noens perifere synsfelt. Man bygger flere kompetansesentre i samme person og utvikler deretter dømmekraften som trengs for å ta dem i bruk situasjonsbestemt.
De fleste organisasjoner har ikke et utviklingsprogram som gjør dette. De har kurskataloger og lisenser til LinkedIn Learning.
Hva forvalterskap krever
Ordet forvalterskap brukes løst i ledelsessammenhenger. Det betyr vanligvis noe i retning av «vi tar vare på menneskene våre», i samme vage betydning som «menneskene våre er vår største ressurs». Ingen av formuleringene overlever møtet med en kunngjøring om nedbemanning.
Reelt forvalterskap i en AI-overgang betyr å ta beslutninger nå som beskytter menneskelig verdiskapingsevne over en horisont på fem til ti år, selv når disse beslutningene er vanskeligere å rettferdiggjøre i en kvartalsgjennomgang enn enda en runde med automatisering.
Nylig satte Adam DeRose fra HR Brew og jeg oss ned for en episode av Your Work Friends med Francesca Ranieri og Mel Plett. Og Adam sa noe jeg brukte resten av dagen på å tenke over.
«Jeg forstår verdien av den kvartalsvise virksomhetsgjennomgangen, men helt ærlig tror jeg vi bare bør kvitte oss med dem.»
Grunnen? Fokuset på kvartalsresultater har svekket ledelsens evne til å tenke langsiktig. Besettelsen av kvartalstall er utbredt, fra styrenivå helt ned til linjeledere, men taktikkene som driver kvartalsresultatene, undergraver ofte evnen vår til å tenke strategisk langsiktig, særlig når det gjelder talent i dagens situasjon.
Dette er et tidspunkt som kanskje krever finansiering av utviklingen av ferdigheter som ennå ikke har stillingstitler. Det betyr å bevare inngangsnivået i talentløpet selv når regnestykket tilsier at det kan fjernes. Det betyr å behandle det organisatoriske spørsmålet om hva mennesker skal brukes til, som et strategisk spørsmål, ikke som HRs problem, og å sørge for at menneskefunksjonen er til stede i rommet der disse beslutningene tas.
De fleste organisasjoner gjør ikke dette. De optimaliserer. Og optimalisering, anvendt på en struktur som endrer seg under deg, er en sofistikert måte å løpe i feil retning på.
Jobbene som gjøres mer effektive i dag, er ikke jobbene som vil definere organisatorisk verdi i 2030. Arbeidet som vil ha betydning — dømmekraft, navigering, etisk beslutningstaking og evnen til å lede andre mennesker gjennom genuin usikkerhet — utvikles og realiseres nesten ingen steder. Det har ingen budsjettpost, ingen rapporteringsmåling og definitivt ikke nok ledere som støtter det.
Det er ledelsessvikten. KI gjør det mulig for oss å realisere målet om å bevege oss raskt, men det er verdt å spørre om vi ødelegger for mye på veien.
