Små team kaster bort sitt største AI-fortrinn

Vi testet verktøy mot hverandre, forkastet arbeidsflyter teamet hadde brukt i årevis, satt i et rom og prøvde å bli enige om hva «bedre» egentlig betydde. Noen dager brukte vi tre timer på å oppdage at et verktøy vi trodde ville fungere, ikke kunne gjøre den ene tingen vi trengte det til.

Det er ikke fremgang du kan sette på et lysbilde. Og på den andre siden av den fakturaen ser en grunnlegger budsjettet krympe, tidsrammen bli kortere og forbrukstakten øke. De ville ikke vært alene. 

I fjor forlot mellomstore selskaper i gjennomsnitt ett AI-initiativ hver, til en kostnad på over $4 millioner per prosjekt, fordi de ikke klarte å se verdien raskt nok.

På vår side av fakturaen jobbet vi som et distribuert team på tvers av ulike byer. Hver person hadde ansvar for en annen del av produktet, og vi prøvde å løse problemer som ble mangedoblet jo nærmere vi så på dem. Virksomheten trengte fart. Produktet trengte kvalitet. Verktøyene var uprøvde. Hver løsning som fungerte for én person, skapte et nytt problem for en annen.

Du kan ikke løse opp dette med en sjekkliste eller en prosjektplan. Du løser det opp ved å få alle perspektivene inn i den samme samtalen, gjøre alle avveininger synlige og finne grepene som skaper flest fordeler uten å flytte problemene et annet sted. 

Det går sakte. Det tar seg ikke godt ut på bilder. Og det er den eneste måten det fungerer på.

Disse problemene blir mangedoblet fordi hver person i teamet prøver å oppnå noe forskjellig, og de gamle reglene for å balansere disse forskjellene ikke lenger gjelder. Utvikleren trenger integrasjon uten omarbeiding. Designeren trenger kreativ kontroll uten å bremse arbeidsflyten. Grunnleggeren trenger at alt dette koster mindre og går raskere.

Inne i hvert av disse behovene finnes dusinvis av mindre avveininger, og hver eneste av dem berører noe annet. Løser du grunnleggerens behov, svekker du kvaliteten. Løser du designerens behov, bremser du alt. 

Arbeidet vi holdt på med – det langsomme, usynlige og frustrerende arbeidet – var å finne den versjonen av hver beslutning som skapte flest fordeler på tvers av hele systemet, uten bare å flytte skaden et annet sted.

Den ene variabelen som faktisk forutsier AI-suksess

Overser du dette, skalerer du problemer raskere enn du klarer å løse dem. McKinsey gjennomførte en undersøkelse blant nærmere 2 000 ledere i 105 land og testet 25 faktorer som forutsier om AI skaper reell forretningsmessig effekt. Den klart sterkeste faktoren var ikke budsjett, lederinvolvering eller teknologivalg. Det var om organisasjonen grunnleggende hadde utformet arbeidsflytene sine på nytt.

Deretter leverte vi på to dager det den gamle arbeidsflyten ville ha brukt uker og tre eller fire personer på å produsere. Ikke et utkast eller en prototype. Et komplett arbeid, gjennomgått, godkjent og løst problemer teamet hadde navigert rundt i flere måneder.

Det vanskeligste problemet var ikke å produsere arbeidet. Det var at vi kunne produsere så mye av det, så raskt, at det gamle spørsmålet – hva kutter vi for å holde oss innenfor budsjettet og levere i tide? – sluttet å være relevant. 

Avveiningene som tidligere dominerte hver eneste planleggingssamtale, ble knapt registrert. Det vi i stedet måtte tenke gjennom på nytt, var hvor vi skulle legge verdien av tiden vår, samarbeidet vårt og de individuelle bidragene våre. Arbeidet ble ikke bare raskere. Det brøt rytmen teamet hadde jobbet etter i årevis.

Det strukturelle fortrinnet små team ikke vet at de har

Store organisasjoner kan ikke gjøre det vi gjorde. De kan ikke få alle interessenter inn i den samme samtalen og jobbe seg gjennom avveininger sammen i sanntid. Derfor bygger de prosesser for å etterligne det: styringskomiteer, godkjenningskjeder, kompetansesentre, dedikerte roller for AI.

Alt dette er dyrt, langsomt og utformet for å simulere det et lite team allerede gjør naturlig.

Ironisk nok er det slik de fleste små team ikke ser det. De ser på oppskriften for store virksomheter og antar at det er slik seriøs innføring av AI ser ut. De utnevner noen til å eie området. De kjøper verktøy og bygger prosesser. Og på den måten gir de fra seg det eneste strukturelle fortrinnet de faktisk hadde. 

I fjor anslo S&P Global at 42 % av selskapene hadde lagt bort de fleste av sine AI-initiativer, mer enn dobbelt så mange som året før.

Det ofte siterte MIT-funnet om at 95 % av AI-pilotprosjekter i virksomheter ikke gir målbare resultater, brukes som en kjepp å slå AI-initiativer med, men det vi ser i praksis, er at de ikke mislykkes fordi teknologien ikke fungerer. De mislykkes fordi selskaper prøver å tvinge den inn i måten de allerede arbeider på. De hopper over det langsomme og lite glamorøse arbeidet med å tenke nytt om hvordan mennesker samarbeider, hvor beslutninger tas, og hva som kjennetegner godt arbeid når verktøyene endrer alt.

Du trenger ikke å ansette en AI-spesialist. Du trenger ikke et kompetansesenter eller en formell plan for endringsledelse. Du trenger ikke å bli noe større eller mer strukturert for å få AI til å fungere.

Det du trenger, er allerede med i samtalen: menneskene som kjenner arbeidet, som merker avveiningene, og som forstår hva godt arbeid innebærer ut fra sitt ståsted.

Vi har vært her før. Hvert større teknologiskifte, fra PC-en til internett og nettskyen, krevde det samme: tid til å lære, rom til å eksperimentere og tillatelse til å tenke nytt om det du trodde var avklart. 

AI er ikke annerledes, det går bare raskere. Det er ikke et problem én person kan løse for resten av organisasjonen. Det er en evne hele teamet ditt må bygge opp, på samme måte som de lærte seg alle verktøyene som kom før. Gi dem tiden og rommet de trenger for å finne ut av det sammen.

Det er ikke et teknologiproblem. Det har det aldri vært.