Talentrådgiver sier at KI akselererer organisatorisk gjeld, ikke løser den
Oppdag hvordan ledere i selskaper med høy vekst bruker KI til å skalere beslutningstaking og gjennomføring, samtidig som de unngår den organisatoriske gjelden som oppstår når KI behandles som en snarvei.
Heather Doshay
Grunnlegger av Waypoint Works
KI-ledelse: KI omformer ledelse og krever tilpasningsevne hos ledere i bratt vekst under raske teknologiske overganger.
Operasjonelt skifte: KI oppmuntrer selskaper til å gå fra en «kjøpe kontra bygge»-tankegang til en eksperimentell tilnærming der man «utforsker før man kjøper».
Kulturell transformasjon: Å integrere KI i selskaper handler ikke bare om verktøy, men krever en bredere strategi for kulturell transformasjon.
Menneskelig dømmekraft: KI støtter beslutningstaking ved å sammenfatte informasjon, men menneskelig dømmekraft er fortsatt avgjørende for nyanserte beslutninger.
Innovasjonsutfordring: KI akselererer innovasjon, men lykkes ofte ikke med å erstatte menneskelige arbeidsprosesser fullt ut, noe som understreker betydningen av å utvide menneskelig kapasitet.
Heather Doshay er grunnleggeren av Waypoint Works, der hun hjelper ledere med høy læringskurve med overgangen til AI. Tidligere var hun partner og leder for talentarbeid i et AI-basert venturekapitalfond med $3B AUM.
Vi tok en prat med Heather for å lære hvordan dyktige operatører bruker AI til å skalere effekten sin. Her er det hun hadde å si.
Slik endrer AI ledelse i hektiske miljøer
Da ChatGPT ble lansert sent i 2022, var jeg allerede partner og leder for talentarbeid i et AI-basert venturekapitalfond, der vi i årevis hadde investert i og bygget videre på tidligere bølger av AI. Men fremveksten av store språkmodeller endret spillereglene grunnleggende.
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
Arbeid vi forventet skulle utvikle seg gradvis, sto plutselig i fare for å bli utdatert. Selv for en AI-først-organisasjon tvang endringstakten oss til å tenke helt nytt om driften vår.
Rollen min berørte to transformasjoner. Internt omdefinerte vi raskt hvordan et AI-basert selskap fungerer, ettersom teknologien endret seg daglig. Eksternt ga teamet mitt råd til over 200 venturekapitalfinansierte oppstartsbedrifter som sto overfor den samme uklarheten.
Grunnleggere ba om beste praksis som ennå ikke eksisterte, og vi hjalp dem med å navigere i alt fra talentstrategi til driftsmodeller i sanntid.
Denne perioden, særlig fra 2023 til 2025, markerte et skifte fra nysgjerrighet til hastverk. Det som startet som utforskende samtaler, ble raskt grunnleggende for hvordan selskaper bygger, ansetter og konkurrerer.
Ved starten av denne bølgen var jeg partner og leder for talentarbeid i SignalFire, et AI-fokusert venturekapitalfond med ~$3B AUM. Venturekapitalteam er bevisst slanke, så teamet mitt og jeg støttet over 200 porteføljeselskaper gjennom hele talentets livssyklus, fra ansettelser og organisasjonsdesign til kompensasjon og skalering av distribuerte team.
Etter hvert som AI akselererte, ble ansvarsområdet vårt utvidet fra å gi råd om «hva» selskaper burde gjøre, til å hjelpe dem med å tenke nytt om «hvordan» arbeidet blir utført. AI var ikke en funksjon, men et nytt driftslag. Jeg forlot rollen i august 2025 for å grunnlegge mitt eget selskap.
I september 2025 grunnla jeg Waypoint Works, der jeg veileder, gir råd til og lærer opp ledere med høy læringskurve og teamene deres. Arbeidet mitt handler ikke direkte om AI-transformasjon, men AI inngår jevnlig som en del av hvordan dyktige operatører skalerer effekten sin. Fokuset er fortsatt det samme: å utvikle mennesker og systemer som kan tilpasse seg raskt, der AI fungerer som ett av verktøyene som muliggjør dette.
Slik hjelper AI oppstartsbedrifter med å navigere i transformasjonskaos
De fleste grunnleggere ønsket i utgangspunktet en referanse eller en veiledning i hvordan de kunne gå over til AI. Realiteten var at ingen slike fantes. Derfor endret vi arbeidet vårt fra å gi svar til å hjelpe dem med å ta bedre beslutninger i møte med uklarhet.
Vi fokuserte først på orientering, ikke verktøy. I stedet for å spørre «Hva kan AI gjøre?», fikk vi teamene til å spørre: «Hvor er vi ineffektive eller begrenset, og hvor kan AI endre dette på en meningsfull måte?» Denne omformuleringen alene forhindret mye bortkastede utgifter på skinnende nye verktøy som ikke løste reelle problemer.
Deretter hjalp vi selskapene med å definere sin tilnærming. Er dere sentraliserte eller desentraliserte i hvordan teamene bruker AI? Optimaliserer dere for hurtighet og eksperimentering, eller for kontroll og risikoreduksjon? Disse beslutningene påvirket alt fra retningslinjer for verktøy til ansettelsesplaner.
Noen selskaper gjennomførte for eksempel AI-«dueller» for å evaluere verktøy på en trygg måte, mens andre arrangerte interne hackatoner knyttet til reelle flaskehalser i virksomheten for å fremme bruk og kreativitet.
Til syvende og sist var dette en øvelse i endringsledelse, akkurat som alle andre, men med fokus på AI. Utfordringen var å tenke på systemnivå, ikke bare krysse av i boksen som sier «Jeg får en gullstjerne fordi jeg bruker XYZ AI-verktøy».
Selskapene som beveget seg mest effektivt, behandlet AI som en kulturell transformasjon, avklarte prinsippene sine tidlig og forsterket deretter disse valgene konsekvent gjennom hvordan de ansatte, drev virksomheten og bygget.
Hvorfor AI redefinerer driftsstrategier i organisasjoner
Vi gjorde en tydelig endring fra en «kjøpe kontra bygge»-tankegang (for eksempel: skal vi kjøpe et verktøy eller bygge en intern prosess som håndteres manuelt?) til en tilnærming der vi «prøver oss fram før vi kjøper».
Historisk sett valgte selskaper som regel å kjøpe verktøy fordi manuelle prosesser ikke kunne skaleres. Med AI oppfordret vi teamene til først å eksperimentere med å løse problemet selv, selv på en enkel måte, før de forpliktet seg til en leverandør.
Det førte til en annen endring, nemlig at flere fikk mulighet til å bygge. Vi introduserte interne hackatoner for team, som historisk sett hadde vært forbeholdt utviklingsteam, men med fremskritt innen AI kan alle delta.
AI senket terskelen for å komme i gang, slik at kontorledere, rekrutterere og personalledere kan lage prototyper på løsninger på reelle forretningsproblemer. Denne endringen alene påvirker atferden, fra passiv bruk av verktøy til aktiv problemløsning. Mange bekymrer seg for at AI vil svekke kritisk tenkning, men jeg har erfart at det faktisk kan styrke den kritiske tenkningen når man løser problemer på nye måter.
En annen endring jeg har sett det siste året, er at flere CHRO-er blir direktører for personal og AI. Til syvende og sist viser det første kapittelet i denne omstillingen en endring i hvordan team organiserer seg, og hvordan arbeidet blir utført. Dette er et interessant arbeid med mennesker og endringsledelse, med to naturlige organisatoriske hjem: CTO/CIO eller CHRO. Jeg ser førstnevnte oftere, men sistnevnte forekommer ofte nok til at det er verdt å merke seg.
Hvorfor vi befinner oss midt i det uoversiktlige i AI-revolusjonen
Vi befinner oss midt i det uoversiktlige i denne AI-revolusjonen. Det er et reelt press mot økt effektivitet basert på potensialet i AI, men AI er ennå ikke klart for produksjonsbruk i virksomheter. Med andre ord kan jeg ikke erstatte HRIS-et jeg hater med mitt eget produkt bygget med Claude Code.
Så selv om vi ser langt mer eksperimentering og nyskapende problemløsning, er dette ikke den mirakelløsningen ledelsen ofte tror det er. Teamene strever med å vedlikeholde eldre systemer som en del av den daglige jobben, samtidig som de prøver å finne tid til å eksperimentere med AI, uten å erstatte noen av de eldre systemene fullstendig. For HR-teamene er dette en jobb med dobbelt ansvar akkurat nå, og de er allerede mindre enn de var tidligere.
Selskapene er ikke mer effektive ennå. De utforsker mer, med små gevinster på enkelte områder gjennom AI. Men denne utforskingen vil til syvende og sist åpne for den neste bølgen av produktivitet, og jeg tror HR-teknologi vil bli utformet med større utvidelsesmuligheter i fremtiden, slik at man kan få det beste fra begge verdener. Først kjøpe, og deretter bygge videre på det.
Når videre fremskritt innen AI gjør dette mulig, gleder jeg meg til å se endringer i større skala.
Hvordan AI støtter beslutninger i ledelsen uten å erstatte menneskelig medvirkning
Grensen er ganske tydelig. AI kan støtte systemet, men mennesker har ansvaret for vurderingene. Beslutninger som krever nyanser, skjønn og diskresjon, som hvem man skal ansette, hvordan man gir meningsfulle tilbakemeldinger eller hvordan man fordeler ressurser, er fortsatt avhengige av erfarne fagpersoner.
AI tar ikke beslutninger for oss – det ville ikke fungert i praksis eller juridisk. Jeg vurderer hvor teknologien kan fremskynde innspill og forbedre prosessen. Den sammenfatter tilbakemeldinger effektivt, utarbeider utkast til medarbeidersamtaler, strukturerer tanker fra tale til tekst og samler ansettelses- og arbeidsstyrkedata til nyttig informasjon.
For det meste av dette legger jeg bare ting inn i Claude og ber den sammenfatte ulike innspill. Men for 360-graders vurderinger liker jeg et verktøy som heter Your360.ai.
I dag kan AI raskere hjelpe deg frem til et bedre utgangspunkt, men teknologien kan ikke erstatte det menneskelige perspektivet som avgjør hva som er «fremragende».
Hvordan AI fremmer innovasjon, men samtidig utfordrer effektiviteten
Jeg har sett selskaper unngå dyre leverandører ved å bygge enkle interne løsninger med AI, noe som noen ganger sparer tusenvis årlig. Samtidig får medarbeiderne større selvstendighet og kreativitet når personer på alle nivåer begynner å løse sine egne problemer.
På den andre siden er mange organisasjoner mer eksperimentelle, men ikke mer effektive ennå, fordi teamene gjør dobbelt arbeid, forfølger ideer som ikke fører frem, og utsetter investeringer i eksisterende systemer fordi de forventer at AI skal erstatte dem.
Mønsteret jeg vil trekke frem, er at AI muliggjør innovasjon nedenfra og opp raskere enn de fleste selskaper klarer å styre den. Det er nettopp derfor det er viktigere enn noen gang å sette ledere i stand til å lykkes.
Den neste generasjonen ledere med sterk utvikling vil kjennetegnes av evnen til å omsette visjon til gjennomføring, kanalisere denne energien og gjøre rå eksperimentering om til reelle, skalerbare resultater som samsvarer med virksomhetens overordnede mål.
Det er den manglende brikken i dag. Dette arbeidet skjer i isolerte deler av organisasjoner, snarere enn systematisk.
Hvorfor AI ikke klarer å erstatte helhetlige arbeidsflyter fullt ut
AI har ikke erstattet roller fullt ut, særlig ikke når arbeidet krever helhetlig eierskap. Den er god på avgrensede oppgaver, planlegging, utforming av utkast og sammenfatning, men kommer til kort i arbeidsflyter som krever skjønn, kontekst og oppfølging.
Du trenger fortsatt et menneske i loopen for å se sammenhengen. AI er en overmodig praktikant som stolt hevder at den har gjort et stykke arbeid som den faktisk aldri har begynt på.
Jeg skal si noe kontroversielt, og jeg står for det. Det store flertallet av oppsigelsene som tilskrives «AI-effektivisering», er fullstendig feilaktig begrunnet. Vi er rett og slett ikke der ennå. Den uheldige sannheten for de fleste er at disse oppsigelsene gjenspeiler dårlig bemanningsplanlegging og tidligere overbemanning som virksomheten aldri justerte for, men selskaper ønsker seg en bedre fortelling for å styrke aksjonærenes tillit.
AI kan gjøre team mindre, ved at én person utfører arbeidet til tre, men den vil ikke fjerne behovet for selve funksjonene.
Gapet ligger i eierskap og helhetlige arbeidsflyter. AI håndterer ennå ikke pålitelig hele sykluser fra oppgave til ferdig resultat, og mangler smaken og ansvaret som kreves for å eie resultatene. Realiteten på kort sikt er utvidede kapabiliteter og økt hastighet, ikke erstatning.
Slik forvandler AI rekruttering fra start til slutt
Her er én arbeidsflyt jeg har brukt flere ganger til rekruttering fra start til slutt. AI dukker opp i hvert trinn, men alltid som en akselerator, ikke som beslutningstaker.
Jeg starter med en LLM som ChatGPT, Claude eller Gemini for å kvalitetssikre hva jeg trenger å rekruttere til og utarbeide et utkast til stillingsbeskrivelsen. Derfra redigerer jeg den manuelt til den er klar. Deretter bygger jeg en intervjuprosess og lanserer den i Ashby, som tilbyr omfattende AI-funksjonalitet for blant annet sortering av CV-er og planlegging.
Jeg kombinerte også dette med Juicebox for utgående kandidatsøk, og brukte AI-funksjonaliteten der til å forbedre søkeresultatene, finne kandidater som samsvarte med kravene og preferansene mine, og utarbeide meldinger som fanget oppmerksomheten deres om muligheten på teamet mitt.
Da jeg hadde kandidater å intervjue, brukte jeg Metaview til å registrere og strukturere tilbakemeldinger i sanntid. Gjennom hele prosessen håndterer AI det operative arbeidet – å bygge lister, utarbeide meldinger og registrere data – mens jeg fokuserer på vurdering, beslutningstaking og menneskelig kontakt.
AI hjelper meg generelt med å strukturere de mange ideene mine, automatisere kjedelige manuelle trinn og forbedre tekstene mine. Skjønnet, stilen og den menneskelige kontakten min forblir konsekvent mine egne.
Til syvende og sist krever rekruttering en balanse mellom hastighet og bredde for å ta de beste beslutningene før man mister den best egnede kandidaten. AI hjelper meg med å holde tempoet oppe.
Jeg gleder meg til å se hva som kommer i neste generasjon verktøy for AI i talentarbeid. Konsepter som historisk sett har føltes feil for meg – som at AI gjennomfører en innledende telefonsamtale – virker nå mer interessante.
Virker det keitete og upersonlig? Absolutt. Men kan det også realistisk hjelpe deg med å sile ut 1000 søkere i stedet for bare 20? Ja. Nøkkelen er å ivareta skjønn og bevissthet, slik at kandidatene ser fordelene. Når man intervjuer flere personer, fører det til mer rettferdige resultater, der den beste kandidaten blir ansatt i stillingen.
Slik utfordrer AI tradisjonelle antakelser om ledelse
Det interessante skiftet er at selv om det kan føles som en snarvei, bygger det også ferdigheter. Over tid har personer som bruker KI godt, en tendens til å bli bedre kommunikatører fordi de eksponeres for tydeligere mønstre i tenkning og uttrykksmåte.
Jeg har måttet gi slipp på antakelsen om at systemer må være helt ferdigutviklet før de er nyttige. Historisk sett brukte man ikke et verktøy hvis det ikke gjorde nøyaktig det man trengte. Med KI fungerer ingenting perfekt, men det gir ofte nok hjelp i riktig retning til at man kan jobbe raskere, teste ideer og bygge noe som er bedre enn før.
Jeg har også tenkt på nytt hva «god kommunikasjon» innebærer i lederskap. Jeg antok at gode ledere måtte være naturlig dyktige skribenter for å gi tydelige og gjennomtenkte tilbakemeldinger. KI endrer dette. Det kan ta uferdige tanker og gjøre dem mer strukturerte og anvendelige, noe som senker terskelen, men også fungerer som en slags veileder i sanntid.
Det interessante skiftet er at selv om det kan føles som en snarvei, bygger det også ferdigheter. Over tid har personer som bruker KI godt, en tendens til å bli bedre kommunikatører fordi de eksponeres for tydeligere mønstre i tenkning og uttrykksmåte.
Slik unngår du vanlige fallgruver i KI-aktiverte initiativer
Tidlig prøvde jeg å bygge en KI-«forlengelse» av meg selv for å svare på spørsmål og skalere kunnskapen i teamet vårt, men den ble dårligere for hver iterasjon. Problemet var ikke ideen, men at jeg ikke hadde utformet systemet på forhånd. Jeg ga en vag instruksjon og itererte 500 ganger, og mot slutten var det blitt altfor innviklet.
Jeg lærte at hvis den første instruksjonen er svak eller mangler detaljer fra designtenkning, vil det å legge til flere instruksjoner senere vanligvis gjøre resultatet dårligere i stedet for bedre. Det er bedre å begynne på nytt med en mer gjennomtenkt instruksjon enn å forsøke å lappe på en dårlig en.
I dag lager jeg noen ganger et Google-dokument på 16 sider som instruksjon og laster det opp i stedet. Det bringer meg mye lenger, raskere.
Lærdommen for ledere er enkel. Tenk som en produktutvikler og bruk elementer fra designtenkning. Finn ut hvordan sluttresultatet skal se ut på forhånd. De fleste prøver én gang, det fungerer ikke, og de gir opp. I virkeligheten mislyktes de ikke med KI; de hoppet over den innledende tenkningen som kreves for å få det til å fungere.
Hvorfor KI har utfordringer med rettferdighet og ansvarlighet
KI har størst problemer når mennesker forveksler mønstergjenkjenning med dømmekraft. Fordi den er trent til å forutsi det som er mest sannsynlig basert på eksisterende data, kan den i det stille videreføre fortiden i stedet for å utfordre den.
Rekruttering og søk etter kandidater er et tydelig eksempel. Verktøy kan legge for stor vekt på kandidater fra prestisjetunge skoler eller kjente selskaper fordi det er dette som oftest dukker opp i dataene. Det kan utilsiktet filtrere bort talent med stort potensial som har en ikke-tradisjonell bakgrunn.
På samme måte kan språkmodeller gjenspeile skjevheter i hvordan de utformer tilbakemeldinger på arbeidsprestasjoner, ved å bruke ulik tone eller ulike beskrivelser basert på kjønnsrelaterte eller kulturelt ladede mønstre.
Det oppstår også problemer med konsistens og ansvarlighet. KI kan generere selvsikre, men uriktige resultater, og det er ikke alltid tydelig hvordan den kom frem til en anbefaling. Det gjør det vanskelig å kontrollere eller forsvare beslutninger.
Derfor er menneskelig dømmekraft fortsatt viktig. Det er avgjørende å vite når man skal stole på resultatet, når man skal stille spørsmål ved det, og hvordan man skal bruke kontekst som modellen ganske enkelt ikke har.
Slik kan ledere håndtere KI-drevne transformasjoner
Altfor mange ledere behandler KI som en boks som skal krysses av. «Vi bruker dette verktøyet, vi eksperimenterer, vi tar det i bruk.» Den tankegangen kan gi deg en gullstjerne fra toppsjefen i dag, men den kommer ikke til å løse organisasjonens oppsamlede problemer. Om noe kan den fremskynde dem.
Se på organisasjonen din og kartlegg hva som fungerer, og hva som ikke fungerer. Det innebærer å få en tydeligere forståelse av hvordan beslutninger tas, hvem som har ansvar for hva, og hvordan arbeidet flyter gjennom organisasjonen. Finn ut hva som må endres, og se deretter rundt hjørnene ett, tre og fem år frem i tid for å avgjøre hvilke grunnleggende endringer som trengs.
Ikke prøv å forutsi fremtiden perfekt. Fokuser heller på å stille bedre spørsmål. Jeg er stor tilhenger av å tenke ut fra første prinsipper og tenke i andre ordens konsekvenser. Hvordan ser en veldrevet organisasjon ut om 5 år? Hvilke endringer trengs for å komme dit? Hvis dette endrer hvordan arbeidet utføres, hva skjer med organisasjonsdesignet vårt? Hvilke ferdigheter blir viktigere? Hvor blir roller slått sammen eller utvidet?
Lederne som lykkes med dette, beveger seg kanskje saktere på forfengelighetsmåltall som AI-adopsjon i dag, men de vil skape mer effektive organisasjoner på lang sikt.
Følg med
Du kan følge Heathers arbeid på LinkedIn. Og ta en titt på Waypoint Works!
Flere ekspertintervjuer kommer på People Managing People!
