Att bli AI-infödd: en HR-ledares perspektiv

Här är vad Johannes hade att säga om att göra AI på rätt sätt.

Från militärtjänst till HR-ledarskap

Jag vill gärna tro att ledarskap är den viktigaste delen av det som formar en organisation.

Jag inledde min ledarskapsresa inom den svenska militären. I Sverige måste alla göra militärtjänst. Jag gjorde min i 15 månader — det var första gången jag hade en ledarroll, och det väckte min nyfikenhet.

Så småningom ledde den nyfikenheten mig till HR, och det är vad jag har arbetat med under de senaste 15 åren, på ett eller annat sätt. Just nu är jag konsult och hjälper organisationer och ledare att förstå AI:s alla delar.

Hur AI omformar ledarskap och teamledning

Förändras ledarskapet i en AI-fokuserad värld? Både ja och nej.

Å ena sidan handlar arbetet fortfarande om att delegera problemlösningsuppgifter till olika personer.

Å andra sidan har medarbetarna nu nya möjligheter som gör att de kan arbeta mer effektivt. De kan lösa fler uppgifter, vara mer kreativa, vara mer innovativa, frigöra tid och i teorin ta på sig mer arbete. Det kräver ett nytt tankesätt när det gäller ledarskap.

Ledarskap handlar allt mindre om ”Vem ska jag ge det här problemet till?” och allt mer om ”Vilken typ av kompetens behöver jag för detta, och var kan jag hitta den?”

Tidigare skalade organisationer genom att anställa fler personer som kunde ta sig an mer arbete.

Men den ekvationen förändras. AI gör det möjligt för färre personer att göra mer, och i vissa fall kan AI själv hantera en del av arbetet.

Den förändringen kräver ett nytt perspektiv på ledarskap. Ett perspektiv där ledare ständigt måste omvärdera hur problem bäst löses och av vem — eller av vad.

Vändpunkten: När AI förändrade mitt sätt att leda

I början trodde jag att AI skulle vara ett verktyg vid sidan av som jag använde då och då. Men inom några veckor märkte jag att jag började använda det som standard för saker jag aldrig hade planerat — att ta fram utkast, kontrollera antaganden och till och med kvalitetssäkra beslut.

Jag minns första gången jag bad GPT-5 att sammanställa en hög med omfattande AI-rapporter åt mig.

Normalt skulle jag avsätta en hel helg med överstrykningspennor och kaffe och försöka förstå trender och insikter. I stället matade jag in dem, bad om en samlad överblick och fick tillbaka en strukturerad analys, tydliga teman och till och med jämförelser mellan källorna.

Det förändrade något för mig. Inte bara för att det sparade tid, utan också för att jag började tänka annorlunda kring min egen roll.

Mitt jobb är inte längre att läsa allt; det är att ställa skarpare frågor och sedan tolka det som kommer tillbaka. Det är en förändring i ledarskapet — från att vara den som bearbetar allt material till att vara den som formulerar problemen tillräckligt väl för att AI ska kunna hjälpa till att lösa dem.

Den förändringen påverkade även mitt team. Människor blev mer öppna för att prova och mindre rädda för att ”inte vara experter”. När de såg att AI kunde ta hand om grovjobbet började de tänka mer kreativt kring vad som var möjligt.

Så om jag var tvungen att peka ut ett ögonblick som förändrade sättet jag leder på, var det när jag insåg att jag inte behöver bevisa mitt värde genom att själv ta till mig all information. Jag behöver leda genom att definiera vad som är viktigt och låta AI hantera resten.

Viktiga kompetenser för framgångsrik AI-integrering

Jag nämnde tidigare att ledare måste identifiera nödvändiga kompetenser för AI-integrering. Att göra det är både enkelt och svårt på samma gång.

Enkelt, eftersom vi vanligtvis känner till grunderna: Du behöver tekniska färdigheter, datakompetens och förmågan att arbeta med leverantörer och verktyg.

Svårt, eftersom AI sträcker sig över olika roller, och det som är ”nödvändigt” handlar inte bara om programmering eller promptteknik.

Så här går jag tillväga:

1. Jag börjar med själva arbetet. Vad försöker människor faktiskt uppnå?
2. Sedan tittar jag på friktionspunkterna. Var slösas tid? Var går besluten långsamt? Och var får vi ojämn kvalitet? Det är där AI kan passa in, och det är också där kompetenser behöver byggas upp.

Så ibland handlar det om att lära chefer att ställa bättre frågor. Ibland handlar det om att ge HR-personal självförtroende att experimentera med verktyg. Och ibland handlar det om att ha någon i teamet som kan knyta ihop IT, efterlevnad och de faktiska slutanvändarna.

Med andra ord tittar jag inte på en fast lista över färdigheter. Jag tittar på organisationen och frågar: ”Vad behöver vi för att komma framåt utan att snubbla över våra egna fötter?” Det ger mig vanligtvis en mycket tydligare bild än något ramverk på papper.

Så förbättrar AI prestationsbedömningar och rekrytering

Två områden som jag verkligen har förändrat med AI är prestationsbedömningar och rekrytering.

Prestationsbedömningar

Vid prestationsbedömningar hjälper AI mig att upptäcka mönster i återkopplingen. I stället för att chefer lägger timmar på att försöka sammanställa kommentarer hämtar AI fram teman, lyfter fram styrkor och hittar till och med blinda fläckar. Det innebär att samtalen kan fokusera mindre på ”vad som hände” och mer på ”vad gör vi härnäst”. Det har gjort bedömningarna snabbare och, ärligt talat, mer användbara.

Så här ser det ut i praktiken. Säg att du har ett löpande dokument med din medarbetare – helst inklusive transkriberade mötesanteckningar. Be ett GenAI-verktyg sammanfatta de senaste sex månaderna. Sedan kan du, med hjälp av AI, se vad som har hänt under de senaste sex månaderna – vad ni har pratat om, vad som har gått bra, vad som har gått dåligt och så vidare. Det är också ett utmärkt verktyg för att få återkoppling om dig själv.

Rekrytering

Vid rekrytering har jag använt AI för att skriva utkast till jobbannonser, granska ansökningar utifrån lämplighet och till och med omformulera återkoppling om kandidater för rekryterande chefer. Den stora vinsten är inte automatisering för automatiseringens skull, utan konsekvens. Alla får samma strukturerade information, vilket minskar partiskhet och snabbar upp processen.

Självklart är det viktigt att komma ihåg att AI inte ersätter mänskligt omdöme; det rensar bara bort bruset. Chefer kan lägga mer tid på att fatta beslut och mindre tid på att sortera text. Den förändringen i sig har gjort både rekrytering och bedömningar mer strategiska i stället för rent administrativa.

Varför införandet av AI stannar av och hur hinder kan övervinnas

Det finns fortfarande ett stort gap mellan löftet från AI och den röriga organisatoriska verkligheten.

Det finns en skinande idé om att AI är en magisk produktivitetsmotor. De flesta ledare pratar om effektivitetsvinster, men i vardagen har man fortfarande föråldrade processer, oro kring efterlevnad och personer som inte vet när de ”får” använda verktygen.

Så avståndet handlar egentligen inte om tekniken. Det handlar om förtroende, tydlighet och utformning. Organisationer köper licenser och tror att de ”arbetar med AI”, men de förankrar den inte i arbetsflöden, policyer eller kultur. Det är därför införandet stannar av.

I mitt eget ledarskap försöker jag göra det mindre abstrakt.

I stället för att säga till teamet: ”AI kommer att spara tid åt oss”, kan du säga: ”Vilka är de tre tråkigaste uppgifterna vi gör varje vecka? Låt oss se hur AI kan minska dem.” Den lilla förändringen minskar rädslan och gör värdet synligt.

Och när det gäller organisationsutformning förespråkar jag ett tydligt ägarskap. Någon behöver överbrygga HR, IT och juridik så att medarbetarna inte fastnar i att gissa vad som är okej.

Så för mig ligger det verkliga gapet mellan ambition och tillåtelse. AI lovar arbetslivets framtid, men människor behöver fortfarande någon som utformar om nuet så att de faktiskt kan använda den.

Johannes tips

AI lovar arbetslivets framtid, men människor behöver fortfarande någon som utformar om nuet så att de faktiskt kan använda den.

Beprövade strategier för att få AI-införandet att hålla i organisationer

Låt oss gå djupare in på det.

För mig är ”AI-redo” inte en bild på en presentationsbild. Det är när team faktiskt förändrar hur de arbetar. Det är det området jag fokuserar på: att hjälpa organisationer att gå från strategi till praktik. Inte bara prata om vad AI skulle kunna göra, utan att sitta med team, utforma deras arbetsflöden på nytt och visa dem hur de kan använda AI direkt där och då.

Jag har gjort detta med ledningsgrupper, HR-team, ekonomiteam – du kan nämna vilket team som helst – inom olika branscher, och mönstret är detsamma: Människor behöver inte mer teori, de behöver se hur AI kopplar till deras verklighet.

När de upplever det börjar användningen ta fart.

Problemet är att de flesta organisationer behandlar AI som ännu en IT-utrullning: köp licenserna, skicka ett mejl och förvänta dig att människor anpassar sig. Det fungerar aldrig.

Du måste bygga upp självförtroende, kompetens och en kultur där människor känner sig redo att faktiskt använda AI i sina jobb. Det är det som gör en organisation verkligt AI-redo.

Fokusera på den praktiska sidan. Sitt med team, utforma processer på nytt och visa hur det ser ut i deras verkliga arbete. När människor får uppleva det fastnar förändringen – särskilt om du kan få arbetet att sluta vara tråkigt. Få kan motstå att eliminera tråkigt arbete.

Med det förändrar du samtalet och hur ditt team känner inför AI. Och långsamt men stadigt förändrar det kulturen.

Utan det blir AI bara ännu ett oanvänt verktyg i verktygsuppsättningen.

Varför experimenterande är avgörande för att få AI att användas

Ditt team behöver inte perfekt utbildning för att komma igång. När de ser ett konkret användningsfall som sparar tid kommer de att ta det vidare. Användningen sprids mer genom nyfikenhet och små framgångar än genom någon centralstyrd utrullning.

Det gäller även ledare. Om jag kunde ge dig ett enda råd är det detta: Sluta vänta på perfekt klarhet. Tekniken utvecklas för snabbt för det. Välj i stället några områden där ni kan experimentera på ett säkert sätt och börja bygga upp förmågan.

Sluta vänta på perfekt klarhet. Tekniken utvecklas för snabbt för det. Välj i stället några områden där ni kan experimentera på ett säkert sätt och börja bygga upp förmågan.

Ledare tror ofta att de behöver en fullständig strategi innan de agerar, men inom det här området kommer lärandet genom att göra. Ditt jobb är att skapa förutsättningar för människor att prova, misslyckas och lära sig utan rädsla. Det är så kunskapen och användningen växer.

Och kom ihåg: Blanda inte ihop att köpa verktyg med att leda förändring. Det verkliga arbetet är kulturellt – att ge tillåtelse, sätta ramar och visa genom exempel att AI är en del av hur ni arbetar.

Om du gör det kommer du att ligga före 90 % av alla organisationer som fortfarande sitter fast på PowerPoint-stadiet.

Vad det innebär att bli en organisation som verkligen är byggd för AI

Just nu kör de flesta organisationer inte verkligt agentbaserade system. Det jag oftare ser är automatisering, att man kopplar ihop verktyg, effektiviserar arbetsflöden och minskar antalet manuella steg. Det är utgångspunkten.

Det blir intressant när företag utformar hela verksamheten från grunden som AI-drivna. Det är en helt annan spelplan. Och det är precis det område jag arbetar inom nu: att hjälpa företag att tänka om kring sina processer, strukturer och till och med affärsmodeller, så att AI inte är ett tillägg utan en del av själva utformningen.

Här är ett exempel. En av mina kunder byggde om hela sin rekryteringsprocess från grunden. I stället för att rekryterare skulle ägna timmar åt att granska kandidater lade vi till AI som skapar kortlistor och utkast till kontaktmeddelanden. Rekryterarna kan sedan ägna sin tid åt kandidatrelationer och strategi.

Det är samma mål, men processen och rollerna ser annorlunda ut när AI byggs in i utformningen.

Inblick i min AI-verktygslåda: Vardagsanvändning och experiment

Just nu är min verktygslåda en blandning: kärnverktyg som jag förlitar mig på varje dag, plus några som jag experimenterar med.

De jag använder mest är ChatGPT Pro, Claude och Gemini. Jag växlar mellan dem beroende på vilken typ av uppgift det gäller.

• ChatGPT för mitt dagliga arbete och för djupgående efterforskning.
• Claude för allt som har med kodning och visualiseringar att göra, till exempel att skapa instrumentpaneler för nyckeltal.
• Och jag har Gemini integrerat i mina Google-produkter. Dessutom älskar jag den nya bildgeneratorn Nano Banana!

För automatisering använder jag främst n8n och Zapier (programvara för arbetsflödesautomatisering).

För att bygga och experimentera har jag använt Lovable och Replit. Jag har byggt mitt eget ATS, min egen medarbetarundersökning och nu experimenterar jag med en portal för chefer.

Och när det gäller innehåll arbetar jag mycket med ElevenLabs för röster och Gamma för presentationer.

Det stora genombrottet: Att kedja ihop AI-verktyg för arbetsflöden från början till slut

Den stora förändringen här är att jag går mot att koppla ihop verktyg. I stället för att fråga: ”Vilket verktyg är bäst?” frågar jag: ”Hur kopplar jag ihop de här verktygen så att arbetsflödet löper från början till slut utan att jag behöver ingripa?”

Det har varit det stora genombrottet på senare tid.

När det gäller e-post har jag till exempel kopplat min Gmail till en ChatGPT-agent som avgör om det är ett marknadsföringsmejl eller ett mejl som kräver mitt svar. Om det är det senare skriver den också ett svarsutkast. Eftersom den har tränats på mina data känner den till min ton och så vidare. Bara det förändrade spelplanen för mig.

Det mest betydelsefulla AI-verktyget i mitt arbetsflöde

Om jag måste välja ett verktyg blir det GPT-5 Pro och dess datafunktioner. Som jag nämnde har jag matat in enorma datamängder, omfattande rapporter och långa dokument, och det hanterar dem utan problem.

Effekten är tvådelad. För det första: snabbhet. Jag kan gå från råmaterial till en strukturerad analys på några timmar i stället för dagar. För det andra: perspektiv. Det sammanfattar inte bara; det synliggör mönster som jag kanske skulle missa om jag var försjunken i detaljerna. Det förändrar hur jag förbereder mig för kunder och hur jag fattar beslut.

Så ja, jag är lite besatt. Det är första gången jag har känt att flaskhalsen inte är datan eller tiden det tar att läsa; det handlar bara om hur bra fråga jag kan ställa.

AI-chefernas framväxt och ledarskapets framtid

Allt detta är bara början. Under de kommande fem åren kommer vi att börja se AI-chefer.

På vissa sätt gör vi redan det. Tänk på Uber – ingen tilldelar dig manuellt en förare; systemet fattar det beslutet. Det är ledning. Uppgifter fördelas, prestationer följs upp och resurser optimeras, allt utan att en mänsklig chef är involverad.

Jag tror att vi kommer att se den logiken flytta in i mer kunskapsarbete. Inte bara att schemalägga resor, utan att fördela projekt, balansera arbetsbelastningar och till och med hantera delar av prestationsstyrningen. Människor kommer fortfarande att leda, men AI kommer att ta över stora delar av samordningen och beslutsfattandet.

Den förändringen kommer att tvinga ledare att omdefiniera sina roller ännu en gång. Och det kommer att handla mindre om ”vem gör vad” och mer om ”varför gör vi det här och hur gör vi det meningsfullt”. Med andra ord kommer ledarskap att bli mindre operativt och mer handla om syfte, tillit och sammanhang – en förflyttning från årliga medarbetarsamtal till kontinuerlig coachning.

Läs mer

Du kan lära dig mer av Johannes i hans nyhetsbrev, FullStack HR, där han diskuterar framtidens arbete och ledarskap.