Talangrådgivare säger att AI påskyndar organisationsskulden, inte löser den

Heather Doshay är grundare av Waypoint Works, där hon hjälper ledare med hög utvecklingstakt att hantera övergången till AI. Tidigare var hon partner och talangchef på ett AI-fokuserat riskkapitalbolag med 3 miljarder dollar i förvaltat kapital.

Vi pratade med Heather för att ta reda på hur skickliga operativa ledare använder AI för att skala upp sin påverkan. Här är vad hon hade att säga.

Så omformar AI ledarskapet i snabbföränderliga miljöer

När ChatGPT lanserades i slutet av 2022 var jag redan partner och talangchef på ett AI-fokuserat riskkapitalbolag, där vi i flera år hade investerat i och byggt vidare på tidigare vågor av AI. Men framväxten av stora språkmodeller förändrade spelplanen i grunden.

Arbete som vi förväntade oss skulle utvecklas gradvis riskerade plötsligt att bli föråldrat. Även för en AI-fokuserad organisation tvingade förändringstakten oss att helt tänka om kring vår verksamhet.

Min roll omfattade två förändringar. Internt omdefinierade vi snabbt hur ett AI-fokuserat företag arbetar i takt med att tekniken förändrades dagligen. Externt gav mitt team råd till över 200 riskkapitalfinansierade nystartade företag som stod inför samma osäkerhet.

Grundare efterfrågade bästa praxis som ännu inte fanns, och vi hjälpte dem att i realtid navigera allt från talangstrategi till operativa modeller.

Den perioden, särskilt från 2023 till 2025, markerade en övergång från nyfikenhet till brådska. Det som började som utforskande samtal blev snabbt grundläggande för hur företag bygger, rekryterar och konkurrerar.

I början av den här vågen var jag partner och talangchef på SignalFire, ett AI-fokuserat riskkapitalbolag med cirka 3 miljarder dollar i förvaltat kapital. Riskkapitalteam är medvetet slimmade, så mitt team och jag stöttade över 200 portföljbolag genom hela talanglivscykeln, från rekrytering och organisationsdesign till ersättning och uppskalning av distribuerade team.

När AI accelererade utökades vårt uppdrag från att ge råd om ”vad” företag borde göra till att hjälpa dem tänka om kring ”hur” arbetet utförs. AI var inte en funktion, utan ett nytt operativt lager. Jag lämnade den rollen i augusti 2025 för att grunda mitt eget företag.

I september 2025 grundade jag Waypoint Works, där jag coachar, ger råd till och utbildar ledare med hög utvecklingstakt och deras team. Mitt arbete handlar inte direkt om AI-transformation, men AI återkommer konsekvent som en del av hur skickliga operativa ledare skalar upp sin påverkan. Fokus är detsamma: att utveckla människor och system som snabbt kan anpassa sig, där AI fungerar som ett av verktygen som möjliggör detta.

Så hjälper AI nystartade företag att navigera i förändringens kaos

De flesta grundare ville till en början ha ett riktmärke eller en handlingsplan för hur de skulle gå över till AI. Verkligheten var att inget sådant fanns. Därför ändrade vi vårt arbete från att ge svar till att hjälpa dem fatta bättre beslut i en situation präglad av osäkerhet.

Vi fokuserade först på orientering, inte på verktyg. I stället för att fråga ”Vad kan AI göra?” uppmanade vi teamen att fråga: ”Var är vi ineffektiva eller begränsade, och var skulle AI kunna förändra detta på ett meningsfullt sätt?” Bara denna omformulering förhindrade många onödiga utgifter på glänsande verktyg som inte löste verkliga problem.

Därefter hjälpte vi företagen att definiera sin hållning. Är ni centraliserade eller decentraliserade när det gäller hur teamen använder AI? Optimerar ni för snabbhet och experimenterande, eller för kontroll och riskminimering? Dessa beslut påverkade allt från riktlinjer för verktyg till rekryteringsplaner.

Vissa företag genomförde till exempel AI-”utmaningar” för att utvärdera verktyg på ett säkert sätt, medan andra anordnade interna hackathon kopplade till verkliga flaskhalsar i verksamheten för att driva användning och kreativitet.

I slutändan var detta ett arbete med förändringsledning, precis som alla andra, men med fokus på AI. Utmaningen var att tänka på systemnivå, inte bara kryssa i rutan som säger ”Jag får en guldstjärna eftersom jag använder XYZ AI-verktyg.”

De företag som lyckades bäst behandlade AI som en kulturell förändring, tydliggjorde sina principer tidigt och förstärkte sedan konsekvent dessa val i hur de rekryterade, arbetade och byggde upp verksamheten.

Varför AI omdefinierar operativa strategier i organisationer

Vi gjorde en konkret förflyttning från ett ”köpa kontra bygga”-tankesätt (till exempel: ska vi köpa ett verktyg eller bygga en internt hanterad process?) till en strategi där man ”experimenterar innan man köper”.

Historiskt sett valde företag som standard att köpa verktyg eftersom manuella processer inte skalade. Med AI uppmuntrade vi teamen att först experimentera med att lösa problemet själva, även på ett enkelt sätt, innan de band upp sig till en leverantör.

Det ledde till en andra förändring som utvidgade vilka som får bygga. Vi introducerade interna hackathon för team, något som historiskt sett varit reserverat för utvecklingsteam, men med AI-framsteg kan vem som helst delta.

AI sänkte tröskeln för att komma igång, så kontorschefer, rekryterare och personalansvariga kan ta fram prototyper på lösningar för verkliga affärsproblem. Bara den förändringen påverkar beteendet, från passivt verktygsanvändande till aktiv problemlösning. Många oroar sig för att AI ska minska det kritiska tänkandet, men jag har upptäckt att det faktiskt kan stärka det kritiska resonemanget när man löser problem på nya sätt.

En annan förändring jag har sett under det senaste året är att fler CHRO:er blir personal- och AI-chefer. I slutändan visar det första kapitlet i denna omvandling en förändring i hur team organiserar sig och hur arbetet utförs. Det är ett intressant arbete med människor och förändringsledning, med två logiska hemvister: CTO/CIO eller CHRO. Jag ser det förstnämnda oftare, men det sistnämnda tillräckligt ofta för att det ska vara värt att notera.

Varför vi befinner oss i AI-revolutionens röriga mellanläge

Vi befinner oss i det röriga mellanläget i denna AI-revolution. Det finns ett starkt fokus på effektivitet baserat på AI:s potential, men AI är ännu inte redo för produktion i företag. Med andra ord kan jag inte ersätta det HRIS jag avskyr med en egen produkt byggd med Claude Code.

Så även om vi ser mycket mer experimenterande och nya sätt att lösa problem är AI inte den universallösning som ledningen ofta tror att den är. Team kämpar med att underhålla äldre system som en del av sitt dagliga arbete och klämmer in tid för att experimentera med AI, men ersätter inte helt några äldre system. För HR-team är det ett arbete med dubbla uppgifter just nu, och de är redan mindre bemannade än tidigare.

Företagen är ännu inte effektivare. De utforskar mer, med mindre framgångar på olika håll genom AI. Men det utforskandet kommer i slutändan att låsa upp nästa produktivitetsvåg, och jag tror att HR-teknik kommer att utformas med större utbyggbarhet i framtiden, vilket möjliggör det bästa av två världar. Att köpa och sedan bygga vidare på det.

När ytterligare AI-framsteg gör detta möjligt ser jag fram emot att se förändringar i större skala.

Hur AI stödjer ledningsbeslut utan att ersätta mänskliga insatser

AI fattar inte beslut åt oss — det skulle inte fungera i praktiken eller juridiskt. Jag ser på var det kan påskynda underlaget och förbättra processen. AI sammanställer effektivt återkoppling, utformar utkast till prestationsbedömningar, strukturerar tankar från tal till text och sammanför data om rekrytering och arbetsstyrka till användbar information.

För det mesta häller jag bara in saker i Claude och låter det sammanställa olika underlag. Men för 360-gradersutvärderingar gillar jag ett verktyg som heter Your360.ai.

I dag kan AI snabbare hjälpa dig till en starkare utgångspunkt, men den kan inte ersätta det mänskliga perspektiv som avgör vad som är ”fantastiskt”.

Hur AI främjar innovation men samtidigt utmanar effektiviteten

Jag har sett företag undvika dyra leverantörer genom att bygga enkla interna lösningar med AI, ibland med årliga besparingar på tusentals kronor, samtidigt som medarbetarnas självständighet och kreativitet ökar betydligt när personer på alla nivåer börjar lösa sina egna problem.

Å andra sidan är många organisationer mer experimentella men ännu inte mer effektiva, eftersom team duplicerar arbete, jagar idéer som inte får genomslag och skjuter upp investeringar i befintliga system eftersom de förväntar sig att AI ska ersätta dem.

Mönstret jag vill lyfta fram är att AI möjliggör gräsrotsinnovation snabbare än vad de flesta företag kan styra den. Det är precis därför det är viktigare än någonsin att ge chefer rätt förutsättningar.

Nästa generation av ledare med hög utvecklingspotential kommer att definieras av deras förmåga att omsätta vision i genomförande, kanalisera den energin och omvandla rå experimentering till verkliga, skalbara resultat som ligger i linje med verksamhetens övergripande mål.

Det är den del som saknas idag. Dessa insatser sker i isolerade delar av organisationer i stället för på ett systematiskt sätt.

Varför AI inte helt kan ersätta omfattande arbetsflöden

Heather berättar

AI är en övermodig praktikant som stolt hävdar att den har gjort ett arbete som den faktiskt aldrig ens påbörjade.

AI har inte helt ersatt yrkesroller, särskilt inte där arbetet kräver helhetsansvar från början till slut. AI är bra på avgränsade uppgifter, schemaläggning, utkast och sammanställning, men brister i arbetsflöden som kräver omdöme, sammanhang och uppföljning.

Du behöver fortfarande en människa med i processen för att knyta ihop trådarna. AI är en övermodig praktikant som stolt hävdar att den har gjort ett arbete som den faktiskt aldrig ens påbörjade.

Jag kommer att säga något kontroversiellt, och jag står fast vid det. Den stora majoriteten av uppsägningar som tillskrivs ”AI-effektiviseringar” är helt enkelt falska. Vi är inte där än. Den olyckliga sanningen för de flesta är att dessa uppsägningar speglar bristande personalplanering och tidigare överanställningar som företaget aldrig anpassade sig efter, men företag vill ha en bättre berättelse för att inge aktieägarna förtroende.

AI kan göra team mindre, där en person utför tre personers arbete, men det kommer inte att eliminera behovet av själva funktionerna.

Gapet handlar om ägarskap och hela arbetsflöden. AI kan ännu inte på ett tillförlitligt sätt hantera hela cykler för arbetsuppgifter, och saknar den känsla för kvalitet och det ansvar som krävs för att äga resultaten. Den närmaste framtidens verklighet handlar om förstärkning och snabbhet, inte ersättning.

Så förändrar AI rekrytering från början till slut

Här är ett arbetsflöde för rekrytering från början till slut som jag har använt flera gånger. AI förekommer i varje steg, men alltid som en accelerator och aldrig som beslutsfattare.

Jag börjar med en språkmodell som ChatGPT, Claude eller Gemini för att stresstesta vad jag behöver rekrytera till och utarbeta arbetsbeskrivningen. Därefter redigerar jag den manuellt tills den är klar. Sedan bygger jag upp och lanserar en intervjuprocess i Ashby, som erbjuder omfattande AI-funktioner för bland annat sortering av CV:n och schemaläggning. 

Jag kombinerade också detta med Juicebox för aktiv kandidatsökning, där jag använde dess AI-funktioner för att förbättra sökresultaten, hitta kandidater som matchade mina krav och preferenser samt utarbeta meddelanden för att fånga deras uppmärksamhet kring möjligheten i mitt team.

När jag hade kandidater att intervjua använde jag Metaview för att fånga och strukturera återkopplingsanteckningar i realtid. Genom hela processen hanterar AI den operativa belastningen – att bygga listor, utarbeta meddelanden och samla in data – medan jag fokuserar på utvärdering, beslutsfattande och mänsklig kontakt.

AI hjälper mig generellt att strukturera mina många idéer, automatisera tröttsamma manuella steg och finslipa mitt skrivande. Mitt omdöme, min stil och min mänskliga kontakt förblir konsekvent mina egna. 

I slutändan kräver rekrytering en balans mellan snabbhet och bredd för att kunna fatta de bästa besluten innan man förlorar den mest lämpade kandidaten. AI hjälper mig att hålla tempot.

Jag ser fram emot att se vad som kommer i nästa generation av AI-verktyg för talanghantering. Koncept som historiskt har känts fel för mig – som att AI genomför ett första telefonsamtal – känns nu mer intressanta.

Känns det stelt och opersonligt? Absolut. Men kan det också realistiskt hjälpa dig att sålla bland 1000 sökande i stället för bara 20? Ja. Nyckeln är att behålla omdömet och avsikten för att hjälpa kandidaterna att se nyttan. Att intervjua fler personer leder till rättvisare resultat, där den bästa kandidaten anställs för rollen. 

Så utmanar AI traditionella antaganden om ledarskap

Jag har behövt släppa antagandet att system måste vara helt färdigutvecklade innan de är användbara. Historiskt sett använde man inte ett verktyg om det inte gjorde exakt det man behövde. Med AI fungerar ingenting perfekt, men det ger ofta tillräckligt mycket vägledning för att arbeta snabbare, testa idéer och bygga något bättre än tidigare.

Jag har också tänkt om kring vad ”god kommunikation” innebär i ledarskap. Jag antog att bra chefer behövde vara naturligt skickliga skribenter för att kunna ge tydlig och genomtänkt återkoppling. AI förändrar det. Det kan omvandla lösa tankar till något mer strukturerat och användbart, vilket sänker tröskeln men också fungerar som en slags coach i realtid.

Den intressanta förändringen är att även om det kan kännas som en genväg, bygger det också upp färdigheter. Med tiden tenderar personer som använder AI på ett bra sätt att bli bättre kommunikatörer, eftersom de exponeras för tydligare mönster i tänkande och uttryck.

Så undviker du vanliga fallgropar i AI-aktiverade initiativ

Tidigt försökte jag bygga en AI-”förlängning” av mig själv för att besvara frågor och skala upp vårt teams kunskap, men den blev sämre för varje iteration. Problemet var inte idén, utan att jag inte hade utformat systemet från början. Jag gav en vag instruktion och itererade 500 gånger, och i slutändan hade det blivit alltför invecklat.

Jag lärde mig att om din ursprungliga instruktion är svag eller saknar detaljer från designtänkandet, brukar fler instruktioner senare försämra resultatet i stället för att förbättra det. Det är bättre att börja om med en mer genomtänkt instruktion än att försöka lappa ihop en dålig.

I dag skriver jag ibland ett Google-dokument på 16 sidor som instruktion och laddar upp det i stället. Det tar mycket längre tid i början, men går mycket snabbare.

Lärdomen för ledare är enkel. Tänk som en produktutvecklare och tillämpa delar av designtänkandet. Fastställ slutmålet i förväg. De flesta försöker en gång, det fungerar inte och de ger upp. I verkligheten misslyckades de inte med AI – de hoppade över det förarbete som krävs för att få det att fungera.

Varför AI har svårt att hantera rättvisa och ansvarsskyldighet

AI har störst problem när människor förväxlar mönsterigenkänning med omdöme. Eftersom AI tränas för att förutsäga det som är mest sannolikt utifrån befintliga data kan den tyst förstärka det förflutna i stället för att ifrågasätta det.

Rekrytering och kandidatanskaffning är ett tydligt exempel. Verktyg kan övervärdera kandidater från prestigefyllda skolor eller välkända företag eftersom det är det som oftast förekommer i datan, vilket oavsiktligt kan sålla bort talanger med stor potential som har okonventionella bakgrunder.

På liknande sätt kan språkmodeller återspegla partiskhet i hur de formulerar prestationsåterkoppling och använda olika tonlägen eller beskrivningar utifrån könskodade eller kulturellt laddade mönster.

Problem uppstår också när det gäller konsekvens och ansvarsskyldighet. AI kan generera självsäkra men felaktiga resultat, och det är inte alltid tydligt hur den kom fram till en rekommendation, vilket gör det svårt att granska eller försvara beslut.

Därför är mänskligt omdöme fortfarande viktigt. Att veta när man ska lita på resultatet, när man ska ifrågasätta det och hur man ska tillämpa den kontext som modellen helt enkelt saknar är avgörande.

Så kan ledare hantera AI-drivna omställningar

Heather delar med sig

Ledare som lyckas med detta kanske rör sig långsammare när det gäller ytliga mått som AI-användning i dag, men de kommer att skapa mer effektiva organisationer på lång sikt.

Alltför många ledare behandlar AI som en ruta som ska kryssas i. ”Vi använder det här verktyget, vi experimenterar, vi inför det.” Den inställningen kanske ger dig beröm från din vd i dag, men den kommer inte att lösa organisationens ackumulerade problem. Om något kan den påskynda dem.

Se över din organisation och granska vad som fungerar och vad som inte gör det. Det innebär att bli tydligare kring hur beslut fattas, vem som ansvarar för vad och hur arbetet flödar genom organisationen. Ta reda på vad som behöver förändras och blicka sedan framåt ett, tre och fem år för att avgöra vilka grundläggande förändringar som behövs.

Försök inte att förutsäga framtiden perfekt. Fokusera i stället på att ställa bättre frågor. Jag är ett stort fan av tänkande utifrån första principer och andraordningstänkande. Hur ser en välskött organisation ut om fem år? Vilka förändringar krävs för att nå dit? Om detta förändrar hur arbetet utförs, vad händer då med vår organisationsdesign? Vilka färdigheter blir viktigare? Var komprimeras eller utvidgas roller?

De ledare som lyckas med detta kanske rör sig långsammare när det gäller fåfängliga mätvärden som AI-användning i dag, men de kommer att skapa mer effektiva organisationer på lång sikt.

Följ med

Du kan följa Heathers arbete på LinkedIn. Kolla också in Waypoint Works!

Fler expertintervjuer kommer på People Managing People!