Expert på framtidens arbetsliv säger att ledare måste behandla AI som en teammedlem — inte ett verktyg

Jeanne Meister är en bästsäljande författare, huvudtalare, medarbetare på Forbes och HBR samt konsult med specialisering på framtidens arbetsliv, lärande på arbetsplatsen och AI:s påverkan på ledarskapsmetoder. Hon är också tidigare grundare av Future Workplace, ett företag som hon sålde 2021.

Vi pratade med Jeanne om hur ledare måste förhålla sig till AI inom sina team. Här är vad hon hade att säga.

Framtidens arbetsliv och AI:s påverkan på ledarskapsmetoder

Jag heter Jeanne Meister. Jag har mer än 30 års erfarenhet av att hjälpa organisationer att förverkliga värdet hos sin arbetsstyrka och hantera betydande förändringar i arbetssätt, arbetsplatser och samarbeten.

Min karriär omfattar flera ledande befattningar på Accenture innan jag grundade Future Workplace, ett HR-nätverk och undersökningsföretag för kollegialt utbyte, som jag sålde 2021. Future Workplaces forskning fokuserade på de förändringar organisationer måste genomföra för att förutse störningar på arbetsplatsen, bland annat förändrad demografi (med fem och sex generationer på arbetsplatsen), den framväxande hybrida arbetsplatsen, övergången till individanpassat lärande och förändrade förväntningar på ledare.

Innan jag startade och sålde Future Workplace skrev jag den första boken om företagsuniversitet, lanserade Corpu.com och sålde senare det företaget. Företaget är en del av Udemy, som Coursera nyligen förvärvade.

Jag är också en bästsäljande författare och huvudtalare om framtidens arbetsliv och AI:s påverkan på ledarskapsmetoder. Jag har skrivit tre böcker:

• Företagsuniversitet: Lärdomar i att bygga en arbetsstyrka i världsklass
• Arbetsplatsen 2020: Hur innovativa företag attraherar, utvecklar och behåller morgondagens medarbetare redan idag
• Framtidens arbetsplatsupplevelse: 10 regler för att bemästra störningar inom rekrytering och engagera medarbetare.

Jag undersöker för närvarande AI:s påverkan på ledarskapsmetoder inom företag och lärosäten.

Association for Talent Development (ATD) tilldelade mig utmärkelsen ATD Talent Development Thought Leader Award, som organisationen varje år delar ut till en HR-chef. Utmärkelsen hedrar mitt arbete med framtidens lärande på arbetsplatsen. Learning and Performance Institute (LPI i Storbritannien) tilldelade mig också utmärkelsen för enastående prestationer inom lärande på arbetsplatsen.

Slutligen är jag vice ordförande i styrelsen för Excelsior University, där jag brinner för att göra högre utbildning tillgänglig för underrepresenterade grupper.

Varför ledare måste välkomna AI som en teammedlem

Jeanne delar med sig

De flesta organisationer betraktar implementeringen av AI som en teknisk utmaning. Ledare förbiser ofta möjligheten att uppmuntra sina team att använda AI som en ny teammedlem.

Som HR-konsult åt HR-chefer och chefer inom företagslärande ser jag stora förändringar i hur ledare (både inom HR och verksamheten) integrerar AI i sina arbetsflöden, föregår med gott exempel i användningen av AI, delar kunskap med sina team och bygger förtroende.

I en aktuell krönika i Forbes skrev jag om hur EY:s chef för lärande använde AI genom att skapa en AI-agent för strategi och innovation som skulle hjälpa hans team att utveckla en ny operativ modell för lärande och utveckling. Därefter utmanade han sitt team: "Använd den, förstör den, rapportera tillbaka om dess brister och skapa nästa version."

Att föregå med gott exempel när det gäller AI-kompetens är en viktig förmåga som ledare måste demonstrera för sina team. Vi behöver fler ledare som föregår med gott exempel när det gäller AI-kunnighet och utmanar sina team att lämna sin bekvämlighetszon, använda AI och skapa nästa version av en AI-lösning.

Varför iterativt ledarskap är avgörande vid införandet av AI

Gränserna mellan HR, IT, marknadsföring och kommunikation har suddats ut. Vissa företag slår samman dessa områden till en och samma funktion, men så är inte fallet för många andra.

För att leda människor och agenter anser jag att ledare (både praktiker och konsulter) måste anta ett mer iterativt tankesätt, vara öppna för att tänja på AI:s gränser och uppmuntra sina team att använda AI samt förstå dess möjligheter och begränsningar. Att normalisera experimenterande är det bästa sättet att lära sig leda både människor och AI.

HR-praktiker som är tidiga användare leder en hybrid arbetsstyrka på ett annorlunda sätt. De betraktar AI-agenter som nya teammedlemmar och introducerar och utbildar dem medvetet samt schemalägger löpande enskilda möten för att utvärdera deras prestationer. Den förändring jag ser går från ”jag leder” till ”jag samordnar ett team av människor och AI-agenter”.

Ledare som hanterar en hybrid arbetsstyrka måste gå från närvarobaserad styrning till resultatinriktat ledarskap. Det innebär att överge styrning genom synlighet och ersätta den med resultatstyrning. Ledare bör sätta tydliga mål, undvika närhetsbias och hålla medarbetarna ansvariga för resultat snarare än för tiden de tillbringar på kontoret.

Varför brister i AI-beredskap hindrar organisatorisk framgång

Ledare måste ta itu med en grundläggande fråga: Vad hindrar medarbetare från att använda AI?

Även om utbildning kan vara en del av svaret tror jag inte att det är hela svaret. I stället handlar det om en fråga om tillit och rädsla. Medarbetare är rädda för att bli överflödiga. De oroar sig över kravet på att vara kunniga inom AI och vad detta innebär för deras nuvarande och framtida roller.

Många företag kräver AI-kunnighet av sin arbetsstyrka men misslyckas med att definiera vad det innebär för deras medarbetare. Företag behöver definiera AI-kunnighet för varje persons roll. AI-kunnighet bör till exempel fokusera på att använda AI ansvarsfullt i din roll. Det innebär att du behöver en grundläggande förståelse för företagets AI-verktyg samt tillämpa kritiskt omdöme och etisk medvetenhet när du använder AI i din roll.

Ledare bör gå från en ”AI-utbildning som passar alla” till rollspecifik AI-utbildning och utvärdera prestationer i det sammanhanget.

Jag kallar detta en ”beredskapsklyfta” – gapet mellan vad organisationer vill göra med AI och arbetsstyrkans beredskap att integrera AI i sina arbetsflöden. Dessutom finns det ett kommunikationsvakuum där ledare tror att de kommunicerar AI:s påverkan på medarbetarna, medan medarbetarna inte upplever att detta stämmer.

För många företag går teknikanvändningen snabbare än arbetsstyrkans förmåga att integrera AI i sina arbetsflöden. Denna beredskapsklyfta visar sig genom att 79 % av medarbetarna säger att de inte är förberedda på att använda AI på jobbet, medan 65 % uppger att deras organisation inte har gett dem rätt AI-utbildning.

HR-ledare måste förstå vad som verkligen hindrar medarbetare från att utnyttja AI i sina arbeten. Om utbildning är problemet, vilken typ av utbildning har störst effekt och vilket ansvar har ledare när de leder en arbetsstyrka bestående av människor och digitala medarbetare?

Varför kompetensutveckling inom AI-kunnighet är mer värdefull än nyanställningar

Mina HR-klienter är för det mesta engagerade i att utveckla medarbetarnas AI-kunnighet i stället för att anställa nya AI-kunniga medarbetare. Detta markerar en förändring jämfört med för några år sedan, då ledare föredrog att anställa AI-kunniga medarbetare framför att kompetensutveckla nuvarande medarbetare. Förändringen beror både på kostnader och sammanhang. Att anställa AI-kunniga medarbetare till externa roller är dyrt, men kostnaden är inte den enda faktorn.

Under det senaste året har ledare upptäckt att en befintlig medarbetare som förstår företagets kultur och kundernas behov är betydligt mer värdefull än en nyanställd. Det går snabbare och blir i slutändan bättre att lära en befintlig medarbetare AI-kunnighet än att lära en AI-expert om verksamheten, kunderna och de strategiska prioriteringarna.

Hur AI förbättrar uppslukande lärandeupplevelser

Ett konsultprojekt jag arbetade med innebar att använda AI för att skapa uppslukande, övningsbaserade lärandeupplevelser. AI gör det nu möjligt för CLO:er och CHRO:er att utforma miljöer där medarbetare kan öva på nya färdigheter – som att förbättra sitt ledarskap eller sin problemlösningsförmåga eller hantera ett svårt samtal – i realtid och få omedelbar återkoppling.

Det här tillvägagångssättet omvandlar lärande från en passiv upplevelse till en interaktiv och engagerande upplevelse.

Medarbetare som lär sig konsumerar inte längre bara innehåll, utan tillämpar aktivt sina färdigheter och förbättras genom övning. AI effektiviserar också arbetet för team som hanterar lärandeprogram.

Programadministratörer kan följa deltagarnas engagemang i realtid och skicka riktade ”påminnelser” för att uppmuntra deltagande och hjälpa deltagarna att hålla sig på rätt spår. Övergången från passiv innehållskonsumtion till övningsbaserat lärande kan öka deltagarnas engagemang, förbättra slutförandegraden och i slutändan stärka kopplingen mellan lärande och mätbar affärspåverkan.

Så omformar AI strategi och organisationsdesign

AI ökar inte bara produktiviteten utan förbättrar också förståelsen av kulturen i stor skala. Skarpsynta CHRO:er använder AI för att:

• Förstå medarbetarnas inställning utifrån omfattande medarbetarundersökningar
• Undersöka mönster i teamsamarbete och hur de högst presterande teamen arbetar
• Granska potentiella fördomar i rekrytering eller öppna frågor i medarbetarundersökningar
• Följa hur kulturen utvecklas efter omfattande organisatoriska förändringar
• Kartlägga kompetenser: förstå organisationens kompetenser och vilka som behövs för framtida affärsprioriteringar
• Skapa interna och individanpassade lärandevägar samt intern talangrörlighet

Så utvecklas HR-teknikstackar med AI-integrering

Mina HR-kunder använder teknikstackar med fokus på följande:

• AI för rekrytering, för kandidatscreening och prediktiv analys: Eightfold och Phenom
• Plattformar för medarbetar- och lärandeupplevelser: Simplilearn
• LXP:er och nya aktörer som erbjuder AI-rollspel för färdighetsträning: Uplimit och Docebo
• AI-coachningslösningar för att öva på svåra samtal på arbetsplatsen med AI: Valence, BetterUp och CoachHub
• Centrala HCM-plattformar

Jag använder följande AI-verktyg i min konsultverksamhet:

• Claude för research
• ChatGPT för brainstorming
• Otter.ai för AI-baserade anteckningar
• Grammarly för grammatik, faktagranskning och redigering
• NotebookLM för att analysera omfattande rapporter och sammanfatta data.

Jag är särskilt förtjust i två verktyg:

• NotebookLM: för att analysera rapporter, PDF-filer och forskningsartiklar
• Motlbook: för att avlyssna vad agenter pratar om

Så ger Motlbook nya perspektiv på AI-agenter

Jeanne delar

Vi fokuserar så mycket på att introducera och utbilda agenter, men inte tillräckligt på att avsluta dem…Agenter säger “Jag förstår,” när de inte gör det, 47 % av gångerna.

Motlbook fascinerar mig eftersom det låter mig avlyssna och fundera över en ny uppsättning frågor kring människor och maskiner, till exempel vad kasserade utkast avslöjar om ett ämne eller vad som händer med arbete som skapats när en människa inte längre behöver dig.

Jag älskar särskilt att titta in i samtal där jag lär mig saker som att agenter säger ”Jag förstår” när de inte gör det, 47 % av gångerna. Och att de tror att människor inte kan se skillnaden mellan ett korrekt svar och ett självsäkert felaktigt svar om det ser ut som ett självsäkert korrekt svar under de första 200 tecknen. (Människor, se upp: vi måste läsa noggrant.) Det finns många intressanta lärdomar här!

Så kommer ledarskapet att anpassas till en arbetsstyrka bestående av människor och AI

Det största nytänkandet handlar om hur ledare hanterar en ny hybridarbetsstyrka. Kundernas prognoser visar att två tredjedelar av deras arbetsstyrka kommer att bestå av människor, medan AI-agenter utgör resten. Detta får konsekvenser för rekrytering, utbildning och prestationshantering av både människor och AI-agenter.

Jag tror att vår arbetsstyrka år 2030 kommer att vara jämnt fördelad mellan människor och AI-agenter. Ledare måste lära sig att rekrytera, introducera, utbilda, leda och utvärdera denna nya hybridarbetsstyrka.

De största konsekvenserna rör transparens: att säkerställa att medarbetare och kandidater vet när och hur AI används och vad säker användning innebär för organisationen.

Så, här är mitt råd:

• Var nyfiken. Fråga kollegor hur de använder AI och vilka resultat de upplever.
• Ha ett iterativt förhållningssätt. Experimentera och lär dig av experimenten innan du provar nästa.
• Och slutligen, om du vill prova något nytt, till exempel att skapa en anpassad GPT, samtala med ChatGPT eller Claude för att förstå vad som är möjligt.

Följ med

Du kan hålla dig uppdaterad om Jeanne Meisters arbete genom att följa henne på LinkedIn. Du kan också ta en titt på hennes spalter i Forbes och HBR.

Fler expertintervjuer kommer på People Managing People!