Personalchefen säger att trygghet med AI inte förutsäger användning

Justin Angsuwat har ägnat två decennier åt att hjälpa organisationer som Google, PwC, Thumbtack och Blackbird Ventures att använda data, teknik och personalstrategi för att bygga högpresterande team. Hans nuvarande position är chef för personal och kundengagemang på Culture Amp.

I vårt samtal med Justin berättade han för oss att införande och självförtroende är olika problem.

Så förändrar AI ledarskapets roll

Jag heter Justin Angsuwat och är chef för personal och kundengagemang på Culture Amp.

Under de senaste 20 åren har jag arbetat med företag som PwC, Google, Thumbtack och Blackbird Ventures för att bygga data- och analyssystem som optimerar medarbetarupplevelsen, främjar starka arbetsplatskulturer och skapar högpresterande team. Under den här tiden har tekniken fullständigt förändrat vad som är möjligt inom personalledarskap. 

Under de senaste 18 månaderna har jag insett att det här bara känns som början på något mycket mer omvälvande. Vi gör inte bara befintliga arbetsflöden snabbare, utan ifrågasätter om vi över huvud taget behöver dessa arbetsflöden.

AI påskyndar inte bara HR, utan omformar det, och det har definierat hur jag ser på ledarskap i dag. Det har tvingat mig att gå från att fråga ”hur optimerar vi våra processer?” till ”vad blir möjligt när insikt och handling är ständigt närvarande?”

Att navigera i AI-omställning globalt

Jag leder personal och kundengagemang på Culture Amp, världens ledande plattform för medarbetarupplevelser. Vi betjänar 25 miljoner medarbetare i 6 000 organisationer globalt, fördelade över fler än 90 länder.

Mitt ansvarsområde omfattar att bygga upp och stödja vår interna kultur, inklusive att leda AI-omställningen och göra det möjligt för våra kunder att genomföra sin egen omställning. Vi är ett globalt team som är utspritt över USA, Storbritannien, Tyskland och Australien, så jag navigerar ständigt i komplexiteten med att bygga en sammanhållen kultur över mycket olika sammanhang.

Denna distribuerade verklighet har gjort oss bättre på att förstå vad som fungerar på den moderna arbetsplatsen, eftersom vi själva upplever samma utmaningar och möjligheter som våra kunder möter.

Så ökar du medarbetarnas självförtroende med AI

Vi förändrade vårt sätt att arbeta med medarbetarnas självförtroende och kompetensutveckling med AI. För ett år sedan startade vi ett sexveckorsprogram som vi kallar ”Accel-AI-rate”, med ett specifikt mål: att göra medarbetarna trygga i att använda AI, inte bara nyfikna.

Vi separerade utforskande från förväntningar – ingen press att leverera polerade resultat, utan strukturerat lärande som går från förståelse till experimenterande och vidare till integrering. Nästan 80 % av vår organisation uppgav att de kände sig trygga med att använda AI i det dagliga arbetet, vilket är en ökning från utgångsläget, samtidigt som endast 4 % uttryckte sig negativt.

Den större operativa förändringen var dock att sluta vänta på perfekta användningsområden eller tillstånd att experimentera. Vi gick från ett traditionellt vattenfallsbaserat arbetssätt för programvaruutveckling till snabb prototypframtagning, där vi byggde sådant på veckor som tidigare tog månader och omedelbart gav användarna fungerande prototyper.

Denna förändring från ”planera allt och bygg sedan” till ”bygg, lär och iterera” har i grunden förändrat vår arbetstakt och hur teamen arbetar dagligen.

Nu går vi in i nästa fas och förändrar vår grundläggande verksamhetsmodell för att frigöra nästa nivå av AI-omställningen. Att bygga ett organisatoriskt kontextlager för AI kräver till exempel att det mesta av det vi gör blir maskinläsbart och möjligt att hänvisa till.

Det här är inte ett teknikprojekt, utan en beteendeförändring. Det förändrar hur vi genomför och dokumenterar projekt och beslut. Det innebär att informationshamstring blir ett fel, inte en funktion. Det innebär färre möten eftersom informationen redan finns tillgänglig. Du behöver inte vidarebefordra, upprepa eller boka ett samtal för att dela den.

Justin delar med sig

Den större operativa förändringen var dock att sluta vänta på perfekta användningsområden eller tillstånd att experimentera…Den förändringen från “planera allt, bygg sedan” till “bygg, lär, iterera” har i grunden förändrat vår hastighet och hur team arbetar dagligen.

Hur AI utmanar traditionellt ledarskap

I åratal har vi utgått från att god processdesign innebär tydliga steg i följd. Till exempel vid prestationsbedömningar: självreflektion, därefter synpunkter från kollegor, sedan chefens granskning och slutligen återkoppling. Vi byggde hela system för att göra dessa arbetsflöden effektiva. AI fick mig att inse att själva arbetsflödet kanske är begränsningen, inte lösningen. 

När AI kan sammanställa sammanhang i realtid, synliggöra insikter direkt och hjälpa chefer att förbereda sig för samtal vid behov, behöver då verkligen alla gå igenom samma rigida ordningsföljd? Jag var tvungen att släppa antagandet att struktur är detsamma som noggrannhet. Ibland är struktur bara detsamma som friktion.

Ett annat antagande var att seniora medarbetare naturligt skulle leda införandet av AI tack vare sin erfarenhet. Att se juniora medarbetare arbeta mer naturligt med AI än de chefer och ledare som ansvarade för att omvandla organisationen var ögonöppnande. Erfarenhet kan vara en tillgång eller en belastning, beroende på hur fäst du är vid det sätt som saker alltid har gjorts på.

Utmaningen med att lära om i AI-eran

Våra resultat av att integrera AI är mätbara: 80 % av medarbetarna känner sig trygga med att använda AI, en förbättring på 24 % i instämmandet i påståendet ”vi utforskar och tar till oss ny teknik som AI”, vilket nådde 84 % instämmande, samt snabbare utvecklingscykler.

Chefer i hela organisationen kan också förstå vad som driver engagemang och prestation i deras specifika team utan att behöva begära datauttag från analysteam.

Självförtroende leder inte automatiskt till integrering. Människor kan fortfarande stirra på en tom arbetsyta i sina dagliga arbetsflöden och låsa sig.

Som jag nämnde upptäckte vi att våra mest seniora och högpresterande medarbetare ibland har större svårigheter än juniora medarbetare, eftersom det är svårare att lära om hur man har arbetat i 20 år än att lära sig något nytt.

En del av en persons identitet vävs in i arbetsflödet, och AI kan göra det föråldrat ganska snabbt. Vi försöker fortfarande hitta sätt att överbrygga klyftan mellan AI-nativa medarbetare tidigt i karriären och seniora medarbetare som har djup expertis men behöver förändra hur de tillämpar den.

Varför trygghet med AI inte garanterar införande

Att bygga upp trygghet och driva införande är två helt olika utmaningar som kräver olika insatser. Till en början förstod jag detta intellektuellt, men jag upplevde det mer påtagligt än väntat. Det briljanta sexveckorsprogram som jag nämnde gjorde 80 % av deltagarna trygga, och vi antog att tryggheten skulle leda till förändrat beteende. Det gjorde den inte – inte automatiskt.

Om jag hade vetat det från början skulle jag ha utformat implementeringsfasen annorlunda från dag ett – kanske med mer långsiktiga påminnelser, accelererad AI-teknik eller andra former av ansvarsutkrävande. 

Vi lade mycket energi på att anta att vi behövde utbilda alla på samma sätt, när vi egentligen behövde olika tillvägagångssätt för dem som lärde om och dem som lärde sig från grunden. Om vi tidigare hade förstått hur dynamiken mellan seniora och juniora medarbetare skulle utvecklas hade vi sparat tid genom att slippa försöka tvinga fram lösningar som passar alla.

Varför AI-integrering är mer utmanande än väntat

Implementeringsfasen – att integrera AI i de dagliga arbetsflödena – visade sig vara betydligt svårare än väntat. Vi antog att införandet skulle följa naturligt när människor hade blivit trygga och sett AI:s möjligheter genom vårt utforskande program och program för kompetensutveckling.

Många möter sin vanliga arbetsbörda på tisdagsmorgonen och återgår till gamla vanor. Gapet mellan ”Jag vet att AI kan hjälpa till med det här” och ”Jag använder faktiskt AI till det här” är fortfarande stort. 

Vi ser också att användning av AI för deterministiska uppgifter — sådana med ett korrekt svar, som ”vad var våra intäkter under fjärde kvartalet?” — känns imponerande men saknar verkligt värde. Det går långsammare än att köra en fråga och medför risk för hallucinationer. Effekten kommer från probabilistiska uppgifter där AI tolkar nyanser. Men att få människor att gå från att använda det som en bättre kalkylator till att använda det som en insiktsmotor? Det är den förändring vi fortfarande arbetar med.

Varför medarbetarundersökningar behöver göras om med AI

Medarbetarundersökningar och hela cykeln för att ta fram handlingsplaner bör aktivt göras om. Traditionellt genomför man en undersökning, väntar i veckor på resultaten, låter analysteamet dela upp data på dussintals sätt, håller ledningsmöten för att tolka resultaten och skapar sedan kanske — om man är disciplinerad — handlingsplaner som kan genomföras eller inte. När åtgärderna väl vidtas är uppgifterna flera månader gamla, och medarbetarnas förtroende urholkas eftersom de inte ser någon förändring. 

Vi gjorde om detta helt i vår plattform. AI analyserar nu undersökningsdata direkt, lyfter fram de 3–5 åtgärder som har störst potentiell effekt och hjälper chefer att skapa evidensbaserade handlingsplaner förankrade i vetenskapen om människor — allt på några minuter i stället för veckor.

Som resultat gick vi från att 50 % av medarbetarna såg positiva förändringar efter undersökningar till att 73 % såg meningsfulla åtgärder. Det förändrar vad som är möjligt i styrelsediskussioner och gör kultur till en strategisk hävstång, inte bara ett HR-mått. Alla ledare som fortfarande genomför medarbetarundersökningar på det gamla sättet går miste om stora värden.

Var AI slutar och ledarskapet börjar

Jag förlitar mig i hög grad på AI för probabilistiska uppgifter med många bra svar. Jag analyserar mönster i hundratals medarbetarkommentarer för att synliggöra känslomässiga frustrationer, genomför scenarioplanering för strategi för arbetsstyrkan och identifierar tidiga varningssignaler för att uppnå vår strategi — jag hittar glöd i stället för bränder.

AI har förändrat beslutsfattandet genom att ta oss från ”ert engagemangsresultat är 72” till ”det här specifika problemet med bristande prestationsansvar kommer att kosta er 3 miljoner dollar om ni inte åtgärdar det”. Den specificiteten förändrar styrelsediskussionerna helt.

Beslut om människor — vem som ska befordras, vem som ska få gå, om någon är redo för en utmanande roll — förblir uttryckligen mänskliga. AI kan synliggöra signaler som jag kanske hade missat och hjälpa mig att förbereda mig inför svåra samtal, men bedömningen av vad som är rätt för den personen i det ögonblicket kräver mänsklig kontext, empati och ansvar.

Jag tänker på det så här: AI hanterar bearbetningen av komplexa data, medan människor fattar beslut när en persons karriär och försörjning står på spel.

Hur ledare kan navigera i AI-driven förändring

Justin delar med sig

AI handlar inte om att göra befintliga arbetsflöden 10 % snabbare — det ger avtagande avkastning. Den verkliga förändringen kommer när du ifrågasätter om du över huvud taget behöver arbetsflödet och börjar ta itu med problem som du inte ens visste att AI kunde lösa.

• Börja med självförtroende, inte användningsområden. Om du inte själv har använt verktygen och skrivit minst hundra promptar väger din åsikt om AI lätt. Du kommer inte att veta vilka problem det kan lösa förrän du själv har upplevt det. 
• Vänta inte på tillstånd eller den perfekta implementeringsplanen, lansera något och fortsätt framåt. Skapa strukturerade vägar från förståelse till experimenterande och vidare till integrering, men skilj utforskning från förväntningar så att människor känner sig stöttade snarare än utlämnade. 
• Fokusera först på människorna bakom tekniken. Vad är de rädda för? Vad skulle få dem att känna sig kompetenta? 
• Var kompromisslöst ärlig om kontexten. AI är bara så bra som den kontext det har tillgång till och den kultur där det införs. Om dina medarbetare inte litar på ledningen kommer inga AI-verktyg att lösa det. Men om förtroendet finns blir AI en verklig förstärkare. 
• AI handlar inte om att göra befintliga arbetsflöden 10 % snabbare — det ger avtagande avkastning. Den verkliga förändringen kommer när du ifrågasätter om du över huvud taget behöver arbetsflödet och börjar ta itu med problem som du inte ens visste att AI kunde lösa.

Följ med

Du kan följa Justin Angsuwat på LinkedIn.

Fler expertintervjuer kommer på People Managing People!