AI-integreringsexpert avslöjar strategin för ett tryggt och framgångsrikt införande

Så började hon konsultera företag med fokus på korrekt AI-integrering och skapade sedan ett ramverk utifrån sina metoder.

Vi pratade med henne för att få detaljerna i hennes handlingsplan. Här är vad hon berättade.

Från HR på företag till AI-konsultverksamhet

Jag heter Rey och är en kanadensisk HR-konsult och utbildare med över 16 års internationell erfarenhet av HR och talanghantering. Jag har en MBA från Royal Roads University. Jag är också ICF ACC-certifierad coach och OKR-coach.

Jag började arbeta med AI eftersom jag efter flera år inom HR och talanghantering såg samma mönster upprepas — HR-team som drunknade i administrativt arbete samtidigt som de hade svårt att visa sin strategiska påverkan. När AI-verktygen började dyka upp insåg jag att de flesta HR-chefer antingen ignorerade dem eller kände sig överväldigade av den tekniska sidan. Jag ville överbrygga den klyftan.

Mitt fokus blev att hjälpa HR-chefer att använda AI på ett icke-tekniskt och resultatinriktat sätt — för att automatisera det repetitiva, fokusera på människor och fatta datadrivna beslut utan att vara beroende av IT eller konsulter. Det handlar om att göra AI praktiskt, etiskt och direkt kopplat till verksamhetens resultat.

Övergripande har min ledarskapsresa formats av en kombination av interkulturell erfarenhet och ständig förnyelse. Några milstolpar sticker ut:

• Övergången från HR på företag till konsultverksamhet: Efter mer än ett decennium med ledning av talang- och organisationsutveckling i Mellanöstern insåg jag att många HR-funktioner behövde enklare och mer agila system — inte bara större ramverk. Det ledde mig till rådgivningsarbete.
• Att bli ICF ACC-coach och OKR-coach: Detta förändrade hur jag leder och utvecklar andra. Coaching lärde mig att skapa ansvarstagande genom tydlighet snarare än kontroll.
• Att integrera AI i HR-arbetet: Jag byggde utbildningsprogram inom AI för HR för att hjälpa chefer att modernisera arbetsflöden utan att vara beroende av IT. Att se kunder gå från tveksamma till självsäkra AI-användare blev ett avgörande ögonblick.
• Att bygga trovärdighet över nationsgränser: Att komma från Kanada och ha arbetat på olika marknader i Mellanöstern har format hur jag leder mångkulturella team och utformar personalstrategier som faktiskt kan skalas upp.

Hur AI omdefinierar ledarskap – från beslutsfattare till beslutsdesigner

I en AI-först-värld handlar ledarskap mindre om att inneha kunskap och mer om att samordna hur kunskap flödar. Tre förändringar sticker ut:

• Från kontroll till tydlighet: Jag har behövt ompröva antagandet att starkt ledarskap innebär att ange riktningen och följa upp genomförandet. AI har gjort information och beslutsmakt mer distribuerade. Nu handlar ledarskap om att tydliggöra avsikten — vilket problem vi löser — och låta team (och teknik) organisera sig själva kring den.
• Från processägarskap till förmågeutveckling: Inom traditionell HR ”ägde” vi processer — prestationsbedömningar, successionsplanering och rekrytering. Nu fokuserar jag på att bygga AI-stödda förmågor hos andra så att dessa processer genomförs smartare och snabbare utan ständig övervakning.
• Från linjär hierarki till nätverksbaserat samarbete: Jag har släppt föreställningen att struktur skapar ansvarstagande. AI-verktyg bryter igenom stuprör, så inflytande rör sig nu horisontellt, inte bara vertikalt. Det kräver psykologisk trygghet, transparens kring data och ledare som är bekväma med delat mandat.

I slutändan handlar ledarskap i dag inte om att vara den som fattar besluten — det handlar om att utforma besluten.

Det innebär att jag lägger mindre tid på att godkänna resultat och mer tid på att coacha team i att utforma arbetsflöden, instruktioner, system och skyddsräcken, samt på att främja distribuerat ansvarstagande

Det är en subtil men djupgående förändring i tankesättet: AI gör inte bara arbetet snabbare — det tvingar ledare att ompröva vad ledarskap faktiskt innebär i en kunskapsdriven och automatiserad miljö.

Vad det egentligen innebär för din organisation att vara AI-redo

Att vara AI-redo i vår organisation ser ut så här:

• Personer som kan identifiera uppgifter som lämpar sig för automatisering.
• Team som kan utforma, testa och vidareutveckla AI-drivna arbetsflöden.
• Ledare som kritiskt utvärderar resultat, säkerställer etisk användning och upprätthåller styrning.

Här är de problem jag ofta ser:”

• Överdrivna förväntningar kontra verkligheten: Team förväntar sig inledningsvis att AI ska ersätta omdömet i stället för att förstärka det.
• Motstånd mot förändring: Vissa medarbetare tvekar att lita på AI-resultat utan konkreta framgångar från praktisk användning.
• Bristande styrning: Tidiga iterationer riskerade ojämn kvalitet eller partiskhet, vilket krävde bibliotek med promptar och kontrollpunkter för granskning.

Genom att kombinera praktisk tillämpning, kollegial coachning och styrning har vi byggt en AI-kunnig, kompetent och ansvarsfull HR-funktion, där AI förstärker beslutsfattandet i stället för att skapa beroende.

Så överbryggar du gapet mellan AI-förväntningar och praktiskt genomförande

Den största kopplingen jag ser just nu är mellan förväntningar och genomförande.

Organisationer behandlar ofta AI som en ”magisk lösning” som omedelbart ska göra HR mer effektivt eller strategiskt, utan att ta itu med de underliggande arbetsflödena, kompetensbristerna eller den kultur som krävs för att faktiskt dra nytta av tekniken. Resultatet blir att AI-användningen antingen stannar upp, ger ojämna resultat eller förstärker befintlig ineffektivitet.

Jag hanterar detta på två sätt i mitt ledarskap och min organisationsutformning:

1. Arbetsflöden före verktyg: Jag ser till att varje AI-initiativ börjar med en tydlig förståelse av den process som ska förbättras. Vi kartlägger problemområden, definierar resultat och väljer eller utformar först därefter AI-lösningar. Det förhindrar att verktyg används som plåsterlösningar och flyttar fokus till kapacitetsuppbyggnad i stället för enbart automatisering.
2. Distribuerat ledarskap genom AI-ambassadörer: I stället för att förlita mig på en enda expert eller ledare för att införa AI skapar jag interna ambassadörer som kan undervisa, felsöka och vidareutveckla arbetssätt inom sina team. Det skalar både användningen och förankrar AI-kompetens i organisationens DNA.

I slutändan handlar det inte om tekniken i sig att överbrygga gapet — det handlar om att anpassa människor, processer och styrning så att AI faktiskt kan leva upp till sina löften utan att skapa nya flaskhalsar eller risker.

Låt oss fördjupa oss i detta.

Så kan HR-ledare bygga skalbara AI-stödda förmågor

Som jag nämnde börjar uppbyggnaden av AI-stödda förmågor med att omkonstruera arbetsflöden, inte med att utbilda människor i verktyg.

Bygg självförtroende före kompetens

Jag börjar med att fokusera på att identifiera var mänskliga insatser tillför minst värde — repetitiv rapportering, manuell granskning eller dokumentation — och utformar om dessa processer med enkla automatiseringar utan kod via plattformar som Zapier, Power Automate och Airtable. Det gör att människor omedelbart kan se tidsbesparingarna, och de blir mer öppna för att lära sig. Detta arbetssätt, där självförtroende kommer före kompetens, hjälper HR-team att gå från motstånd till ägarskap när de börjar se AI som ett praktiskt produktivitetsverktyg snarare än ett hot.

Reyhanehs tips

Låt team bygga självförtroende före kompetens. Detta arbetssätt hjälper HR-team att gå från motstånd till ägarskap när de börjar se AI som ett praktiskt produktivitetsverktyg snarare än ett hot.

Vid introduktion av nyanställda, till exempel genom introduktion av medarbetare, överför HR i stället för att manuellt överföra data och skapa dokument uppgifterna genom en automatisering: När en kandidat har undertecknat sitt erbjudande aktiveras ett arbetsflöde utan kod som automatiskt överför den nyanställdas uppgifter till HRIS-systemet — vilket eliminerar manuell granskning och dataregistrering — och samtidigt skapar och skickar en utrustningsförfrågan till IT-avdelningen. Det minskar den administrativa arbetsinsatsen avsevärt och frigör tid för HR att fokusera på värdefulla interaktioner.

Integrera funktionsspecifikt lärande

När självförtroendet har byggts upp integrerar jag strukturerat, funktionsspecifikt lärande — rekrytering, lärande och utveckling, HR-drift eller ledarskap — som alltid grundas i verkliga användningsfall. Varje initiativ för kompetensuppbyggnad innehåller etiska riktlinjer och efterlevnadskrav, så att teamen använder AI ansvarsfullt och transparent.

För ett rekryteringsteam kan det innebära en integrerad ”workshop i AI-granskning” där rekryterare lär sig att använda ett AI-verktyg för att sammanfatta och rangordna kandidater, direkt följt av utbildning i riktlinjen för efterlevnad — det obligatoriska användandet av en ”logg för granskning av partiskhet” för att manuellt verifiera och motivera alla AI-drivna beslut och därmed säkerställa ansvarsfull användning.

På samma sätt kan ledningsgruppen delta i en session om "AI för personalplanering" för att använda prediktiva modeller, med ett starkt fokus på de etiska konsekvenserna av att använda AI som underlag för beslut om uppsägningar.

Resultatet är inte bara verktygskompetens utan även en kulturell förmåga — HR-medarbetare som kan omforma arbetsflöden, ifrågasätta ineffektivitet och använda AI för att höja kvaliteten på besluten. Det handlar om att skapa organisationer där AI-kunnighet är integrerad i det dagliga arbetet, och inte behandlas som en separat kompetens.

Utveckla interna AI-ambassadörer för hållbar implementering

Utbildningen upprätthålls sedan genom att utveckla interna "AI-ambassadörer" — kollegiala mentorer som håller korta frågestunder för att dela bästa praxis och lösa problem i nya automatiserade arbetsflöden. På så sätt säkerställs att implementeringen fortsätter och ägs av HR-teamet, inte bara av IT.

Jag väljer ut AI-ambassadörer genom att se bortom deras jobbtitlar eller tekniska färdigheter — vanligtvis bedömer jag tre faktorer:

1. Förhållningssätt: öppenhet för förändring, motståndskraft när verktyg inte fungerar och förmåga att känna sig bekväm med tvetydighet.
2. Påverkan: deras förmåga att påverka andra — formellt eller informellt — i olika team.
3. Handlingsinriktning: deras förmåga att snabbt omvandla idéer till fungerande prototyper, i stället för att vänta på perfekta förutsättningar.

De bästa ambassadörerna är de som visar nyfikenhet på att förbättra arbetsflöden och som naturligt delar det de lär sig med andra. De behöver inte vara tekniskt kunniga, men de måste vara villiga att experimentera, dokumentera vad som fungerar och översätta det till ett vardagligt HR-språk som kollegorna förstår.

När de väl har valts ut investerar jag i dem som interna multiplikatorer — genom att ge dem tidig tillgång till arbetsflöden, coacha dem i ansvarsfull användning av AI och ge dem rollen som medutbildare för andra. Vi använder strukturerade resurser — promptbibliotek, standardiserade arbetsinstruktioner i Notion och veckovisa reflektionssessioner — för att göra lärandet repeterbart och skalbart.

Detta skapar ett distribuerat lärandesystem där kompetensen sprids horisontellt genom kollegial trovärdighet — inte bara genom initiativ uppifrån.

Fallstudie från verkligheten: Så minskade ett HR-team rekryteringstiden med 53 % genom AI-automatisering

Här är ett exempel på en praktisk omställning som jag har sett i samband med implementering av AI: Ett HR-team på fem personer i ett regionalt detaljhandelsföretag använde 40 % av sin kapacitet till administrativa uppgifter. Med hjälp av Typeform, Google Sheets, Zapier, ChatGPT, Slack och Notion automatiserade vi kandidatintag, sammanfattningar av urval, intervjubokningar och partiskhetskontroller. Interna AI-ambassadörer underhöll arbetsflödet och vidareutvecklade det varje vecka.

Hela denna process för kandidatadministration genomförs via ett övergripande arbetsflöde utan kod:

1. Typeform samlar in ansökningsdata, som omedelbart loggas i Google Sheets av Zapier.
2. Zapier vidarebefordrar sedan CV-uppgifterna till ChatGPT för att skapa en sammanfattning på tre meningar, en matchningspoäng och efterlevnadsflaggor. Resultatet returneras till Google Sheet-dokumentet.
3. Om poängen är tillräckligt hög skickar Zapier en Slack-notis till rekryterande chef med sammanfattningen och en länk till kandidatens rad.
4. När chefen har godkänt kandidaten i kalkylarket utlöser Zapier ett automatiserat e-postmeddelande till kandidaten, så att hen själv kan boka intervjun.
5. Slutligen fungerar Notion som den centrala plattformen där HR-ambassadörerna underhåller loggen för partiskhetsgranskning och dokumentationen av arbetsflödet. Det säkerställer att hela systemet är effektivt, följer reglerna och förbättras kontinuerligt.

Och här är resultaten:

• 60 timmar per vecka frigjordes (~1,5 FTE per år)
• Tiden till anställning minskade från 45 till 21 dagar (53 % snabbare)
• HR-tid omfördelades till coachning, rollutformning och förbättring av kandidatupplevelsen
• Ledningens fokus skiftade från uppföljning av uppgifter till kompetensutveckling och utformning av arbetsflöden

Den här erfarenheten visade mig att AI:s verkliga värde ligger i att förstärka ledarskapets genomslag och skapa en kultur med självständiga och kompetenta team — inte bara i att automatisera uppgifter.

AI:s verkliga värde ligger i att förstärka ledarskapets genomslag och skapa en kultur med självständiga och kompetenta team — inte bara i att automatisera uppgifter.

Hur AI går bortom verksamheten för att förändra strategi och beslutsfattande

Men AI sträcker sig längre än till verksamheten. AI inom verksamhetsstyrning stödjer strategi, organisationsdesign och beslutsfattande genom att modellera scenarier, planera personalstyrkan och sammanställa insikter, vilket gör att ledningen kan fokusera på avvägningar och påverkan på människor.

AI för strategiskt HR-arbete och kapacitetsuppbyggnad bygger främst på två typer av verktyg:

• Plattformar för strategisk planering: Specialiserade system som SAP SuccessFactors eller Nakisa/Pigment använder avancerad AI för att hantera komplex personalplanering, scenariomodellering och organisationsdesign. Dessa verktyg sammanställer verksamhetsdata för att hjälpa ledare att förutse behov och analysera effekterna av viktiga beslut, vilket gör det möjligt för HR att fokusera på strategi snarare än enbart rapportering.
• Verktyg för generering av innehåll: LLM:er för allmänna ändamål, som ChatGPT eller Gemini (som ofta används inom företagsplattformar som Microsoft 365 Copilot), används för att snabbt generera innehåll, inklusive personliga coachningsfrågor, första utkast till utbildningsmoduler och frågor till medarbetarundersökningar. Detta automatiserar det kreativa utkastarbetet och gör att HR kan ägna sin tid åt att coacha och utveckla människor.

Med andra ord fastställer de förstnämnda det datadrivna ”vad” och de sistnämnda skapar det människofokuserade ”hur”.

Så här kan det se ut i praktiken: SAP SuccessFactors (programvara för personaladministration) modellerar ett scenario som visar ett förutspått kompetensgap på 20 % inom digital marknadsföring inom två år. Denna strategiska insikt matas sedan in i ChatGPT med en instruktion om att skapa en hyperpersonanpassad coachningsplan i tre steg för en marknadsföringsdirektör vars team påverkas mest, vilket i praktiken översätter komplexa data till omedelbart användbart utvecklings- och coachningsinnehåll.

Den kodfria teknikstacken som driver effektivitet i HR-arbetsflöden och kapacitetsuppbyggnad

På tal om verktyg använder jag en flexibel, kodfri stack med fokus på effektivitet i arbetsflöden och kapacitetsuppbyggnad:

• Google Workspace är mitt centrala nav för data, instrumentpaneler och samarbete.
• Typeform och Google Forms standardiserar intag av information från kandidater och internt, vilket matar automatiserade arbetsflöden.
• Zapier (programvara för automatisering av arbetsflöden) och Make samordnar automatisering från början till slut och frigör 40–60 timmar/vecka. Jag har nyligen migrerat vissa arbetsflöden till Make för bättre felhantering.
• ChatGPT och OpenAI API genererar mallar, sammanfattningar och kontroller av partiskhet. Dessa kombineras med bibliotek av instruktioner och loggning för konsekvens och styrning.
• Slack (programvara för medarbetarkommunikation) erbjuder aviseringar och godkännanden i realtid för att hålla teamen samordnade.
• Notion (anteckningsapp) är platsen där vi dokumenterar arbetsflöden, standardrutiner och utbildning av ambassadörer för skalbar kunskapsdelning.

Effekten av denna stack är betydande tidsbesparingar, snabbare rekrytering, förbättrad konsekvens och ett skifte i ledningens fokus från uppgiftsövervakning till utformning av arbetsflöden och kapacitet.

Så strukturerar du ChatGPT-inmatningar för konsekventa och partiskhetskontrollerade HR-resultat

Just nu fokuserar jag särskilt på utformning av instruktioner för ChatGPT och bibliotek för sådana instruktioner. Det handlar inte bara om att använda verktyget, utan om hur du strukturerar inmatningar och resultat för att konsekvent generera korrekt, partiskhetskontrollerat och användbart innehåll.

Genom att skapa ett centraliserat bibliotek med instruktioner har vi gjort AI-resultat reproducerbara i HR-arbetsflöden – från kandidatsammanfattningar och urvalsfrågor till intern kommunikation och introduktionsmaterial.

Effekten har varit omvälvande: kvaliteten standardiseras, felen minskar och HR-teamen befrias från repetitivt innehållsskapande. Ännu viktigare är att det förändrar hur jag leder – nu lägger jag min energi på att coacha team i utformning av arbetsflöden, beslutsramverk och iterativa förbättringar, i stället för att producera eller godkänna varje dokument. Denna enda funktion har förändrat HR från en uppgiftsdriven funktion till ett kapacitetsdrivet, AI-förstärkt team.

Vad alla HR-ledare behöver veta om att navigera i AI-omställningen

Inom fem år kommer HR inte längre att definieras av transaktionella processer. Roller som min kommer nästan helt att fokusera på att utforma AI-förstärkta arbetsflöden, forma beslutsramverk och bygga upp mänsklig + AI-kapacitet i hela organisationen. Avdelningar kommer att mäta effekten utifrån strategiskt inflytande, personalstyrkans anpassningsförmåga och kapacitetsutveckling, snarare än antal anställda eller administrativ effektivitet.

I praktiken innebär det att HR-ledare kommer att ägna mindre tid åt att godkänna rapporter och mer tid åt att sammanställa datadrivna insikter, coacha team och integrera etisk användning av AI i varje beslut.

För HR-ledare som navigerar i denna AI-drivna HR-transformation är mitt råd att fokusera på arbetsflöden, inte verktyg.

Reyhanehs tips

För HR-ledare som navigerar i denna AI-drivna omvandling är mitt råd att fokusera på arbetsflöden, inte verktyg.

Identifiera var mänsklig arbetsinsats tillför lågt värde, automatisera eller förstärk dessa uppgifter och investera i att bygga upp kompetens och AI-kunnande i era team. Skapa interna förespråkare, integrera styrning tidigt och ändra din roll från att utföra uppgifter till att utforma beslutsramverk och möjliggöra för andra.

Mer generellt är nyckeln för alla ledare att tänka om kring hur arbetet utförs, snarare än bara vilket arbete som utförs. Se AI som en kraftmultiplikator för strategi och kultur, prioritera tydlighet framför kontroll och utveckla team som kan anpassa sig, experimentera och ta ansvar i en AI-förstärkt miljö.

Framgång handlar inte om att ha de nyaste verktygen, utan om att effektivt samordna system med människor och AI.

Följ med

Du kan följa Rey på LinkedIn när hon utforskar praktiska AI-strategier med låg kodnivå inom HR.

Fler expertintervjuer kommer på People Managing People!