AI belönar de mest högljudda medarbetarna

David Rice: Ditt belöningssystem byggdes för att uppmärksamma snabbhet, volym och mätbara resultat. AI producerar alla tre. Så vad är det egentligen du belönar nu? Anju Choudhary är personalchef på Xoxoday, och hon uppmanar organisationer att granska sina system innan de av misstag börjar uppmuntra fel saker.

Just nu belönar de flesta företag fortfarande produktivitets­teater – uppblåsta resultat utan verklig effekt. Samtidigt går genuint mänskliga bidrag, som omdöme, samarbete och kreativ problemlösning, obemärkta förbi. I dagens program pratar vi om vad som händer när arbetet förändras snabbare än incitamenten. När AI hanterar genomförandet blir det mänskliga det som särskiljer oss. Men sådana beteenden är svårare att se och mäta.

Så hur blir ledare konkreta kring vilka beteenden de faktiskt vill se mer av? Choudhary säger att man börjar med att ställa rätt fråga. Inte vad vill du att människor ska göra, utan hur vill du att människor ska känna? För vi minns inte upplevelser utifrån vad vi gjorde, utan utifrån hur vi kände. I en tid när människor i det tysta saboterar organisationers AI-satsningar är det värt att fråga varför. Oftare än inte beror det inte på att de inte kan utföra arbetet. Det beror på att de känner sig utbytbara. Du har fått dem att känna att deras kompetenser inte längre spelar någon roll.

Och människor baserar inte sina handlingar på vad de kan göra, utan på hur de känner. Därför ska vi i dag prata om varför belöningssystem som byggts för resultat nu belönar AI:s bidrag, metoden med erkännande via post-it-lappar och varför det är viktigt att agera i realtid, hur man skiftar från produktivitetsmått till mening och effekt, varför frågan ”hur vill du att människor ska känna?” är den viktigaste, samt den tysta sabotagen som uppstår när människor känner sig utbytbara.

Jag heter David Rice. Det här är People Managing People. Och om ditt erkännandeprogram fortfarande mäter snabbhet och volym medan AI hanterar allt detta, visar det här samtalet vad som behöver förändras. Nu kör vi.

Okej. Anju, välkommen till podden.

Anju Choudhary: Tack, David, för att jag fick komma. Det är som att vi träffas regelbundet på konferenser och i dag i en podd. Det blir en förändring.

David Rice: Ja, det var trevligt att träffa dig i San Francisco. Vi hade ett bra samtal, och jag pratade med dig där om en del av det som händer med belöningssystem och hur vi kan motivera vissa typer av beteenden. När jag satte mig för att fundera på det här avsnittet tänkte jag att de flesta belöningssystem byggdes för att uppmärksamma några saker, eller hur?

Saker som snabbhet, volym och mätbara resultat. Åtminstone är de flesta organisationer jag har arbetat med väldigt fixerade vid resultat, eller hur? Men AI producerar alla tre. Jag är nyfiken på vad det innebär för vad de här programmen, de här belöningsprogrammen, faktiskt belönar. Och när granskar man sitt belöningssystem för att ta reda på om det uppmuntrar det man vill, eller om det kanske gör något helt annat?

Anju Choudhary: Jag vill börja med att säga att jag är positiv till AI. Innan vi kommer dit vill jag inte att människor ska tro att jag är skeptisk till tekniken eller användningen av den. Men jag vill varna för att när vi pratar om beteenden, upprepningsbara beteenden, och hur vi har tänkt kring resultat, produktivitet och effektivitet, och AI plötsligt kommer in i bilden, då förändras allt.

Alla de egenskaper vi ville se hos våra medarbetare kan AI nu hantera. Så hur belönar och motiverar vi våra människor på arbetet? Du och jag var på HumanX, där vi hörde människor säga: ”Våra mänskliga kollegor och våra AI-kollegor.” Vissa saker kommer alltså att bestå när vi tänker på produktivitet, effektivitet och hur vi bygger bättre saker.

Men kreativitet, samarbete, kommunikation och att göra saker utifrån mening och effekt – det är sådant vi vill fortsätta se våra mänskliga kollegor göra. När du vill belöna saker och beteenden som du vill ska upprepas i framtiden måste du fråga dig om ditt system verkligen tar hänsyn till det.

Har du utformat ett verktyg och en process som gör det möjligt för människor att se vad som är viktigt för dig? Nyligen hade vi ett samtal där en annan HR-kollega sade att anpassningsförmåga och ett utvecklingsinriktat tankesätt var avgörande för henne. Då frågade jag: ”Hur berättar du det för människor? Hur visar du att det här är viktigt för dig?”

Hon svarade: ”Jag är faktiskt inte säker. Det finns inbyggt i våra värderingar, men vi gör egentligen inget av det.” Ett snabbt exempel är vårt system på Xoxoday. Där kan människor uppmärksamma kollegor och intressenter och, med hjälp av AI, beskriva vad personen gjorde som de uppskattar. Erkännandet kopplas till personens större mål och nyckeltal, men också till företagets mål.

När andra människor, särskilt nyanställda, börjar och ser att Anju blir uppmärksammad för X, Y och Z – för de här värderingarna och nyckeltalen – förstår de att det är så man blir framgångsrik här. När du granskar dina verktyg och system måste du därför se till att de inte bara är utformade för att mäta och uppskatta produktivitet och siffror, utan också effekt och det som är viktigt för er att kunna se framöver.

David Rice: Jag gillar det du sade om att fokusera på effekten, eftersom AI verkligen kan skapa en produktivitets­teater. Det kan se ut som att du gör allt möjligt, men i verkligheten – har det någon effekt? Har det någon faktisk affärsrelevans, eller producerar du bara mycket mer material som hamnar i systemet och blåser upp resultatet, så att resultat blir en ganska svag signal?

Jag tror att vi kan fortsätta förstärka beteenden som var meningsfulla före AI, men som inte längre flyttar nålen. Jag gillar hur du formulerade det. När det gäller värderingar tänker jag direkt på saker som står på väggen. Och sedan tänker man: ”Ja, men händer det verkligen?”

Eftersom det finns en fördröjning och arbetet nu förändras snabbare än incitamenten måste värderingarna hålla jämna steg. Då måste man belöna dem i realtid. Åtminstone är det så det känns för mig.

Anju Choudhary: Ja, absolut. Du kan inte göra det en månad senare. Du kan inte ta upp det på ert kvartalsvisa stormöte.

Jag vill återkomma till det du sade om värderingar. Nyligen hade vi ett samtal på ett evenemang som IPO Circle anordnade, där vi pratade om värderingar med Ubers medgrundare. Han berättade att de hade tretton eller femton värderingar, alltså ett orimligt stort antal. När man måste lägga tid på att memorera vilka värderingarna är, lever man dem inte riktigt.

Han sade: ”Nu har vi tre”, och sedan går de ännu längre in på vilka beteenden de vill se kopplade till värderingarna. Jag gillade verkligen exemplet han gav. De hade ”mästarmentalitet” som en av värderingarna, men utvecklade den senare till ”mästarhjärta”, eftersom de ville komma närmare mening och effekt.

Jag gillar hur värderingar, som du sade, annars bara blir saker som står på väggen eller på baksidan av passerkortet, om de inte verkligen praktiseras och byggs in i allt vi gör varje dag. En intervjufråga jag brukar ställa i företag är: ”Hur ser ni att de här värderingarna visas i vardagen?”

Jag arbetade på IBM i ungefär åtta år. En av värderingarna var tillit och personligt ansvar i alla relationer. Jag minns den ordagrant eftersom jag faktiskt såg människor leva efter den varje dag. Ett annat exempel är att när du ser människor omsätta orden i handling och visa beteendet, ska du belöna och uppmärksamma det så att de vet att det är vad du vill se.

Kulturutmärkelser varje kvartal är bra. Fortsätt gärna med dem. Men det är lång tid att vänta, och hälften av sakerna är bortglömda. En annan ledare berättade något enkelt som jag gärna vill dela: erkännande på en post-it-lapp.

Hon hade namnen på alla i teamet skrivna på lappar bredvid datorn. Under veckan höll hon utkik efter beteenden hon ville se, uppmärksammade dem i stunden och strök sedan namnet. På så sätt höll hon jämna steg med erkännandet och belöningen.

För det andra kunde hon se vad människor gjorde och agera direkt i stunden. Jag tyckte det var fantastiskt att man inte behöver vänta till slutet av månaden eller kvartalet.

David Rice: En fråga jag ville ställa är: om AI hanterar mer av genomförandet och genuint mänskliga bidrag som omdöme, etiskt resonemang, samarbete och kreativ problemlösning blir mer värdefulla – hur gör ledare för att konkretisera vilka beteenden de faktiskt vill se mer av på en arbetsplats där AI förstärker människors arbete?

Anju Choudhary: Ja och nej. De är svåra att kvantifiera när någon använder gott omdöme, ger feedback som landar eller hittar ett kreativt sätt att lösa ett problem. Men effekten av det behöver inte vara svår att mäta.

Effekten hänger ihop med om människor känner sig lyckligare och om medarbetare är mer engagerade. Du har kanske ingen direkt kausalitet, men du kan se en korrelation. Därför vill vi använda dataanalys som stöd. När vi säger att en chef presterar bättre än andra kan vi koppla det till resultaten från en undersökning om chefens effektivitet.

Hur ser teamets resultat i inkluderingsundersökningen ut? Hur ser de faktiska resultaten ut för det som teamet producerar? Om det är ett säljteam, vilka är målen? Om det är ett HR-team, vilka är målen? Uppnår de sina nyckeltal? Det kan ibland kännas tvetydigt, men när de här sakerna fungerar väl kommer det att synas i andra områden som du kan mäta.

När vissa beteenden är uppenbara ska du använda de tillfällen då du kan observera dem. Det kan vara enskilda möten, gruppmöten eller andra situationer. Hitta, identifiera och uppmärksamma beteendena. Det är svårare i en avlägsen och distribuerad arbetsvärld, där informationsflödet släpar efter. Något kan ha hänt i Indien medan jag sitter i USA och inte har kunnat observera det.

Då kan verktyg som vårt hjälpa till. Vi har till exempel en utmärkelse som heter Cheers to Peers. Andra människor håller utkik efter dig och lyfter fram beteendet så att du kan se det. Koppla sedan det till de data som HR redan samlar in, till personen och till den övergripande effekten för företaget, teamet och era nyckeltal.

David Rice: Det var intressant att du tog upp skillnaden mellan orsak och korrelation. Korrelation kan vara subtil. Det kräver att ledare är mer närvarande och inte bara datadrivna. Om du inte kan se något är det svårt att förstärka det.

Jag tror att man måste mäta inte bara vad som blev gjort, utan hur det blev gjort, och vara mer närvarande i det samtalet.

Anju Choudhary: Hundra procent. Inte bara vadet, utan också hur det är viktigt. Jag läste nyligen ett omdöme om mitt barn i lågstadiet. Läraren skrev att han läste på sjätteklassnivå trots att han gick i fjärde klass, men hon gav honom ändå inte högsta omdömet.

Han fick godkänt, men hade egentligen halkat efter. Jag tänkte att själva resultatet inte är lika viktigt som hur mycket han hade arbetat. Försökte han bli bättre utifrån där han befann sig? Det handlar inte bara om vad du uppnådde, utan också om hur du tog dig dit.

Något som betyder mycket för mig är feedback jag fick från min chef när jag blev chef för första gången i ett internationellt företag. Han sade: ”Anju, jag älskar passionen och energin du tar med dig till arbetet, men jag ser också att du går alldeles för snabbt. Det som kan hända är att du blir den enda personen vid mållinjen, och när du vänder dig om finns ditt team inte där. Du måste ta med dig människorna på resan.”

Han formulerade det så tydligt, och jag är glad att jag lärde mig det tidigt i karriären: att gå tillsammans med människor, ta med dem på resan och vara uppmärksam på deras mål jämfört med mina mål. Hur kan jag göra dem till våra gemensamma mål?

Det har varit otroligt värdefullt. Inte bara mållinjen, utan också hur du tog dig dit, är viktigt. För att kunna se det måste du vara närvarande. Ett annat tips är att när jag börjar i nya team eller på ett nytt företag försöker jag tillsammans med teamet formulera något som kallas README: så här arbetar jag bäst.

Jag är till exempel ingen morgonmänniska. Jag är som mest kreativ på kvällen. Om du får ett mejl från mig försöker jag schemalägga utskicket, men om du av misstag får det behöver du inte svara. Jag försöker få saker gjorda då. Så här vill jag få feedback, och så här ger jag feedback. Alla delar sedan sina egna sätt att arbeta, vilket gör det lättare att förstå hur man samarbetar bäst.

Vi hade också ett dokument om teamarbete. När nya personer började kunde vi lyfta fram det som präglade teamets subkultur. Det gjorde oss betydligt mer produktiva än tidigare.

David Rice: Det är intressant när det gäller vad man belönar och hur lätt man blir fixerad vid slutprodukten, alltså att nå mållinjen.

Det finns alltid en risk att ledare fastnar i att belöna synligt AI-användande. Personer som verkar vara tidiga användare och som kan demonstrera en instruktion väldigt bra. Men det finns ofta en annan grupp som skapar verkligt värde, med eller utan den synligheten.

Hur utformar man ett erkännandeprogram som inte råkar skapa en föreställning om innovation i stället för faktisk innovation?

Anju Choudhary: Det är inte lätt, så jag vill varna för det. Ibland är det de mest högljudda rösterna som människor minns bäst. Ibland hör man bara idéer från dem som lyckades presentera dem först. Men efter att ha arbetat i mångkulturella, multigenerationella och globala miljöer har jag lärt mig att människor arbetar på olika sätt.

Vissa behöver smälta informationen och återkomma senare. Därför kan du säga: ”David, jag har inte hört från dig i dag. Har du någon feedback?” Eller skapa processer som gör det möjligt att lämna feedback i efterhand.

När du utformar ett program finns det en tendens att alla följer efter när en person uppmärksammas av fem eller sex andra. Då måste man fråga: vilka har vi inte uppmärksammat? Var har vi inte sett något?

Om programmet gör det möjligt att se luckorna kan du upptäcka att ett marknadsteam använder belönings- och erkännandeprogrammet perfekt, medan ett annat team inte gör det alls. Om David har fått många erkännanden tidigare och det plötsligt sker en minskning – handlar det om prestation eller utbrändhet?

Med AI kan du få analyser som visar vad som har hänt och var nedgången finns. Finns det områden där personen har möjlighet att utvecklas? Kan någon som använder AI mycket bra hjälpa andra att lära sig?

Programmet blir då inte bara ett verktyg för belöning och erkännande, utan också ett sätt att hitta talanger att utveckla, områden med utbrändhet som kräver uppmärksamhet och möjligheter till utveckling.

Jag är verkligen entusiastisk över möjligheten att integrera AI i detta. De flesta tar gärna chansen att säga något när de inte gillar något, men de är för trötta eller upptagna för att uppmärksamma något positivt. När AI kommer in kan du skriva några ord och få hjälp att formulera hela budskapet. Du kan redigera det och koppla beteenden till värderingar. Det gör mig entusiastisk.

David Rice: Jag gillar hur du formulerade det, särskilt det du sade om personen som talar högst.

Jag har varit i flera miljöer där en sådan person tog över. Det gjorde det nästan möjligt att spela systemet till sin egen fördel, eftersom personen kunde dominera samtalet. Det skapar mycket brus som ibland inte behöver finnas. Det är en viktig skillnad och ett viktigt angreppssätt.

Anju Choudhary: När vi ändå talar om att de högsta rösterna blir hörda: vårt system kan faktiskt uppmuntra människor att tänka bredare. Det kan säga: ”Du har till exempel uppmärksammat Sarah hela tiden, men du arbetar också med andra kollegor.”

Det knuffar människor i riktning mot att inte bara erkänna en eller två personer i teamet, utan också tänka på andra som förtjänar uppmärksamhet.

David Rice: Xoxodays plattform bygger alltså på erkännande i realtid och i stunden. Varför är tidpunkten så viktig när man formar beteenden, och vad innebär det för ledare som försöker forma kulturen under en omvandling som går snabbare än de flesta årliga medarbetarsamtal kan fånga?

Anju Choudhary: Det är en omfattande men mycket viktig fråga. Vi arbetar i en miljö där saker förändras snabbt, där vi fattar beslut snabbt, arbetar i matrisorganisationer och över geografiska gränser. Därför är det avgörande att agera och uppmärksamma beteenden så snabbt som möjligt, annars går möjligheten förlorad.

Mitt största problem med system för prestationshantering är att de kan vara hjärtskärande. De tar all energi ur dig och involverar många människor. Om du får betyget fem vet du inte vad du ska fortsätta göra. Om du får betyget två vet du inte vad du ska göra annorlunda, eftersom vem minns egentligen?

Om det årliga prestationssystemet fortfarande är ert verktyg för erkännande är det dags att vakna och göra annorlunda. När det gäller mål går vi mot mer kvartalsvisa uppföljningar så att man kan hålla jämna steg. Jag tror att det kanske snart blir månadsvisa uppföljningar, för vem vet vilka nya funktioner som kommer i Claude och påverkar verksamheten?

Jag brukade ha ett skrytdokument för mig själv. Varje dag skrev jag ned vad jag hade gjort bra, eftersom jag annars inte skulle minnas allt inför prestationssamtalet.

Tänk på samma sak från chefens eller företagets sida. Om medarbetarna själva inte minns allt bra arbete de gör, hur ska du då minnas i slutet av veckan eller månaden vilket fantastiskt arbete David gjorde på HumanX-konferensen?

Gör erkännandet i stunden. Det betyder mycket mer, eftersom det ger människor energi att upprepa beteendena. När de beteenden du vill se gör organisationen framgångsrik bidrar de tillsammans till att både du och organisationen lyckas.

Det är inte enkelt. Skapa en process för dig själv. Även om du inte har ett verktyg som Xoxoday kan du använda post-it-lappar eller ett kalkylblad och gå igenom personerna en efter en. Formulera också vilka beteenden som är viktiga för er just nu. Ni kanske har tre, fyra eller fem värderingar, men vad är viktigt för organisationen i den här fasen för att nå målen? Formulera det och upprepa det så att människor vet hur ett bra arbete ser ut hos er.

David Rice: Det är logiskt med erkännande i realtid. Beteenden fastnar när återkopplingsloopen är mycket kortare. Om återkopplingen kommer flera månader senare tappar den betydelse. Medarbetaren kan tänka: ”Tar ni upp det här nu? Tror ni att jag inte har gjort något sedan dess?”

I en snabbföränderlig miljö där AI driver oss ännu snabbare blir avståndet mellan handling och feedback ännu viktigare.

Anju Choudhary: Låt oss återvända till det du sade: ”Har jag inte gjort något annat värdefullt sedan dess?” Det är precis poängen. Jag vet inte vad jag ska fortsätta göra eller vad min chef tycker är viktigt. Kanske trodde jag att något var viktigt, men David gjorde inte det. Då missade vi en möjlighet.

Som medarbetare gjorde jag andra viktiga saker, men som chef tänkte du att något jag gjorde för tre månader sedan var det viktiga. Då har vi förlorat tre månader. Om du hade uppmärksammat det direkt hade jag fortsatt göra det, eftersom jag inte visste att det var vad du ville att jag skulle göra.

David Rice: Den känslan av värde tappar sin kraft efter tre månader.

Anju Choudhary: Precis.

David Rice: Om de kvartalsvisa målen har förändrats är allt annorlunda nu.

AI har inte fördelat sina produktivitetsvinster jämt. Vissa roller, team och individer tar emot mycket mer förändring än andra. Hur behöver belöningssystemen ta hänsyn till den skillnaden? Vad händer när erkännande oavsiktligt belönar dem som kanske hade en enklare övergång än andra team?

Anju Choudhary: Jag vill börja med ett personligt exempel. När covid kom tänkte alla föräldrar: ”Herregud, det är en katastrof. Hur ska barnen klara distansundervisning?” Vi hade faktiskt ett försprång. Mina barn hade redan deltagit i digitala program och var mer vana vid det.

Det finns alltså personer som arbetar inom forskning eller teknik och redan ligger nära AI. Vissa roller är utformade för att ligga närmare AI. Andra arbetar i områden där övergången är enklare. Ytterligare andra arbetar i områden där AI lättare kan inkluderas, medan jurister kanske främst behöver skapa skyddsräcken och arbeta långsammare och säkrare.

Beroende på hur arbetet är utformat kommer vissa att gå snabbare. Även när det gäller lärande finns personer som är mer experimentella och gärna blir ambassadörer. Men vad jag har lagt märke till är att AI-användning måste bedömas utifrån kvalitet och effekt. Att bara utforma ett mejl och göra det snyggare är inte omvälvande.

Du konsumerar data, men det förändrar inte nödvändigtvis arbetet. Om jag skapar dagens klädsel med AI har det ärligt talat inte mycket med arbetets syfte att göra. Vad ska du då belöna och uppmärksamma? Hur förändrar det människors sätt att arbeta? Det kommer att vara olika för olika team.

Vårt marknadsteam har varit mycket bra på att komma igång, och det gäller även teknikteamet. Andra team går långsammare. Säljteamet försöker fortfarande förstå hur de kan använda AI till mer än att skriva mejl.

Den mänskliga kontakt vi vill skapa är fortfarande viktig. Ett AI-skrivet meddelande på LinkedIn ger inte nödvändigtvis bättre öppningsfrekvens. Om du bara mäter användningsandel eller hur många token människor använder får du inte ett bra mått på hur AI skapar värde i arbetet.

Tänk i stället på varje roll som hundra procents kapacitet: vilka delar kan människan göra, vilka delar kan AI göra, och vilka delar kan människa och AI göra tillsammans? Hur gör det att arbetet utvecklas? Om Anju nu får extra tid, hur kan hon använda den mer strategiskt?

Det är ingen enkel matris. Den ser olika ut för olika roller. Det finns flera AI-verktyg som kan visa inte bara engagemang utan även effektivitet, användning och påverkan på det dagliga arbetet.

David Rice: Jag hörde också mycket om att tokenanvändning inte nödvändigtvis visar verkligt eller meningsfullt införande. Du kanske använder AI, men bara för att ställa slumpmässiga frågor, planera middagen eller välja kläder.

När man inte tar hänsyn till rollens sammanhang och bara säger att alla måste komma ikapp eller göra mer med AI urholkar det tilliten till ledarna. Det låter som att de inte förstår vad AI faktiskt kan göra i mitt arbete. Vi har redan ett tillitsproblem, så det är viktigt att vara mycket medveten och försiktig när man utformar systemen.

Anju Choudhary: Tidigare handlade mycket om att få människor att börja använda AI. Budskapet var: gör något, gör vad som helst med AI. När människor sedan gick från ChatGPT eller OpenAI till Claude och började tänka på token och användning kom nästa fråga: hur använder vi det?

Först handlade det om vad, nu handlar det om hur. Du kan använda AI för att ordna födelsedagsfester, men du måste också tänka på miljöpåverkan. Det kom inte upp tidigt eftersom många av verktygen var gratis.

Nu behöver vi tänka mer noggrant på varför vi använder AI och hur det kan göra skillnad. Jag har personligen haft nytta av att skriva mejl snabbare och kontrollera att språket fungerar ur ett HR-perspektiv. Det är bra, men inte omvälvande. För att komma dit måste man bryta ned varje roll och varje arbetsuppgift. En lösning som passar alla fungerar inte här.

David Rice: Jag har varit på många konferenser och hört om mejlproblemet på varenda en. När jag först hörde uttrycket arbetsflödes­skräp tänkte jag inte på det, men nu inser jag att vi faktiskt har ett mejlproblem.

Människor måste tänka på vad de använder AI till och om det är värt att förbruka energi där, eller om man i stället bör använda lite av sin egen energi och behålla sitt mänskliga värde – bland annat förmågan att kommunicera mänskligt.

Det finns också en spänning i att använda en AI-driven plattform för att uppmärksamma och förstärka mänskligt beteende. När blir smart automatisering en ersättning för att ledare faktiskt uppmärksammar sina människor? Hur säkerställer man att verktygen förstärker mänskligt omdöme i stället för att ersätta det?

Anju Choudhary: Vi har länge samlat in data från olika undersökningar, och nu kan vi använda den på ett meningsfullt sätt för att formulera och koppla samman de beteenden vi vill se.

HR samlar ofta in alldeles för mycket data. Innan vi hinner agera är det dags för ännu en undersökning. Det är viktigt att hålla koll på vad som händer i organisationen och i varje team, men vi har alltid varit överväldigade av för mycket att göra och för lite tid.

Här finns en möjlighet att vara mer mänsklig och använda data för att identifiera 80/20-regeln: vilka tjugo procent av insatserna skapar åttio procent av effekten? Hur använder du den mänskliga faktorn för att skapa en mer inkluderande och bättre arbetsplats där människor kan prestera och gå från insikt till handling?

Det är en möjlighet att gå djupare, skapa kulturambassadörer som finns överallt och observerar de beteenden du vill belöna och uppmärksamma. AI kan ge insikter som du sedan faktiskt agerar på.

David Rice: Det är viktigt. Det får inte kännas generiskt. Människor märker skillnaden mellan något genomtänkt och något automatiserat. Behåll den mänskliga kontakten i ledarskapet, men använd verktygen för att förstå var den kontakten behövs mest.

Anju Choudhary: Du kan inte låta AI vara barnvakt åt ditt personalansvar. Människor märker när du skickar ett generiskt meddelande jämfört med något mer genomtänkt.

När jag började på ett nytt arbete 2019 hade vi flyttat från södra Kalifornien. Samma dag började jag på mitt nya jobb och min son på sin nya skola. Jag fick meddelanden som ”Vi ser fram emot att arbeta med dig” och ”Vad roligt att ha dig hos oss”. Det var trevligt men generiskt.

Min son fick i stället brev från klasskamrater. En skrev: ”Jag är den asiatiska flickan som sitter i hörnet. Jag vet allt om biblioteket, så hör av dig om du har frågor.” En annan skrev: ”Jag älskar baseboll. Ibland hoppar jag över lunchen för att spela, så om du vill spela är jag redo.”

Det var den bästa introduktionen han hade fått. Jag började samtidigt på ett företag och fick en mer generell introduktion. Fundera därför på hur du kan använda tid och energi för att skapa mänskligare och mer personliga upplevelser i stället för ett generiskt välkomstmeddelande.

David Rice: Jag skulle uppskatta det. Då kan jag säga: ”Jag är killen med pappaskämten och de sarkastiska kommentarerna i den slumpmässiga Slack-kanalen.”

Anju Choudhary: Precis. Jag älskar det. Där har du en omedelbar kontakt.

David Rice: Då vet man vad man kan förvänta sig. De första 90 dagarnas möten blir inte lika oförutsägbara. Jag tänker alltid: ”Hur ska jag komma ihåg alla de här människorna?” Men om jag har något att haka fast vid blir det lättare.

Anju Choudhary: Du har möjlighet att fundera på vilka delar av arbetet som tar energi. Om någon frågar hur många semesterdagar de har kvar kan en AI-agent lösa det. Men om någon ska gå på föräldraledighet kan du sitta ned med personen, skapa en plan och säga: ”När du kommer tillbaka är det så här vi stöttar dig.” Den mänskliga faktorn ska användas där den verkligen behövs, medan AI hanterar upprepningar.

David Rice: Mer medvetet mänskligt tänkande där vi faktiskt behöver det. Föräldraledighet är ett bra exempel. Min sista fråga är: om en vd eller personalchef kommer till dig i morgon och säger: ”Vi går igenom en stor AI-omställning. Vad är det första jag bör förändra i hur vi uppmärksammar och belönar människor?” Vad svarar du?

Anju Choudhary: Vad vill du att människor ska känna eller ta med sig från programmet? Låt det vara det viktigaste. Det är lätt att glömma vad människor säger, men det hänger djupt samman med hur det får dem att känna. Om det skapar en djup känslomässig koppling, skapa programmet och se det växa. Det är kärnan.

Jag kan ge ett snabbt exempel. Jag använde mina resepoäng för att köpa en flygupplevelse åt min son när han fyllde elva. Det skapade ett starkt känslomässigt band. Nu frågar han: ”Mamma, när får du fler poäng?” Jag vill fortsätta prestera och samla poäng så att jag kan dela sådana upplevelser.

Det finns ett känslomässigt band, inte bara för mig utan för hela familjen. När du presterar bättre blir du uppmärksammad och belönad. Men det jag blir uppmärksammad för måste också vara viktigt för mig. När människor säger: ”Anju skapar en plats där jag känner att jag hör hemma”, då betyder det mycket för mig.

Det är kärnan i mitt arbete. Jag vill skapa möjlighet för människor att göra sitt bästa arbete. När jag blir uppmärksammad för det blir jag mer motiverad att fortsätta göra det varje dag.

David Rice: Jag gillar att du sade hur du vill att människor ska känna, inte vad du vill att de ska göra.

Vi blir lätt fixerade vid vad människor gör, vad de kan göra och vad de borde göra. Det är ett relevant samtal eftersom det handlar om arbete. Men när vi pratar om upplevelser tror vi att vi minns dem utifrån vad vi gjorde. I verkligheten minns vi dem utifrån vad vi kände.

Jag är en hängiven vandrare. När jag når toppen av ett berg minns jag det inte för att jag gick upp på berget. Jag minns hur det kändes när jag kom fram, vad jag såg och vilket intryck det lämnade. Det är det som gjorde upplevelsen rikare, mer meningsfull och mer värdefull.

Vi måste tänka på arbetet på samma sätt. Vad vill du att människor ska känna? De kan göra alla möjliga saker, men om de efteråt känner att du försöker ersätta dem, automatisera bort dem eller trycka ut dem ur systemet är det en hemsk upplevelse som leder till annan negativitet.

Den känslan sprider sig snabbt. Jag tror att det är därför vi ser så mycket motstånd och berättelser om människor som i tysthet saboterar organisationers AI-satsningar. Mycket handlar om att du har fått dem att känna sig utbytbara.

Du har fått dem att känna att deras färdigheter inte längre spelar någon roll. De kan göra alla dessa saker, men de baserar inte sina handlingar på vad de kan göra. De baserar dem på hur de känner. Därför gillade jag verkligen det du sade. Tack för att du kom till programmet i dag. Det har varit fantastiskt.

Anju Choudhary: Tack så mycket för att jag fick komma, David. Det är alltid trevligt att träffa dig och prata ikapp. Jag tyckte mycket om vårt samtal. Tack.

David Rice: Absolut. Om ni lyssnare gillade det här och vill höra mer, gå till peoplemanagingpeople.com/subscribe och registrera er för nyhetsbrevet. Under tiden kan det vara bra att fundera på hur ni får människor att känna, inte bara på vad ni får dem att göra.