AI:s avkastning på investeringen: Så bygger du en AI-förstärkt organisation

David Rice: Du fokuserar verkligen på AI:s avkastning på investeringen just nu. Kan du utveckla vad du ser på makronivå?

Ravin Jesuthasan: Många företag har valt ett teknikdrivet angreppssätt: de implementerar tekniken, utbildar medarbetarna lite och förbättrar arbetsstyrkans produktivitet. Den avkastning vi har sett företag verkligen få från AI har kommit när de börjar med arbetet och sedan tar reda på hur olika AI-verktyg faktiskt kan förändra det.

David Rice: Varför tror du att den här skillnaden finns, och vilka är riskerna med den typen av ledarskapsgap?

Ravin Jesuthasan: Det är inte en teknisk utmaning, utan en mänsklig. Vi behöver att våra ledare går från att bara ha digital kompetens till att ha verklig AI-kompetens.

David Rice: Om du fick göra om hur organisationer inför AI från grunden, hur skulle de första 90 dagarna se ut?

Ravin Jesuthasan: Bli väldigt tydliga med vår ledstjärna. Analysera arbetet och ta reda på hur AI kan användas för att lösa de här specifika problemen. Förstå alla dessa förändringsmöjliggörare. Det kommer att utmana själva arbetsstrukturen.

David Rice: Välkomna till People Managing People Podcast, programmet där vi hjälper ledare att hålla arbetet mänskligt i AI-eran. Jag heter David Rice och är din värd. I dagens avsnitt har vi sällskap av Ravin Jesuthasan. Han är framtidsforskare, författare och en av världens ledande röster inom arbetslivets omvandling. Ravin ska förklara varför de flesta företag fortfarande inte ser någon avkastning på sina AI-investeringar och varför ett teknikförst-tänkande håller dem tillbaka.

Han berättar vad som krävs för att faktiskt bygga en AI-förstärkt verksamhetsmodell, varför den traditionella yrkesbaserade identiteten håller på att falla sönder och hur ledare måste gå från digital kompetens till verklig AI-kompetens om de vill leda genom sitt eget exempel. Om du arbetar som HR-chef, strateg eller bara är någon som undrar vad som krävs för att leda i intelligenta systems tidsålder är det här avsnittet för dig. Nu sätter vi igång.

Ravin, välkommen.

Ravin Jesuthasan: Tack David. Det är roligt att vara här med dig.

David Rice: Absolut. Du fokuserar verkligen på AI:s avkastning på investeringen just nu. Det var en sak vi pratade om när vi talades vid före detta, liksom de systemiska ringeffekterna på den globala ekonomin. Så jag vill börja där. Kan du utveckla vad du ser på makronivå, särskilt i relation till arbetskraftens konsumtion och omvandling?

Ravin Jesuthasan: Absolut, David. Under de senaste åren, nästan tre år nu, har vi varit helt upptagna av generativ AI, vad vi kunde göra med ChatGPT och på senare tid agentisk AI. Vi ser definitivt många företag försöka höja sitt marknadsvärde genom att tala om hur de använder AI.

Men jag tror att det finns ett stort gap mellan verklighet och uppfattning. Det vi har sett är att många företag, med undantag för en handfull organisationer, inte har fått någon avkastning på sina AI-investeringar. Till stor del beror det på ett par saker. Det ena är att många har valt ett teknikdrivet angreppssätt. De säger: Låt mig implementera tekniken, särskilt generativ AI, som vem som helst av oss kan komma åt via telefonen, den bärbara datorn, surfplattan och så vidare.

De tänker att om de bara implementerar den och utbildar människor lite, så kommer medarbetarna på något magiskt sätt att börja arbeta bättre och bli mer produktiva. Det är ett traditionellt angreppssätt där man sprider tekniken brett och hoppas på det bästa. Vi har sett samma sak vid många liknande förändringar tidigare och, återigen med undantag för en handfull organisationer, är det få som har fått någon avkastning. Jag tror att de företag som verkligen har fått avkastning på AI är de som går emot den reaktiva impulsen att sätta tekniken först och i stället börjar med arbetet.

Börja alltså med arbetet och ta sedan reda på hur olika AI-verktyg faktiskt kan förändra det. Var kan de ersätta arbetsuppgifter? Var kan de förstärka dem? Var kan de faktiskt förändra arbetet? Det gör dessutom att man, utöver de uppenbara konsekvenserna för avkastningen, får en tydlig bild av vilka förändrade kompetenser arbetsstyrkan behöver.

Var ersätts deras arbete och därmed blir deras kompetenser föråldrade? Var förändras arbetet, så att kompetenserna måste förändras för att hålla jämna steg? Var förstärks arbetet, så att jag nu behöver ytterligare kompetenser utöver dem jag redan har för att kunna arbeta med tekniken?

David Rice: Ett av de stora hindren som jag tror att vi ser människor möta är en slags överdriven anknytning till deras jobb, eller hur?

Och det är på sätt och vis begripligt. Traditionellt har människor kunnat skapa värde på arbetsmarknaden genom att hela tiden behärska vissa uppgifter. De har arbetat sig fram mot att göra saker med högre värde, vilket har lett till högre lön eller större anställningstrygghet. Men AI tar över vissa av de jobben. I slutändan pågår alltså också en känslomässig omvandling.

Hur kan ledare hjälpa människor att förändra sin identitet från vad jag gör till vad jag kan bli?

Ravin Jesuthasan: Ja, David, det är en väldigt viktig poäng i allt detta. I 150 år har jobbet varit den centrala valutan i arbetslivet. Nu ser vi hur jobben plockas isär.

AI ersätter vissa uppgifter, förstärker andra och förändrar ytterligare andra, och därför utmanas den känslan av identitet. Det vi verkligen behöver för arbetsstyrkan, och jag tycker att du formulerade det väldigt väl, är en förflyttning från vad jag gör, eftersom så många av oss tänker att det jag gör är den jag är, till vad jag kan bli. Hur går jag från, utan att låta alltför högtravande, Descartes uttryck "Jag tänker, alltså finns jag"? Min goda vän Sherry Turkle myntade 2019 uttrycket "Jag delar, alltså finns jag", vilket speglar de sociala mediernas tidsålder. Jag tror verkligen att den nya identiteten behöver bli: "Jag lär mig, alltså finns jag." Var och en av oss kommer att behöva återuppfinna oss själva kontinuerligt och ständigt.

När vårt arbete förändras, och återigen är det här en utmärkt poäng som du gjorde, måste identiteten förflyttas från vad jag gör till, som du säger, vad jag kan bli. Vilka kompetenser kan jag samla på mig? Vilka kompetenser kan jag lägga till? Hur kan jag förbli relevant i en föränderlig värld och hela tiden lämna det gamla bakom mig?

Jag tycker att det finns ett perfekt citat som fångar den tid vi lever i. Den stora framtidsforskaren Alvin Toffler skrev 1970 i sin bok Future Shock: "De analfabeter som kommer att finnas på 2000-talet är inte de som inte kan läsa och skriva. Det är de som inte kan lära om, avlära och lära på nytt."

David Rice: Det är intressant, för jag tror att vi historiskt har betraktat det väldigt transaktionellt, som att jag lär mig för att uppnå ett slutresultat.

Inte att jag lär mig för att lära mig eller att jag lär mig eftersom det kommer att bidra till att forma något. Det har alltid varit väldigt rakt på sak: du lär dig det här för att få det här. Ja. Och jag tror att vi måste förändra det, eller hur? Absolut. Överlag saknas samtalet om identitet och omvandling ofta i AI-diskussionerna, och jag undrar om det delvis beror på hur vi skapar de här berättelserna. Vilka former eller format behöver utvecklas så att vi inte bara pratar om verktyg, utan fortsätter att fokusera på människor och den mycket specifika utmaningen?

Ravin Jesuthasan: Ja. Det är en så viktig poäng, David. Jag tror att vi som företagsledare, och ärligt talat vi som art, tenderar att översegmentera. Vi avgränsar AI som en enda sak och missar alla kopplingar till frågor om kompetenser, identitet och så vidare som vi just har pratat om.

Jag tror att det är en av sakerna vi måste komma förbi. Det handlar om mer än att säga: Herregud, titta så häftiga de här verktygen är. Vi måste gå från det teknikdrivna perspektivet till frågan om vilket arbete som behöver utföras och vilket ekosystem som bär upp arbetet. Teknik är absolut en del av det, men teknik är bara ett verktyg.

Som min gode vän Gary Bowles ofta säger när det gäller omvandling handlar det om tankesätt, kompetensuppsättning och verktygsuppsättning. Jag tror att vi måste kunna ha dessa övergripande samtal om vad det faktiskt innebär för arbetsstyrkan och hur vi får arbetsstyrkan med oss. För som du och jag vet, David, snurrar den här planeten eftersom vi är ett konsumentbaserat samhälle, ett globalt konsumentbaserat samhälle.

I samma ögonblick som konsumtionskraften försvinner eftersom människor blir av med sina jobb börjar mycket av detta att falla samman. När det gäller AI måste vi därför tänka på vilka de övergripande konsekvenserna blir. Hur kompetensutvecklar vi människor? Hur omskolar vi människor? Hur ser vi till att människor har möjlighet att få inkomster från produktivt arbete om vi ska fortsätta ha en global ekonomi som drivs av konsumtion?

David Rice: Jag ställer ofta den här frågan, eftersom det är orealistiskt att tro att vi på något magiskt sätt bara kommer att kliva in i en ny era där konsumtion inte längre är den viktigaste drivkraften bakom mänskligt beteende. Jag tror att ett av de stora problemen just nu är att personer i företagsledningar tenderar att jaga effektivitet samtidigt som de ignorerar en djupare omvandling.

Allt handlar om hur vi kan tiodubbla människors produktivitet. Jag är nyfiken på vad du tycker att ledare i stället borde mäta eller sträva efter om de vill skapa, eller låta AI skapa, värde bortom kostnadsbesparingar.

Ravin Jesuthasan: Det är en väldigt bra poäng, David. Det finns ofta ett närsynt fokus på att det snabbaste sättet för mig att öka mina intäkter är att minska kostnaderna, eftersom jag känner mig säker på att jag kan ta bort kostnader. Om jag däremot investerar i dag för tillväxt i morgon finns det ett riskelement.

I det arbete jag gör med våra kunder brukar jag försöka få dem att fokusera på tre mått. Det första är att effektivitet naturligtvis är viktigt, eftersom alla organisationer kommer att behöva frikoppla framtida tillväxt från sin traditionellt resursintensiva modell, oavsett om det handlar om människor, finansiellt kapital eller fysiskt kapital.

Men sedan handlar det också om hur jag förbättrar arbetsstyrkans produktivitet. Vi har sett situationer där man har investerat i teknik utan att produktiviteten har förändrats. Det beror på att man inte bara kan stoppa in teknik och hoppas att människor på något sätt ska bli mer produktiva. Hur utformar vi därför arbetet medvetet på nytt så att produktiviteten faktiskt byggs in i arbetets struktur?

Den tredje variabeln, som jag tycker är väldigt viktig, David, är anpassningsförmåga. När vi investerar i den här tekniken, hur kan vi också flytta våra resurser från områden där arbete kanske ersätts till områden där våra tillväxtmöjligheter finns? Jag tycker att de tre måtten är väldigt viktiga när vi funderar på hur vi bygger affärsmodeller som är utformade för att återuppfinna sig själva och fortsätta växa.

Ja, med mindre resursintensitet, men också genom att få ut mesta möjliga av den kompetens vi ofta har investerat i under flera decennier.

David Rice: Absolut. I mina egna samtal med ledare tycker jag att det här är intressant. Deras brådska att använda AI i sitt eget arbete är inte lika stor som brådskan att få de anställda att använda det.

Om man ser AI som ett strategiskt verktyg och tittar på vad ChatGPT kan göra med sin funktion för fördjupad research, ser man att det växer som ett strategiskt verktyg. Det börjar bli en verklig förändringskraft. Jag är nyfiken på varför du tror att den här skillnaden finns och vilka riskerna är med den typen av ledarskapsgap.

Ravin Jesuthasan: Det är en bra fråga, och det är en enorm risk eftersom AI inte är en teknisk utmaning. Många har sagt det, och med rätta. Det är inte en teknisk utmaning, utan en mänsklig. Det är en förändringsledningsutmaning. Den ifrågasätter allt vi har kommit att tro på och byggt upp i våra affärsmodeller, personalmodeller och organisationsmodeller.

Det här är alltså en grundläggande utmaning. Jag har sagt ett tag nu att vi behöver få våra ledare att gå från enbart digital kompetens till verklig AI-kompetens. Jag tror att jag berättade för dig att jag i Davos i år hade förmånen att leda ett par paneldiskussioner, en med en grupp vd:ar och en med en grupp HR-direktörer.

Jag ställde frågan: Ni använder alla AI. Ni har det i era resultatrapporter och får den oundvikliga ökningen med ett par procentenheter när ni talar om AI. Men hur många av er använder faktiskt de här verktygen? I båda rummen var det högst tio procent. Sedan frågade jag hur de försökte få människor att använda verktygen när de själva ville det.

En person svarade lite skamset: Vi använder dem inte riktigt eftersom vi har assistenter. Vi talar om för assistenterna vad de ska göra och sedan gör de det. Det är enligt min mening en enorm skillnad, eftersom det återknyter till det du sade om det transaktionella. Om du ser AI som ett transaktionellt verktyg kommer du att använda din assistent.

Men om du ser AI som ett strategiskt verktyg kommer det att förändra alla delar av verksamheten. Du måste investera i att förändra ditt beteende och låta AI genomsyra varje del av det arbete du gör. Oavsett om du skriver ett PM, kommunicerar med dina direktrapporterande eller inleder den strategiska planeringen genom att undersöka vad konkurrenterna gör.

Var har vi misslyckats jämfört med våra tre senaste strategiska planer? Vilka är de stora luckorna? AI kan göra väldigt mycket för att förstärka en ledare. Men återigen handlar det om en enorm beteendeförändring. I min tredje bok undersökte John Boudreau och jag redan 2018, när maskininlärning och djupinlärning var aktuellt, omkring 135 organisationer och fallstudier.

Det som slog oss var att det gamla tankesättet, den gamla kompetensuppsättningen och den gamla verktygsuppsättningen verkligen var det största hindret för omvandling. Det arvet hos ledarna var det som höll dem tillbaka, redan då när de verktygen inte hade i närheten av den kraft och kapacitet som dagens verktyg har.

David Rice: Jag vill stanna vid något du sade en stund. Du nämnde att gå mot AI-kompetens, och när vi tänker på det i relation till ledare är jag nyfiken på hur AI-kompetens ser ut ur ditt perspektiv för en ledare eller någon i företagsledningen. Vilka saker gör de med AI och vilka utmaningar försöker de ta sig an?

Ravin Jesuthasan: Så här ser det ut, David. Jag ska vara väldigt konkret. En ledare avsätter en viss del av sin tid varje dag för att verkligen förstå verktygen, förstå hur de förändras och förstå nya verktyg. Ledaren ger sig själv möjlighet att leka med verktygen och använda dem.

Jurister kommer förstås att säga att vi måste skydda alla våra privata uppgifter. Absolut. Men det finns ingen anledning till att du inte kan leka med ChatGPT på egen hand, eller med Claude eller något av de andra verktygen som växer fram, exempelvis DeepSeek. När du och jag talades vid senast säger jag inte detta för att smickra någon, men min chef är verkligen en förebild i det här avseendet.

Varje samtal jag har med honom börjar med vad han har sett inom AI, vilka uppgifter han har hämtat från vår verksamhet internt och vad han har sett våra konkurrenter göra. Han använder AI kontinuerligt i varje del av sin roll. Det som varit väldigt intressant att se är att eftersom han gör det, gör jag det också. Jag använde AI lite tidigare, men nu är jag motiverad att göra ännu mer.

Jag ser hur resten av vår ledningsgrupp gör, och jag kan se den spridningseffekten, särskilt inom konsultverksamheten som genomgår en enorm omvandling. Alla våra medarbetare behöver använda AI, och vi möter samma motstånd som alla andra.

Att han agerar på det här sättet och är tydlig för våra omkring 3 000 medarbetare har varit en verklig förändringskraft. Ja, vi måste komplettera det med tillgång till verktygen, utbildning och en medveten omformning av jobben, men förebildligt ledarskap är en så viktig del av detta. Han är verkligen sinnebilden av en AI-kompetent chef.

David Rice: Det är intressant, för vi pratar alltid om datamängderna och vad som kan hända, riskerna och allt sådant. Men jag brukar säga att du kan be ChatGPT att skapa en datamängd. Om du vill experimentera med ett verktyg kan du tala om vad du vill att det ska simulera. Det gör det, och sedan kan du analysera resultatet.

Jag har gjort det med några saker nu, så det finns många olika sätt att leka med verktyget. Men utifrån allt du har sett på marknaden: Om du fick göra om hur organisationer inför AI från grunden, var skulle du börja? Hur skulle de första 90 dagarna se ut i din ideala införandeplan?

Ravin Jesuthasan: Jag skulle säga att alla organisationer behöver göra tre saker, David. Det första är att bli väldigt tydliga. Det här är inte något man gör en gång och sedan är färdig med. Det är något man kommer att upprepa och vidareutveckla. Men vilken är vår ledstjärna? Vad ska förankra resan mot att bli en AI-förstärkt verksamhetsmodell eller ett AI-förstärkt verksamhetssystem, som vi har kallat det? Vad är den ledstjärnan?

Vilka produktivitets-, effektivitets- och anpassningsvinster kommer vi att få efter sex månader, nio månader och ett år? Hur kommer detta att se ut i organisationen? Hur kommer det att kännas för våra ledare, chefer och medarbetare, aktieägare, intressenter och så vidare? Vilka centrala byggstenar måste vi absolut få på plats?

Vi måste skaffa licenser för en viss teknik, bygga upp våra datamängder och så vidare, vad det nu kan vara. Så ledstjärnan är det första. Det andra är hur vi prototypar och experimenterar med detta. För att göra det bra innebär att man börjar med arbetet, precis som vi sade i början.

Vilka områden kan jag analysera arbetet inom och ta reda på hur jag ska använda AI för att lösa de här specifika problemen? Det är då du börjar se vilket arbete som ersätts, vilket som förstärks och vilket som förändras. Du börjar skapa bevis och affärsfall som visar AI:s kraft.

Jag har publicerat flera artiklar i S Salon Management Review och Harvard Business Review där vi har visat vilken avkastning företag har fått. Och siffrorna är stora. Vi talar om produktivitetsökningar på 45 procent i vissa fall och lönsamhetsökningar på 30 procent för olika delar av verksamheten.

Den här prototypframtagningen är viktig. Den tredje delen är att AI:s effekt inte bara begränsar sig till att fånga produktivitets-, anpassnings- och effektivitetsvinster. Den kommer att förändra alla delar av din affärsmodell. Därför måste man förstå alla dessa förändringsmöjliggörare. Vad innebär det här för hur vi budgeterar?

Vad innebär det för hur vi organiserar arbetet? Det kommer att utmana själva strukturen, själva arbetsstrukturen, organisationen och funktionerna. Det kommer att utmana dina ledarskapskompetenser, precis som du och jag har pratat om. Den tredje delen handlar alltså om att hantera alla dessa förändringsmöjliggörare.

De löper parallellt med AI och gör det möjligt för dig att bygga inte bara ett stort antal experiment, utan en verkligt AI-förstärkt verksamhetsmodell.

David Rice: Det här har varit ett bra samtal. Jag uppskattar din tid. Tack för att du var med i programmet i dag, Ravin.

Ravin Jesuthasan: Ja, nöjet är på min sida. Jag tyckte verkligen om det, David. Tack.

David Rice: Innan vi avslutar, vill du kanske berätta för alla var de kan få kontakt med dig, läsa mer om det du gör och dela något annat som du vill dela?

Ravin Jesuthasan: Absolut. Besök gärna webbplatsen mercer.com där vi har många av våra verktyg, metoder, resurser och vår forskning.

Du kan också besöka min webbplats, ravinjesuthasan.com. Följ mig gärna på LinkedIn, Twitter, eller X som det väl heter nu för tiden, på Threads och på olika sociala medieplattformar. Jag är ganska synlig och publicerar regelbundet olika forskningsresultat och artiklar som jag skriver.

David Rice: Utmärkt. Okej. Tack igen för att du var med. Vi hörs nästa gång.

Ravin Jesuthasan: Tack David.