Att bygga självförtroende och fantasi i AI-eran

David Rice: Du sitter i möte efter möte hela dagen. Ditt team fortsätter att fråga om AI, strategin och ärligt talat är du inte säker. Du förväntas ha svaren. Det är därför du blev befordrad, eller hur? Men när det gäller AI försöker alla förstå det samtidigt. Och den obekväma sanningen är att om du inte använder AI själv ligger du redan efter de personer du ska leda.

Dagens gäst i podden är Charlene Li. Hon är grundare av Quantum Networks Group, och hon ska berätta varför 83 procent av människorna i Kina anser att AI är fördelaktigt, medan bara 39 procent av amerikanerna gör det. Ännu viktigare är att hon ska visa dig hur du tar dig ur pilotlimbo och faktiskt börjar bygga AI-kompetens i din organisation.

Vi ska gå igenom varför din rädsla för att förlora kontrollen är det verkliga problemet, inte tekniken, hur man hanterar dold AI-användning, de fyra dimensionerna av AI-kompetens som varje ledare behöver bemästra och hur en försäljningschef använder AI för att vara med i varje kundsamtal utan att delta i ett enda extra möte.

Jag är David Rice. Det här är People Managing People. Och om du har känt dig paralyserad kring vad du ska göra med AI är det här avsnittet ditt tillstånd att börja experimentera. Då kör vi.

Välkommen till People Managing People-podden, programmet där vi hjälper ledare att hålla arbetet mänskligt i AI-eran. Jag heter David Rice och är som alltid din programledare. I dag har jag sällskap av Charlene Li. Hon är strategisk rådgivare och grundare av Quantum Networks Group. Vi ska prata om det aktuella läget för hur ledare använder AI och vad som behöver förändras inom ledarskapsutveckling i denna nya arbets era.

Charlene, välkommen.

Charlene Li: Tack för att jag fick komma.

David Rice: Absolut. Vi pratade före inspelningen och du sa att många ledare har svårt med AI eftersom de känner sig hotade. De är vana vid att ha svaren, eller hur? Alla vänder sig till dem för att få svar, och den här förändringen leder till mycket osäkerhet och förändrar bilden av vad bra ledarskap innebär.

Berätta hur det ser ut för många ledare just nu.

Charlene Li: Precis. Många ledare befordrades eftersom de visste hur man utförde jobbet bättre än andra, och de ses som personer som kan ha svaren, precis som du sa. Med AI försöker vi alla förstå det tillsammans och samtidigt, och det skapar extra press på ledare som måste fråga sig: Vad ska vi göra med det här?

Vart är vi på väg? När det egentligen inte alltid finns ett svar. Vi kanske har en riktning att följa, så det är verkligen svårt för ledare. AI skapar redan mycket rädsla och oro. Lägg därtill att du som ledare förväntas ha allt utrett, så kommer det helt enkelt inte att fungera.

Jag tror att vi måste gå från att behöva ha alla svar till att kunna ställa bra frågor som leder människor i den riktning vi vill gå. Det handlar om att fråga: Okej, hur ska du använda AI för att skapa värde? Inte: Vad är avkastningen på AI? Det är två helt olika frågor. Och en ledare måste förstå skillnaden mellan dem.

David Rice: Ja. Jag kom precis hem från en konferens och lyssnade på många ledare som pratade med varandra och uppenbarligen också med mig. Jag känner att en av de stora färdigheterna, kanske den viktigaste färdigheten för framtidens ledarskap, helt enkelt är att vara bekväm i sig själv. Att kunna omfamna osäkerheten och säga: Ja, jag vet faktiskt inte, men jag är intresserad av det här.

Jag är intresserad av det där. Det här är gruppen människor som jag har samlat för att hjälpa mig att förstå det. Förstår du vad jag menar? Förmågan att se nätverkskopplingarna som kommer att göra den stora skillnaden i ditt projekt eller i ditt initiativ. Jag känner att det är där ledarskapet måste visa sin styrka, så att säga, snarare än genom expertis.

Charlene Li: Exakt. Och särskilt när det gäller AI tror jag att en väldigt viktig del är att ledare skapar en miljö där människor kan experimentera och lära sig. Det här skiljer sig från de piloter som människor genomförde, eftersom det handlar om ett helt annat problem: AI:s pilotlimbo. Det här handlar om att du ska komma igång, använda AI, experimentera och ta reda på vad som fungerar och inte fungerar.

Att skapa en miljö där du kan lära dig individuellt men också tillsammans är en väldigt viktig del av att vara ledare i AI-eran.

David Rice: Du påpekade för mig att amerikaner är mycket mer benägna än människor i andra länder att se AI som skadligt. Jag är nyfiken på vad du tror ligger bakom den rädslan och hur mycket som beror på kultur och ledarskapsberättelser.

Charlene Li: Jag tror återigen att en av de saker vi har i vårt samhälle och i de flesta västerländska samhällen är en kulturell berättelse om individualism. I andra länder, som Kina, Indonesien och Thailand, där det finns en starkare känsla av kollektivism som övergripande kulturell berättelse, ses AI som en otroligt positiv kraft.

Här i USA tror bara 39 procent av människorna att AI kommer att vara mer fördelaktigt än skadligt. I Kina är siffran 83 procent, alltså mer än dubbelt så hög. De ser AI som en möjliggörare för kollektivet att göra mer, inte som ett hot. I USA ser vi det som något som potentiellt kan ta ifrån oss det som gör oss individuella.

Och jag tror att den ledarskapsberättelse som behöver förändras är att vi hela tiden pratar om att AI ska eliminera jobb, i stället för att prata om att AI förstärker det vi gör som människor och hjälper oss att utföra mer meningsfullt arbete. Båda sakerna är sanna, men vad kommer du som ledare och organisation att betona, prata om, styra människor mot och arbeta för?

David Rice: Ja. Jag tänker på vilka handlingar ni kommer att stödja. Jag tror att många människor i det här landet reagerar på det de ser och möts av rubriker om alla möjliga galna saker och alla dessa uppsägningar. Därför går handlingarna inte ihop med idén om att AI ska hjälpa oss att bli bättre.

Och som du sa är det ett väldigt individualistiskt samhälle, så det finns alltid en känsla av att det här kan vara det som lämnar mig åt mitt öde. Vi kämpar redan med isolering. Det är intressant att se vad som händer på det psykologiska planet. Det finns så många olika aspekter av vad AI gör just nu, men man kan se rädslan hos många människor som kanske inte har en bra koppling till sitt samhälle.

Charlene Li: Vi har också den här myten om kontroll. Vi tror att när man är ledare eller när det går bra för en, så har man kontroll. Men om du tror att ledarskap egentligen handlar om kontroll, då förstår du inte riktigt ledarskap. Du har aldrig kontroll. Det enda som håller dig kvar i en ledarposition är den trovärdighet du har som ledare.

Det är inte din titel, utan relationen du skapar med de människor som följer dig. Om vi känner att vi förlorar kontrollen på grund av AI, hotet från AI och den rädsla och oro som AI skapar, förändras allt när vi vänder på perspektivet och ser AI som en enorm möjliggörare i stället för en kontrollförlust. Sättet du pratar om AI och använder det förändras helt.

Jag kan oftast avgöra det när ledare pratar med mig om rädsla och oro kring AI. Min allra första fråga är: Vad använder du det till? Det visar sig att de inte aktivt använder det. De har inte fått utbildning och har inte fått tillgång till de kraftfulla verktyg som verkligen kan göra skillnad.

De har varit med om en riktigt dålig hallucination och säger därför: Jag vill inte ha något med det här att göra. Det fungerar inte. Det är felbenäget. Det ger mig dåliga svar. Jag kan inte lita på det. Därför tror jag att det är högsta prioritet för organisationer att förstå vad AI kan göra och utveckla en kompetens kring det.

David Rice: Ja, definitivt även på ledningsnivå.

Jag har märkt det när jag pratat med flera personaldirektörer. De befinner sig nästan i ett tillstånd av handlingsförlamning kring vad de ska göra med AI, och jag tänker: Ni kanske bara ska börja experimentera. Men även det kan vara svårt. Särskilt i en större organisation, där det finns många delar som måste flyttas för att något ska hända. Då blir det oerhört mycket svårare att känna att man har förmågan, friheten eller helt enkelt tiden att testa saker, vara experimentell och innovativ.

Charlene Li: Och så har du den motsatta situationen, där vissa organisationer helt har stängt av användningen av AI. De kanske har Microsoft Copilot, men det är en nedbantad version av AI. Ironiskt nog pratade jag med ett teknikföretag som utvecklar AI-agenter. De hade byggt in dem i sina produkter, men inom det egna företaget tillät de inte medarbetarna att använda dem.

Jag sa: Men ni använder ju alla AI. Hon svarade: Ja, vi har extra bärbara datorer och extra telefoner, och vi håller på med all den här dolda AI-användningen. Jag frågade: Vet företaget om det? De stänger ju ner er för att hindra er från att göra de här sakerna. Det finns alltså en stor skillnad mellan hur vi ibland pratar om AI och hur vi faktiskt använder det. Ju mer öppna och transparenta vi kan vara och säga att AI inte är en övergående trend och inte kommer att försvinna, desto mer realistiskt kan vi hantera det.

I stället för att sticka huvudet i sanden och hoppas att det bara ska försvinna, eller att jag ska kunna överleva det tills jag inte längre behöver hantera det, vilket inte är ett smart sätt att agera. Dina medarbetare tittar på hur du pratar om och använder AI. Om de inte ser att du tar en proaktiv hållning tänker de: Vi har ingen strategi. Vi har ingen roll i det här spelet. Det är på väg, det kommer, och jag vill inte arbeta på ett företag som inte vet vad det ska göra.

Det här är min karriär och min försörjning. Jag behöver arbeta på ett företag som omfamnar AI och springer mot det. Därför tror jag att det verkligen är en fråga om att behålla personal. Om du inte har en färdplan för hur du ska använda AI kommer människor att hitta på saker och anta att ingenting händer.

David Rice: Du sa det själv: Det finns all den här dolda AI-användningen. Den skapar förmågor. Människor lär sig och blir bättre på att använda AI. Men du har inget inflytande över vad de blir bättre på eller hur de utvecklas. Jag tror att en del av problemet är att många ledare just nu tänker på AI enbart i termer av produktivitetsmätningar.

Jag är nyfiken på hur vi flyttar samtalet från det till att i högre grad föreställa oss och tänka på vad som är möjligt när människor utvecklar dessa förmågor, oavsett om du styr det eller inte.

Charlene Li: Jag tycker att ledare måste sluta fråga vad avkastningen är först och i stället börja fråga vilket värde AI kan skapa, särskilt vilket nytt värde AI kan skapa.

I stället för att bara automatisera processer är en av de värsta sakerna du kan göra att automatisera en befintlig dålig process. Tänk om du kunde föreställa dig en ny process som AI möjliggör. Hur skulle den inte bara göra saker mer effektiva utan också låta dig göra nya saker? Ett av företagen vi pratade med inför boken var ett callcenter. De använde förstås AI för att göra handläggarna mer produktiva och särskilt för att höja kvaliteten och minska antalet fel. Sedan använde de alla dessa vinster för att ta itu med en lång lista av initiativ för kundupplevelsen som de ville genomföra men inte hade tid eller resurser till.

Nu hade de det. Därefter insåg de att de med ytterligare förmågor kunde ta sig an nya produkter och tjänster. De gjorde om sig själva tack vare AI-förmågan och visste att deras kunder inte skulle utveckla detta, så de gjorde det åt dem. Det var en strategi i tre nivåer från första början: att skapa värde, inte bara genom effektivitet utan också genom bättre kundengagemang och genom att förnya verksamheten.

David Rice: Du började inte arbeta med personalfrågor för att jaga tidrapporter eller brottas med lönefel. Men när dina system inte kommunicerar med varandra dras du ner. Där kommer Intuit QuickBooks Payroll in. QuickBooks Payroll är din lösning för verksamhetsstyrning som kopplar samman personalfrågor, löner, tidrapportering och ekonomi i en kraftfull plattform.

AI och automatisering gör det tunga arbetet. Inga silor, inga branta inlärningskurvor. QuickBooks Payroll kan hjälpa dig att minska kaoset och fokusera på det som betyder mest: att vara en mänsklig personalfunktion. Bättre system leder till bättre personalhantering och bättre arbetsplatser. Upptäck hur QuickBooks Payroll kan hjälpa dig i dag.

Läs mer på quickbooks.com/payroll. Det är quickbooks.com/payroll.

Ja, det är intressant, för beroende på vad du gör ser värde olika ut. Jag börjar märka att fler tänker: Okej, jag såg en bild där någon sa att man ska gå från en T-formad yrkesperson till en kamformad yrkesperson, men mer utifrån frågan: Hur skapar jag lite värde inom vart och ett av de här områdena och får större förmåga att göra det, i stället för att vara så specialiserad på en enda sak att det är det enda område där jag kan skapa värde?

AI inom marknadsföring kommer att se ut på ett sätt, medan AI inom personalområdet kommer att se helt annorlunda ut. Därför är det intressant att se hur människor också utvecklar sig själva.

Charlene Li: Det största problemet jag ser är att människor har långa listor med användningsområden. De har hundratals användningsområden, men användningsområden är inte en strategi.

Du har redan en verksamhetsstrategi. AI är inte en strategi. AI är en teknik, ett verktyg. Det är inte en strategi. Ta därför reda på hur du använder AI som teknik, strategiskt initiativ och strategisk plattform för att hjälpa dig att uppnå verksamhetsstrategin och verksamhetsmålen. Det handlar inte om att ha en separat strategi.

AI måste vara djupt integrerat i det som är viktigast för organisationen. Personalavdelningen kan driva sina egna initiativ. Kundservice kan göra sina egna saker. Samma sak gäller marknadsföringen. Alla kan göra det som är meningsfullt inom sina avdelningar, men vad ska vi göra som organisation för att skapa den största möjliga effekten?

Det knyter an till din poäng: det kräver fantasi. Organisationer är inte särskilt bra på att tänka över avdelningsgränser. Vi är väldigt bra på att optimera våra egna avdelningar. Vi måste tänka brett och strategiskt kring hur AI verkligen kan hjälpa oss att flytta nålen, uppnå våra mål bättre, snabbare och billigare – alla tre – samt säkrare och på ett mer etiskt sätt.

Det är viktigt. Det här är mycket viktiga frågor att ställa.

David Rice: Precis som du nämnde är det svårt att se på hela organisationen och tänka holistiskt kring vad vi ska göra. Det känns också som att man överdriver på kort sikt och underskattar på lång sikt.

Vi tänker: Vad får jag ut av det nu? Vi har egentligen bara haft den här tekniken i sin nuvarande form under en kort tid, och ändå frågar vi efter avkastningen. Jag kan inte komma på många andra tekniker där vi så snabbt frågat: Vad ger den tillbaka? Förväntningarna och kraven på den känns annorlunda än för många andra tekniker som vi kan ha infört.

Hur hittar ledare rätt balans mellan hälsosam skepsis och visionär optimism i en miljö där sådana förväntningar finns?

Charlene Li: Jag tycker återigen att det är viktigt att ha en hälsosam skepsis. Det är inte så att AI inte kan skapa värde. Det kan den absolut. Frågan är hur vi skapar värde just nu, det här kvartalet, nästa kvartal och kvartalet därefter.

Därför är AI-färdplanen så viktig. Den är inte en strategi, utan en färdplan för hur du ska använda AI för att skapa värde. Tro mig, värde skapas överallt. Du kanske bara inte förstår det, inte fångar upp det eller prioriterar vilket värde du vill fokusera på, leverera och driva som organisation.

Det är därför viktigt att ha en plan, en färdplan som säger: Det här ska vi göra och det där ska vi inte göra det här kvartalet. Den är transparent för alla. Alla vet vad de ansvarar för. När någon säger: Jag vill göra det här, kan du svara: Det kan du, men vi gör inte det just nu. Vi gör det om två kvartal och det här är varför. Samtidigt kan vi fortfarande justera saker.

Färdplanen är skriven med blyerts. Strategin är skriven med bläck, men genomförandefärdplanen är skriven med blyerts, så att du kan anpassa den efter kompetensutveckling, tekniska förändringar eller problem som dyker upp hos kunderna och som du nu förstår bättre.

Det är viktigt att ha en sådan plan, eftersom det vi ser här inte är ett glapp i en hypecykel. Det vi har är ett omställningsglapp mellan att förstå en teknik som är redo att användas och organisationens förmåga att faktiskt ta till sig den och anpassa sig. Det är glappet.

Det handlar alltså inte om att tekniken inte kan göra det. Vi ser hundratals och tusentals företag som gör fantastiska saker med AI, och de är inte de vanliga misstänkta. De är inte stora teknikföretag som driver omvälvande förändringar. Det är universitet, vårdkliniker och små företag som hittar och utvinner värde ur AI i dag.

Kavla därför upp ärmarna, lär dig använda AI och ta sedan reda på hur den kan skapa värde direkt.

David Rice: Ja. Det är intressant att du nämner att förstå sin egen förmåga. Du nämnde hundratals användningsområden. Vi har till och med skapat något som vi kallar en omställningsutforskare.

Den innehåller 146 användningsområden enbart för personalområdet. Men problemet är att om du inte förstår din mognadsnivå, insåg vi ganska snabbt, blir all den informationen svår att navigera i eller förstå. Personen som använder den måste förstå organisationens mognad och beredskap för AI.

Det betyder inte att informationen är värdelös, men den saknar det verkliga värdet i det den är avsedd att göra.

Charlene Li: Låt mig utmana det lite, för jag tror inte att någon organisation är redo för AI. Ingen vet hur man använder det här ännu. Visa mig en organisation som säger: Ja, vi har förstått allt. Vi vet exakt hur man gör det här.

Ingen vet hur man gör. Om du väntar på att bli redo eller tittar på genomförbarhet väntar du kanske på perfekta data. Jag hör det hela tiden: Vi måste rensa våra data innan vi kan använda AI. Jag säger: Nej. Du kan använda AI nu. Börja rensa dina data, men ta samtidigt reda på vad mer du kan göra.

Hitta data som kanske inte är perfekt men som går att använda. Du kan använda AI för att rensa den ganska snabbt och börja utvinna värde ur den. Lär dig av det. Det kanske inte är det största användningsområdet du har.

En annan sak är varför vi tittar på användningsområden och fattar beslut utifrån genomförbarhet, när vi i stället borde utgå från våra strategiska prioriteringar. Vi vet redan vad som är viktigt.

Utifrån våra största prioriteringar: Vilka är de största utmaningarna eller möjligheterna kopplade till våra strategiska mål? Fråga sedan: Hur kan AI hjälpa oss att uppnå det, övervinna utmaningarna eller faktiskt ta vara på möjligheterna? Det bör vara den prioriteringsmatris du använder.

Hur välkomnande är det, vilket värde skapar det att uppnå våra strategiska mål och hur snabbt kan vi realisera det värdet? I den här världen har alla tillgång till samma teknik. Därför är snabbhet den nya konkurrensfördelen. Det finns ingen annan konkurrensfördel än hur snabbt du kan ta till dig tekniken och anpassa organisationen.

Det är allt. Om du försöker bli redo, förbättra allt som behöver förbättras, men det finns ingen ersättning för att komma igång och ha ett tydligt fokus. Vi talar om egenskaperna hos en AI-redo kultur. Snabbhet är en av dem. Fokus är en annan. Kontinuerligt lärande, förmågan att experimentera och ett starkt kundfokus är också viktiga. Men snabbhet och fokus är de två grundläggande idéerna: snabbhet och ett fokus som är helt inriktat på dina strategiska mål.

David Rice: Jag brukar alltid säga att vi alla kommer till insikten någon gång: Det handlar om människorna som använder det, hur de använder det och hur de i grunden instrueras att använda det.

Det är det som kommer att göra den stora skillnaden för dig.

Charlene Li: Ja, och det är precis vad din podd handlar om. Det är det som den här publiken handlar om. Jag har arbetat med omvälvande och störande tekniker i tre decennier, och det jag har sett är att det aldrig handlar om tekniken. Det handlar alltid om människorna. Det här är alltså ett människoproblem.

Eller, jag vill inte kalla det ett människoproblem. Det är en möjlighet för människor.

David Rice: Ja.

Charlene Li: Att verkligen ta till sig AI och den hastighet med vilken den används. Jag garanterar att människor i din organisation använder AI. De använder det hela tiden. Du kan därför behöva utlysa det jag kallar AI-amnesti och säga: Kom ut ur mörkret. Visa oss vad ni använder AI till.

Använd våra godkända verktyg som är låsta och inte tränar modellen. Säkra allt, men kom ut ur skuggorna. Ingen mer dold AI-användning. Ni har amnesti. Vi bryr oss inte om att ni har använt det tidigare. Vi bryr oss verkligen inte. Men ta fram det i ljuset så att vi kan ta reda på hur vi gör det här tillsammans.

David Rice: Det är intressant att du säger det – att komma ut ur skuggorna. Många chefer är nyfikna på detta, men som du säger tvekar de inför att binda upp sig. Vad har du lärt dig om att hjälpa riskaverta ledare att se AI som en strategisk allierad i stället för ett hot?

Vi är överens om att det alltid handlar om människorna, eller hur? Det handlar egentligen inte om tekniken. Men hur ser det ut när organisationer börjar leda människor och autonoma system sida vid sida? Vad måste vi göra annorlunda för att få ut det bästa av båda?

Charlene Li: Först måste du övervinna rädslan och oron, eftersom människor inte kommer att använda eller lära sig om AI.

De kommer inte att närma sig det om du inte tar itu med rädslan och oron. Jag känner till en organisation som har en särskild utbildning i sin utbildningsprocess. Om du är skeptisk till AI ska du gå den utbildningen först, och där besvarar de bara frågor. Det handlar alltså inte om att titta på en demonstration. Det handlar om att verkligen hantera de känslomässiga hinder som någon kan ha, förstå var de kommer ifrån och säga: Ja, jag hör dig.

Låt oss ta upp det i vår utbildning nästa gång och steg för steg hantera alla dessa frågor. Att de inte betraktas som galna eller avfärdas för sin rädsla och oro betyder mycket. Det är inte så att de är griniga eller något sådant. Det här är mycket verkliga rädslor och farhågor.

När du har hanterat det kan du fråga: Hur använder vi det här? Det enda sättet jag har kunnat nå fram till människor är att ta något som de själva aktivt arbetar med. Det handlar inte om användningsområdena i en bok eller presentation. Det ska vara praktiskt: Vad arbetar du med, yrkesmässigt eller privat?

Vad arbetar du med? Vilken fråga har du? Vilken uppgift måste du utföra? Något som är besvärligt att få gjort. Låt oss undersöka hur AI potentiellt kan hjälpa till med det. Det kanske inte kan det, och det är också viktigt att förstå.

När jag tänker på AI-kompetens finns det några delar. Förstår du vad AI kan göra och vilka begränsningar det har? Förstår du hur man använder det ansvarsfullt och etiskt? Vet du hur du använder det för att skapa värde i ditt arbete? Och som sista steg: Kan du lära någon annan hur man använder det? Du vet att du behärskar det när du kan förklara det för någon annan.

Det har också en fin boomerangeffekt. När du själv behärskar det lär du andra i organisationen att också behärska det. Det skapar en fin cykel. Det handlar alltså om att utveckla den kompetensen, och processen är mycket individuell. Du kan genomföra centraliserad utbildning, men verkligheten är att det krävs mycket individuellt experimenterande, stöd, utbyte av goda arbetssätt med personer som utför liknande arbete och lärande längs vägen. Du lär dig och blir kompetent först när du övar.

David Rice: De flesta lär sig genom att göra. Min sista fråga till dig är: Om du skulle utforma ledarskapsutveckling för den här arbets eran på nytt, vad skulle du ta med som saknas i dag?

Charlene Li: Jag skulle definitivt prata om AI-kompetens, det vill säga att veta hur man använder AI inom de fyra dimensionerna – eller tre dimensionerna – och att kunna lära ut det.

Jag skulle också mycket specifikt ta upp hur man använder AI för att bli en bättre ledare genom att utöka omfattningen av det man behöver veta och förstå. Hur snabbar du upp beslutsfattandet? Och hur skalar du upp den effekt du har, exempelvis genom kommunikation? Det här är saker som tidigare hindrade oss från att utöka vårt ledarskap, eftersom vi bara hade ett begränsat antal timmar på dygnet.

Om någon frågar mig: Hur ska jag hitta tid att använda AI efter 15 möten efter varandra hela dagen? Då säger jag: Varför använder du inte AI för att slippa ha 15 möten efter varandra hela dagen, till att börja med?

David Rice: Det vore en bra början.

Charlene Li: Sedan kan du använda det. Jag känner till en försäljningschef som har alla utskrifter från varje säljmöte som teamet har och använder AI för att analysera dem.

Alla utskrifter, för att förstå vilka de största kundbehoven som återkom under veckan var. Vilka huvudteman efterfrågade kunderna? Vilka områden hade vårt team svårt med? På så sätt kunde han se alla aktiviteter och alla team. Han kunde vara med i varje samtal.

Det kunde man inte göra tidigare. Man kunde inte vara med i varje samtal, men nu kan man det med hjälp av utskrifter. Att ha alla utskrifter på samma plats, där alla kan se och använda dem, förändrar i grunden hur man leder och styr ett team. Jag kan använda AI för att förstå mina utvecklingssamtal med en teammedlem. Det är svårt att komma ihåg allt, men jag kan få anteckningar från vår konfidentiella information.

Allt är förstås skyddat. Personen vet att vi spelar in samtalen, men jag kan förstå vilka saker personen har gjort. Jag kan titta tillbaka på det senaste kvartalet och se olika sätt att arbeta med utveckling. Jag kan skapa en mycket individanpassad utvecklingsplan.

Alla de saker som vi önskat att vi hade haft tid och möjlighet att göra kan vi nu göra. Men det kräver att vi frågar oss hur vi vill använda AI i vår ledarskapsroll för att hjälpa oss att bli bättre ledare.

David Rice: Charlene, tack för att du kom till programmet i dag. Jag uppskattar det verkligen. Det var roligt att prata med dig.

Charlene Li: Tack igen för att jag fick komma.

David Rice: Okej, lyssnare, vi hörs nästa gång. Om du inte redan har gjort det, gå till den här webbplatsen, registrera dig för nyhetsbrevet och skapa ett kostnadsfritt konto. Du kommer att kunna ladda ner alla våra mallar och använda alla verktyg du hittar på webbplatsen, så se till att göra det.

Vi hörs nästa gång. Experimentera. Var inte rädd.