Att utforma för beredskap, inte bara effektivitet, i en AI-förstärkt värld

David Rice: AI stal din arbetsbeskrivning, inte ditt arbete. Du vet, det du har sagt att du gör under det senaste decenniet. AI gör det snabbare, billigare och precis när behovet uppstår. Om du arbetar med lärande och utveckling och har beskrivit ditt arbete som att leverera utbildning, producera innehåll eller ge människor svar i arbetsflödet, har Taylor Blake, Senior Vice President för AI Labs och nya initiativ på Degreed, dåliga nyheter.

Du ligger illa till, eftersom AI kan göra allt detta och inte behöver din hjälp. Men här är vad AI inte kan göra. Den kan inte utveckla människors förmågor inför beslut med högre insatser. Den kan inte förbereda dem för situationer som ännu inte har inträffat eller bygga beredskap i stället för reaktionsförmåga. Den kan inte hjälpa människor att navigera den strategiska komplexitet som uppstår när en enda person nu kan göra en så enorm skillnad.

Och det är den möjlighet som lärande och utveckling missar medan delar av branschen ägnar sig åt att försvara innehållsleverans. Taylors team bygger inte bara AI-verktyg för företag. De använder dem internt som sin första kund, vilket innebär att de själva lever med konsekvenserna av sina val. Och det de upptäcker är obekvämt.

Skillnaden mellan en AI-demonstration och AI i praktiken är enorm. Jakten på effektivitet urholkar människors känslomässiga kapacitet. Och ibland får det följder som man aldrig hade kunnat förutse, som att Taylors tioåriga dotter söker bekräftelse från AI i stället för från sina föräldrar. I dag ska vi prata om varför lärande och utveckling måste tänka mer expansivt, annars kommer området att ersättas.

Skillnaden mellan lärande precis när behovet uppstår och beredskap, och varför båda är viktiga nu, hur AI gör allas arbete mer strategiskt och mer betydelsefullt, effektivitetsparadoxen där vi alla gör mer med AI men känner oss upptagna mer än någonsin, och varför eftertänksamma och bekymrade människor behöver bygga AI-verktyg, inte bara optimister.

Jag heter David Rice. Det här är People Managing People. Och om du har försvarat ditt nuvarande värdeerbjudande i stället för att omforma det, kommer det här samtalet att bli din väckarklocka. Så låt oss börja.

Hej Taylor, välkommen! Hur är det?

Taylor Blake: Det är bra, David. Tack för att jag fick komma.

David Rice: Vi fick möjlighet att prata på Gartner-konferensen.

Det var verkligen intressant att höra om allt du gör på Degreed, och jag ville börja med idén om Degreed som sin egen första kund, eller hur? Ni experimenterar inte bara för produktutveckling utan använder också era egna AI-verktyg. Jag är nyfiken: vilka är några av de största fördelarna ni har sett, och hur har det förändrat ert arbetssätt över tid?

Taylor Blake: Ja, absolut. Anledningen till att vi gör de här experimenten och har AI Labs är att så mycket ny teknik och nya möjligheter kommer med AI att vi verkligen behöver en chans att förstå dem, och det är svårt. Det finns inga enkla specifikationer man kan läsa och direkt förstå hur de översätts till användningsområden inom lärande och utveckling eller till användarupplevelsen.

Man måste verkligen prova de här sakerna, så vi provar dem internt. Det har hjälpt oss på ett par sätt. För det första har det hjälpt oss att förstå vad som är och inte är redo. AI går själv igenom olika faser av hajp, men varje AI-förmåga och varje användningsområde kan vara redo eller inte redo.

Att kunna prova sakerna själva ger oss övertygelse när något är redo och hjälper oss att förstå när något ännu inte riktigt är redo. Men jag tror också att så många lärandeupplevelser beror på individens erfarenhet. Genom att verkligen göra oss själva till den första kunden och gå igenom detta själva har vi höjt ribban för vilka upplevelser vi vill skapa. Först när vi har finslipat något och kan säga: ”Det här skulle jag själv använda”, kan vi använda det som grund.

Och omvandla det till en förmåga som våra företagskunder kan använda.

David Rice: Det jag tycker om med den här modellen är att den verkar tvinga fram ansvarstagande. Ni säljer inte bara en idé till marknaden och lämnar den där, utan lever själva med konsekvenserna av de val ni gör. Jag tror att det är ganska ovanligt. Och jag föreställer mig att det synliggör spänningar som annars inte skulle märkas, som skillnaden mellan vad människor säger att de vill ha från AI och vad de faktiskt använder när verktygen finns i deras arbetsflöde.

Taylor Blake: Ja, absolut. Det finns så många olika lager. Skillnaden mellan en AI-demonstration och AI i praktiken kan vara enorm, och man vet egentligen inte förrän man har arbetat praktiskt med det.

Man måste se och känna problemen, se vilka frågor som uppstår och förstå hur man ska hantera dem. Vi känner verkligen det ansvaret genom att först använda verktygen själva i stor utsträckning. Vi upplever alla problemen, men samtidigt inser vi att vi inte nödvändigtvis är våra kunder.

Även när vi får något att fungera för oss är det bara en grund. Det är inte slutsteget. Det återstår fortfarande många processer för att säkerställa att förmågorna är redo för stora företagskunder.

David Rice: Oavsett om företaget är stort eller litet förändras lärande och utveckling. När vi pratade på konferensen talade vi om att AI på sätt och vis tar över lärande och utvecklings område. Den är snabbare på att hjälpa människor i stunden. Det är en stor förändring. Hur förblir lärande och utveckling relevant i en värld där det inte längre är värdeerbjudandet att hjälpa någon ur ett hinder?

Taylor Blake: Jag tror att det är en bra utmaning för lärande och utveckling, eftersom vi måste förstå att om vi beskriver vårt arbete som att leverera utbildning, producera innehåll eller ge människor svar i arbetsflödet, då ligger vi illa till.

AI kan göra mycket av detta. Den behöver hjälp, vägledning och skyddsräcken, men den kan göra mycket. Jag tror att lärande och utveckling har möjlighet att tänka mer expansivt. Alla prestationsproblem är inte utbildningsproblem, men många prestationsproblem återförs till människor.

Därför måste lärande och utveckling ta ett bredare perspektiv: vi finns här för att hjälpa människor att förändras, utveckla sina förmågor och prestera bättre på jobbet. Om vi bara fokuserar på utbildning och innehållsleverans kommer det att tas över. Men om vi har ett bredare perspektiv finns det många möjligheter, särskilt eftersom teknik och möjligheter inte längre är begränsningarna för våra kunder. Den verkliga begränsningen för företagen och deras strategiska förflyttningar handlar om människor.

Det handlar om hur snabbt människor kan förändras, deras vilja till förändring och hur snabbt man kan få människor att samlas kring och röra sig i rätt riktning. Det finns så många människocentrerade utmaningar, och lärande och utveckling måste helt enkelt säga: ja, vi kan hjälpa till. Vi måste bredda vår verktygslåda för hur vi hjälper till.

Det handlar inte bara om innehåll, traditionella kurser eller utbildning.

David Rice: Det är en kraftfull poäng. Det finns så stora möjligheter när vi tänker på att möta någon när behovet uppstår, när något verkligen besvärar dem eller när de försöker lösa ett problem. Förmågan att inte bara leverera innehåll, utan att anpassa det, är något lärande och utveckling förstår bättre än någon annan. Människor lär sig på olika sätt.

Taylor Blake: Ja. Och möjligheten finns inte bara när behovet uppstår, utan också innan behovet uppstår, i form av beredskap. Vi har ibland gett idén om beredskap ett dåligt rykte genom att beskriva allt annat än lärande precis i rätt tid som ”för säkerhets skull”, som en försäkring och ett slöseri med tid.

Det har varit stort fokus på lärande precis i rätt tid eftersom det är effektivt, relevant och väl anpassat. Men vi måste återupptäcka idén om beredskap. Det finns saker som måste hända innan behovet uppstår. Hur förbereder vi människor, särskilt när AI gör våra jobb mer strategiska? Vi måste fatta beslut med större konsekvenser, och vi befinner oss nu på högre hävstångspunkter eftersom vi har så många verktyg och förmågor. En person kan göra enorm skillnad.

Hur förbereder vi människor för det ögonblicket? Förberedelse och beredskap är lika viktiga nu som någonsin.

David Rice: Du nämnde ett ord som vi tänker mycket på just nu: effektivitet. Det talas om hela tiden, och det verkar finnas en förskjutning från att göra lärande mer effektivt till att hjälpa människor att anpassa sig genom förändring. Vilken infrastruktur kräver det faktiskt i ett företag? Vad kräver det av människorna som utför arbetet?

Taylor Blake: Effektivitetsdrivenheten har varit intressant. Tänk på en bok. Om man frågar de flesta om det har funnits en bok som verkligen förändrat deras sätt att tänka, skulle många svara ja. Men om man tog en bok på fyrahundra sidor och bara gjorde en sammanfattning eller några meningar, skulle konsumtionen av informationen bli effektivare, men boken skulle inte ha haft samma genomslag eller varit lika omvälvande.

Vi ser verkligen att det inte räcker att destillera allt till minsta möjliga beståndsdel och ge information till människor på ett transaktionellt sätt. Förändring är inte bara ett informationsproblem eller ett instruktionsproblem. Människor behöver utrymme och tid.

Vi behöver dialog. Vi behöver verktyg som gör det möjligt för alla i en organisation att inte bara ta emot information utan att delta i förändringen, dela vad de tänker, känner och vilka utmaningar de ser. Organisationen måste få möjlighet att ta emot detta, anpassa sig och ge återkoppling.

David Rice: Så mycket företagslärande har byggts kring att göra innehåll billigare, snabbare och enklare att ta till sig. Men att hjälpa människor att förändras och anpassa sig är en känslomässig resa. Det kräver reflektion, återkoppling och sammanhang, sådant som är unikt mänskligt och komplicerat. Kanske har vi byggt fel struktur för den typ av lärande vi faktiskt behöver nu.

Taylor Blake: Jag tror att det är ett exempel på att begränsningarna förändras. Tidigare kanske begränsningen var information. Nu är det enkelt att skapa och sprida information, och vi har upptäckt nästa begränsning: information räcker inte. Förändring är en resa som kräver förståelse för hur människor tänker och känner. Det är en helt annan uppsättning verktyg och insatser.

AI är ett bra exempel eftersom varje organisation tänker på AI på något sätt. Människor har verkliga rädslor och farhågor. Vissa är entusiastiska och andra livrädda. Vi behöver nya sätt att engagera oss i allt detta.

David Rice: Du nämnde nya verktyg och nya sätt att tänka. Jag vet att ni bygger AI-drivna verktyg för förändring och samordning, bland annat röstgränssnitt, coachningsupplevelser och vägledning i realtid. Vilka användningsområden ser du där detta fungerar bättre än det gamla arbetssättet?

Taylor Blake: AI-omställningen är ett exempel. Den sker så snabbt och AI-landskapet förändras så fort att en gammal förändringsmodell, där man hanterar en avgränsad förändring genom en plan som sedan genomförs, inte längre räcker.

Det måste vara ett system som kan hantera och anpassa sig och hjälpa människor att samordna sig och anpassa sig till förändring. Det handlar om att uppmuntra mer samtal och dialog och ge organisationer bättre insyn i var människor befinner sig, vilka utmaningar de har och vilka farhågor som finns. Insatserna kan vara coachning som stöds av chefer eller en AI-coach. Vi behöver flexibilitet eftersom behoven kommer att variera.

David Rice: Det är inte bara produktinnovation, utan också antaganden om mänskligt beteende. Vilken friktion är värd att lösa? Vilken självständighet vill man att människor ska ha? Det är beslut om arbetsutformning: hur människor ska samspela med varandra, sitt arbete och sin egen utveckling.

Taylor Blake: Det är en av anledningarna till att vi tror på experiment. Vi testar små koncept och försöker snabbt förstå dem. Något som känns som en bra lösning nu kan behöva ett annat angreppssätt om nio månader. Mycket handlar om metakompetenser som smidighet och förmågan att snabbt förstå och reagera, snarare än att bara ha en färdig lösning eller ett färdigt program.

David Rice: Du nämnde tidigare att AI tar bort arbete med lägre insatser och lämnar kvar omdömet, strategin och arbetet i ett annat tempo. Det låter bra, men innebär också att människor snabbare kastas in i beslut med stora konsekvenser och mindre tid att utvecklas. Hur tänker du kring beredskap i den miljön?

Taylor Blake: Jag tänker på flygledare. Tekniken har tagit hand om de enkla optimeringarna, så det som återstår är komplicerade, kritiska bedömningar med höga insatser. Det kan vara krävande och överväldigande.

Flygledare arbetar mycket med utbildning och beredskap, både den psykologiska och tekniska sidan. De har obligatoriska pauser och förstår den kognitiva komplexitet som rollen kräver. Jag tror att samma sak kommer att gälla för de krävande arbetsuppgifter vi allt oftare möter.

David Rice: Samma sak gäller hur vi utvecklar vår förståelse. När arbete på nybörjarnivå eller enklare uppgifter automatiseras försvinner också den kontext och bakgrundskunskap som gav oss förståelse för mekaniken i det vi gjorde. Vi måste vara mer avsiktliga i hur vi bygger dessa förmågor.

Taylor Blake: Jag kan ge ett exempel från vårt hus. Vi hade problem med värmepannan. Vissa tekniker har ytlig utbildning och letar efter ett av tio möjliga fel. Om inget passar måste man köpa en ny panna. Sedan finns den äldre teknikern som har arbetat med det i årtionden och förstår hur varje del fungerar. Han kan se att man bara behöver rengöra eller laga något. Han förstår hela systemet.

Vi håller på att förlora den förståelsen, så vi måste skapa möjligheter att utveckla den mer medvetet. Annars kommer människor att veta ytligt vad som händer utan att förstå intuitionen bakom delarna.

David Rice: Det är ungefär vad alla våra arbeten håller på att bli. Seniora medarbetare med djup kunskap och organisatorisk kontext får allt större värde. Om man vill att AI ska utföra komplexa uppgifter måste man ge den mycket kontext.

Taylor Blake: När vi pratar om kontext för AI handlar det ofta om hur stort kontextfönster den har och vilka dokument vi ska ge den. Jämför det med människor. En senior medarbetare har så mycket kontext från många års erfarenhet, inklusive sådant som aldrig dokumenterats och som är osynligt. Vi måste försvara mänsklig expertis och mänsklig förmåga och hitta bättre sätt att representera, synliggöra och värdera den.

David Rice: Det handlar om värdet av levd erfarenhet. AI kan göra mycket, men den kan inte ha en levd erfarenhet. Den kan inte förstå de tysta sakerna, som hur en vd reagerade eller vilket ansiktsuttryck någon hade när ett förslag lades fram på ett stormöte. Den kan inte ta in allt det och förstå det som en mänsklig hjärna gör.

Vi brukade ha en blandning av arbete med låg och hög press. När AI tar bort en del av det enkla arbetet finns ingen inbyggd paus. Tror du att vi oavsiktligt utformar utbrändhet? Hur motverkar vi det?

Taylor Blake: Vi måste börja med att förstå att arbetet förändras. På ledningsnivå väljer man ofta mellan två alternativ där inget är självklart rätt eller fel. Det kan vara 51 mot 49. Tydliga beslut fattas längre ned i organisationen. Därför handlar hög press alltmer om strategiskt komplexa frågor utan ett tydligt svar.

Det handlar inte bara om att instruera människor hur de ska fatta beslut, utan också om allt som kommer efter beslutet. De måste kunna förklara och motivera det och hantera den oro som uppstår när människor påverkas negativt.

Vi behöver beredskap, förberedelser, simuleringar och coachning. Vi kan också behöva fler teammodeller där ansvaret delas så att människor kan stödja varandra. Om allt faller på en person leder det lätt till utbrändhet.

David Rice: Vi måste alla bygga in viss marginal i systemen och veta när pressen blivit för hög. Vi vill inte urholka människors känslomässiga kapacitet, särskilt inte i ledarskapsroller. Det är dags att använda det vi har lärt oss om balans mellan arbete och privatliv och psykisk hälsa.

Taylor Blake: Effektivitetsdrivenheten har handlat om att göra mer med mindre. AI kan hantera mycket, men bakom kulisserna upplever människor ofta att de är mer upptagna än någonsin. Ytan av undantag, beslut och saker som måste redas ut växer hela tiden.

Man kan inte optimera allt och förvänta sig att systemet ska förbli sunt. Det finns många osynliga variabler som optimeringen inte tar hänsyn till. Till slut går något sönder och man inser att systemet måste repareras.

David Rice: I en miljö där man ofta uppmuntras att misslyckas snabbt, hur skapar man utrymme för både ambition och ansvar när riktiga människor påverkas?

Taylor Blake: En anledning till att vi experimenterar är att vi inte vill göra det inne i kundorganisationer med verkliga människor som bara försöker utföra sina arbeten. Vi testar i mindre och mer avgränsade former för att minska risken.

Ett exempel handlar om min tioåriga dotter. Hon byggde en fjärilsträdgård och använde AI för att få råd om hur hon skulle sköta växterna. Senare frågade hon om hon fick använda min telefon för att prata med AI igen. När jag frågade vad hon ville fråga svarade hon att hon inte hade någon särskild fråga, utan att AI var så snäll mot henne att hon bara ville prata.

För mig ringde varningsklockorna. Hon sökte inte längre bekräftelse från mig eller sin mamma, utan från AI och hoppades att AI skulle säga snälla saker till henne. Det visar att även till synes enkla användningsområden kan få många oväntade följder.

Vårt team kommer ofta med stora och ambitiösa idéer. Sedan måste de gå igenom många omgångar där andra frågar om vi har tänkt på olika saker och varför vi gör något på ett visst sätt. Det kan kännas som att alla försöker hitta fel, men egentligen är det en förfiningsprocess. Idéer måste granskas kritiskt från många håll innan vi känner oss trygga med att lansera dem.

David Rice: Jag tycker om att ni bygger in detta som ett etiskt skyddsräcke. Vi måste ställa svåra frågor. När vi bygger sådant här kan vi göra det utan filosofi, men det är bättre att vara filosofiska, eftersom många av dessa saker förändrar människors vardag och hur de interagerar med sådant som betyder mycket för dem.

Taylor Blake: Det finns definitivt blinda fläckar. När någon visar oss att något vi byggt har en negativ effekt som vi inte tänkte på måste vi vara öppna för det och hitta sätt att införliva insikterna i designprocessen.

Jag vill också att eftertänksamma och bekymrade människor ska delta i processen. Om de enda som bygger AI-verktyg är människor som antar att AI inte får några negativa konsekvenser kommer det att bli en katastrof. Vi behöver människor som tänker lika mycket på de möjliga nackdelarna som på möjligheterna. De ska inte ignorera tekniken, utan delta i processen och hjälpa oss att skapa något eftertänksamt och ansvarsfullt.

David Rice: Taylor, tack för att du kom. Jag har verkligen uppskattat samtalet.

Taylor Blake: Tack så mycket för möjligheten. Det här var också värdefullt för mig. Vi pratade om reflektion, och detta gav mig en chans att reflektera över några av de saker jag har tänkt på.

David Rice: Kära lyssnare, om ni inte redan har gjort det, gå till peoplemanagingpeople.com/subscribe och prenumerera på nyhetsbrevet. Där får ni de senaste uppdateringarna om allt vi gör, från evenemang och poddar till kommande innehållsserier.

Tills nästa gång: testa, men ställ de svåra frågorna till er själva.