De dolda kostnaderna för bristande AI-användning (och vem som bör åtgärda det)
Dina AI-verktyg misslyckas inte för att tekniken är dålig — de misslyckas för att din organisation inte var redo. Det verkliga problemet är inte modellen. Det handlar om bristande överensstämmelse mellan hur maskiner fungerar och hur människor arbetar. Och resultatet? Miljontals kronor som investeras i verktyg som inte används, inte vinner förtroende eller i tysthet ökar komplexiteten i stället för att minska den.
I det här samtalet med David Swanagon, grundare av Machine Leadership Journal, utforskar vi en tredimensionell modell som äntligen förklarar vad som går fel. Vi undersöker varför traditionella ledaregenskaper inte kan överföras till AI-innovation, varför din CHRO behöver en plats vid bordet för AI-strategin och hur AI:s verkliga utmaning är kulturell, inte teknisk. Om du har behandlat AI-användning som en teknisk utrullning är det dags att tänka om — snabbt.
Det här får du lära dig
- Varför ditt största hinder inte är algoritmen — utan huruvida din organisation kan använda den effektivt.
- Hur en bristande överensstämmelse mellan maskinell autonomi, mänskligt förtroende och organisatorisk kompetens skapar dolda kostnader (som är mycket större än du tror).
- Varför C-svitens syn på att ”det här är ett CIO-projekt” är begränsande — och hur CHRO:n måste ta plats i berättelsen om AI-användning.
- Hur de kognitiva egenskaperna och ledaregenskaperna hos personer som bygger AI faktiskt ser ut (en ledtråd: de är annorlunda).
- Hur man går från ”låt oss göra människor mer lika maskiner” till ”låt oss få maskiner att fungera bättre tillsammans med människor”.
Viktiga slutsatser
- Förväxla inte driftsättning med användning. Du kanske har din avancerade LLM, men om människor inte använder den, misstror den eller inte har tillräcklig kompetens, sitter du fast med att betala för hyllvara.
- Fokusera på balansen mellan autonomi, förtroende och kompetens. Mer autonomi (ett verktyg som tänker) utan förtroende eller kompetens = kaos. Mer förtroende utan autonomi = underutnyttjande. Snedfördela en dimension och du minskar din avkastning på investeringen.
- CHRO:n hör hemma i AI-rummet. Om ditt AI-arbete enbart leds av CIO:n eller teknikteamet behandlar du det som ännu en teknisk utrullning. Men användning handlar om människor. Låt därför HR äga beredskap, förändringsledning och kultur.
- AI-ingenjörer är inte typiska chefer — de tänker annorlunda. De har skarpare korttidsminne, spatial intelligens och divergent kreativitet — egenskaper som inte alltid passar in i C-svitens form. Uppmärksamma den skillnaden i stället för att försöka tvinga in dem i en mall.
- Använd AI för att driva tillväxt, inte bara kostnadseffektivitet. Om du bara automatiserar rapporter eller e-post befinner du dig på vägen mot att bara påverka vinstens nämnare. Du bör investera i AI för att öka intäkterna — nya produkter, nya upplevelser och nya marknader.
- Människor är människor; maskiner är maskiner. Du försöker inte skapa någon ny hybridart. Du försöker bygga system där båda kan använda sina styrkor.
Kapitel
- 00:00 – Varför AI-användning misslyckas
- 01:47 – USA:s beredskapsgap
- 05:22 – Autonomi, förtroende och kompetens
- 09:26 – Överdrivet fokus på autonomi
- 15:02 – AI-ingenjörers egenskaper
- 23:43 – Att tänka om kring ledarskapsutveckling
- 26:14 – Färdigheter som CHRO:er behöver nu
- 32:04 – Att överbrygga HR och teknik
- 40:25 – AI som transformation, inte automatisering
- 45:06 – Var ledare bör börja
- 50:47 – Avslutande tankar
Möt vår gäst
David Swanagon är grundare av Machine Leadership och chefredaktör för Machine Leadership Journal, en ISSN-indexerad publikation som främjar forskning om och tillämpning av AI-ledarskap, strategi och införande. Han är en erfaren chef inom HR, lärande och personalanalys med mer än 25 års erfarenhet från globala multinationella företag inom olje- och gasindustrin, kemi, teknik, hotell- och restaurangbranschen samt cybersäkerhet. Han är även adjungerad professor i management, har examina från Vanderbilt University och Harvard University och leder initiativ som Global AI Playground, med fokus på säker AI-utbildning för ungdomar.
Relaterade länkar:
- Gå med i forumet för People Managing People-communityn
- Prenumerera på vårt nyhetsbrev AI Signal
- Håll kontakten med David på LinkedIn
- Besök Machine Leadership
Relaterade artiklar och poddar:
David Rice: Ditt företag spenderar hundratusentals, kanske miljontals, på AI-verktyg. Dina medarbetare använder dem inte, och när de gör det skapar det fler problem än det löser. Känns det bekant? Du har förmodligen hört mig säga det här tidigare, men det här är inte ett teknikproblem. Det är ett beredskapsproblem. Och anledningen till att dina AI-investeringar inte fungerar har inget att göra med verktygen i sig. Det har allt att göra med den grundläggande bristen på överensstämmelse mellan maskinell autonomi, mänskligt förtroende och kompetens – en brist som kostar dig betydligt mer än du kanske inser.
Jag heter David Rice. Och idag på People Managing People ska vi ha ett samtal som utmanar många av de saker du har fått höra om AI-användning.
Min gäst är David Swanagon. Han är grundare och chefsredaktör för Machine Leadership Journal. Han har tillbringat år med att intervjua hundratals AI-ingenjörer och ledare för att förstå varför USA ligger efter när det gäller AI-beredskap, trots att landet har tillgång till alla de bästa verktygen. I det här avsnittet får du lära dig om ett tredimensionellt ramverk som hjälper dig att exakt diagnostisera var din AI-användning bryter samman. Du kommer att förstå varför din CIO inte bör vara den enda chefen som äger denna omvandling, och varför din CHRO behöver ta större ansvar på sätt som de förmodligen ännu inte har insett. Och viktigast av allt kommer du att lämna samtalet med klarhet kring hur du slutar behandla AI som en teknisk utrullning och börjar behandla det som den mänskliga systemutmaning det faktiskt är.
Välkommen till People Managing People-podden – programmet där vi hjälper ledare att bevara det mänskliga i arbetslivet i AI-eran. Jag heter David Rice och är din programledare. Och idag har jag sällskap av David Swanagon. Han är grundare och chefsredaktör för Machine Leadership Journal. Vi ska prata om – du gissade rätt – ledarskap i AI-eran, hur beredskap ser ut och vilka egenskaper stora ledare har.
Så David, välkommen!
David Swanagon: Tack. Jag ser fram emot samtalet.
