Endast 10 % av ledarna använder AI – så vem lär alla andra?

David Rice: Endast 10 % av chefer på hög nivå erkänner att de använder AI, så vem är det egentligen som lär alla andra? Ingen. Allt oftare ser vi att vi befinner oss i ett globalt ögonblick av kollegialt lärande. Men på organisationsnivå försöker vi fortfarande förstå vad det innebär för hur vi utvecklar roller och ansvarsområden.

I dagens program får du höra ett samtal jag hade med Kamaria Scott på Transform. Du kanske minns Kamaria. Hon är en vän av programmet och hon ska prata om varför chefer snart kommer att bli en flaskhals. Även om din organisation har infört AI med en välfinansierad strategi och nu följer upp användningen, blir svaret på frågan om vem som styr människors dagliga arbete allt mindre tydligt.

Är det HR, verksamhetschefer eller driftteam? Vilka är det som avgör om dina medarbetare får utrymme att experimentera eller om varje minut av dagen måste vara debiterbar? Verktygen utvecklas snabbt. AI-agenter kan nu göra sådant som stora språkmodeller inte kunde, och de människor som lär sig mest under den här förändringen lär sig inte av ledare.

De lär sig av varandra, av andra människor som gör samma saker som de själva. Trots detta ser vi att färdigheter försvagas. Det handlar inte bara om att kommunikationsförmågan försämras eftersom människor använder AI för att skriva e-postmeddelanden; vi talar om förmågan att bedöma kvalitet, att granska AI-genererat material och veta om det är bra. Det finns en växande oro för att generation X och millenniegenerationen kan bli de sista generationerna med djup expertis, eftersom kommande generationer lägger ut så mycket arbete på entreprenad att de inte utvecklar de grundläggande färdigheter som krävs för att utvärdera det de producerar.

I dag ska vi därför gå igenom varför modellen med passionprojekt är den införandestrategi du saknar, problemet med det mänskliga gränssnittet som blir en genomslussare för AI-resultat i stället för en expert, hur prestationshantering ser ut när AI-agenter utför hälften av arbetet, varför organisationer misslyckades med att utveckla lärandeförmåga före det här ögonblicket och hur man säkerställer att människor utvecklar den expertis som krävs för att bedöma kvaliteten på AI-resultat.

Jag heter David Rice. Det här är People Managing People. Om du har förväntat dig användning utan att skapa kapacitet för experimenterande visar det här samtalet varför din strategi stannar på chefsnivå. Då lämnar jag över till mig och Kamaria.

Okej, vi är här på Transform. Jag är tillsammans med Kamaria Scott, som du känner från tidigare poddavsnitt.

Vi är på Transform. Det är ingen överraskning att vi är här. Vi visste att vi skulle komma. Men det är en överraskning att vi sätter oss ner för det här samtalet. Jag ville börja med att fråga: vad ser du fram emot att titta på den här veckan, och vad har du hört hittills som du tycker är intressant?

Kamaria Scott: Ja. Alla som känner mig vet att chefer är min passion och mitt specialområde, och deras upplevelse är verkligen viktig för mig. Den här veckan lyssnar jag därför särskilt efter alla samtal där chefers upplevelse möter AI. Hur hjälper vi dem att införa AI i sina team och hantera det som i de flesta organisationer faktiskt är en omfattande förändring?

David Rice: Ja. Vad har du deltagit i hittills, och vad fick du ut av det?

Kamaria Scott: Intressant nog var det bästa jag deltog i i går, vilket jag skrev om på LinkedIn, frågesportprogrammet om AI för seniora HR-chefer.

David Rice: Åh, jag hann inte dit ...

Kamaria Scott: För CHRO:er. Ja, ”Tävla för att förändra” eller något sådant.

Det jag tog med mig och verkligen uppskattade var att en av paneldeltagarna berättade att den ursprungliga frågan var: hur många företag har en strategi?

David Rice: Ja.

Kamaria Scott: En av paneldeltagarna sa: ”Det spelar egentligen ingen roll om du har en strategi, eller ens om du finansierar strategin, om du inte ger människor tillräckligt med tid i det dagliga arbetet för att experimentera med verktygen, förstå hur de ska använda dem och lyckas med införandet.”

När hon talade om några av de saker som detta kräver – förmågan att få en idé och säga: ”AI kan hjälpa dig med den” – tänkte jag att allt hon beskrev sker på teamnivå.

Det är där cheferna finns. Men min fråga under sessionen var: det här är fantastiskt, vi sitter här och lyssnar på CHRO:er som talar om sådana saker, men HR styr ofta inte människors dagliga arbete. Det gör verksamheten och de seniora driftcheferna. Hur påverkar ni, eller för ni samtal med, seniora verksamhetschefer för att ge människor den tid de behöver för att experimentera med verktygen som vi förväntar oss att de ska börja använda?

David Rice: Något jag tyckte var intressant i går, och som jag börjar lägga märke till allt oftare i samtal, är att berättelsen allt mer handlar om att kliva åt sidan lite och låta människor lära varandra. De som du kommer att lära dig mest användbara saker av är faktiskt de andra i ditt team som gör samma saker som du.

Du behöver inte bli visad hur man gör, och det kommer ändå aldrig att fastna på det sättet.

Kamaria Scott: Nej. Jag tror att människor experimenterar i sina verkliga liv, men det de behöver är kapacitet.

David Rice: Ja.

Kamaria Scott: Verktygen förändras bokstavligen varje timme. Något gick inte att göra i går, men går att göra i dag. Personligen kan jag lägga hela dagen på att växla mellan vad Claude gör och vad Perplexity gör, men jag har också riktigt arbete att utföra.

Det bästa man kan göra är därför, enligt min mening, att ge människor det jag alltid kallar ”luft i schemat” så att de kan experimentera och leka. Något jag alltid har förespråkat i mitt team är att människor ska ha passionprojekt. Långt innan AI ens fanns brukade jag säga: ”Om du är med i mitt team får du 10 % av din tid till ett passionprojekt.” Mina två regler var: för det första följer jag inte upp dig, eftersom det här är till för dig. För det andra måste det gynna både dig och företaget, så du kan inte baka bröd på min arbetstid.

Jag tycker att det här är ett perfekt tillfälle för chefer att ge sina team passionprojekt och säga: ”Lyssna, hitta något du gör varje dag och ta reda på hur AI kan hjälpa dig att göra det bättre.” Åtta veckor senare kan vi ha en gemensam presentation.

Jag bryr mig inte om ni arbetar tillsammans i team. Hitta något som gynnar dig och mig. Om det hjälper dig hemma och på jobbet att bygga en uppgiftslista för att tämja din fjärilshjärna är jag helt med på det. Kör.

David Rice: Jag deltog i en session i går som verkligen handlade om strategier där färdigheter står i centrum. De talade om att man måste placera färdigheterna längst fram om man vill arbeta på det sättet. Och vad står längst fram för en medarbetare? Det är inte vd:n som pratar. Det är människorna som de upplever sitt arbete tillsammans med.

Därför tror jag att vi hör allt mer om kollegialt ledda AI-experiment och utbildning.

Kamaria Scott: Jag tror att seniora ledare som själva inte genomför och tar till sig AI inte kan lära andra. Jag märker ofta luckorna. När vi först började införa AI och jag lyssnade på seniora ledare tänkte jag nästan: ”De använder det inte.”

David Rice: Man kunde nästan se det.

Kamaria Scott: Precis. Och om man inte leder högst upp, hur ska man då lära ut färdigheter längre ner? Det fantastiska är att vi befinner oss mitt i en revolution där det egentligen inte finns särskilt många som har så mycket erfarenhet att de kan lära någon annan. Vi lär oss och utvecklas alla tillsammans.

För några veckor sedan hade Lovable ett evenemang på Internationella kvinnodagen, med flera Lovable She Builds-evenemang. Vi samlades med våra bärbara datorer och skapade saker genom att beskriva våra idéer. Jag hade arbetat med en instrumentpanel för chefsstöd. När jag satt där med andra människor bollade vi idéer fram och tillbaka: ”Hur gjorde du det? Hur kopplade du ett API? Berätta hur du gjorde.” Vi lärde oss av varandra. Jag tror att vi befinner oss i ett nästan globalt ögonblick av kollegialt lärande.

Det är en väldigt spännande tid. Om människor funderar på hur de kan ta vara på detta i arbetet, så att de skapar möjligheter till kollegialt lärande, kan det bli en fantastisk del av införandestrategin.

David Rice: En viktig del är också att skapa psykologiskt utrymme. Världen är överväldigande just nu. Det är kaotiskt där ute och människor tar med sig det till arbetet. Sedan säger man till dem: ”Du måste experimentera.” Då tänker de kanske: ”Kan jag inte bara få göra mitt jobb?”

Man måste ta hänsyn till allt detta och skapa utrymme där experimenterandet känns naturligt, som en del av arbetet. Man ber dem inte göra något extra. Man behöver inte uppfinna hjulet på nytt, men man vill att människor ska tänka om kring vad som är möjligt i deras roll.

Kamaria Scott: Kanske kan man formulera det som att världen är kaotisk och att mycket händer. Hur kan du lära dig att använda det här på ett sätt som gör livet eller arbetet enklare för dig?

Jag hatar att skriva vitböcker, men jag kunde använda AI för att få fram en och bli klar. Om det finns saker jag inte tycker om eller inte är bra på, kan jag använda AI som stöd för att få mer tid till de delar av jobbet jag faktiskt tycker om. Jag älskar att arbeta med människor, prata, utbilda och coacha. Jag tycker inte nödvändigtvis om administration.

Om AI kan hjälpa mig med administrationen är det fantastiskt. Inför den här konferensen ville jag träffa vissa personer och skicka genomtänkta meddelanden, inte generiska standardmeddelanden. Jag använde Claude och Perplexity för att göra djup research om personerna och skapa anpassade meddelanden. Det som förmodligen hade tagit veckor kunde jag göra på ett par dagar. Sedan kunde jag ägna mig åt människor igen och ha bra samtal när jag kom hit.

David Rice: Jag håller med. Jag har försökt uppmuntra våra team att använda AI på ett sätt där det stärker dem, inte ersätter deras kärnkompetens. En skribent behöver inte AI för att skriva åt sig, men AI kan hjälpa till att hitta den redaktionella röda tråden och skapa ett mer sammanhållet budskap.

Kamaria Scott: Precis. Om man tänker på vad man inte är bra på och använder AI för att överbrygga den luckan kan man bli en bättre version av sig själv på jobbet. Jag är väldigt lättdistraherad och börjar ofta ett projekt mitt i. Då kan jag be AI att hjälpa mig att strukturera tillvägagångssättet och komma igång.

Det är därför jag tycker så mycket om idén med passionprojekt. Det handlar inte om att säga: ”Hitta något åt företaget som du ska tvingas göra”, utan om att fråga: ”Vad är du naturligt intresserad av?”

David Rice: Man behöver också skapa personliga incitament. Jag har hört HR-ledare klaga på att människor skriver e-post med AI och att deras kommunikationsförmåga därför inte utvecklas. Men frågan är: har ni sagt till dem att inte göra det? Har ni väglett dem och förklarat vilken användning av tekniken som faktiskt är värdefull?

Man kan till och med fråga ur ett samhällsperspektiv om det är värt energin som krävs för att låta ett litet företag skriva e-post. Vi behöver fundera på vilken användning vi vill uppmuntra och få in det i hur vi talar om AI och i vår kultur. En policy berättar vad människor inte får göra. Vad berättar för dem vad som faktiskt är möjligt?

Kamaria Scott: Jag tror att människor fortfarande befinner sig i experimentfasen och därför tvekar. Bortsett från att man förstås inte ska lämna ut företagshemligheter försöker de flesta fortfarande hitta sitt eget sätt att använda tekniken.

Utmaningen är inte främst att människor skriver e-post med AI, utan att tänkandet och färdigheterna förtvinar. Jag hade ett ögonblick när jag skrev ett e-postmeddelande själv och tänkte: ”Herregud, jag skrev ett e-postmeddelande.” Jag hade vant mig vid att säga: ”Jag vill skriva ett e-postmeddelande, skriv det här åt mig.” Sedan tänkte jag: ”Varför gjorde jag det? Har jag förlorat förmågan att skriva eller formulera mina tankar?”

Det är här cheferna blir viktiga. En chef kan fånga upp ett meddelande och fråga: ”Skrev du det där? Är det ett bra meddelande?” Jag tycker faktiskt om att använda AI för e-post eftersom jag har svårt att se stavfel, saknade ord och bokstäver. Jag brukade känna verklig oro inför att skicka viktiga meddelanden eftersom det nästan alltid fanns ett fel. När jag dikterar meddelandet och låter AI skriva ner det behöver jag inte oroa mig för stavfel. Sedan går jag tillbaka och ändrar det som inte blev rätt. Det överbryggar en lucka för mig.

David Rice: Jag har varit skyldig till att framställa det som något löjligt. Men när jag tänker på min yrkesresa inser jag att jag ibland var för reaktiv. Jag skrev e-postmeddelanden som jag i efterhand tänkte att jag kanske inte borde ha skickat. Jag hade gärna haft en AI som tänkte tillsammans med mig och sa: ”Du bör tona ner det här lite, David.”

Belöningen under min yrkesresa har varit att lära mig att inte reagera impulsivt och att kommunicera bättre och mer effektivt. Det är just det många kritiserar: människor lär sig inte kritiskt tänkande och utvecklar inte sin kommunikationsförmåga.

Kamaria Scott: Bakom allt man producerar finns en tankeprocess. Det finns ett skäl eller en motivering bakom nästan varje beslut. Inom pedagogisk design finns det en anledning och en genomtänkt process bakom varje lärandemål och varje aktivitet.

Om jag delegerar det till AI och säger: ”Bygg en kurs om X, Y och Z”, blir lärandemålen ofta ytliga och exempelvis formulerade med ord som ”lära sig”, vilket vi vet inte är ett bra lärandemål. Det saknas nyanser. Om jag ser att någon har använt AI för att skapa lärandemål eller aktiviteter måste jag fråga: ”AI skapade detta. Är det bra? Varför eller varför inte? Om vi visar det för kunder, får de då det resultat vi vill att de ska få?”

Jag har inget emot att människor använder AI för e-post, men förmedlade meddelandet rätt sak? Fick det människor att agera? Finns nyanserna där? Det är upp till organisationer och personalansvariga att ge stöd och coachning så att människor inte bara lämnar över AI-resultat utan att tänka igenom dem.

David Rice: Jag tänker på det som att man inte vill vara ett mänskligt gränssnitt för AI:s resultat. Man vill att AI ska förstärka ens expertis och göra den mer tydlig.

Kamaria Scott: Om du är souschef och låter AI vara kökschef är det problemet. Företaget betalar för din expertis och erfarenhet.

Det större problemet är att människor förlorar sin expertis när vi ger AI allt mer av vårt arbete. De förlorar förmågan att granska resultatet och avgöra om det är bra. För oss i generation X och millenniegenerationen är vi kanske den sista generationen som kommer att ha djup expertis inom våra arbetsområden.

Att vara bra på att skriva instruktioner till AI är inte samma sak som att vara en bra pedagogisk designer. Om vi lägger ut så mycket av arbetet på AI att människor inte utvecklar de grundläggande färdigheterna, hur ska de då kunna se att resultatet faktiskt inte håller kvalitet?

När jag använder AI för marknadsföring eller annat vet jag ibland inte om resultatet är korrekt, eftersom AI låter så självsäkert. Därför måste man se till att teammedlemmarna får rätt erfarenheter för att kunna bedöma resultatet. De behöver skriva vissa e-postmeddelanden själva, så att de kan känna: ”Det där skulle jag aldrig säga” eller ”Det här är inte välskrivet.”

Det är viktigt att människor får rätt utvecklingserfarenheter för att kunna bedöma AI:s resultat. Då kan de skriva om, ge nya instruktioner eller justera de delar som behöver ändras.

David Rice: Om vi ska tala så mycket om färdigheter är det märkligt att vi samtidigt inför något som kommer att urholka de flesta av dem.

Kamaria Scott: Vi har gjort det i flera år. Det handlar om organisationskultur. Jag arbetade en gång i ett lärandeteam där vi köpte en produkt som föreslog vad människor behövde lära sig. Men en stor del av lärandet består i att själv identifiera sin lucka. Bara för att teknik kan göra något betyder det inte att den bör göra det. Om människor slutar tänka och identifiera sina egna utvecklingsbehov kommer färdigheterna att försvagas.

Vi har försökt automatisera allt fler saker och hindra människor från att göra saker själva. Samtidigt har vi inte gett människor tid att lära sig och inte utvecklat deras lärandeförmåga. När jag har lett lärandefunktioner har jag ständigt mött argumentet att människor skulle få 40 timmar för lärande, medan verksamheten svarade: ”Inte med mina pengar. Inte med mina debiterbara timmar.”

Vi har alltså inte utvecklat en verklig lärandekultur, och nu befinner vi oss i ett omfattande lärandeögonblick där människor saknar lärandeförmåga. Det är en del av problemet.

David Rice: Det där förtjänar verkligen en applåd. Vilka andra samtal ser du fram emot här?

Kamaria Scott: Ärligt talat mer av samma sak. AI är dagens tema överallt. Jag kommer alltid att intressera mig för mötet mellan människor och ledarskap. Det finns säkert bra samtal om förmåner, men det jag verkligen ser fram emot är att se de olika perspektiven under dagen.

Jag tror att det också finns en session om grunderna. För att leda förändring behöver chefer fortfarande grunderna. De måste kunna coacha och utveckla människor. Faktum är att de grunderna kommer att bli ännu viktigare.

Det finns också en session om huruvida chefer kommer att bli vår flaskhals. Därför behövs stöd och möjliggörande för chefer. I slutändan går varje strategi genom personalansvariga. Jag vill höra hur företag tänker stödja och möjliggöra för sina chefer, eftersom det är där strategin ärligt talat kommer att falla samman.

David Rice: Jag ser fram emot samtalen om att AI nu granskar alla CV:n och att det har blivit en katastrof. Vilka data ska vi egentligen titta på? Hur bedömer vi människor? Det finns mycket frustration på arbetsmarknaden. Människor måste genomföra bedömningar utan att få betalt, går igenom sju eller åtta intervjurundor och blir sedan ignorerade.

Det finns mycket som behöver hanteras, så jag är intresserad av samtalet om rekrytering och hur det kommer att utvecklas.

Kamaria Scott: Jag är också väldigt intresserad av prestationshantering med AI. Jag deltog i ett evenemang som hette AI Salon i Tampa för några månader sedan. En fråga var vad senioritet betyder när informationen har demokratiserats och hur prestation ser ut när människor själva inte längre utför hela arbetet, utan AI-agenter gör hälften.

Hur ska man bedöma min prestation när jag inte längre utför hela arbetet själv? När det är dags för min prestationsbedömning nästa år, ska man då bara fråga: ”Lärde du dig AI?” och sätta betyget ”överträffar förväntningarna”? Eller ska man bedöma hela resultatet av det jag gjorde? Vad innebär god prestation i den här nya miljön? Det är jag mycket nyfiken på.

David Rice: Jag har själv funderat mycket på prestationshantering med AI. Det är intressant att människor tycker att AI-genererade prestationsbedömningar ger bättre resultat och mer värdefull återkoppling, men att de inte tycker om dem eller litar på dem när de får veta att AI har använts.

Kate O'Neill, som vi träffade på Running Remote förra året, sa att man aldrig ska ljuga om det. Man måste vara transparent och säga: ”Vi kommer att använda det här.” Jag tycker att hennes sätt att använda verktyget är värdefullt: det skapar ett underlag som chefen och medarbetaren diskuterar, i stället för att behandla det som den enda sanningen. Frågan blir: ”Håller du med om det här?” Sedan har man ett samtal.

Kamaria Scott: Det är värdefullt eftersom det är en datapunkt. Så borde prestationshantering alltid ha fungerat. Det är ett samtal som skapar samsyn och en gemensam förståelse för hur året har varit.

Ofta säger medarbetaren vid årets slut: ”Jag var en femma”, och chefen svarar: ”Nej, du var en trea.” Då är man oense. Ett neutralt underlag kan vara en startpunkt för samtalet. Jag brukar säga att när man använder en bedömning är bedömningen inte slutmålet. Den är startpunkten för ett samtal. Även en prestationsbedömning ska leda till ett samtal där man möts.

Nu har vi ett starkare dataunderlag och det är lite mindre subjektivt. Vi kan ha ett annat samtal än bara Davids åsikt om Kamaria jämfört med Kamarias åsikt om sig själv. Vi får en bro mellan perspektiven.

David Rice: Jag har själv varit med om att tänka: ”Jag satte bara fyra för att jag inte ville verka självgod.”

Det finns mycket för oss båda att se fram emot. Det är roligt att träffa dig här som alltid.

Kamaria Scott: Som alltid.

David Rice: Då avslutar vi det här avsnittet. Följ med oss i nästa avsnitt. Som alltid: om du inte redan har gjort det, anmäl dig till nyhetsbrevet och följ oss på YouTube och i sociala medier så att du får allt direkt i ditt flöde.