När din expertis inte längre är din

David Rice: Ditt team har använt AI för att skriva mejl i sex månader. Enkla mejl, snabba svar, inget komplicerat. Och kvaliteten du har lagt märke till börjar försämras. Meddelandena känns generiska. Det finns mindre personlighet. Mindre tydlighet kring vad som faktiskt är viktigt. De förlorar inte förmågan att kommunicera, men de förlorar övningen i att tänka igenom vad de faktiskt vill säga.

Dagens gäst är Dr. Rachel Wood, cyberpsykologisk forskare och psykoterapeut som befinner sig i skärningspunkten mellan AI och psykisk hälsa. Hon ska prata om något som många av oss känner, men kanske inte sätter ord på. Vi minskar vår tolerans för friktion, all slags friktion. Även den som är gynnsam.

Det finns två typer av friktion i arbetet. Administrativ friktion, som att kopiera och klistra in kalkylblad i en timme. Det är sådant AI bör eliminera. Men det finns också relationell friktion. Spänningen när en kollega tänker annorlunda än du. Förhandlingen som krävs när kollegor inte är överens. Obehaget i svåra samtal.

Det här är problematiskt. För om vi automatiserar bort allt obehag kommer vi inte att frigöras för det mer mänskliga arbetet. Det mer mänskliga arbetet innehåller friktion. Det kräver att man står ut med att ens kollega ser annorlunda på projektet. Det kräver att man lär sig arbeta tillsammans som ett team, vilket är en färdighet som inte bara uppstår. Men ingen ger människor en handbok för hur de faktiskt ska bli bättre på den mänskliga sidan av sitt arbete.

Ledare fortsätter att säga: var mer strategisk, var kreativ, var samarbetsinriktad. Men det är resultat, inte instruktioner. Samtidigt blir vuxna allt mindre tålmodiga med att lära sig nya verktyg och barn har svårt att koncentrera sig på läsning. Något strukturellt förändras i hur vi hanterar svårigheter. Så i dag ska vi prata om hur man använder AI för att bli bättre på att vara människa, inte för att ersätta sin mänsklighet.

Kommunikationsfärdigheterna som försvagas när vi slutar öva på dem. När du behöver en AI-filosofi, inte bara en AI-policy, om förändringstakten är snabbare än det mänskliga psyket kan anpassa sig till. Och hur man skiljer friktion som är värd att ta bort från friktion som är värd att bevara.

Jag heter David Rice. Det här är People Managing People. Och om du har behandlat AI som en verktygsimplementering i stället för en utmaning inom mänsklig utveckling hoppas jag att det här samtalet hjälper dig att tänka om kring allt. Då sätter vi igång.

Okej. Rachel, välkommen till programmet. Det är roligt att ha dig här.

Rachel Wood: Tack så mycket. Jag har sett fram emot det här. Det är roligt att vara här.

David Rice: Jag vill börja samtalet med att jag ofta tänker att ledare under större delen av de senaste två åren har sagt till sina team att AI kommer att frigöra dem för arbete med högre värde. Och jag hör fortfarande detta upprepas ibland. Jag tänker att det vid det här laget borde ha blivit en klyscha, eller hur?

Men jag hör fortfarande människor säga det. Jag skulle däremot säga att de flesta aldrig har definierat vad arbetet med högre värde faktiskt är. Du har en ganska tydlig uppfattning om vad det bör vara. Kan du berätta vad det är och varför?

Rachel Wood: Jag hör också det här ofta, David, och jag tycker att det till viss del beror på sammanhanget. Det finns ingen lösning som passar alla, eftersom olika branscher och team kommer att fokusera på olika saker. Men en del av arbetet kan verkligen handla om att fokusera på och förbättra kreativitet och innovation.

När man tar bort en del av bördan från administrativa uppgifter skapas helt enkelt mer kognitivt utrymme för att föreställa sig saker, skapa, prova nya saker och fundera på hur man kan vara innovativ i arbetet. En annan sak som jag tror att vi får mer utrymme att göra är att lära oss arbeta bättre med varandra, så att det finns en samstämmighet inom teamen som det kanske inte fanns kognitivt utrymme för tidigare.

Nu kan man verkligen lära sig: Hur arbetar man tillsammans som ett team? Det är en färdighet. Det händer inte automatiskt bara för att man får rätt personer i teamet. Sedan måste man lära sig att arbeta med varandra. Det kan läras och det kan undervisas, men det är ytterligare något som det nu finns mer tid och utrymme att fokusera på.

David Rice: Ja, jag håller med. Och hela den här saken är intressant, eftersom den verkligen känns igen. Jag har hört det själv och fått det sagt till mig. Jag fortsätter att se samma mönster: företag implementerar AI och säger sedan till människor att vara mer strategiska, mer kreativa eller mer samarbetsinriktade. Allt detta är resultat.

Det är egentligen inte instruktioner. Jag känner att ingen ger någon en handbok för hur man faktiskt blir bättre på den mänskliga sidan av sitt arbete eller hur man maximerar sitt unika bidrag genom att använda AI för att hantera sina svagheter. Det intressanta är att du säger att själva verktyget kanske kan vara en del av handboken, vilket vi pratade om före programmet. Jag tror att många inte har tänkt på det.

Rachel Wood: Jag håller helt med. En sak som är mycket viktig är att när man har en budgetpost för sitt AI-initiativ, vad det än är, måste det samtidigt finnas en budgetpost för hur man ska stödja människor i att använda det. Man betalar en viss summa för själva tekniken.

Men det förstärks och säkras verkligen bara genom att utbilda människor i hur de ska använda den, vad de ska göra och vad de inte ska göra. Och som du sa: tanken på att använda AI i sig för att bli bättre på saker. Det vore intressant, David, att skriva till den chattbot man använder och säga: ”Du hjälper mig alltså att avlasta en del av mitt administrativa arbete. Vad bör jag göra som människa för att bli bättre i just mitt arbete – sådant som du som chattbot inte kan göra men som jag kan göra?”

Det är intressant: låt oss använda AI för att hjälpa oss att göra saker bättre.

David Rice: Absolut. Det är roligt också, för jag var på en konferens den här veckan och alla pratade om hur irriterade de är på att deras kollegor eller direktrapporter använder AI för att skriva mejl.

Och jag tänker: ja, det är lite frustrerande. Man kan inte bara låta den skriva ett mejl. Om man frågar AI: ”Bör jag skriva ett mejl? Bör jag använda dig för att skriva ett mejl?” tror jag att Claude skulle säga att det inte riktigt är en uppgift man behöver AI till.

Claude kanske skulle säga att om man har ett långt svar som man behöver hjälp att förstå, eller om det finns mycket nyanser och kontext och man behöver hjälp att formulera om det, då är det annorlunda. Det tror jag att vi alla skulle hålla med om är ett giltigt användningsområde. Man försöker kommunicera något som är mycket svårt att kommunicera och AI kan hjälpa en att uttrycka det på ett annat sätt.

Särskilt om det är ett viktigt meddelande, något som är viktigt för verksamheten. Okej, visst. Men om man bara svarar någon på varför rapporten blev försenad – kom igen. Låt oss använda vårt förnuft.

Rachel Wood: Det kräver en stor urskiljningsförmåga för att veta när det är bäst att använda det och när man inte ska göra det.

Om vi använder det för allt utan urskillning kommer vi med tiden inte längre att kunna utföra vissa av de mindre uppgifterna. Vår förmåga att göra dem kommer att försvagas. Ta ditt exempel, David, med en chattbot och ett mycket enkelt mejl. Det kanske inte verkar vara någon stor sak att fortsätta avlasta sig från det, men återkom till mig om sex månader och berätta hur det känns att skriva ett mycket enkelt mejl på egen hand.

Vi måste alltså vara urskiljande när det gäller vad vi är beredda att inte längre kunna efter sex månader eller ett år utan att öva, jämfört med att samarbeta med AI på ett sätt som hjälper vårt tänkande i stället för att uppenbart ersätta det.

David Rice: Jag tror att det här är ett större problem än många inser. Det vi pratar om här, även ett enkelt mejl, handlar om kommunikation och om att lära sig kommunicera med sina kollegor och säga saker på det sätt de behöver höra dem.

Det är en mänsklig färdighet. Det är något vi ofta lär oss genom försök och misstag. Det handlar om att läsa kroppsspråk och känna av situationen och dess sammanhang. Vi har hört ledare säga att något märkligt börjar hända, och vi ser det hos oss själva.

När jag pratar med kollegor i olika branscher får jag intrycket att vuxna blir mindre tålmodiga med att lära sig nya verktyg. Man ger upp efter några minuter och byter till något annat. Kontextbytena är extrema. Barn har svårt att koncentrera sig på läsning. Vi ser det hela tiden.

Ur ett psykologiskt perspektiv: är det här bara en förändring i preferenser, eller förändras något strukturellt i hur vi hanterar svårigheter?

Rachel Wood: Jag tror att vi måste se på historien och allt som har lett fram till det här ögonblicket. Vi kan tänka på sociala medier, eller ännu längre tillbaka, på internet som uppfinning och sedan övergången till sociala medier. Allt detta har bidragit till var vi befinner oss i dag.

AI i sig kan vi inte peka ut som om det orsakar vissa saker, men vi kan se att det förstärker några av de strukturer som redan finns på plats, till exempel den låga förmågan att behålla uppmärksamheten eller koncentrera sig. Jag tror också att det du säger, David, handlar om friktion.

Du säger att människor har mindre tolerans för friktion. Det finns två sorters friktion som jag verkligen vill skilja åt. Den första är administrativ friktion: för att få kalkylbladet rätt måste jag kopiera och klistra in, och det tar en timme. Det är friktion som vi vill ta bort eftersom AI kan göra det.

Den administrativa friktionen vill vi alltså minska och eliminera. Men det finns också gynnsam friktion, som är mer relationell. Det handlar om att stå ut med att du, David, tänker annorlunda än jag och har en annan idé om projektet än jag har.

Det finns lite friktion mellan oss som vi måste förhandla om, kompromissa kring och kommunicera om. Jag vet inte hur det är med dig, men jag har aldrig haft någon relation i mitt liv – med en kollega, partner, vän eller familjemedlem – där det inte har funnits någon grad av friktion.

Verkligheten är därför att om vi fortsätter att minska vår tolerans för friktion kommer vi inte att frigöras för de mer mänskliga sakerna. En del av det mänskliga innehåller friktion, svåra samtal och olika synsätt. En del av vårt arbete är faktiskt att bygga upp vår förmåga att hantera svårigheter tillsammans med andra på arbetsplatsen.

David Rice: Jag tycker att den skillnaden mellan olika sorters friktion är avgörande. Jag tänker på några av de samtal jag har haft och hört på sistone. Det finns ett antagande inom ledarskap att om människor har svårt med ett nytt verktyg är det i grunden ett process- eller utbildningsproblem, och att man måste ge dem mer utbildning.

Men om vi tänker på friktion är problemet inte att människor saknar information. Det handlar om förmågan att sitta kvar med den och göra det långa, svåra arbetet tillräckligt länge. Den förmågan börjar försvagas. Det kopplar till något jag har tänkt mycket på: vad händer med människor som kommer in i organisationer nu, de som aldrig riktigt behövde göra saker på det svåra sättet?

Rachel Wood: Låt mig säga en sak innan jag svarar, David, för det där var en rejäl och innehållsrik fråga. En del av det du säger kan vi inte utbilda bort. Det är inte så att mer utbildning kommer att lösa allt. I vissa fall kan utbildning hjälpa, men det är inte alltid svaret.

En del av svaret – och det här är något jag forskar om och arbetar med tillsammans med organisationer – är hur vi hanterar den ambivalens som människor känner inför AI. Med ambivalens menar jag blandade känslor eller motstridiga tankar. Jag kan vara entusiastisk över AI och samtidigt ganska nervös och orolig.

De flesta känner en viss ambivalens inför AI, och den försvinner inte genom utbildning. Utbildning i själva verktyget hjälper inte mot detta, men det finns sätt att prata om ambivalensen som faktiskt kan öka användningen av AI. Om teamet bär på mycket ambivalens – vilket de flesta gör – blir det ett hinder för användningen, och utbildning kommer inte att lösa det.

Men om man fokuserar på ambivalensen och underlättar samtal om hur människor upplever den förändring av yrkesidentiteten som de befinner sig i, är det just det samtalet som minskar hindret och gör att människor kan börja använda tekniken på sätt de inte kunde tidigare.

David Rice: Det finns ett motargument som säger att de år av rutin- och grovarbete som människor brukade göra faktiskt var ineffektiva. Det ligger nära det resonemang Sam Altman förde när han sa att en människa måste äta i 20 år, vilket använder lika mycket energi som en AI-fråga.

I det perspektivet var åren av grovarbete ineffektiva och AI låter människor hoppa direkt till det värdefulla arbetet snabbare. Men ur ditt perspektiv, vad säger psykologin om varför det bygger en särskild sorts självförtroende att kämpa sig igenom något svårt – ett självförtroende som man inte kan återskapa genom att få något serverat?

Rachel Wood: Låt oss rama in det genom karriärstegen. Föreställ dig att du precis har gått ut universitetet och får ditt första jobb på nybörjarnivå. Du hämtar kaffe, går till faxmaskinen, hämtar eller skickar fax och hämtar munkar på det lokala stället.

Du gör ett slags grovarbete som kanske inte verkar ha något med själva jobbet att göra. Men medan du gör det lär du dig nästan omärkligt hur allt fungerar inom just den nischen och branschen.

Du hör vad ledningen säger, ser hur ledningen hanterar saker och lär dig spelets regler. Naturligtvis utför du också verksamhetens arbete. När det försvinner – om rollen inte längre finns och AI fyller delar av den – har de som kommer in i en ny bransch eller verksamhet missat en avgörande del av det grovarbete som bygger förmågan att senare bli en bra ledare.

Det är viktigt att vi gör repetitionerna själva, eftersom det gör oss mer kunniga och uppskattande och hjälper oss att förstå hur man driver saker när man senare blir ledare. Att hoppa över det innebär att man hoppar över ganska mycket.

David Rice: Det är den delen som går förlorad i effektivitetsdiskussionen. Ingen argumenterar för ineffektivitet för ineffektivitetens skull. Men när jag pratar med seniora ledare som är riktigt ärliga säger de att de litar så mycket på sitt eget omdöme eftersom de har haft fel tillräckligt många gånger för att veta hur det känns att ha rätt.

Det går inte att genväga. Man kan inte ladda ner det. Jag vill gå lite djupare, för det handlar inte bara om färdigheter och självförtroende. Vi har hört människor säga att detta träffar något mer personligt: identiteten.

Det här utmanar verkligen ens identitet, och så mycket av AI-utmaningen handlar om inställning. Vilka egenskaper ser du hos människor som verkar trivas med detta och göra intressanta saker?

Rachel Wood: Jag vill lägga till något till det du sa om att ha haft fel tillräckligt många gånger för att veta hur det känns att ha rätt. Det du egentligen beskriver är kunskap plus erfarenhet. AI har kunskap utan erfarenhet.

Om AI gör något fel får det inga konsekvenser inom sig självt som gör att det kalibrerar om, annat än att det kanske tänker att det måste tillfredsställa användaren eftersom resultatet blev fel. När vi gör fel lär vi oss däremot mycket om karaktär. Vi utvecklas, kanske måste vi be om ursäkt, blir ödmjuka eller generade. Vi går igenom alla dessa psykologiska processer.

Kunskap plus erfarenhet är därför mycket viktigt när vi utvecklar ledare över tid. Det finns uppenbarligen inte hos AI.

Om vi återgår till identitet: vår yrkesidentitet är en stor del av vilka vi är som helhet. Vi tillbringar mycket tid på arbetet och förhoppningsvis älskar många av oss det vi gör. Vi brinner för det och är engagerade. Vi har utbildat oss, kanske gått olika utbildningar och lagt mycket i detta.

En stor del av cirkeldiagrammet över vår identitet bygger på vilka vi är yrkesmässigt. Nu störs allt detta på olika sätt. Det handlar inte bara om en yrkesmässig förändring, utan också om en förändring av vår mening och vårt syfte. Mening och syfte driver mycket av vilka vi är på jorden.

När detta störs, rubbas eller blir osäkert genom AI:s intåg lär vi oss inte bara ett nytt verktyg. Vi lär oss ett nytt sätt att vara och att röra oss genom världen när det gäller mening, syfte och identitet.

David Rice: Jag pratade nyligen med en ledare som beskrev hur deras seniora ingenjörer reagerade på att yngre medarbetare använde AI för att göra stora delar av sitt arbete. Hon sa att det inte egentligen var ett kompetensproblem, utan ett identitetsproblem.

Det de hade ägnat år åt att bemästra kunde plötsligt efterliknas. Jag har försökt komma på om det finns ett begrepp för det, men jag tror inte det. Jag återkommer hela tiden till att det orsakar en existentiell kris inom oss.

Du nämnde skam som drivkraft. Vi har alla haft fel och skämts för det, eller gjort något dumt som kostade teamet något och känt skuld. AI har inte det. Det har inte heller den existentiella kriskänsla som vi hanterar.

Det är intressant, för vi måste samspela med AI, men den känslan kan hjälpa oss att bidra med ett unikt värde till det som kommer ut ur processen.

Rachel Wood: Det stämmer verkligen. Vi motiveras ofta av våra misslyckanden, och det är bra när vi gör fel, eftersom vi får lära oss av det och gå vidare. Tänk till exempel på en lånehandläggare som plötsligt får se AI avgöra vem som kan få ett lån.

Då går lånehandläggaren till arbetet och den sak som tidigare gav arbetet dess syfte är borta. En enorm inre kamp uppstår: Vad är jag här för? Vad gör jag? Måste jag uppfinna mig själv på nytt?

Att uppfinna sig själv på nytt kan vara svårt. Många av oss vill utvecklas och förändras, men det kräver ändå mycket arbete. Därför är det fascinerande att undersöka de psykologiska effekterna av vad som händer när ens expertis automatiseras.

David Rice: Din expertis kan automatiseras, men din erfarenhet kan inte det. Vi måste förstå hur vår erfarenhet ska skapa värde. När jag gör det kan jag hitta de erfarenheter och det arbete jag söker.

Organisationer behandlar detta som en omskolningsutmaning, men det är åtminstone delvis också en sorgprocess. De sörjer en version av sitt professionella jag som kanske inte längre finns.

Rachel Wood: Ja, precis. Därför är det så viktigt att personer med kunskap inom psykologi finns med vid AI-initiativ. Det här handlar om mer än att lära sig en ny färdighet.

Det finns en sorg och en förlust när det som tidigare var ens kärnkompetens plötsligt förändras, försvinner eller skiftar. När vi lär oss använda AI måste vi också föreställa oss en ny färdplan för vår framtida yrkesidentitet.

En del av processen är att lära sig samarbeta med AI på ett sätt som inte avlastar bort våra färdigheter. Vi måste göra det på ett sätt som förvandlar oss till nästa utveckling av vilka vi är yrkesmässigt.

David Rice: Om du är personalchef eller vd kanske du först inte märker att detta sker under ytan när du rullar ut tekniken. Men du börjar läsa signalerna från teamet och inser att de inte motsätter sig förändring. De bearbetar förlusten av det de gjorde och vilka de var.

Om vi vet att detta händer, vad gör vi då? Man kan inte bara bevara kampen och lämna den där.

Rachel Wood: Det viktiga – och något som ofta förbises – är att människor, kanske särskilt ledare, inte vill prata djupt om detta eftersom de är rädda för att allt ska spåra ur om man öppnar den dörren.

Om vi börjar prata om sorg på arbetsplatsen kanske vi blir något vi inte vill vara och fastnar i våra känslor. Men det motsatta händer faktiskt när man kommer in i en organisation och på ett strukturerat sätt underlättar ett samtal som sätter ord på sorgen och ambivalensen.

När man helt enkelt namnger det människor går igenom sprider sig en lättnad genom teamen. De tänker: ”Okej, det här är vad vi alla känner. Det är normalt. Det är okej att det händer.” I stället för att hålla fast vid sorgen och ambivalensen som hinder för att gå vidare minskar den faktiskt när man sätter ord på den.

Den försvinner inte helt, men energin som teamet har bundit i sin sorg och ambivalens frigörs när detta blir uttalat. De får möjlighet att gå vidare med initiativet. Det kostar alltså mer att inte sätta ord på det än att göra det.

David Rice: En del av det handlar om att man inte kan eliminera produktiv kamp. Arbetet måste fortfarande kännas som arbete. Om människor kommer till arbetet och upplever att de automatiserar bort sig själva ur jobbet skapar det ångest och kanske depression när de tänker på framtiden.

Var går jag härifrån? Man börjar ställa tunga frågor utan tydliga svar. Det är svårt att navigera, särskilt för människor som har arbetat hårt för att få klarhet och riktning.

Kanske måste organisationer bevara den produktiva kampen och inte göra arbetet artificiellt svårt, men vara avsiktliga med lärandeupplevelser som bygger omdöme. Vad innebär det i praktiken? Det finns en gräns mellan svårigheter som hjälper människor att utvecklas och press som förstör dem. Hur vet en ledare var gränsen går?

Rachel Wood: Det finns just nu ett stort krav på ledare att hjälpa sina team att arbeta sig igenom den produktiva kampen i en förändring av yrkesidentiteten. När det arbetet blir gjort – och det är en pågående process – kan man gå vidare till nästa lager av produktivt arbete och produktiv kamp.

Ledare försöker just nu kringgå de svåra samtalen om den smärta och kamp som vissa team upplever. De tror att de kan undvika det, men det kommer alltid tillbaka. Ta itu med det direkt. Ta in någon som kan leda ett bra samtal, så blir du förvånad över hur mycket bättre ni kan gå vidare.

David Rice: Det här är viktigt för människor att höra. Jag kan redan föreställa mig en ledare som tänker: ”Nu måste jag alltså göra arbetet svårare med flit samtidigt som jag ser till att ingen går in i väggen.” Det låter omöjligt.

Men det vi egentligen säger är att det handlar om avsikt. Det handlar om att veta vilken erfarenhet vi försöker bevara, varför vi gör det och vilken övergripande effekt det får på människor. Vi lägger inte till friktion utan anledning.

Bob Sutton var med i podden för några år sedan. Han skrev en bok som heter The Friction Project, om att det finns något sådant som bra friktion och att den behöver finnas på vissa platser. Det är här det blir praktiskt, eftersom du har tänkt mycket på hur AI i sig kan vara en del av lösningen.

Rachel Wood: Om vi ska vara väldigt praktiska kring nästa steg: till ledaren som lyssnar säger jag att du i stället för att först tänka på hur du ska underlätta något för teamet ska börja med dig själv.

När du tänker på AI, vad tänker du på klockan två på natten när du inte kan sova? Är du rädd att AI ska automatisera stora delar av arbetsstyrkan och att du måste förändra deras arbetssätt? Är du rädd att den förändrar ditt jobb? Använder du den? Tvekar du eftersom du inte riktigt vet hur den ska ingå i ditt arbetsflöde?

Börja med dig själv som ledare. Skriv ner dina egna bekymmer och kanske också din entusiasm inför tekniken. Arbeta dig igenom de frågorna. Då blir du bättre rustad att skapa utrymme för att förstå att ditt team har samma frågor klockan två på natten som du har.

Du kan inte hjälpa dem med deras frågor innan du har tittat på dina egna.

David Rice: Du har en modell där AI snarare är en repetition inför relationer än en ersättning för dem. Vi har pratat om många risker med tekniken, om hur vi samarbetar och om vad vi gör. Hur ser det praktiskt ut, steg för steg, för en chef som ska ha ett svårt samtal med en direktrapporter?

Rachel Wood: Jag älskar den frågan. Det här är ett roligt sätt att använda AI för att verkligen hjälpa våra team. Emotionell intelligens och mellanmänsklig kommunikation är enormt viktiga delar av ett framgångsrikt företag. De är inte bara mjuka sidofärdigheter.

Team som verkligen lyckas vet hur man kommunicerar och har en nivå av emotionell intelligens som hjälper dem att skapa goda relationer. Hur tränar man då det? Här är ett bra sätt att använda AI.

Du har ett svårt samtal framför dig, kanske med en kollega eller en direktrapporter, och vill att det ska gå bra. Om du använder AI som ersättning för relationer kan du prata med en chattbot om hur svårt du har det med kollegan, men det leder ingenstans.

Om du i stället använder AI som övningsplats skriver du: ”Här är en situation med min direktrapporter, X, Y och Z. Kan du rollspela det här svåra samtalet med mig?” Be den visa dina blinda fläckar, hjälpa dig öva på att lyssna och lära dig hur du kan göra samtalet framgångsrikt.

Sedan rollspelar du fram och tillbaka med chattboten. Därefter tar du övningen till verkligheten. Det kommer att ge gynnsamma resultat eftersom du känner dig säkrare inför samtalet. Du kanske också får insikter genom rollspelet som du inte hade tidigare.

Den övergripande modell jag tycker om att presentera är alltså att använda AI som repetition i stället för ersättning. Repetitionen blir en träningsplats för mellanmänsklig framgång inom teamen.

David Rice: Jag har sett detta dyka upp allt oftare och jag tycker att det är bra, eftersom människor behöver tillåtelse att använda verktygen på det sättet.

Standardläget är att sammanfatta ett utkast, automatisera ett arbetsflöde och göra sådant man redan gör. Men det du beskriver är en annan relation till tekniken. Den gör inte arbetet åt dig, utan försöker göra dig bättre på det arbete som bara du kan göra.

Det är den stora möjligheten som de flesta organisationer ännu inte har hittat. Jag vill avsluta med något mer personligt: ”Jag vill göra det här samtalet mer personligt. Jag vill att det ska låta rätt utan att gå över en gräns. Hjälp mig göra det.” Den sortens konceptuella tänkande, även i samtal eller relationsutveckling, kan vara mycket kraftfullt.

Rachel Wood: Tänk på säljteam. Ställ in chattbotar så att de rollspelar säljsamtal. Hur fantastiskt vore inte det? Då kan du misslyckas 20 gånger i rad med chattboten utan några egentliga konsekvenser.

Det finns så många användningsområden för rollspel och övning av verkliga samtal med hjälp av en chattbot.

David Rice: Vi pratade nyligen med Taylor Blake. Han arbetar på A Degree och hjälper internt till att utveckla sådant. Han låter människor gå igenom märkliga scenarier, och jag tycker att det är fantastiskt.

Det var egentligen det som var löftet hela tiden: att tekniken kunde hjälpa oss att tänka på sådant vi aldrig tidigare hade tänkt på.

Rachel Wood: Precis. Du nämnde något som fick mig att tänka på ytterligare en praktisk sak: att människor behöver känna att de har tillåtelse att använda AI.

Forskningen visar att det grundläggande man behöver ha på plats, om man inte redan har det i organisationen, är en AI-policy. Den behöver inte vara avancerad eller omfattande. Men forskning visar att om företaget har någon form av AI-policy är det mer sannolikt att medarbetarna använder AI.

Om de i stället undrar om de får göra något eller inte kommer de att undvika tekniken eller dölja användningen. Det blir en slags skuggad användning. Ett mycket praktiskt steg är därför att se till att en sådan policy finns på plats.

David Rice: Definitivt en AI-policy. Jag tänkte på det när jag var på konferensen förra veckan. Alla har en ersättningsfilosofi. Var finns er AI-filosofi?

Vilka beteenden vill ni belöna? Hur ska ni belöna dem? Hur vill ni att människor ska tänka på tekniken och var vill ni att de ska använda den? Vilken inställning ska de försöka ta med sig? Det är sådant vi måste definiera bättre. Då kommer vi att få ut mer och mer av verktygen, även sådant vi aldrig hade väntat oss.

Rachel Wood: Exakt. Det här är en spännande ny front. Jag kan känna hur vi båda blir entusiastiska över att det händer intressanta saker. Man kan ta sig igenom en del av oron och gå in i ett utrymme där man verkligen försöker använda tekniken på ett sätt som stöder både företaget och de enskilda medarbetarna.

David Rice: Låt oss alla börja se glaset som halvfullt, eller hur?

Rachel Wood: Och låt oss experimentera. Vi ska inte vara rädda för att prova saker, använda tekniken på olika sätt och se vad som fungerar.

David Rice: Vi har pratat om inställningen, och du befinner dig dagligen i skärningspunkten mellan AI och psykisk hälsa.

Är förändringstakten just nu snabbare än det mänskliga psyket hälsosamt kan anpassa sig till, eller är vi mer motståndskraftiga än vi tror? Vi återkommer hela tiden till förändringströtthet. Människor är trötta och detta innebär ständig förändring.

Rachel Wood: Jag lever med detta dag och natt, som du sa, och jag har knappt själv möjlighet att hänga med. Det finns så mycket att det kan kännas överväldigande. Därför är det viktigt att kanske hitta några få saker att experimentera med och bara prova dem.

Om man försöker hänga med i allt blir det omöjligt. Jag tycker inte längre att vi kan prata om AI i årsintervall. Vi måste prata om dagar, veckor och månader, eftersom förändringen och utvecklingen sker så snabbt.

David Rice: Det här är en bra plats att landa i samtalet. Ibland känns det som om jag framstår som AI-motståndare. Det är jag verkligen inte. Jag tycker inte om hur vi navigerar det just nu.

Vi måste vara avsiktliga med att skydda mänsklig utveckling. Vi måste tänka på det ur ett socialt perspektiv: är detta rätt användning av tekniken? Vilken effekt får den på människor? Och kom ihåg att varje gång du skickar en fråga till den använder den en mängd energi som vi förmodligen bör ta hänsyn till.

Om ledare lyssnar på detta och det finns en sak jag hoppas att ni tar med er är det att kampen inte är ett hinder. Den här typen av filosofiskt samtal är inte ett hinder för ledare. Den kamp vi upplever just nu är platsen där vår utveckling kommer att ske.

Ditt jobb är att se till att människor fortfarande får tillgång till den och att de utvecklas tillsammans med dig. Det är så jag ser det. Jag älskar verkligen den här typen av samtal.

Rachel Wood: Jag håller helt med dig, David. Det här är vägen framåt. På andra sidan kan vi gå in i alla dessa sätt att använda och implementera tekniken.

Som du sa är det mycket viktigt att vi pratar om att använda den utan att förlora vårt kritiska tänkande, vår autonomi eller vår handlingskraft. Allt detta är viktigt. Att prata om det hjälper oss helt enkelt att komma fram till en punkt där vi kan implementera tekniken.

David Rice: Rachel, jag tycker verkligen om att ha dig med i programmet. Det här var fantastiskt och jag uppskattade verkligen samtalet.

Rachel Wood: Det här var så roligt, David. Jag är mycket tacksam över att få prata med dig om detta.

David Rice: Absolut.

Till er som lyssnar: om ni inte redan har gjort det, gå till peoplemanagingpeople.com/subscribe och registrera er för nyhetsbrevet. Då får ni den här podden och allt innehåll vi hela tiden utvecklar direkt i inkorgen.

Tills nästa gång: sätt igång. Tänk filosofiskt kring det, ha lite roligt med det och ställ de svåra frågorna.