Om du letar efter en snabb guide till hur du rullar ut AI i din organisation och faktiskt ser användning – inte bara flashiga pilotprojekt – vill du följa med i dagens avsnitt. Glen Cathey gästar oss för att prata klarspråk om vad som krävs för att gå från ”hej, vi har lanserat en chattbot” till en arbetsstyrka som självklart använder AI, och varför de flesta företag snubblar redan vid startlinjen.
Vi synar den vanliga modellen med ”låt oss utbilda alla” och frågar i stället: vad händer när ledningen inte lever som den lär? Hur bygger man vanor, inte bara certifieringar? Och hur får man alla (ja, även de mest erfarna medarbetarna) att se AI som en riktig kollega i stället för en leksak? Förvänta dig en blandning av hårda sanningar, praktiska ramverk och några rejäla kängor åt vår gemensamma bekvämlighet.
Det här får du lära dig
- Varför ledarskap inte bara är ”trevligt att ha”, utan den hävstång som driver verklig AI-kompetens i organisationer.
- Hur utbildning i sig misslyckas, och hur beteendeförändring faktiskt ser ut när AI blir en del av arbetsflödet.
- Varför ”hantera AI som en människa” inte är en gimmick – det är en metafor som hjälper dig att utforma genomförande, återkopplingsloopar och ansvar.
- Vad rädslan för att ersättas säger oss om företagskulturen, och hur det saboterar teknikutrullningen att ignorera den mänskliga sidan.
- Var roller och processer blottläggs i AI-eran (t.ex. rekrytering), och hur du avgör vad som ska automatiseras respektive förbli mänskligt.
Viktigaste slutsatserna
- Ledarskapet föregår med gott exempel. Om företagsledningen säger ”AI är strategiskt viktigt” men inte använder det själva, kommer pilotprojekt fortfarande att ta upp hyllutrymme – inte arbetsflöden.
- Utbildning ≠ kompetens. Se det som att köra ett träningsprogram på video jämfört med att faktiskt gå till gymmet. Du behöver upprepning, relevans för rollen och förstärkning.
- Prompter och arbetsflöden > frihet utan riktning. Ge människor ”fem punkter i ditt arbetsflöde där AI bör användas” plus startprompter. Men lär dem också att upptäcka sina egna möjligheter.
- Psykologisk trygghet är icke förhandlingsbar. Att sakta ner för att experimentera känns obekvämt under press att nå kvoter. Men om du inte skapar ett tryggt utrymme kommer du att falla tillbaka i gamla vanor.
- Erfarna medarbetare kan fastna. Deras ”omedvetna kompetens” (de gör ett bra jobb utan att tänka på det) blir en belastning när paradigmet förändras. Be dem gå tillbaka till att vara ”medvetet inkompetenta” och lära om arbetet.
- Att leda AI är ledarskap. Om du ger en människa vaga instruktioner och förväntar dig excellens – det får du inte. Detsamma gäller AI. Kontext + mål + återkoppling = mycket bättre resultat.
- Styrning är inte bara IT:s ansvar. När du distribuerar AI till tusentals medarbetare fördubblar du i praktiken din arbetsstyrka. Vem hanterar den här tillgången? Hur granskar ni dess arbete?
- Automatisering synliggör överflöd. Inom rekrytering finns det till exempel redan idag AI-verktyg som söker kandidater, skickar meddelanden och gör urval. Därför behöver du fråga: vilken del av rekryterarrollen skapar fortfarande mänskligt värde?
- Kompetens ser ut som vanor, inte enstaka händelser. En organisation har hög kompetens när medarbetarna själva utformar om sina arbetsflöden, använder AI som standard och pratar om ”hur vi använder AI” lika naturligt som de pratar om e-post.
- Samtalet är mänskligt, inte bara tekniskt. 64 % av seniora ledare säger att rädslan för att ersättas av AI hämmar användningen – ändå är det bara 24 % som beskriver medarbetarnas motstånd som ett stort hinder. Om du ignorerar rädslan ignorerar du människorna.
Kapitel
- 00:00 – Bortom pilotfasen
- 00:40 – Att lära ut ledarskapsfärdigheter inom AI
- 01:10 – Att minska gapet mellan utbildning och kompetens
- 02:42 – Att integrera AI i det dagliga arbetet
- 06:01 – Erfarenhet som operativt bagage
- 10:51 – Att utveckla kompetens inom arbetskraftshantering
- 13:47 – Att stärka återkopplingsloopar med AI
- 15:33 – Den dolda kostnaden för AI i stor skala
- 19:26 – Rädsla, införande och organisatorisk verklighet
- 29:06 – Att ta sig ur pilotlimbo
- 31:44 – Att definiera AI-kompetens i praktiken
- 35:29 – Att tänka om kring traditionella roller
Möt vår gäst
Glen Cathey är för närvarande senior vice president och konsultchef för talangrådgivning och digital strategi på Randstad Enterprise, och har över 25 års erfarenhet av global bemanning, RPO och digital innovation inom rekrytering. Han är en globalt erkänd opinionsbildare inom sökning och rekrytering, känd för sin expertis inom engagemang av passiva talanger, tekniker för sökning och matchning samt etisk tillämpning av AI vid rekrytering. Glen inledde sin karriär som IT-rekryterare och har sedan dess byggt upp och lett storskaliga sökningsteam, utvecklat branschledande utbildningsinnehåll och talat vid ett flertal internationella talangevenemang – allt detta understryker hans engagemang för att utveckla framtidens arbete och talangförvärv.
Relaterade länkar:
- Gå med i People Managing People-gemenskapen
- Prenumerera på nyhetsbrevet för att få våra senaste artiklar och poddavsnitt
- Ta kontakt med Glen på LinkedIn
- Läs mer om Randstad Enterprise
Relaterade artiklar och poddar:
David Rice: Det finns många företag som fastnar i pilotfasen. De rullar ut utbildningsmodeller och nöjer sig där. Vilken är den viktigaste hävstången som faktiskt får en organisation att närma sig AI-kompetens?
Glen Cathey: Den allra viktigaste hävstången är ledarskap. Om ni ska skapa en kultur där man som standard vänder sig till AI är det ledarna som måste visa vägen. De sätter visionen, lever efter den och visar den i praktiken så att de kan fungera som förebilder. Man kan ha all utbildning i världen, men om ledarskapet inte är helt samordnat kommer man inte att skapa en kultur där fler använder AI som utgångspunkt och utforskar alla sätt som tekniken faktiskt kan förbättra deras arbete.
David Rice: De flesta har aldrig varit chefer. Hur lär vi 80 procent av arbetsstyrkan att plötsligt bli personalledare för AI?
Glen Cathey: Vi har aldrig riktigt sett ledarskap som en färdighet. Det är inte heller något man bara kan gå en kurs i och säga: Nu är jag på magiskt vis en fantastisk chef för människor eller AI. Det är något som människor måste göra till en vana för att kunna börja tänka på de stegen.
Vad försöker jag lösa? Vilka resurser har jag? Vilka förmågor finns? Hur ger jag tillräckligt tydliga instruktioner för att AI faktiskt ska kunna göra ett bra jobb åt mig? Och hur ger jag sedan återkoppling?
David Rice: Tror du att vi håller fast vid vissa roller nästan av tradition snarare än av nödvändighet?
Glen Cathey: Låt oss titta på några relativt nya lösningar, som LinkedIns rekryteringsassistent. Den har separata modeller för sökning, kontakt och urval. Man kan ange information med naturligt språk. Vi talar om automatisering av arbetsuppgifter inom rekrytering: att förstå en tjänst och översätta den till krav för sökning och matchning. Det finns alltså lösningar på marknaden i dag som faktiskt kan göra detta. Och då börjar jag undra varför rekryterarrollen egentligen finns kvar.
David Rice: Välkomna till People Managing People-podden – programmet där vi hjälper ledare att hålla arbetet mänskligt i AI-eran. Jag är er värd, David Rice. I dagens avsnitt har jag med mig Glen Cathey. Han är vice vd för talangrådgivning på Randstad Enterprise. Vi ska prata om vägen till AI-kompetens och om att bygga de verkliga färdigheter som krävs för att nå dit.
Glen, välkommen!
Glen Cathey: Tack så mycket. Det är roligt att vara här. Jag ser fram emot samtalet.
David Rice: Absolut. Jag ville börja med att prata om utbildning online. Det här är uppenbarligen något som alla funderar på, eftersom vi måste utveckla alla de färdigheter som vi ännu inte riktigt har – och i vissa fall inte ens vet vilka vi behöver.
När vi pratade tidigare sa du att utbildning online skapar kunskap, men inte nödvändigtvis färdigheter. Vad krävs då för att företag faktiskt ska överbrygga det gapet, och hur slutar vi behandla AI som en kurs man ska klara av när vi egentligen behöver se det mer som en kultur som vi ska leva efter?
Glen Cathey: Jag tycker mycket om den formuleringen. Det är logiskt att företag satsar stort på utbildning online eftersom den är lättast att skala till hela organisationen. Man skapar en kurs och kan sedan rulla ut den till hundratusentals människor. Men som du säger tror jag främst att nätbaserat lärande ger människor kunskap. Vi försöker egentligen inte bara ge människor kunskap, utan också förmåga. Beteendeförändring är en avgörande del av detta.
Därför tror jag inte att det är klokt att behandla generativ AI som ett teknikprojekt. Det är snarare en förändringsledningsövning, eftersom den kräver att människor börjar tänka annorlunda kring hur de arbetar. De måste förändra sina beteenden, och så småningom vill man att dessa beteenden ska bli vanor.
Det sker framför allt genom erfarenhet och praktiskt lärande. Jag brukar därför rekommendera praktiska, erfarenhetsbaserade workshoppar där människor kavlar upp ärmarna, arbetar aktivt med verktygen och får upprepning genom rollrelevanta övningar.
Det är inte bara en idé eller ett koncept. Det blir verkligt. Samtidigt är utbildning bara en händelse. Oavsett om det är en nätkurs eller en workshop måste man fokusera på förstärkning: först bygga tankesättet, sedan förändra beteendet och därefter göra det till vanor.
