Varför HR fastnar i AI – och vad som krävs för att leda omställningen

David Rice: Förmodligen bad din vd dig för ungefär 18 månader sedan berätta vad ni gjorde med AI. Så du gjorde något: skrev riktlinjer, byggde skyddsräcken och etablerade styrningsramverk. Och nu sitter du fast. 66 % av HR-organisationerna har fokuserat på efterlevnad, eller med andra ord vad man inte får göra med AI. Men bara omkring 30 % har klarhet i vilket värde ni faktiskt försöker skapa. Så ni byggde säkerhetsräcken. Ingen byggde egentligen vägen.

Dagens gäst är dr Dieter Veldsman. Han är chefsforskare inom AI på AIHR. Han ska leda oss genom det mönster av överreaktioner som han ser inom HR just nu: den första överreaktionen att visa att man gör något med AI, följd av en överkorrigering till säkert läge, och varför det lämnar dig fast i mittfältet medan marknadsföring, försäljning och produktutveckling rusar framåt.

Det han verkligen vill att du ska förstå liknar något vi har sagt många gånger i programmet: företag behandlar AI som en teknisk omställning, när det i själva verket är en omställning av kultur och människor. Det betyder att HR inte borde försöka hinna ikapp. Ni borde leda samtalet.

I dag ska vi prata om varför det blev viktigare att vara upptagen med AI än att vara strategisk, hur man tar sig ur efterlevnadsfällan utan vårdslösa experiment, CHRO:ns förändrade roll som chefsarkitekt för ekosystemet mellan människor och maskiner, och hur man går från ”vad kan vi använda på ett säkert sätt?” till ”vilket värde skapar vi?”.

Jag heter David Rice. Det här är podden People Managing People. Och om du har försvarat dig mot AI när du egentligen borde samordna omställningen, då är det här samtalet en omstart. Då kör vi.

Dieter, välkommen!

Dieter Veldsman: Tack så mycket, David. Det är roligt att vara här.

David Rice: När vi pratade tidigare nämnde du det här mönstret med överreaktion och sedan överkorrigering som du ser inom HR, särskilt när det gäller AI. Kan du utveckla det lite? Vad är det egentligen som händer och vad driver det?

Dieter Veldsman: Jag tror att det liknar situationen i andra funktioner. Om vi vrider tillbaka tiden 18–24 månader fanns det ett stort tryck: ”Vad gör ni med AI? Ni måste visa att ni gör något med AI.”

Det ledde definitivt till en hektisk aktivitet på ena sidan. Människor frågade vilka verktyg de hade, hur de skulle använda dem och vilka användningsområden de borde fokusera på. Det blev viktigare att vara upptagen med AI än att den var värdefull eller anpassad till det HR-teamet faktiskt ville åstadkomma.

Sedan kom en andra fas som drog tillbaka allt ganska kraftigt: ”Vänta nu. Vi kan inte fortsätta experimentera planlöst. Låt oss i stället prata om vilket värde vi skapar, hur säkra vi är, hur styrningen ser ut, om vi använder rätt saker och vad skyddsräckena ska innebära.”

Vi har definitivt sett den förskjutningen under de senaste 18 månaderna. Vi genomförde nyligen en studie av omkring 337 HR-organisationer. Nästan 66 % hade fokuserat mycket på efterlevnadsaspekten: hur styrningen ser ut, vilka riktlinjer som gäller, vad man får och inte får använda. Men bara 30 % sa att det fanns tydlighet kring vilket värde användningen av AI skulle skapa för dem.

Det är därför jag talar om överreaktionen. Det fanns en stark vilja att visa att man gjorde något med AI, i stället för att sakta ner en aning och fråga vad vi faktiskt vill göra med AI och varför.

David Rice: Ja, jag tror att det stämmer. Jag har sett den här piskan mellan brådska och undvikande. Man får höra att man ska göra något snabbt, men utan någon vägledning eller något konkret mål. Till slut fryser man fast.

Standardläget blir då säkert läge. Det är efterlevnadstänkandet. HR ville svara strategiskt, men brist på kapacitet eller tillåtelse att experimentera utan att bli dömd gjorde att det aldrig riktigt hände.

Finns det också en betydande rädsla för att göra fel? Det finns ett tryck att visa att man gör något, men ingen struktur som stöder det, så man känner sig hjälplös.

Dieter Veldsman: Du har helt rätt. Jag är själv en mycket passionerad HR-person och kan verkligen känna igen den första reaktionen. Vi är ofta mer riskaverta inom HR, inte bara när det gäller AI. Vi vet också vilka verkliga risker som uppstår när saker går fel.

Därför såg vi HR hamna i mitten när det gäller AI-användning. Vi låg efter funktioner som produktutveckling, marknadsföring och försäljning, men före juridik, risk och efterlevnad. Vi hamnade någonstans mitt emellan.

Det fanns också den allmänna föreställningen att varje ny teknik innebär slutet för HR. Det har aldrig visat sig stämma. Funktionen har förändrats flera gånger, men inte försvunnit. Samtidigt fanns AI-oron: ”Är det nu det händer? Vad kommer AI att göra med oss?”

I dag är det mer rimligt att säga att AI kommer att ta över vissa uppgifter, aktiviteter och arbetsflöden. Men vad betyder det för förväntningarna på hur HR-arbete kommer att se ut i framtiden?

Många organisationer behandlade först AI som en teknisk omställning och missade sedan att den framför allt handlar om kultur och människor. Därför borde HR sitta med vid bordet och vägleda samtalet.

De företag som gör detta bra har ett tvärfunktionellt arbetssätt. De vill ha tekniska röster, HR-rösten samt verksamhet, drift och strategi runt bordet för att avgöra vilken AI-förmåga organisationen behöver i framtiden.

I många organisationer kom HR sent in i samtalet. Det kan bero på att HR inte fick mandat att delta, inte såg behovet eller inte var rustat för diskussionen. Orsakerna varierar.

David Rice: Du har själv arbetat inom HR och varit inne i flera företag som försökt förstå sådant här. Vad är en av de största sakerna du har lagt märke till när det gäller hur organisationer reagerar på omvälvningar?

Dieter Veldsman: Jag tycker om din tidigare kommentar om att standardpositionen ibland är säkerhet. När något verkligt omvälvande kommer in i organisationen ser man ofta tre grupper. Det finns tidiga användare som tycker att detta är fantastiskt och vill kasta sig på direkt.

Det finns också en överentusiastisk hajp. Ibland leder den till problem eftersom människor börjar med saker utan att förstå dem ordentligt. På andra sidan finns skeptikerna, som drar sig undan och tänker att de har sett stora omställningsberättelser tidigare och att inget egentligen kommer att förändras.

AI skilde sig något genom den skala med vilken tekniken nådde organisationerna. För första gången hade alla tillgång till generativa AI-verktyg. Om jag hade en internetanslutning var det inte något som var begränsat till en viss målgrupp. Den skalan förstärkte oron.

Nu har organisationerna kommit längre och går igenom en process där de försöker förstå vad detta faktiskt betyder, vad AI kan göra, var det verkligen är användbart och vad som bara är intressant och nytt utan att ge särskilt stor effekt.

När vi talar om omvälvning måste organisationer gå igenom en sådan förståelsecykel: Vad är detta? Vad innebär det i min kontext? Vad vill jag göra med det? Hur gör jag det hållbart, i stället för att behandla det som en kortvarig trend?

Det säger mycket om organisationens DNA och kultur. Ens verkliga färger syns när man måste hantera osäkerhet. Det kommer alltid att finnas tidiga användare och människor som är långsammare att ta till sig nya saker. För mig är förståelsefasen den viktiga delen som ledare behöver fokusera mer på.

David Rice: Jag gillar uttrycket ”förståelsecykel”. Om omvälvningar gör något så avslöjar de organisationens interna kopplingar. Man upptäcker kanske att standardreaktionen är att överkonstruera allt, att man fastnar eftersom man saknar ett gemensamt språk eller att ingen har tydlighet kring frågan.

Organisationer som lyckas bäst verkar inte nödvändigtvis ha mer resurser. Alla har tillgång till generativ AI. Det handlar snarare om hur tydliga de är kring hur snabbt de faktiskt vill gå, vilken komfortnivå de har och vad de är beredda att prova.

Dieter Veldsman: Precis. Organisationer som är tydliga med vad de vill och inte vill prova gör mycket bättre ifrån sig.

Vi hade nyligen en kund som sade: ”Vi vill vara en mycket stark andraföljare i hela AI-revolutionen.” Jag blev förvånad eftersom alla brukar vilja vara först. Han svarade att de inte ville vara först. Många kommer att göra stora misstag. De var bekväma med att gå lite långsammare, lära sig av andras misstag och komma ut på marknaden när de kunde göra något bra på sitt eget sätt.

Det var ett mycket motintuitivt budskap. Vi har nästan konstruerat våra svar så att vi alltid vill vara först, bäst och mest innovativa. Ibland är det helt okej att vara en stabil och ansvarsfull aktör.

För mig handlar det om tydlighet i varje tänkbart ögonblick. Tydlighet kan innebära att säga: ”Vi vet ännu inte vad vi ska göra med detta. Därför ska vi utforska mer och börja med ett litet pilotprojekt.” Ju mer man kan förkorta förståelsecykeln och ge tydlighet längs vägen, desto bättre blir organisationen på att bygga motståndskraft.

Om du inte äger berättelsen om omvälvningen, särskilt berättelsen om AI-omställningen, får du problem med kulturen, människors oro och deras förväntningar på framtiden. Då blir AI något som måste säljas in, i stället för något som gradvis byggs in i arbetssättet.

David Rice: Vi har gått från verktyg som drevs av programvara som tjänst, där alla jagade verktyg, till en situation där vi använder gemensamma verktyg men jagar värde. Det låter självklart, men det är uppenbarligen svårt.

Dieter Veldsman: Det är lätt att jaga verktyg och man kan omedelbart visa att man gör något. Man kan säga att man har rullat ut licenser till 90 % av personalen. Det blir ett sätt att hantera rädslan för att hamna efter eller bli överflödig.

Vi har också pratat mycket om att experimenterande är bra, att man ska vara mer agil och misslyckas framåt. Men att röra sig snabbt betyder inte att man ska låta bli att tänka igenom vad man vill göra.

Först hade vi verktygen. Sedan kom användningsområdena: om det inte handlar om vilka verktyg jag har, måste det väl handla om vilka användningsområden jag kan använda dem till. Men man behöver gå tillbaka en nivå. När vi pratar om värde frågar människor ofta efter en AI-strategi. Jag brukar säga att de behöver en affärsstrategi. AI bör vara en värdeskapande hävstång eller pelare i den strategin, inte något helt separat.

Vad är organisationens konkurrensfördel? Vad är ert unika bidrag? Hur kan AI hjälpa er att förstärka det? Det är frågan. Den är enklare att formulera men svårare att besvara nyanserat än frågan om man ska köpa licens X eller Y.

Det behövs ett tvådelat angreppssätt. Ledningen måste sätta riktningen och skyddsräckena. Samtidigt måste experiment ske nära verksamheten, där människor använder verktygen i vardagen. Men de behöver få tydlighet kring vilket värde vi försöker frigöra.

Att bara säga ”använd AI och bli mer produktiv” räcker inte. Vad ska vi göra med produktiviteten? Vad försöker vi frigöra? Äg berättelsen om vad AI betyder för verksamheten och hur den ska tillämpas, med vilket resultat, värde eller vilken effekt.

David Rice: Det finns så mycket brus inom AI att det nästan är svårt att veta hur värde ser ut. Jag hörde någon säga att man inte får låta AI bli ett modeord i organisationen. En person bredvid mig frågade: ”Vad betyder det ens?” Hon hade rätt – det var ett vagt påstående.

Jag tror att problemet är att man blandar ihop att vara upptagen med AI med att faktiskt åstadkomma något med AI. Jag har sett samma sak med andra verktyg. Vi lade månader på utbildning och tekniskt arbete, men när vi såg vad vi hade producerat kändes det som att vi hade lagt ned mycket arbete för att åstadkomma väldigt lite.

Dieter Veldsman: Man måste kalla saker vid deras rätta namn. Jag kommer från finanssektorn och log ofta när vi talade om stora förändringsprojekt. Jag frågade vad vi egentligen ändrade. Svaret blev ofta ett mycket komplicerat språk, när det i praktiken handlade om att flytta en knapp i nätbanken.

Det är inget fel med att säga vad fokus faktiskt är. Vi gör samma sak med AI och säljer in en stor dröm. Men AI skapar värde på uppgifts- och aktivitetsnivå. Säg att vi ska använda det till ett, två, tre och fyra eftersom det är viktigt av de här skälen. Det är helt okej.

Ju vagare och mer hajpat vi gör det, desto svårare blir det för människor att relatera till och se värdet.

David Rice: Vi ska inte förringa små förändringar. En liten ändring kan ha stor effekt på en produkt och skapa en helt ny upplevelse. HR:s långsammare start med AI kan ha gett ledare utrymme att vara mer eftertänksamma. Har det varit bra för funktionen?

Dieter Veldsman: För tolv månader sedan studerade vi hur många HR-personer som använde AI. Siffran var ungefär 38 %. När vi gjorde samma sak nyligen hade den ökat till cirka 88 %. De senaste tolv månaderna har varit mycket betydelsefulla och HR har hämtat igen mycket.

Det har varit positivt att kunna sålla bort det första bruset och förstå vad tekniken faktiskt är. Med mer kunskap kan man ta till sig den bättre och undvika några av de misstag andra gjort.

Samtidigt finns en nackdel: HR behöver fortfarande ta igen en del när det gäller användningen. Men när HR-personer har engagerat sig i den större organisatoriska diskussionen ligger vi inte efter. Vi är i en mycket bra position att vägleda organisationen i de beslut som återstår.

HR har också fått möjlighet att skilja mellan hajp och verklighet. Det som HR haft svårt med är att tydligt definiera sin roll i den bredare AI-satsningen. Jag ser den som tvådelad.

För det första måste HR se inåt. AI-förståelse blir en viktig färdighet för HR-personer och vi behöver förändra våra egna modeller och arbetsflöden. För det andra måste HR delta i samtalet om vilken kultur vi vill skapa när AI är en del av hur vi arbetar, samtidigt som fokus ligger kvar på affärsvärdet.

Det är helt okej att inte vara först, så länge man förblir delaktig i samtalet. Den del av HR som inte ville befatta sig med AI alls på grund av rädsla tog en risk, eftersom det blir svårt att hinna ikapp. Men jag tycker att HR har gjort mycket bra ifrån sig.

David Rice: HR kritiseras ofta för att ligga efter, men det finns ett värde i att vara mer eftertänksam. Att skynda sig leder ofta till omfångsökning, där människor börjar använda verktyget till sådant de inte avsåg, eller till funktioner som inte var anledningen till att man köpte det.

Ett mer medvetet tempo ger HR möjlighet att fokusera på beteende, värde, anpassning och förtroende. Vi hade ett stort förtroendeproblem redan innan AI blev så omfattande. Med AI får vi ytterligare ett lager av förtroendeproblem, dold användning och liknande. Därför kan det vara bra att ha lite utrymme innan man kastar in tekniken överallt.

Du nämnde tidigare AI-förståelse. Det handlar mindre om teknik och mer om modet att prova nya saker. Vilka sätt med låg risk kan HR-team använda för att börja experimentera och bygga självförtroende?

Dieter Veldsman: Vi talar om förståelse och inte bara kunskap, eftersom det liknar att lära sig ett nytt språk. Man behöver ordförråd, grammatik och kontext.

Ett tryggt sätt att börja är att välja en process i det dagliga arbetet som man redan känner mycket väl. Identifiera en uppgift eller aktivitet där AI kan användas och där du vet hur resultatet bör se ut.

Många hoppar direkt på det mest spektakulära som AI sägs kunna göra, inom områden där de inte själva vet om resultatet är korrekt. Börja därför med något du känner väl. Lär dig hur du kommunicerar med verktygen och prova i en trygg miljö med en uppgift som har låg risk.

Använd inte AI första gången för att påverka ett anställningsbeslut. Det är ett beslut med hög risk. Använd det i stället för att vägleda eller rekommendera något som en del av ett normalt arbetsflöde.

Många lär sig AI genom självupptäckt. Men det är också bra att ingå i en gemenskap och se hur andra använder tekniken, exempelvis i ett HR-nätverk. Samtidigt måste man sålla bort bruset och återföra samtalet till vad som faktiskt fungerar i dag.

HR-personer ska inte vara rädda för tekniken. Många av de färdigheter som krävs för AI-förståelse är mänskliga färdigheter som HR redan är bra på: kritiskt tänkande, systemiskt tänkande, språk och förmågan att värdera resultat.

Börja smått och med låg risk. Bygg självförtroende och gör sedan användningen bredare. Vi ser tre nivåer: individen och det egna dagliga arbetet; användning tillsammans med andra för att förstärka förmågan; och slutligen mer självständig användning med mänsklig översyn. Börja enkelt, snabbt och med låg risk.

David Rice: Man måste tänka på det som ett gym. Man måste få in sina repetitioner.

Dieter Veldsman: Precis.

David Rice: Man behöver inte vänta tills något är strategiskt för att börja prova. Det skulle bara fördröja vägen till förståelse. Det kan vara ett första utkast till en riktlinje som du sedan redigerar eller en sammanfattning av avslutningsintervjuer.

Det låter kanske inte omvälvande, men omställningen finns framför allt i tankesättet, inte helt i arbetssätten. Börja förändra hur du tänker kring användningen. Många av verktygen har låg tröskel nu. Det är värt att prova och se vad de kan göra.

Dieter Veldsman: Experimenterandet är värt det. Olika verktyg gör olika saker bra, så börja förstå vad du använder vilket verktyg till.

När vi först började använda generativ AI beskrev någon det som att ha 50 praktikanter till hands. De var motiverade och kunde mycket, men saknade erfarenhet av att se saker från början till slut. Verktygen har utvecklats betydligt sedan dess.

Man kommer inte att springa en mil första dagen. Börja med en kilometer eller två och bygg upp förmågan. Värdet finns ofta i detaljerna, på uppgifts- och aktivitetsnivå. Små förbättringar kan tillsammans göra stor skillnad över tid. Leta inte efter den magiska lösningen.

David Rice: Det här är verkligen ett skifte i kultur och tankesätt. Ofta talar man om ett kompetensgap och säger att människor måste utbildas. Men många använder redan AI och lär sig att skriva instruktioner i privatlivet.

Vilka beteenden bör vi normalisera om vi vill uppmuntra mer experimenterande på arbetsplatsen?

Dieter Veldsman: Vi behöver hitta en balans mellan att prova nya saker och att inte ta onödiga risker. Beteendet vi behöver normalisera är att förstå var AI ska användas och var det inte ska användas. Bara för att AI kan göra något betyder det inte att AI bör göra det.

Vi behöver lära människor vad ansvarsfull användning innebär, utan att starta en stor etisk debatt varje gång. Människor behöver intuitivt förstå att vissa saker inte bör lämnas till AI eftersom de kan vara skadliga, riskfyllda eller olämpliga.

Samtidigt får skyddsräckena inte kväva kreativiteten. Var tydlig med var människor får experimentera och vilka områden som ska undvikas oavsett hur bra modellerna blir.

Vi behöver också förändra berättelsen. Vissa känner fortfarande att användning av AI är fusk. Vi bör normalisera att AI används i arbetet och hjälpa människor att förstå när det är bra att använda det.

En studie visade att om AI gör tänkandet åt mig knyter jag inte samma värde till arbetet och minns inte heller vad jag gjorde eller lärde mig. Om jag i stället använder AI som en samtalspartner för att förfina arbetet behåller jag ägarskapet, stoltheten och lärandet.

AI ska inte ersätta människor utan förstärka dem. Det liknar att lära sig leda andra: Vad delegerar jag? Vad gör jag själv? Vilka beslut ska stanna hos mig? Vilka uppgifter kan verktyget hantera? Kritiskt tänkande, faktakontroll och förmågan att bedöma resultat kommer fortsatt att vara centrala.

David Rice: Jag har sett hur perfektion romantiseras. Med AI känner många ännu större press, som om ett allvetande maskinsystem hade hjälpt till och resultatet därför måste vara perfekt. Men vi borde romantisera iteration och experimenterande.

Ledare måste visa det i praktiken. Om ledare säger att de inte vet men vill prova ett nytt arbetsflöde och se vad de lär sig, visar de hur kulturen förändras. Då kan andra tänka: om ledaren kan göra det med det här arbetsflödet, varför kan inte jag göra det med mitt?

Det måste modelleras uppifrån. Verktygen kan skapa liknande resultat, men människan är fortfarande det som gör resultatet unikt. Det kommer att vara iterativt och ofta ofullkomligt. Det är okej att prova och se vart det leder.

Dieter Veldsman: Precis. Organisationer talar ofta om innovation, men när någon gör ett misstag säger de att kvalitet är viktigast. Om människor ska innovera måste de få göra misstag och miljön måste tolerera och uppmuntra det.

Samma sak gäller här. Saker blir inte perfekta bara för att man använder stavningskontroll. Verktyget kan göra vissa saker, men inte lösa hela kvaliteten i ett dokument.

Det viktiga är att fundera på vilket unikt mänskligt bidrag du fortfarande tar med till bordet. Du sitter fortfarande i förarsätet när det gäller hur och var du använder verktygen, hur du sätter ihop resultaten och hur du kopplar dem till det verkliga problem du försöker lösa.

Man kan ha hundra praktikanter som gör fantastiska saker, men om de inte samordnas och arbetar med rätt saker blir det bara sysselsättning. AI kan i bästa fall hjälpa oss att uppskatta vår mänsklighet, kreativitet och vårt omdöme ännu mer.

Vi befinner oss i ett skifte mot nya arbetsmiljöer, arbetsmodeller och aktiviteter. Det går snabbt, vilket gör förståelseprocessen viktig både för individen och organisationen.

David Rice: Min sista fråga gäller CHRO:ns förändrade roll. Hur förändras fokus under 2026 för den här gruppen, inklusive personalchefer?

Dieter Veldsman: CHRO-rollen har förändrats betydligt eftersom HR:s mandat i organisationer har förändrats. Från att vara en funktion för styrning och personalservice har den rört sig mot strategiskt partnerskap och omställning.

Det första är att komma ihåg att en CHRO först är en affärsledare och därefter en HR-ledare. Du har fortfarande affärsansvar och måste bära ett affärsperspektiv. HR blir det område du tar med in i styrelserummet när du kopplar människor till verksamheten.

När det gäller AI måste CHRO:n bära mandatet att forma den organisation man vill vara. AI är en del av hur vi arbetar, inte bara en teknisk fråga.

CHRO:n behöver bidra till en helhetssyn på AI-omställning som omfattar kompetens, människor, teknik, data, säkerhet och strategi. Rollen blir att samordna alla dessa perspektiv och få dem att tala med varandra.

CHRO:er är ofta bra på att koppla människor till större frågor: Vad betyder detta för vilka vi vill vara som företag? När vi ser tillbaka på AI-omställningen om några år, vilken berättelse kommer våra medarbetare att berätta? Är det en berättelse vi är stolta över och som våra kunder vill höra?

David Rice: Jag håller med. CHRO:n blir kanske en beteendeekonom eller en chefsstrateg för människan. Rollen handlar om att förstå gränssnittet mellan mänsklig kapacitet, organisationskultur och teknik.

Det är mer än data, engagemang eller teknik var för sig. Det handlar om hela ekosystemet: vad människor och maskiner kan göra tillsammans och hur det påverkar kultur och arbetsflöden.

Dieter Veldsman: När jag coachar nya CHRO:er frågar jag varför de vill ha rollen. Är det bara nästa steg, eller finns det en djupare motivation? Om man använder den motivationen kan man bli den chefsarkitekt som kopplar ihop ekosystemet och strategin.

Det är en balanserad roll där man behöver förstå många olika delar. Den största frågan är om man kan hantera komplexiteten och förenkla den för människor så att de kan göra något med den.

Det är lätt att bli en del av fastlåsningen när ingen vet vad de ska göra. Kan du hjälpa människor att ta sig igenom det och säga: ”Vi vet inte allt, men utifrån var vi befinner oss är det bästa beslutet att prova detta, lära oss och gå vidare”? Då kan man styra genom stormen med lugn och kanske lite visdom.

David Rice: Absolut. Dieter, tack så mycket för att du var med i podden i dag. Jag uppskattar verkligen samtalet.

Dieter Veldsman: Tack så mycket, David. Jag tyckte mycket om samtalet.

David Rice: Då så, alla lyssnare. Fram till nästa gång: gå gärna över och prenumerera på nyhetsbrevet om ni inte redan gör det. Kolla in vår utforskare för AI-omställning. Det händer alltid mycket spännande på People Managing People och vi har evenemang på gång. Håll utkik.

Och fram till nästa gång: fortsätt experimentera.