Små team kastar bort sin största AI-fördel

Vi testade verktyg mot varandra, kastade bort arbetsflöden som teamet hade använt i flera år och satt i ett rum och försökte enas om vad ”bättre” ens betydde. Vissa dagar ägnade vi tre timmar åt att upptäcka att ett verktyg som vi trodde skulle fungera inte kunde göra den enda sak vi behövde det till.

Det är inte framsteg som går att sätta på en presentationsbild. Och på andra sidan av den fakturan ser en grundare budgeten krympa, tidsramen bli längre och kostnadstakten öka. De skulle inte vara ensamma. 

Förra året övergav medelstora företag i genomsnitt ett AI-initiativ var, till en kostnad av över $4 miljoner per projekt, eftersom de inte kunde se värdet tillräckligt snabbt.

På vår sida av fakturan arbetade vi som ett distribuerat team i olika städer, där var och en ansvarade för en annan del av produkten och försökte lösa problem som blev fler ju närmare man tittade på dem. Verksamheten behövde snabbhet. Produkten behövde kvalitet. Verktygen var oprövade. Varje lösning som fungerade för en person skapade ett nytt problem för någon annan.

Det kan man inte reda ut med en checklista eller en projektplan. Man reder ut det genom att få in alla perspektiv i samma samtal, synliggöra varje avvägning och hitta de åtgärder som skapar flest vinster utan att flytta problemen någon annanstans. 

Det går långsamt. Det gör sig inte bra på bild. Och det är det enda sättet det fungerar på.

De problemen blir fler eftersom varje person i teamet försöker lösa något annat, och de gamla reglerna för att balansera dessa skillnader inte längre gäller. Utvecklaren behöver integration utan omarbete. Designern behöver kreativ kontroll utan att bromsa produktionsflödet. Grundaren behöver att allt detta kostar mindre och går snabbare.

Inuti vart och ett av dessa behov finns dussintals mindre avvägningar, och varenda en påverkar något annat. Löser man grundarens problem komprimerar man kvaliteten. Löser man designerns problem saktar man ner allting. 

Arbetet vi utförde, det långsamma, osynliga och frustrerande arbetet, bestod i att hitta den version av varje beslut som skapade flest vinster i hela systemet utan att bara flytta skadan någon annanstans.

Den enda variabel som faktiskt förutsäger framgång med AI

Missa det, så skalar du upp problemen snabbare än du hinner lösa dem. McKinsey undersökte nästan 2 000 chefer i 105 länder och testade 25 faktorer som förutsäger om AI skapar verklig affärsnytta. Den enskilt starkaste faktorn var inte budgeten, ledningens engagemang eller teknikvalet. Det var huruvida organisationen i grunden hade utformat om sina arbetsflöden.

Sedan levererade vi på två dagar det som det gamla arbetsflödet skulle ha behövt veckor och tre eller fyra personer för att producera. Inte ett utkast eller en prototyp. Ett komplett arbete som hade granskats och godkänts och löste problem som teamet hade försökt kringgå i flera månader.

Det svåraste problemet var inte att producera arbetet. Det var att vi kunde producera så mycket av det, så snabbt, att den gamla frågan — vad ska vi skära bort för att hålla budgeten och leverera i tid? — inte längre var relevant. 

De avvägningar som brukade dominera varje planeringssamtal märktes knappt längre. I stället behövde vi tänka om kring var vi skulle placera värdet av vår tid, vårt samarbete och våra individuella bidrag. Arbetet blev inte bara snabbare. Det bröt den rytm som teamet hade arbetat efter i flera år.

Den strukturella fördel som små team inte vet att de har

Stora organisationer kan inte göra det vi gjorde. De kan inte få in alla intressenter i samma samtal och tillsammans arbeta igenom avvägningar i realtid. Därför bygger de processer för att efterlikna det: styrkommittéer, godkännandekedjor, kompetenscentrum, särskilda AI-roller.

Allt detta är dyrt, långsamt och utformat för att simulera det som ett litet team redan gör naturligt.

Ironin är att de flesta små team inte ser det så. De tittar på företagens handlingsplan och antar att det är så seriös AI-användning ser ut. De utser någon som ska ansvara för det. De köper verktyg och bygger processer. Och genom att göra det ger de upp den enda strukturella fördel de faktiskt hade. 

Förra året uppskattade S&P Global att 42 % av företagen övergav större delen av sina AI-initiativ, mer än dubbelt så många som året innan.

Det ofta citerade MIT-resultatet att 95 % av företagens AI-pilotprojekt inte lyckas leverera mätbar avkastning används som ett slagträ mot AI-initiativ, men det vi ser i praktiken är att de inte misslyckas för att tekniken inte fungerar, utan för att företagen försöker tvinga in den i det sätt de redan arbetar på. De hoppar över det långsamma och föga glamorösa arbetet med att tänka om kring hur människor samarbetar, var beslut fattas och hur ett bra resultat ser ut när verktygen förändrar allt.

Du behöver inte anställa en AI-specialist. Du behöver inget kompetenscenter eller någon formell plan för förändringsledning. Du behöver inte bli större eller mer strukturerad för att få AI att fungera.

Det du behöver finns redan med på samtalet: personerna som känner arbetet, som upplever avvägningarna och som förstår hur ett bra resultat ser ut utifrån deras perspektiv.

Vi har varit här förut. Varje större teknisk förändring, från persondatorn till internet och molnet, har krävt samma sak: tid att lära sig, utrymme att experimentera och tillåtelse att tänka om kring det du trodde var avgjort. 

AI är inte annorlunda, det går bara snabbare. Det är inte ett problem som en person kan lösa åt resten av organisationen. Det är en förmåga som hela teamet behöver bygga upp, på samma sätt som de lärde sig alla verktyg som kom före det. Ge dem tid och utrymme att arbeta igenom det tillsammans.

Det är inte ett tekniskt problem. Det har det aldrig varit.