Chefers AI-kompetens är den nya meriten vid rekrytering
Dokumenterad praktik: Chefers trovärdighet blir alltmer beroende av att visa vad de har byggt, implementerat, förbättrat och lärt sig genom AI.
Införandet spelar roll: AI-kompetens i sig kan inte skapa förändring; ledare måste förtjäna intressenternas förtroende och förändra hur organisationer arbetar.
Omdömesprövning: Återkommande användning av AI kan skärpa omdömet, men okritiskt förtroende för resultaten kan försvaga det kritiska beslutsfattandet.
Rekryteringsgapet: Företag har svårt att bedöma ledare som kombinerar praktisk AI-kompetens med erfarenhet av att leda förändring över flera funktioner.
Systemuppdatering: Rekrytering av chefer bygger fortfarande på gamla signaler, vilket skapar press att utforma om befordrings-, successions- och intervjuprocesserna.
Be en senior ledare att berätta om ett problem de löste med AI och var uppmärksam på de första 30 sekunderna.
JC Christian på rekryteringsföretaget Christian & Timbers säger att han använder sådana samtal som en värdemätare. Det som intresserar honom först är inte lösningen. Det är om personen tydligt kan förklara problemet.
”De flesta kan inte ens beskriva själva problemet korrekt, än mindre komma i närheten av en lösning”, sade han.
Continue Reading for Free
Create a free account to finish this article, plus get ongoing access to timely insights and practical resources.
Have an account? Log In
När en kandidat kan ge en verkligt djupgående bild av både problemet och det de byggde, säger det honom något. Om de inte kan det ser han det som en varningssignal.
Det intressanta är inte intervjutekniken. Rekryterare har bett kandidater om specifika exempel i alla tider. Det är vad dessa bevis har börjat ersätta.
Under större delen av den moderna vd-eran kom trovärdighet på toppen i huvudsak från ackumulerad mönsterigenkänning. Man hade gått igenom tillräckligt många cykler för att ungefär veta hur den här kunde utvecklas, och ens värde låg delvis i den tolkning som ingen annan i rummet kunde erbjuda. Tjugo års erfarenhet av att driva verksamhet gav dig fördelen av tvivlet inför de kommande tolv månaderna.
Den modellen fungerade av goda skäl. Omdöme under osäkerhet är svårt att lära ut och svårt att fejka över en lång tidsperiod.
Den byggde också delvis på knapphet.
Brandon Sammut, personal- och AI-transformeringschef på Zapier, beskrev hur det såg ut på ett tidigare företag. Ett par ingenjörer var de enda i organisationen som förstod en del av produktarkitekturen.
”Som ett resultat var de i praktiken orörbara”, sade han. ”Det är inte särskilt hälsosamt eller välfungerande för någon i den ekvationen.”
Knappheten skyddade ingenjörerna och låste fast dem. Ingen hade råd att låta dem arbeta med något annat. Sammuts bredare poäng är att AI påskyndar den demokratisering av kunskap som internet påbörjade.
Den verkställande versionen var aldrig så mekanisk, men den följde samma mönster. Information, tolkning och institutionellt minne var sällsynta. Knappheten bidrog till att sätta priset.
AI eliminerar inte värdet av erfarenhet. Det förändrar vad erfarenheten måste bevisa.
Bevisen måste vara något du har byggt
Christian drar en gräns mellan ledare som använder AI och ledare som är AI-infödda, och han är osentimental kring hur få som har tagit steget över den.
”Jag pratar med personer som säger ungefär: vi började precis använda Copilot och nu är vi AI-infödda”, sade han. ”Och det är som, nej, tyvärr är ni inte det. Ni befinner er alldeles i början av kurvan för AI-användning.”
Han vill se bevis på implementering: modeller som placerats i arbetsflöden, agenter som riktats mot affärsprocesser och ledare som kommit tillräckligt nära arbetet för att förstå vad som förändrades.
De verkliga ledarna kommer att kavla upp ärmarna och använda tangentbord. Det är nästan omöjligt att vara AI-infödd och samtidigt vara en fåtöljexpert på något.
Han bedömer företag på samma sätt och påpekar att börsnoterade företag gärna talar om avkastningen från AI, och han antar att vissa av dessa påståenden är överdrivna. Det som intresserar honom är tystnad.
”Om vi inte skryter alls är det vanligtvis en varningssignal”, sade han. ”Om du leder implementeringen av AI på ett företag och de inte har någon avkastning på AI-investeringarna, ser det ganska dystert ut när det gäller att kunna hävda att din roll där var framgångsrik.”
Förändringen han beskriver är att trovärdighet blir mer påvisbar. ”Jag ledde genom tre transformationer” spelar fortfarande roll. I allt högre grad blir följdfrågan: Vad förändrade du faktiskt i den här?
Var efterfrågan koncentreras
Det betyder inte att marknaden helt enkelt har bestämt sig för att teknisk kompetens överträffar erfarenhet.
Christian säger att kunderna fortsätter att komma till honom med någon variant av samma problem.
”Många ledare säger: ’Jag har en 20-någonting-årig underbarn som helt saknar pondus och erfarenhet av transformation, men som har byggt alla de här häftiga sakerna och kan AI bäst. Och jag överväger om jag ska befordra personen och göra hen till min VP för AI-användning, eller om jag ska söka externt?’”
Den tekniska tröskeln är enligt honom ofta lägre än vad chefer föreställer sig. Många roller inom AI-transformation är inte ingenjörsroller, och nyfikna personer som håller sig nära tekniken kan lära sig verktygen.
Sedan komplicerar han berättelsen.
Samma överväganden som fanns för 20, 10 eller 50 år sedan spelar fortfarande en roll i dag.
Erfarenhet av omställning och förmågan att arbeta med processer, teknik och människor spelar fortfarande roll, eftersom själva byggandet bara är halva problemet.
”Införandet är faktiskt det största problemet”, sade Christian. ”Tekniken är ett enklare problem. Den går lättare att lösa.”
Utan stöd från intressenterna, tillade han, ”kommer införandet att bli en röra. Du kommer att få noll värde, kanske till och med negativt värde.”
Den nya premien ligger alltså egentligen inte på ungdom eller ens på AI-kunskap. Den ligger i kombinationen av att ha tillräcklig närhet till tekniken för att kunna bygga och tillräcklig organisatorisk trovärdighet för att få andra människor att förändras.
Christian säger att det är därför efterfrågan koncentreras mellan två arketyper:
- Den erfarna omställningsledaren som saknar praktisk AI-kunskap
- Den yngre byggaren som saknar erfarenhet av att förflytta en organisation.
Företag som placerar den andra direkt i tvärfunktionella ledarroller stöter ofta på ett förtroendeproblem. Christian ser att de passar mer naturligt i roller som stabschef eller andreman, där de kan samarbeta med en mer erfaren chef.
Två ord bär en enorm tyngd i det argumentet, och de förtjänar att granskas.
”Pondus” och ”närvaro som chef” har en lång historia av att fungera som omskrivningar för att se ut och låta som de personer som redan har jobbet. All kompetens som främst bedöms på känsla riskerar att återskapa preferenserna hos de personer som befinner sig i rummet där bedömningen görs.
Men Christians underliggande krav är mer konkret: Kan den här personen få en skeptisk ekonomichef, operativ chef eller affärsenhetschef att förändra hur deras team arbetar?
Det handlar inte om yta. Det handlar om inflytande.
Och det antyder att erfarenhet inte har nedvärderats så mycket som tvingats konkurrera med en ny form av bevis.
Omdöme kan byggas upp eller förfalla snabbare
Tony Castellanos, vice vd för personalfrågor på Nextdoor, ger den mest användbara beskrivningen av hur en del av den nya meriten byggs upp.
Det sker inte genom ännu en ledarskapsutbildning.
Det handlar om repetition. Det handlar om att få försöka om och om igen. Det finns egentligen ingen kurs eller utbildning som du kan gå för att lära dig det. Det byggs upp genom en ansamling av framgångar och de hårda smällarna när du gör något fel.
AI kan dramatiskt öka antalet sådana försök. Ett problem som någon kanske har stött på ett dussintal gånger under flera år kan nu stresstestas på dussintals sätt under en eftermiddag. Det borde skapa möjligheter att utveckla omdömet snabbare.
Men det finns en uppenbar komplikation. Mer resultat innebär också fler möjligheter att inte granska saker noggrant.
”Jag har försökt läsa de flesta dokument som har kommit till mig, men ärligt talat strömmar de bara in så snabbt”, sade Castellanos.
Sedan har vi förtroendet.
Arbeta nära en modell i sex månader, validera varje resultat och utöva verkligt omdöme, så börjar så småningom ett förutsägbart mänskligt beteende visa sig: granskningen avtar.
”Du har en nyanställd och litar inte automatiskt på allt som personen gör, men med tiden levererar personen, gör rätt, och du litar allt mer på personen, precis som du kommer att lita allt mer på en LLM”, sade Castellanos.
”När personen skickar saker till dig för korrekturläsning, revision eller kontroll gör du förmodligen mindre och mindre av det med tiden.”
Det skapar en märklig möjlighet. AI kan öka antalet repetitioner genom vilka omdömet formas, samtidigt som den skapar förutsättningar för att omdömet används mer sällan.
Castellanos svar är inte att kräva ständig mänsklig kontroll av allting. Han föreställer sig att man introducerar en ”tredje skeptiker” — potentiellt ännu ett AI-system — vars uppgift är att utmana arbetsrelationen mellan människan och den modell som hon har kommit att lita på.
Två system är oense. Människan måste avgöra varför.
”Vad är rätt beslut? Vad är rätt för mig? Vad är rätt för min organisation?”
Poängen är inte att skeptikern vet bättre. Det är att oenighet tvingar tillbaka omdömet in i processen.
Det spelar roll eftersom AI-kunskap i sig så småningom kommer att bli mindre särskiljande. Christian förutspår att det som verkar ovanligt hos kandidater till chefsroller i dag kommer att bli ett grundläggande krav.
Dagens bevis på att någon har ovanligt god AI-förmåga blir morgondagens version av finansiell kompetens.
Den bestående meriten är inte bara att använda tekniken. Det handlar om att kunna avgöra när den är rätt, när den är fel, vad som spelar roll och vad man ska göra härnäst.
Urvalsmaskineriet ligger efter
Detta skapar ett problem för rekrytering och utveckling av chefer på hög nivå.
Maskineriet som producerar chefer på hög nivå — successionsplaner, befordringskriterier, ledarskapsprogram, resultatansvar och långa lärlingsperioder inom en funktion — byggdes till stor del kring ackumulerad erfarenhet.
Mycket av det maskineri som används för att välja ut dem bygger fortfarande på samma grund.
Christian sa att många processer för chefsintervjuer inte har förändrats nämnvärt. Företag lutar sig fortfarande tungt mot välbekanta beteendebaserade frågor, formuleringar för att få fram exempel och, i slutändan, en samling magkänslobaserade bedömningar från intervjuarna.
Han får frågor om vilka nya frågor företag borde ställa, eftersom de egenskaper de nu söker kan vara svåra att identifiera.
Om trovärdigheten hos chefer på hög nivå omvärderas utifrån en kombination av dokumenterad handlingskraft, omdöme och förmågan att få människor att ta sig igenom förändring, kommer det inte att hjälpa särskilt mycket att bara lägga till ”AI-kompetens” i en gammal kompetensmodell.
Sammuts lista över vad som blir mer värdefullt är avslöjande, just eftersom så lite av den är nytt: omdöme, känsla för kvalitet, pålitlighet, tillförlitlighet, ansvarstagande och förmågan att påverka utan formell auktoritet. AI gör dessa förmågor viktigare, inte mindre viktiga.
Och Castellanos kommer fram till en liknande slutsats från ett annat håll. Han förväntar sig att expertis kommer att förbli viktig medan fler människor arbetar över bredare problemområden och använder AI för att nå kunskap som tidigare förblev inlåst inom en funktion.
Det är omvärderingen. Erfarenhet har fortfarande ett värde. Det har även teknisk kompetens, men ingetdera kan längre ersätta bevis.
Ju mer kunskap som blir tillgänglig, desto svårare blir det att bygga anciennitet kring att helt enkelt besitta den. Det som i stället ökar i värde är förmågan att göra något med den. Kan du identifiera problemet, bygga en lösning för det, avgöra om resultatet håller måttet och övertyga andra att agera.
I årtionden var chefsförsörjningen inriktad på att hitta personer som hade sett tillräckligt mycket för att få tvivlets fördel.
Allt oftare ligger tvivlet i intervjun.
