Din AI-coach har fantastiska recensioner och inga resultat
Förändrade forskningsbelägg: Två försök visar att AI-coachning fungerar med strukturerade mål men inte kan mäta sig med människobaserad relationsutveckling.
Uppgiftsanpassning: Använd AI-coachning för repetition, reflektion, åtaganden och förberedelser – inte för öppen ledarskapsutveckling som kräver mänskligt omdöme.
Mät förändring: Engagemangsstatistik visar användning, inte förbättring; köpare bör kräva validerade belägg för förändrat beteende och utvecklingsresultat.
Värdet av en hybridmodell: Den starkaste införandemodellen kompletterar mänskliga coacher genom att utöka det strukturerade stödet och samtidigt bevara personlig uppmärksamhet för komplexa utvecklingsbehov.
Vem behöver människor: Medarbetare med låg tilltro till den egna förmågan och lågt hopp kan ha minst nytta av obevakade robotar, vilket gör fördelningen av mänskligt stöd till ett ledningsansvar.
År 2022 publicerade ett forskarlag lett av Nicky Terblanche en randomiserad kontrollerad studie som gav AI-coachningsbranschen dess första grundläggande bevis. En AI-chatbotcoach, som testades under tio månader mot mänskliga coacher och två kontrollgrupper, hjälpte klienterna att nå sina mål ungefär lika bra som de mänskliga coacherna gjorde.
Resultatet spreds snabbt. Det låg till grund för investerarpresentationer, produktlanseringar och en kategori av företagsprogramvara som knappt existerade när studien inleddes.
Fyra år senare var Terblanche medförfattare till en andra studie. Den här gången jämförde man ackrediterade mänskliga coacher med automatiserade AI-coacher direkt mot varandra, med 114 coachade personer inom en global organisation och resultat som mättes med validerade psykometriska metoder inom områdena mål, motivation, motståndskraft och välbefinnande.
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
Mänsklig coachning påverkade alla resultat som mättes, och påverkade dem avsevärt. AI-gruppen slog inte kontrollgruppen, alltså personerna som inte fick någon coachning alls, på ett enda primärt mått.
Samma huvudforskare. Motsatt rubrik. Skillnaden mellan de två studierna är det mest användbara en ledare som köper ett av dessa verktyg kan förstå just nu, eftersom det inte handlar om en helomvändning. Det är en karta över var AI-coachning fungerar och var den faller isär.
Studien från 2022 gav AI:n en smal, strukturerad uppgift. Att leda någon genom ett definierat protokoll för måluppfyllelse. Regelbundna avstämningar, ett tydligt ramverk och konsekventa uppmaningar mot ett uttalat mål. En chatbot utför detta pålitligt och tröttnar aldrig på att fråga.
Uppgiften avgör resultatet
Den viktiga skillnaden går mellan att automatisera en coachningsfunktion och att förstärka en coachningsrelation, och de två studierna befinner sig på varsin sida av den skiljelinjen.
Protokollet från 2022 fungerade eftersom måluppfyllelse svarar på struktur. Regelbundna avstämningar, ett tydligt ramverk och konsekventa uppmaningar mot ett uttalat mål. En chatbot utför detta pålitligt och tröttnar aldrig på att fråga.
Studien från 2026 tog bort skyddsräckena och satte AI:n i den roll som en mänsklig coach normalt har, där den arbetade med seniora ledare kring öppna utvecklingsfrågor som inte kan reduceras till ett protokoll.
Forskarna förklarar skillnaden genom en modell för samreglering. Enligt detta synsätt uppstår coachningsresultat genom det ömsesidiga, dynamiska inflytandet mellan två personer i rummet, genom de små anpassningar var och en gör som svar på den andra. Det utbytet bar upp effektstorlekarna i den mänskliga gruppen. AI-gruppen skapade det aldrig, och siffrorna speglade frånvaron.
En reservation hör hemma här. Studien testade en chatbotcoach, medan de nyaste företagsprodukterna bygger på agentbaserade system med minne och kontextmotorer som inte existerade när studien utformades.
Leverantörerna kommer att säga att forskningen testade förra generationens teknik, och de har en poäng som är värd att framföra tydligt i stället för att låta dem lägga fram den i ett genmäle. Studien visar inte att ingen AI kan coacha. Den visar att struktur i sig inte återskapar det som en coachningsrelation gör, och att alla verktyg som hävdar motsatsen är skyldiga att ge dig bevis.
Införandet väntade inte på bevisen
Samtidigt som forskningen blev mer komplicerad ökade införandetstakten.
Valence, vars AI-coach Nadia nådde marknaden i början av 2023, rapporterar införanden hos Fortune 500-företag, däribland Experian, Delta Air Lines, Kraft Heinz och General Mills, med mer än en miljon registrerade coachningssamtal.
Enligt företaget har Experian byggt in Nadia i sin process för prestationshantering, där ungefär en tredjedel av den globala arbetsstyrkan nu använder den, och Delta har rullat ut den till chefer i frontlinjen. BetterUp, som driver en hybridmodell där AI kombineras med mänskliga coacher, rapporterar att en majoritet av de arbetstagare som företaget undersökte (52 %) sade att de ville ha båda delarna: den mänskliga coachens empati tillsammans med AI:s tillgänglighet.
De siffrorna kommer från leverantörerna, och de mäter engagemang och nöjdhet snarare än utveckling. Den skillnaden är hela poängen.
Coachingyrket självt har rört sig långsammare. International Coaching Federations globala coachningsstudie från 2025 värderade branschen till 5,34 miljarder dollar, en ökning med 17 % från 2023, men fann att endast 19 % av coacherna hade investerat i nya verktyg under det föregående året och att 53 % inte hade någon digital plattform alls i sin verksamhet.
De människor som arbetar med att leverera coachning är tveksamma till den teknik som deras företagskunder köper licenser till.
Engagemang är inte samma sak som förändring
Här är mätproblemet sammanfattat i en mening, lånad från en köpguide från 2026 om kategorin: om en plattform inte kan visa beteendeförändring betalar du för engagemang, inte för resultat.
De flesta AI-coachningsplattformar rapporterar de enkla mätvärdena. Antalet sessioner. Dagliga aktiva användare. Net Promoter-poäng. Skickade och öppnade påminnelser. Alla dessa mått visar om människor använder verktyget, men inget av dem mäter om verktyget faktiskt åstadkommer någonting.
Kuber Sharma, senior produktmarknadschef för AI och automatisering på UiPath, som har implementerat AI-verktyg i sitt eget team och ger råd till företag som gör detsamma, pekar på en ledande indikator som skär igenom fåfänga mätvärden.
Signalen som förutsäger om AI-coachning får genomslag är huruvida människor själva tar initiativ till interaktioner. Ett verktyg som bara används när det tilldelas coachar ingen. Självinitierad användning innebär att personen tyckte att det var värt att återkomma till, vilket är det närmaste ett tidigt tecken på att ett mål för beteendeförändring har fått fäste.
Sharma har sett samma misslyckandemönster upprepas. Organisationer som suddar ut gränsen mellan förstärkning och ersättning, vanligtvis på grund av kostnadstryck, får till slut lägre engagemang och sämre resultat än om de helt enkelt hade bedrivit mindre coachning på ett mer genomtänkt sätt.
Verktyget får äran för resultat som ändå skulle ha inträffat och skulden för resultat som det aldrig påverkade, medan den faktiska frågan – om någon förändrade sitt sätt att arbeta – förblir omätad.
Var gränsen går
Forskningen och implementeringsdata pekar i samma riktning. AI fungerar i avgränsade arbetsuppgifter, till exempel att förbereda sig inför ett svårt samtal, öva på en förhandling, reflektera strukturerat eller förstärka ett åtagande mellan sessioner. Det är de uppgifter som 2022 års studie validerade, och de skapar verkligt värde redan nu, i en skala som mänsklig coachning aldrig tidigare har nått.
Coachning brukade vara en förmån som var förbehållen chefer. Ett verktyg som utvidgar de användbara delarna av detta till en chef nära den operativa verksamheten är värt att vilja ha. Organisationerna som lyckas med detta är också disciplinerade när det gäller var de inte använder verktyget.
Worxogo, en leverantör av beteendepåminnelser för operativa team, fann i sina implementeringar att de flesta chefer inom arbete som kräver mycket omdöme, som bedrägeriutredningar, dök upp men inte coachade – en arketyp som företaget kallar ”läktarcoachen” – och slutade helt att positionera verktyget som ett coachningslager där.
Vårt team lärde sig den läxan i strid med sitt eget tidiga antagande. De hade förväntat sig att arbete som kräver mest omdöme skulle ha störst nytta av coachningspåminnelser. Data pekade åt motsatt håll.
I stället behandlar verktyget signalen som information för den överordnade ledaren. Det avgörande beslutet var var man skulle sluta, snarare än var man skulle implementera verktyget.
Relationslagret är där maskinen stannar för alla. Den del som stod för alla effektstorlekar i 2026 års studie – den gemensamma regleringen mellan två människor – överlever inte att lämnas över till programvara.
En organisation som ser en AI-coach som ett komplement till mänsklig uppmärksamhet använder evidensen. En organisation som ser den som en ersättning köper nöjdhetsmätningar och kallar dem utveckling.
2026 års studie visar ett resultat som borde förändra hur ledare tänker kring allt detta. Framgång förutsades starkast av den coachades initiala självförmåga och hopp. Med andra ord fick de personer som fick ut mest av coachningen bäst resultat redan från början, eftersom de trodde att de kunde utvecklas.
De medarbetare som har störst behov av utvecklingsstöd – de som saknar den grunden – är precis de personer som en obevakad bot hjälper sämst. Att coacha dem väl kräver en person som är uppmärksam. Att avgöra vem som får den personen och vem som i stället överlämnas till en chattbot är inte en upphandlingsfråga. Det är en fråga för dem som driver företaget.
