Denne klumme er et debatindlæg og er alene udtryk for forfatterens synspunkter.
Debatten om AI i virksomheder har fået et bemærkelsesværdigt snævert fokus.
Hvor meget tid kan vi spare? Hvor mange processer kan vi automatisere? Hvor mange opgaver kan en AI-agent overtage? Og i sidste ende: Hvor mange mennesker kan vi undvære?
Det er forståeligt.
Når en ny teknologi kommer med så åbenlyse produktivitetsgevinster, er det naturligt, at ledelser kigger efter effektiviseringer.
Men jeg tror, vi risikerer at overse en langt mere interessant mulighed.
Ikke hvordan AI kan gøre mere af arbejdet for os. Men hvordan AI kan gøre os dygtigere til arbejdet.
Det gælder ikke mindst ledelse.
For måske er en af de største muligheder med generativ AI ikke en ny generation af produktionsmaskiner, men en ny generation af tænkepartnere. AI, der ikke bare producerer svaret, men hjælper os med at stille bedre spørgsmål.
Fra produktionsforstærker til tænkepartner
Forestil dig en ledergruppe, der skal håndtere en strategi, som ikke rigtig får fat i organisationen.
Den klassiske reaktion vil ofte være at spørge: Hvad skal vi gøre? Skal vi kommunikere mere? Involvere medarbejderne? Uddanne lederne? Lave workshops? Ændre implementeringsplanen?
Vi går hurtigt fra problem til løsning. Og her kan AI gøre os endnu hurtigere.
På få sekunder kan ChatGPT eller Copilot producere en kommunikationsplan, en workshopagenda, fem initiativer og et PowerPoint-oplæg til næste ledermøde. Det føles produktivt.
Men hvad nu, hvis vi er ved at løse den forkerte slags problem? Så har AI blot hjulpet os med at bevæge os hurtigere i den forkerte retning.
Det er her, jeg oplever, at AI bliver langt mere interessant, hvis vi i stedet bruger den til at tænke anderledes.
Ikke: Hvad er løsningen?
Jeg har eksperimenteret med at bygge AI-tænkepartnere til konsulenter og ledere inden for området ledelses- og organisationsudvikling.
Lad mig give et praktisk eksempel: En af dem kalder jeg Situationslæseren. Den har fået én grundlæggende instruktion:
Start ikke med at spørge: Hvad er løsningen? Spørg først: Hvilken slags situation står vi egentlig i?
Situationslæseren tager udgangspunkt i Cynefin-frameworket, udviklet af Dave Snowden og kolleger.
Cynefin skelner mellem situationer, hvor årsag og virkning er tydelig, situationer der kræver ekspertanalyse, komplekse situationer hvor sammenhænge først bliver tydelige undervejs, og kaotiske situationer hvor første opgave er at skabe stabilitet.
Det lyder måske som en akademisk sondring.Men den har meget praktiske konsekvenser.
For forskellige situationer kræver forskellige måder at lede på. Nogle problemer skal standardiseres. Andre skal analyseres. Nogle kan vi kun forstå ved at eksperimentere og se, hvad der sker. Og i en krise kan det være nødvendigt at handle først og forstå bagefter.
Problemet opstår, når vi bruger den samme tilgang på dem alle.
Vi analyserer det, der skal udforskes
Det ser jeg ofte i organisationer.
Når noget er vigtigt og usikkert, reagerer vi med mere analyse. Flere data. Flere slides. Flere scenarier. En mere detaljeret projektplan.
Det giver god mening, hvis problemet er kompliceret. Hvis vi eksempelvis skal optimere en forsyningskæde, kan mere data, analyse og ekspertise faktisk bringe os tættere på et godt svar.
Men forestil dig i stedet, at spørgsmålet er, hvordan en ny strategi vil blive fortolket af 4.000 medarbejdere og omsat i hundredvis af lokale beslutninger. Her ændrer mennesker systemet, mens de handler i det.
En leder reagerer på strategien. Medarbejderne reagerer på lederen. Lederen reagerer på deres reaktion. Nye historier opstår. Nogle initiativer får energi. Andre dør. Vi kan stadig analysere.
Men analysen kan ikke fortælle os præcist, hvad der vil ske. Her har vi brug for at prøve noget, observere responsen og justere.
Det er forskellen mellem det komplicerede og det komplekse. Og den forskel bliver kun vigtigere for ledere.
AI kan hjælpe os med at opdage vores kategorifejl
Det interessante ved AI er, at den kan få en anden rolle i dette arbejde.
Forestil dig, at ledergruppen beskriver situationen for en AI, der ikke har fået til opgave at komme med løsninger. Den har i stedet fået til opgave at udfordre gruppens forståelse.
Hvad ved I faktisk? Hvad antager I? Hvilke dele af problemet kan analyseres? Hvilke afhænger af, hvordan mennesker reagerer på hinanden?
Hvad kan I først vide, når I har prøvet noget? Hvilke dele kræver handling nu? Og behandler I måske et komplekst problem, som om det var kompliceret?
AI'en har stadig ikke dømmekraften. Det har lederne. Men den kan hjælpe med at skabe friktion omkring deres dømmekraft.
Det er en ganske anden anvendelse af AI end at bede den skrive referatet eller producere næste præsentation.
Måske skal AI ikke fjerne friktion overalt
Meget af AI-udviklingen handler i øjeblikket om at fjerne friktion.
Færre klik. Hurtigere analyser. Kortere produktionstid. Automatiserede workflows. Det er værdifuldt. Men i ledelse er friktion ikke altid et problem.
Nogle gange er det netop den lille pause, det kritiske spørgsmål eller det alternative perspektiv, der forhindrer os i at træffe en dårlig beslutning.
Her kan AI paradoksalt nok bruges til at introducere friktion. Ikke ved at gøre arbejdet langsommere for langsommelighedens skyld. Men ved at stoppe os, før vi løber fra problem til løsning.
En AI-tænkepartner kan eksempelvis være instrueret til altid at lede efter modstridende evidens. Til at skelne mellem observationer og antagelser.
Til at argumentere imod ledergruppens foretrukne forklaring. Eller til at spørge, hvad der skulle være sandt, for at gruppens beslutning viste sig at være forkert.
Det kræver ikke nødvendigvis en ny stor softwareplatform. Det kræver først og fremmest, at vi ændrer vores forestilling om, hvad AI skal bruges til.
Det er måske her, den store AI-gevinst ligger
Jeg er ikke imod automatisering.
Selvfølgelig skal vi bruge AI til at fjerne meningsløst arbejde, automatisere processer og øge produktiviteten.
Men hvis vores forestilling om AI stopper dér, risikerer vi at bruge en af de mest interessante teknologier i vores tid som en meget avanceret effektiviseringsmaskine.
For topledere er der et større spørgsmål.
Organisationer mangler næppe flere PowerPoints, analyser eller handlingsplaner produceret på rekordtid.
De mangler evnen til at navigere situationer, hvor svaret ikke er givet på forhånd. At opdage ændringer tidligere. At udfordre egne antagelser. At skelne mellem det, vi kan vide, og det, vi må lære gennem handling. At se flere perspektiver, før vi låser os fast.
Og at handle uden at foregive en sikkerhed, som situationen ikke giver os.
Her tror jeg, AI kan få en langt mere interessant rolle. Ikke som den maskine, der fortæller ledelsen, hvad den skal gøre.
Men som den tænkepartner, der hjælper ledelsen med at forstå, hvad den egentlig står i.
Derfor er det måske på tide at udvide spørgsmålet om AI. Ikke kun: Hvor meget mere kan vi producere med færre mennesker? Men: Hvor meget bedre kan vi mennesker blive til at tænke, lære og navigere sammen med AI?
Det sidste spørgsmål er sværere at sætte ind i et effektiviseringsregneark. Til gengæld kan det vise sig at være langt vigtigere.
Klummer er læsernes platform på Computerworld til at fortælle de bedste historier, og samtidig er det vores meget populære og meget læste forum for videndeling.
Har du en god historie, eller har du specialviden, som du synes trænger til at blive delt?
Læs vores klumme-guidelines og send os din tekst, så kontakter vi dig - måske bliver du en del af vores hurtigt voksende korps af klummeskribenter.
