Denne klumme er et debatindlæg og er alene udtryk for forfatterens synspunkter.
Vi har brugt de seneste par år på at få medarbejdere til at bruge AI.
Men når AI rykker ind i selve arbejdsprocesserne, er der noget, vi bør være opmærksomme på: Vi risikerer at forveksle dem, der er længst fremme med AI, med dem, der ved mest om det arbejde, vi er ved at lave om.
Jeg tog til Dreamforce i San Francisco med et spørgsmål, som jeg har arbejdet med længe.
Hvorfor bliver nogle mennesker aktive med AI, mens andre ikke gør, selv når de har adgang til den samme teknologi? Jeg kom hjem med et andet spørgsmål.
På Dreamforce stod Sam Altman, Dario Amodei og Jensen Huang på scenen på skift med Marc Benioff.
De havde forskellige perspektiver på, hvor AI er på vej hen, men for mig var det mest interessante spørgsmål ikke, hvor meget bedre modellerne bliver.
Det var, hvad der sker i virksomhederne, når teknologien faktisk begynder at udføre mere af arbejdet.
Det var også en central del af Salesforces egen fortælling på Dreamforce: AI-agenter skal ikke bare hjælpe medarbejdere med at skrive og analysere. De skal udføre opgaver og blive en del af virksomhedens workflows.
Man kan med god grund diskutere både tempoet og hypen omkring agenter.
Men hvis udviklingen går den vej, bliver spørgsmålet vigtigt: Hvad sker der med organisationen, når AI ikke længere bare er et værktøj, medarbejderen bruger, men noget vi begynder at organisere arbejdet omkring?
Vi er stadig ikke færdige med adoption
I Connected Women in AI har vi de seneste to år arbejdet med forskellen mellem adgang til AI og faktisk deltagelse.
I vores seneste nationale undersøgelse blandt 1.000 danske lønmodtagere var lederens rolle et af de tydeligste mønstre.
Blandt medarbejdere, der oplever aktiv opbakning fra deres leder til at bruge AI, bruger omkring to tredjedele det dagligt. Hvor den opbakning mangler, bruger omkring to tredjedele slet ikke AI.
Det er en sammenhæng, ikke et bevis for, at lederopbakningen alene skaber forskellen.
Men det peger på, at adgang giver mulighed uden automatisk at føre til, at folk faktisk bruger teknologien.
Vi fandt samtidig nogle af de største afstande til aktiv AI-anvendelse blandt erfarne medarbejdere og særligt erfarne kvinder.
På Dreamforce talte jeg med Tonny Thierry Andersen, koncerndirektør i Nykredit, som satte et begreb på noget af det, som jeg tror, at virksomheder skal blive bedre til.
Han kalder det intelligent adoption.
Pointen er, at det ikke er nok at kunne konstatere, at adoptionen stiger.
Man må også forstå, hvem der faktisk bruger teknologien, hvem der ikke gør, og hvorfor, hvis man vil have bredden af organisationens kapacitet i spil.
Det bliver endnu vigtigere, når virksomheder går fra at implementere AI til at bygge arbejdet om omkring den. For her ændrer problemet karakter.
De bedste til AI ved ikke nødvendigvis mest om arbejdet
Når virksomheder skal udvikle nye AI-workflows, er det naturligt at tage fat i dem, der allerede er længst fremme.
Det er entusiasterne, der melder sig til piloterne, eksperimenterer med værktøjerne og hurtigt får øje på mulighederne. Dem har vi brug for.
Tonny pegede på en meget menneskelig mekanisme i den forbindelse.
Når vi udvikler noget nyt, inviterer vi naturligt dem ind, der allerede interesserer sig mest for det. Det føles som best practice.
Men som han selv konstaterede i vores samtale, er det ikke nødvendigvis best practice.
For AI-kompetence og domænekompetence er ikke det samme. Den, der er bedst til at bygge med AI, kender ikke nødvendigvis alle undtagelserne i en kompliceret forretningsproces.
Omvendt kan en kollega, der ikke stod først i køen til pilotprojektet, sidde med den viden om kunder og arbejdsgange, der afgør, om løsningen holder.
Den erfarne specialist, der endnu ikke bruger AI hver dag, kan vise sig at være præcis den, man har brug for, når man skal vurdere, om et nyt workflow rent faktisk er bedre end det gamle.
Derfor bør vi spørge os selv, om vi risikerer at bygge arbejdet om omkring dem, der er nemmest at få i gang, frem for dem, der har den faglighed, arbejdet faktisk kræver.
Det så jeg hos JYSK og Vivino
På Dreamforce talte jeg blandt andet med JYSK, der står relativt tidligt med AI i kundeservice.
En af deres pointer var, at det ikke er nok at stille teknologien til rådighed og sige “her er AI, prøv jer frem”.
Nogle bliver hurtigt dygtige og får meget ud af den, mens andre måske slet ikke kommer i gang. Derfor arbejder JYSK blandt andet med pilotbrugere, ambassadører og feedback undervejs.
Hos Vivino, der er længere med at lægge AI og automatisering ind i konkrete workflows, hørte jeg, at man skal forstå processen, før man automatiserer den.
Her har medarbejderne blandt andet fået afsat tid til at lære og eksperimentere med AI, samtidig med at virksomheden arbejder bevidst med, hvor mennesker fortsat skal have kontrollen.
De er to forskellige steder på rejsen, men for mig peger de på den samme ledelsesopgave.
Det afgørende er ikke kun, om medarbejderne kan bruge AI, men om virksomheden forstår sit eget arbejde godt nok til at afgøre, hvad der bør automatiseres, hvad der ikke bør, og hvem der skal være med til at træffe den beslutning.
Det kræver et andet blik på, hvem vi tager med
Når AI bevæger sig fra værktøj til workflow og videre ind i selve organisationsdesignet, bliver vi nødt til også at spørge om noget andet.
Hvem sidder rundt om bordet, når vi bygger arbejdet om?
Har vi både dem, der forstår teknologien, og dem, der forstår arbejdet og har erfaringen til at få øje på de undtagelser, som aldrig står i procesdiagrammet? Og hvem afgør egentlig, hvad et bedre workflow er?
Så næste gang I sætter et hold til at bygge et workflow om med AI, så spørg ikke kun, hvem der er bedst til AI.
Spørg også, hvem der har den viden om arbejdet, I risikerer at miste undervejs. Det er ikke nødvendigvis de samme mennesker.
Og hvis vi forveksler de to ting, risikerer vi ikke bare, at nogle bliver ladt tilbage i AI-transformationen. Vi risikerer at bygge dårligere arbejde.
